Mejorar la compatibilidad de las colecciones terminológicas mediante una clasificación puente de categorías de datos

IGOR KUDASHEV

University of Helsinki

I N T R O D U C C I Ó N

A pesar de la existencia de un conjunto normalizado de categorías de datos (ISO 12620:1999) y de métodos normalizados de trabajo terminológico (ISO 704:2000), sigue siendo difícil encontrar dos bases de datos terminológicas creadas en dos organizaciones diferentes que puedan fusionarse fácilmente sin pérdida de datos ni distorsión de los principios originales de compilación de cada una de ellas. Las razones más evidentes son las siguientes:

Las lenguas y tradiciones nacionales difieren;

los ámbitos de LSP difieren;

los antecedentes y enfoques de los compiladores difieren;

las soluciones técnicas difieren.

Al mismo tiempo, una de las tendencias en la gestión de recursos terminológicos y otros tipos de datos ha sido agregar recursos dispersos en portales o servicios más grandes, generalmente sin fusionarlos físicamente. Un ejemplo es el portal EuroTermBank (http://www.eurotermbank.com), que permite buscar en múltiples bases de datos terminológicas internas y externas y elaborar una compilación de los resultados.

A medida que crecen las demandas de los usuarios y el volumen de datos, se hace necesario ofrecer una búsqueda avanzada que abarque todos los campos de la entrada, y no solo los lemas, así como adaptar las entradas a las preferencias de los usuarios. En este artículo proponemos una clasificación de categorías de datos que puede servir de puente entre colecciones terminológicas. La clasificación aborda los siguientes problemas relacionados con la gestión de colecciones terminológicas con distintos conjuntos de categorías de datos:

agregación y fusión de recursos terminológicos;

organización de búsquedas que abarquen todos los campos de las entradas;

adaptación de las entradas procedentes de múltiples colecciones de acuerdo con las preferencias de los usuarios.

36

Igor Kudashev | Improving Compatibility of Terminological...

Una base de datos terminológica puede contener diferentes tipos de datos, además de los datos terminológicos propiamente dichos, como información sobre fuentes, usuarios y transacciones de gestión terminológica. En este artículo nos centramos en la clasificación de las categorías de datos relacionadas con la descripción de las expresiones de LSP.

¿QUÉ ES UNA CATEGORÍA DE DATOS?

En las bases de datos terminológicas, los diferentes tipos de datos se almacenan en campos diferentes. Una categoría de datos es el resultado de especificar un campo de datos determinado (ISO 1087-2:2000: 13). Los terminólogos utilizan diferentes metáforas para explicar el concepto de categoría de datos. Una de ellas es la de un armario en el que se usan distintos cajones para guardar diferentes tipos de ropa. Otra metáfora es una cesta de la compra en la que cada tipo de producto va envuelto en su propio paquete para que no se mezcle con los demás.

DESAJUSTES TÍPICOS ENTRE CATEGORÍAS DE DATOS

Las categorías de datos son el resultado de la clasificación de datos. Los datos pueden clasificarse de muchas maneras diferentes, en función de los puntos de vista de quien los clasifica y de las necesidades de los usuarios. Si se utiliza la metáfora del armario, puede decirse que los distintos armarios tienen un número diferente de cajones, que pueden tener distintas formas, tamaños, etc.

Entre las categorías de datos de las bases de datos terminológicas pueden darse al menos seis tipos de desajustes:

- desajuste en los nombres de las categorías de datos;

- desajuste en el «tamaño» de las categorías de datos, es decir, una «granularidad» diferente;

- desajuste en la «ubicación» de las categorías de datos, es decir, en su posición dentro del esquema de clasificación;

- desajuste en los principios de clasificación (solapamiento);

- desajuste en el contenido de las categorías de datos;

- casos mixtos.

A continuación se presentan algunos ejemplos que ilustran ciertos desajustes comunes.

Caso 1: las categorías de datos tienen nombres diferentes.

Ejemplo: en una base de datos, la categoría de datos se denomina note; en otra, comment; en una tercera, remark; y en una cuarta, NB.

Terminologija | 2009 | 16

37

Caso 2: el nombre de una categoría de datos se utiliza con distintos sentidos.

Ejemplo: la categoría de datos sinónimo puede corresponder a «sinónimo absoluto», «cuasisinónimo» o «sinónimo absoluto o cuasisinónimo».

Caso 3: los nombres de las categorías de datos son «falsos amigos».

Ejemplo: la abreviatura y el acrónimo en inglés, tal como se definen en la norma ISO (ISO 12620:1999: 6–7), y la аббревиатура y el акроним en ruso se corresponden de manera cruzada (Kudashev & Hajutin 2003: 104–105).

Caso 4: la granularidad de las categorías de datos es distinta.

Ejemplo: la categoría de datos forma abreviada del término se divide en cinco subclases (abreviatura, forma abreviada del término, sigla, acrónimo y término truncado) en ISO 12620:1999, pero no existe tal división en ISO 12616:2002 («Terminología orientada a la traducción»).

Caso 5: solapamiento de categorías de datos.

Ejemplo: las categorías de datos ejemplo y contexto se solapan. Algunos ejemplos son contextos y algunos contextos pueden servir de ejemplos, pero las dos categorías no son idénticas.

Caso 6: una misma categoría de datos se incluye en distintas categorías más amplias.

Ejemplo: la categoría de datos contexto se considera información relacionada con conceptos en ISO 12620:1999, aparentemente porque los contextos pueden proporcionar información adicional sobre el concepto. Sin embargo, una función más habitual de los contextos es proporcionar información sobre el uso de los términos y sus colocaciones; por ello, «muchas bases de datos clasifican contexto como una categoría relacionada con los términos» (ISO 12620:1999: 25).

Caso 7: difieren la lengua, el sistema de signos o la notación de los datos.

Ejemplo: una categoría gramatical puede codificarse como noun en una base de datos, n. en otra, subst. en una tercera y como símbolo gráfico en una cuarta.

Caso 8: se utilizan valores idénticos o similares de categorías de datos con significados y conexiones diferentes.

Ejemplo: el valor neologismo de la categoría de datos procedencia del término de ISO 12620:1999 parece una etiqueta cronológica, aunque en realidad se refiere a la metodología empleada para crear el término.

38

Igor Kudashev | Improving Compatibility of Terminological...

Caso 9: los valores de las clases semicerradas difieren debido a las distintas clasificaciones de los fenómenos lingüísticos en diferentes idiomas y tradiciones. Ejemplo: en ISO 12620:1999, las etiquetas para describir expresiones de LSP pertenecientes al «registro coloquial» incluyen slang register y vulgar register. Corresponden aproximadamente a las etiquetas профессиональный жаргонизм (jerga profesional) y профессиональное просторечие (coloquialismo profesional) en ruso. En finés, sin embargo, solo hay una categoría: ammattislangi (jerga profesional; véase Sanastotyön käsikirja 1989: 12).

También cabe señalar que algunos datos pueden expresarse implícitamente en las colecciones terminológicas.

Ejemplo 1: la presencia de la etiqueta obsolete en algunos casos y su ausencia en otros dentro de una colección terminológica implica que los términos que no llevan la etiqueta pertenecen al repertorio activo de LSP.

Ejemplo 2: si se incluyen dos o más términos en la misma entrada, esto suele implicar que son sinónimos o equivalentes.

El intercambio o la agregación de datos de recursos terminológicos pueden exigir que esos datos implícitos se hagan explícitos. Por ejemplo, si los datos se almacenan en forma de ontología en lugar de en entradas estáticas, la información implícita sobre sinónimos y equivalentes mencionada anteriormente debe hacerse explícita y guardarse durante la «descomposición» de las entradas.

INVENTARIOS Y CLASIFICACIONES ISO DE CATEGORÍAS DE DATOS

ISO 12620:1999 especifica un conjunto de categorías de datos para registrar información terminológica. No prescribe qué categorías de datos deben utilizarse, sino que sirve como inventario. Este conjunto de categorías de datos se está ampliando en el proyecto ISOcat (www.isocat.org), que documenta categorías de datos lingüísticos ampliamente aceptadas.

Aunque el proyecto ISOcat es indudablemente útil para los lingüistas, que tienen la oportunidad de categorizar y definir mejor los conceptos lingüísticos, y para los diseñadores de bancos terminológicos, que pueden escoger categorías de datos listas para usar de un amplio inventario, es poco probable que resuelva el problema del intercambio y la agregación de datos, así como el de la búsqueda de entradas completas en múltiples bases de datos.

En primer lugar, no puede impedir que los compiladores de productos terminológicos

Terminologija | 2009 | 16

39

clasificar los datos de una manera diferente y utilizar sus propias categorías de datos. En segundo lugar, cuantas más categorías de datos se utilizan en las colecciones terminológicas, más diversas se vuelven, lo que dificulta aún más el intercambio de datos.

En teoría, la lista de categorías de datos es infinita y, en la práctica, bastante extensa. Por ejemplo, la lista de categorías de datos relacionadas con la terminología del inventario ISOcat ya supera los 500 elementos. Una de las prácticas utilizadas en el proyecto ISOcat puede multiplicar esta cifra varias veces. Nos referimos a presentar los valores de clases cerradas y semicerradas como categorías de datos individuales.

Por ejemplo, los valores de la categoría de datos register, como vulgarRegister, slangRegister, etc., se presentan ahora como categorías de datos por derecho propio. De igual modo, la categoría de datos reliabilityCode se divide en reliabilityCode1, reliabilityCode2, etc. Puede haber distintas opiniones sobre si esto es razonable desde el punto de vista práctico, pero los datos pueden organizarse de muchas maneras diferentes, por lo que no existen restricciones formales para dividir las categorías de datos hasta llegar a clases primitivas que solo admiten los valores yes y no. Sin embargo, está claro que este ámbito de categorías de datos necesita una estructuración y clasificación adecuadas para seguir siendo manejable y estar bien organizado.

Mientras tanto, la clasificación de categorías de datos propuesta en ISO 12620:1999 plantea problemas en varios aspectos. Para empezar, existen ciertas incoherencias en cuanto a la división principal de los datos. Según la sección 6.2 (Tipología de las categorías de datos), las categorías de datos se dividen en tres grupos principales: información sobre términos y relacionada con ellos, datos descriptivos y datos administrativos. Sin embargo, en el Anexo D (Listado sistemático de categorías de datos), el segundo grupo se denomina Categorías de datos relacionadas con la descripción de conceptos. Al mismo tiempo, este grupo contiene el subgrupo Nota, que «se presenta de forma independiente porque puede asociarse con cualquiera de las demás categorías y, por lo tanto, no puede subordinarse a ningún otro subgrupo específico» (ISO 12620:1999: 4).

Si suponemos que la división prevista incluía cuatro grupos —información sobre términos y relacionada con ellos, información relacionada con conceptos, datos administrativos y Nota—, esta clasificación sigue planteando muchas preguntas. Por mencionar algunas:

- ¿Por qué ejemplos y contextos son datos relacionados con conceptos y no datos relacionados con términos? Compárese con la descripción de la categoría de datos context: «Un texto o una parte de un texto en el que aparece un término» (ISO 12620:1999: 25).

- ¿Por qué sinonimia y equivalencia son datos relacionados con términos, mientras que todo lo demás relacionado con el significado son datos relacionados con conceptos? Compárese con la descripción de la categoría de datos grado de equivalencia: «El grado de solapamiento entre las intensiones de dos o más conceptos» (ISO 12620:1999: 21).

40

Igor Kudashev | Improving Compatibility of Terminological...

¿Por qué antonimia y homografía son datos administrativos y no datos relacionados con términos o conceptos?

¿Por qué audio, vídeo, etc., son (simplemente) datos relacionados con conceptos?

¿Cuál es la definición exacta de datos administrativos? ¿Por qué esta clase incluye categorías tan heterogéneas?

La división de los datos terminológicos en datos relacionados con conceptos y datos relacionados con términos puede ser útil desde el punto de vista técnico, porque favorece el enfoque orientado a conceptos, que reduce el número de relaciones entre términos al vincular los términos sinónimos con un mismo concepto. Sin embargo, dicha división en general y su aplicación en ISO 12620:1999 en particular pueden plantear dificultades a los usuarios habituales de bases de datos terminológicas —traductores y especialistas en la materia—. En efecto, no es fácil comprender por qué habría que buscar sinónimos en los datos relacionados con términos, pero antónimos en los datos administrativos y ejemplos en los datos relacionados con conceptos.

Los usuarios habituales trabajan con términos —palabras y combinaciones de palabras—, por lo que para ellos es más natural hablar del significado de un término, los sinónimos de un término, ejemplos de uso de un término, etc. Esto implica que la clasificación de categorías de datos destinada a ofrecer búsquedas en entradas completas en múltiples colecciones debería estar orientada a los términos, ser intuitivamente clara y basarse en categorías lingüísticas comunes.

PUENTES PARA RESOLVER LAS DISCREPANCIAS ENTRE CATEGORÍAS DE DATOS

El problema de las discrepancias entre categorías de datos puede resolverse mediante correspondencias. Si las discrepancias son nominales, por ejemplo, si difieren los nombres de las categorías de datos o si el mismo contenido se presenta de distintas maneras, pueden establecerse correspondencias directas entre las categorías de datos. Una vez aplicadas estas correspondencias directas, los datos del recurso agregado pueden buscarse con la misma precisión que en las bases de datos originales.

Las diferencias más sustanciales entre las categorías de datos requieren encontrar un denominador común mediante la correspondencia entre clasificaciones de conjuntos de categorías de datos. El uso de un denominador común reduce algo la precisión de la búsqueda, pero es la única manera de ofrecer una búsqueda común en recursos terminológicos con estructuras diferentes. Si el usuario no está dispuesto a sacrificar la precisión de la búsqueda, debe realizar búsquedas por separado en cada colección individual.

Como ocurre con el intercambio de datos en general, el uso de un formato intermedio, es decir, de alguna clasificación puente de categorías de datos, resulta más eficaz a largo

Terminologija | 2009 | 16

41

plazo que el establecimiento de múltiples correspondencias entre distintas clasificaciones. Los principios generales de la clasificación de categorías de datos destinada a servir de interfaz común entre otras clasificaciones son los siguientes:

1. Puesto que se supone que las clases de la clasificación sirven como denominadores comunes, deben situarse en un nivel de abstracción superior al de la mayoría de las categorías de datos «primitivas», que no se subdividen más. Al mismo tiempo, el nivel de abstracción no debe ser demasiado alto, porque a los usuarios no les interesaría una clasificación demasiado general. En la práctica, basta con una clasificación con dos niveles de abstracción.

2. La clasificación debe abarcar todos los tipos de expresiones de LSP que suelen describirse en las bases de datos terminológicas, incluidos los elementos terminológicos, los nombres propios, la nomenclatura, las expresiones pluriverbales, etc.

3. La clasificación debe contener únicamente las categorías de datos directamente relacionadas con la descripción de las expresiones de LSP. La descripción de los aspectos técnicos y administrativos (p. ej., soporte, codificaciones, fuentes, fiabilidad, etc.) es una tarea distinta.

4. La clasificación debe ser jerárquica, pero debe permitir varios criterios de división en un mismo nivel de abstracción.

5. La clasificación debe ser ampliable, es decir, debe contener la categoría «otro» en cada nivel de la jerarquía.

Estos principios deben combinarse con el requisito de facilidad de uso mencionado anteriormente. En nuestra opinión, una clasificación basada en las funciones lingüísticas de los datos es una opción especialmente sólida en este sentido.

En la clasificación puente basada en las funciones lingüísticas, la atención pasa de los nombres de las categorías de datos a la función o las funciones de los datos que contienen. Puede establecerse aquí una comparación con una biblioteca y sus catálogos alfabéticos y temáticos.

La búsqueda por los nombres de las categorías de datos es similar a la búsqueda mediante un catálogo alfabético. El título da algunas pistas sobre el contenido del libro, pero a veces puede inducir a error. Además, los usuarios no pueden adivinar todos los títulos posibles que abarquen un tema determinado. El catálogo alfabético resulta útil cuando los usuarios saben con certeza qué elemento o elementos quieren localizar. Sin embargo, la mayoría de los usuarios de bibliotecas empieza su búsqueda con el catálogo temático, porque no sabe de antemano qué elementos tratan el tema que le interesa.

El portal terminológico que agrega múltiples colec-

42

Igor Kudashev | Improving Compatibility of Terminological...

ciones con diferentes conjuntos de categorías de datos plantean a los usuarios el mismo problema que el conjunto de libros en los estantes de una biblioteca. Los usuarios saben qué tipo de información les interesa (gramática, significado, uso, etc.), pero no necesariamente saben en qué categorías de datos se puede encontrar esa información. En distintas colecciones terminológicas, tipos similares de datos pueden encontrarse en campos de datos diferentes. Por ejemplo, la información sobre el estatus areal de una expresión de LSP puede encontrarse en campos como uso, etiqueta regional, símbolo lingüístico, etc.

Si la búsqueda se basa en las funciones lingüísticas de los datos, los usuarios no necesitan preocuparse por los nombres exactos de las categorías de datos. Solo especifican que buscan información sobre estatus areal, significado o sinónimos, y el sistema de gestión terminológica localiza y muestra entradas completas o abreviadas en distintas bases de datos que contienen el tipo de información especificado. La búsqueda por función puede y debe complementarse con la búsqueda por nombre de los campos para aquellos usuarios que saben exactamente en qué campos quieren buscar.

Los campos de datos, como los elementos de una biblioteca, pueden contener distintos tipos de información lingüística. Por ejemplo, ejemplo es un campo multifuncional típico que puede contener información sobre la forma, el significado y el uso de un término, en distintas proporciones. Cada categoría de datos puede describirse como si tuviera una o varias funciones. También debería ser posible especificar el grado en que una categoría de datos concreta refleja determinadas funciones. Esta característica puede ser verbal (por ejemplo, función primaria y secundaria) o numérica (por ejemplo, 0–100%).

La forma más sencilla de asignar un conjunto particular de categorías de datos a la clasificación intermedia consiste en considerar uniformes los contenidos de los campos de datos de un tipo determinado y elaborar una tabla de correspondencias simple. Una asignación más precisa, pero también más compleja, permitiría a los compiladores especificar las desviaciones de campos de datos individuales con respecto a los valores utilizados en la tabla global de correspondencias. Por ejemplo, los contextos suelen proporcionar información sobre el uso y el significado de los términos. Es razonable incluir estos tipos de información en la tabla global de correspondencias, ya que corresponden a todos los campos de contexto. Sin embargo, algunos contextos también pueden contener información enciclopédica. Este uso ocasional de información enciclopédica puede señalarse localmente, en el nivel del campo.

Terminologija | 2009 | 16

43

CLASIFICACIÓN DE LAS CATEGORÍAS DE DATOS BASADA EN LAS FUNCIONES LINGÜÍSTICAS DE LOS DATOS

Como las expresiones de LSP son signos lingüísticos, la información sobre ellas puede dividirse en información sobre su forma, significado, uso, relaciones con otras unidades, origen y desarrollo. A continuación se describe detalladamente cada una de estas clases y se ofrecen algunos ejemplos de los datos que pertenecen a ellas. Véase Apéndice 1 para consultar la versión resumida de la clasificación.

Datos relacionados con la forma

Las expresiones de LSP tienen dos formas: escrita y oral. Además, los datos relacionados con la forma de una expresión de LSP pueden subdividirse en tres clases:

- datos relacionados con la forma canónica;

- datos relacionados con la formación de la unidad;

- datos relacionados con la flexión de la unidad.

DATOS RELACIONADOS CON LA FORMA CANÓNICA

La forma canónica es la forma en la que se presenta la entrada en la base de datos. Sirve de «representante» de las demás formas. Por ejemplo, en la mayoría de las lenguas europeas, la forma canónica de los sustantivos es el nominativo singular y la de los verbos, el infinitivo. Sin embargo, las reglas para elegir la forma canónica varían según las lenguas y las tradiciones lexicográficas.

He aquí algunos ejemplos de datos relacionados con la forma canónica escrita:

- tipo de expresión según su forma escrita (p. ej., forma completa, forma abreviada, símbolo, fórmula, etc.);

- ortografía de la forma;

- variantes ortográficas de la forma;

- división con guion.

Ejemplos de datos relacionados con la forma canónica oral:

- tipo de expresión según su forma oral (p. ej., sigla, acrónimo);

- pronunciación;

- variantes de pronunciación de la forma;

- silabificación.

Como puede observarse, algunas categorías de datos pueden referirse tanto a las formas escritas como a las orales. Por ejemplo, indicar que una expresión determinada es una sigla, es decir, una forma abreviada compuesta por las letras iniciales del término completo, cuyas letras se pronuncian individualmente (p. ej., United Nations – UN), proporciona información tanto sobre las formas escritas como sobre las orales. Además, puede

44 Igor Kudashev | Improving Compatibility of Terminological...

se puede decir que proporciona información sobre la formación, el origen y el desarrollo de los términos.

DATOS RELACIONADOS CON LA FORMACIÓN DE TÉRMINOS

Ejemplos de datos relacionados con la formación de expresiones de LSP:

- componentes y elementos del término;

- estructura morfémica;

- modelo sintáctico;

- modelo de formación de términos;

- método(s) de formación de términos;

- variantes morfológicas;

- derivados.

DATOS RELACIONADOS CON LA FLEXIÓN

Ejemplos de datos relacionados con la flexión de las expresiones de LSP:

- parámetros gramaticales (número, género, animacidad, etc.);

- paradigma completo o parcial de las formas;

- modelos de flexión, conjugación, etc.

Datos relacionados con el significado

Esta parte de la clasificación comienza con una categoría más bien marginal para mantener la coherencia con las demás secciones. Las expresiones de LSP pueden dividirse en varias clases según el grado en que su forma interna refleje su significado. Por ejemplo, una expresión fija es una unidad cuyo significado no puede deducirse del sentido combinado de las palabras que la componen.

Aparte de eso, los datos relacionados con el significado de las expresiones de LSP pueden dividirse en dos grandes categorías. La primera es el significado lógico: descripción del concepto lógico denotado por una expresión de LSP. Este tipo de información suele proporcionarse en definiciones terminológicas y descripciones similares a definiciones.

La segunda categoría incluye componentes del significado bastante heterogéneos que pueden denominarse significado inducido. Estos componentes incluyen, por ejemplo:

- distintas connotaciones, es decir, componentes evaluativos del significado;

- forma interna de la expresión (su significado «literal», morfema por morfema);

Terminologija | 2009 | 16

45

– otros significados de la misma expresión en LSP o LGP;

– componentes del significado derivados de relaciones sistemáticas de antonimia, sinonimia, paronimia y otras de la expresión;

– diferentes tipos de asociaciones;

– componentes del significado derivados de la consonancia, las rimas, etc.

Llamamos a estos componentes del significado «inducidos» porque se derivan de la actitud de los usuarios de la lengua hacia los objetos denotados por las expresiones de LSP, de las asociaciones de los usuarios o de las relaciones de una expresión de LSP con otras unidades lingüísticas. En este sentido, los usuarios de la lengua, otras unidades lingüísticas o ambos «inducen» componentes adicionales del significado en la expresión de LSP. Para más información sobre la presentación del significado inducido en los diccionarios de LSP, véase (Kudashev 2006; Kudashev 2007: 254–258).

Los componentes inducidos son bienvenidos e incluso se cultivan deliberadamente cuando crean asociaciones y connotaciones positivas o permiten a los usuarios expresar su actitud hacia el tema en la comunicación informal. Sin embargo, en la mayoría de los casos solo distraen la atención de los usuarios del significado lógico, que se supone que constituye el núcleo de la comunicación en LSP. Esta es probablemente una de las razones por las que los componentes del significado inducido se han pasado por alto en gran medida en la teoría de la terminología. No obstante, tenerlos en cuenta es un requisito previo importante para una nominación terminológica satisfactoria y una comunicación eficaz en LSP.

Datos relativos a la descripción enciclopédica

La descripción enciclopédica proporciona información sobre los objetos denotados por las expresiones de LSP y, en la mayoría de los casos, esta información es extralingüística. Sin embargo, a veces no es fácil trazar la línea divisoria entre la descripción del concepto y la descripción del objeto denotado por una expresión de LSP. Muchas bases de datos terminológicas ya contienen información que cuenta como descripción enciclopédica, y se espera que la proporción de este tipo de información aumente en el futuro, a medida que los distintos tipos de obras de consulta tiendan a acercarse entre sí (cf. Hartmann 2001: 5). Para reconocer este hecho, hemos decidido incluir la descripción enciclopédica en la clasificación de las categorías de datos relativas a la descripción de las expresiones de LSP.

Datos relacionados con el uso

La información relacionada con el uso parece ser el tipo de información más solicitado.

46 Igor Kudashev | Improving Compatibility of Terminological...

terminological data (Kudashev 2007: 207). It can be subdivided into two big categories:

- restricciones de uso;

- frecuencia de uso.

DATOS RELACIONADOS CON LAS RESTRICCIONES DE USO

El uso de cualquier expresión de una lengua para fines específicos (LFE) está restringido, como mínimo, a alguna lengua nacional, ámbito y período cronológico. Además, el uso puede estar restringido a una determinada zona geográfica, grupo profesional, organización, registro, etc. A continuación se presenta una lista de las restricciones de uso más frecuentes, con algunos ejemplos entre paréntesis:

- lengua nacional (en, fi, ru);

- ámbito y subámbito (física – física atómica – física de altas energías);

- escuela o teoría científica (física de Newton, física de Einstein; estructuralismo danés en lingüística);

- restricción cronológica (obsoleto, neologismo, utilizado durante la Segunda Guerra Mundial);

- restricción geográfica (en-US, en-GB, expresión dialectal);

- restricción organizativa (término utilizado en/por Nokia, Microsoft, UN, WHO);

- restricción de propiedad (marca registrada, nombre comercial);

- restricciones de registro (término oficial, término informal, jerga profesional);

- restricciones del grupo profesional (médicos, enfermeros, auxiliares médicos);

- restricciones combinatorias (llevar a cabo/realizar/hacer/iniciar una investigación);

- restricciones de cumplimiento (término normalizado, preferido, recomendado o no recomendado).

Probablemente sea necesario comentar con más detalle los dos últimos tipos de restricciones.

Datos relacionados con las restricciones combinatorias

La capacidad combinatoria es la capacidad de las unidades lingüísticas para formar unidades mayores. La capacidad combinatoria puede dividirse en semántica, léxica y sintáctica. La capacidad combinatoria semántica sugiere que las expresiones no contienen componentes controvertidos en su significado. La capacidad combinatoria léxica se manifiesta en la capacidad de las expresiones para combinarse con determinados recursos léxicos. La capacidad combinatoria sintáctica es la capacidad de una expresión

Terminologija | 2009 | 16

47

para combinarse con determinadas formas gramaticales de otras expresiones y palabras auxiliares. Las restricciones combinatorias suelen describirse mediante modelos sintácticos, ejemplos y contextos.

Datos relacionados con las restricciones de cumplimiento

Los productos terminológicos tienden a ser, en mayor o menor medida, prescriptivos por naturaleza. Esta normatividad puede ir desde recomendaciones de los compiladores o de los expertos en el ámbito a quienes hayan consultado hasta la autorización normativa. En cualquier caso, se trata de la conformidad de una expresión de una LSP con un estilo «bueno» o «correcto» (desde el punto de vista de los compiladores) y, en el caso de las normas, también con algún documento normativo.

DATOS RELACIONADOS CON LA FRECUENCIA DE USO

La información sobre la frecuencia de uso puede basarse en pruebas de corpus y expresarse numéricamente, o bien puede consistir en una estimación más o menos subjetiva expresada verbalmente (por ejemplo, de uso común – de uso poco frecuente – de uso raro).

Datos relacionados con las relaciones sistemáticas

Por relaciones sistemáticas entendemos las relaciones ontológicas (relaciones que contienen conocimientos sobre el mundo), las relaciones léxicas sistemáticas y las relaciones de equivalencia entre lenguas. A continuación se ofrecen ejemplos de las relaciones sistemáticas más comunes:

– relaciones de sinonimia;

– relaciones de antonimia;

– relaciones de homonimia;

– relaciones de paronimia;

– relaciones genéricas;

– relaciones partitiva;

– relaciones ontológicas no jerárquicas (asociativas, secuenciales, temporales, causales, etc.);

– relaciones de equivalencia (entre lenguas).

Las relaciones relativas a la formación de palabras, la flexión y la capacidad combinatoria de las expresiones no pertenecen a esta categoría porque no son relaciones léxicas sistemáticas lexical.

Datos relacionados con el origen y el desarrollo

Este tipo de datos es similar a los datos etimológicos, pero no se limita a ellos. Puede incluir, por ejemplo:

48 Igor Kudashev | Improving Compatibility of Terminological...

- información sobre las formas de las que se cree que procede una expresión de LSP determinada;

- información sobre las etapas de desarrollo de una expresión de LSP determinada;

- información sobre la(s) forma(s), el significado, el uso, etc., anteriores de una expresión de LSP determinada.

CONCLUSIONES

En este artículo hemos analizado los principios de clasificación de datos destinados a tender puentes entre las discrepancias estructurales de las categorías de datos en distintas colecciones terminológicas. Entre las aplicaciones previstas de la clasificación se incluyen la agregación y fusión de datos terminológicos, la organización de búsquedas de entradas completas en múltiples colecciones terminológicas y la adaptación de las entradas conforme a las preferencias de los usuarios.

Las dos últimas tareas exigen que la clasificación sea bastante sencilla e intuitivamente clara para los usuarios habituales de productos terminológicos. La clasificación basada en las funciones lingüísticas de los datos parece ser una de las mejores opciones a este respecto. La búsqueda basada en las funciones lingüísticas de los datos complementa eficazmente la búsqueda por nombres de categorías de datos y cumple la misma función que un índice temático en una biblioteca.

En este artículo nos hemos centrado en la clasificación de los datos relacionados con la descripción de expresiones de LSP, ya que es el tipo de datos más importante que se presenta en las bases de datos terminológicas. Las clasificaciones de otros tipos de datos, como la información sobre fuentes, usuarios y transacciones de gestión terminológica, estarán disponibles en las especificaciones del proyecto ContentFactory, cuyo objetivo es diseñar una plataforma basada en ontologías para el trabajo terminológico colaborativo distribuido. El proyecto termina en 2010 y una gran parte de su documentación interna se hará pública.

BIBLIOGRAPHY

Hartmann R. R. K. 2001: Teaching and Researching Lexicography. New York: Longman.

ISO 1087-2:2000 Terminology Work – Vocabulary. Part 2: Computer Applications.

ISO 12616:2002 Translation-Oriented Terminography.

ISO 12620:1999 Computer Applications in Terminology – Data Categories.

ISO 704:2000 Terminology Work – Principles and Methods.

Kudashev I. 2006: Additional Meaning Components of Terms and their Treatment in LSP Dictionaries. – Lehtinen, Esa – Niemelä, Nina (toim.) Erikoiskielet ja käännösteoria. VAKKI-symposiumi XXVI. Vaasa 11.–12.2.2006. Vaasa: Vaasan yliopisto, 143–149.

Кудашев И. С. 2007: Проектирование переводческих словарей специальной лексики. Хельсинки: Yliopistopaino.

Terminologija | 2009 | 16

49

Кудашев И. С., Хаютин А. Д. 2003: К вопросу о формах терминоэлементов и терминов. – Лексикология. Терминоведение. Стилистика: Сборник научных трудов, Москва, Рязань, 101–107.

Sanastotyön käsikirja 1989: Sanastotyön käsikirja. Soveltavan terminologian periaatteet ja työmenetelmät / Toimittanut Tekniikan sanastokeskus. Helsinki: Suomen Standardoimisliitto.

APPENDIX 1. CLASSIFICATION OF TERMINOLOGICAL DATA BASED ON ITS LINGUISTIC FUNCTIONS

Values in angle brackets are candidates for the formal representation of the categories. These values are used in Appendix 2 for the sake of brevity.

1. Data related to form. <termForm>

1.1. Type of LSP expression by its form. <termForm: termType>

1.2.1. Data related to written form. <termForm: writtenForm>

1.2.2. Data related to oral form. <termForm: oralForm>

1.3.1. Data related to canonical form. <termForm: canonicalForm>

1.3.2. Data related to term formation. <termForm: termFormation>

1.3.3. Data related to inflection. <termForm: termInflection>

2. Data related to meaning. <termMeaning>

2.1. Type of LSP expression by correspondence of its meaning to its form. <termMeaning: termType>

2.2. Data related to logical meaning. <termMeaning: logicalMeaning>

2.3. Data related to induced meaning. <termMeaning: inducedMeaning>

3. Encyclopedic description. <termEncyclopedicDescription>

4. Data related to usage. <termUsage>

4.1. Data related to restrictions of usage. <termUsage: restrictions>

4.1.1. Data related to national language restrictions. <termUsage: restrictions: language>

4.1.2. Data related to domain restrictions. <termUsage: restrictions: domain>

4.1.3. Data related to scientific school or theory restrictions. <termUsage: restrictions: schoolOrTheory>

4.1.4. Data related to chronological restrictions. <termUsage: restrictions: chronological>

4.1.5. Data related to geographical restrictions. <termUsage: restrictions: geographical>

4.1.6. Data related to organizational restrictions. <termUsage: restrictions: organizational>

4.1.7. Data related to proprietary restrictions. <termUsage: restrictions: proprietary>

50

Igor Kudashev | Improving Compatibility of Terminological...

4.1.8. Data related to register restrictions. <termUsage: restrictions: register>

4.1.9. Data related to professional group restrictions. <termUsage: restrictions: professionalGroup>

4.1.10. Data related to combinatory restrictions. <termUsage: restrictions: combinatory>

4.1.11. Data related to compliance restrictions. <termUsage: restrictions: compliance>

4.2. Data related to frequency of use. <termUsage: frequency>

5. Data related to systematic relations. <termRelations>

5.1. Data related to synonymous relations. <termRelations: synonymousRelation>

5.2. Data related to antonymous relations. <termRelations: antonymousRelation>

5.3. Data related to homonymous relations. <termRelations: homonymousRelation>

5.4. Data related to paronymous relations. <termRelations: paronymousRelation>

5.5. Data related to generic relations. <termRelations: genericRelation>

5.6. Data related to partitive relations. <termRelations: partitiveRelation>

5.7. Data related to non-hierarchical ontological relations. <termRelations: non-hierarchicalOntologicalRelation>

5.8. Data related to equivalence relations. <termRelations: equivalenceRelation>

6. Data related to origin and development. <termOriginAndDevelopment>

7. Other types of data related to the description of an LSP expression <termOtherRelatedData>

APPENDIX 2. EXAMPLE OF MAPPING OF SOME ISO 12620:1999 DATA CATEGORIES INTO THE FUNCTIONAL CLASSIFICATION OF TERMINOLOGICAL DATA

See Appendix 1 for the decryption of the formal representation of the categories which are used for the sake of brevity. Question mark after a data category means that the presence of the specified kind of data is subject to the interpretation of the data category. If subcategories can be mapped in the exact same way as their parent category, only the parent category is described.

Terminologija | 2009 | 16

51

Due to space limitations only the first subgroup of data categories from the ISO 12620:1999 standard is covered.

A.1 term

Note: term (headword) lies outside the scope of classification which covers data categories related to the description of LSP expressions. However, technically data category term is identical to the written form of the term.

Functional classification: not applicable or <termForm: writtenForm>

A.2.1 term type

Note: in the ISO 12620:1999 standard this category includes various kinds of LSP expressions and may contain different types of data. See subcategories for more information.

A.2.1.1 main entry term

Note: information about the structure of the entry is not data related to the description of LSP expressions. However, this category indirectly reflects preference.

Functional classification: not applicable or <termUsage: restrictions: compliance>

A.2.1.2 synonym

Note: when opposed to main entry term, this category reflects preference. Its primary function is, however, reflection of synonymous relations.

Functional classification: <termRelations: synonymousRelation>; <termUsage: restrictions: compliance>?

A.2.1.3 quasi-synonym

Note: same as previous.

Functional classification: <termRelations: synonymousRelation>; <termUsage: restrictions: compliance>?

A.2.1.4 international scientific term

Note: depending on the interpretation of this category and its contents, this data category may provide information about compliance, language restrictions, origination and development.

Functional classification: <termUsage: restrictions: compliance>; <termUsage: restrictions: language>?; <termOriginAndDevelopment>?

A.2.1.5 common name

Note: common name is a synonym of an international scientific term that is used in general discourse. This data category may provide information about restrictions related to register, compliance and professional group.

52

Igor Kudashev | Improving Compatibility of Terminological...

Functional classification: <termUsage: restrictions: register>; <termUsage: restrictions: compliance>; <termUsage: restrictions: professionalGroup>?

A.2.1.6 internationalism

Note: depending on the contents this data category may provide information related to language restrictions, term formation, origination and development.

Functional classification: <termUsage: restrictions: language>; <termForm: termFormation>?; <termOriginAndDevelopment>?

A.2.1.7 full form

Note: this data category provides information about the type of term by its form.

Functional classification: <termForm: termType>

A.2.1.8 abbreviated form of term

Note: depending on the contents, this data category and all its subcategories (A.2.1.8.1 abbreviation, A.2.1.8.2 short form of term, A.2.1.8.3 initialism, A.2.1.8.4 acronym and A.2.1.8.5 clipped term) may provide information related to type of term by its form, oral form; term formation, origin and development.

Functional classification: <termForm: termType>; <termForm: oralForm>?; <termForm: termFormation>?; <termOriginAndDevelopment>

A.2.1.9 variant

Note: depending on the contents, this data category may provide information about preference, term formation, origin and development.

Functional classification: <termUsage: restrictions: compliance>; <termForm: termFormation>?; <termOriginAndDevelopment>?

A.2.1.10–A.2.1.14 (transliterated form, transcribed form, romanized form, symbol and formula)

Note: these data categories provide information about the type of term by its form.

Functional classification: <termForm: termType>

A.2.1.15–A.2.1.17 (equation, logical expression, materials management categories)

Note: these units can not be headwords in terminological databases.

Functional classification: not applicable.

A.2.1.18 phraseological unit

Note: in ISO 12620:1999 this category is split into three subcategories: collocation, set phrase and synonymous phrase. Collocation can not be counted

Terminologija | 2009 | 16

53

as a phraseological unit as it does not correspond to the definition of a phraseological unit provided in the standard. Synonymous phrase seems to be an unnecessary category. The same information can be expressed with two other data categories: set phrase and synonym.

Functional classification: not applicable.

A.2.1.18.1 collocation

Note: this data category provides information about combinatory restrictions.

Functional classification: <termUsage: restrictions: combinatory>

A.2.1.18.2 set phrase

Note: this data category provides information about the type of term by correspondence of its meaning to its form.

Functional classification: <termMeaning: termType>

A.2.18.3 synonymous phrase

Note: as was stated above, this category is probably unnecessary. If used, it provides information about the type of term by correspondence of its meaning to its form and also about synonymous relations.

Functional classification: <termMeaning: termType>; <termRelations: synonymousRelation>

A.2.1.19 standard text

Note: standard texts can not be headwords in terminological databases.

Functional classification: not applicable.

TERMINIJOS RINKINIŲ SUDERINAMUMO GERINIMAS TAIKANT DUOMENŲ KATEGORIJŲ KLASIFIKACIJĄ

Viena iš informacijos ir ypač terminologijos išteklių plėtros tendencijų yra atskirų duomenų bazių jungimas į didelius portalus ir sąsajų tarp tokių portalų kūrimas. To pavyzdys gali būti EuroTermBankas (http://www.eurotermbank.com). Didėjant informacijos apimčiai ir vartotojų tokiems produktams keliamiems reikalavimams, auga poreikis užtikrinti išplėstinę paiešką, apimančią visus žodynų straipsnių laukus, ir galimybę pateikti tik tas informacijos kategorijas, kurios tuo metu domina vartotoją. Šiems uždaviniams spręsti reikalinga duomenų kategorijų klasifikacija, kurią būtų galima taikyti kaip terminologinių bazių, turinčių skirtingą struktūrą, „bendrą vardiklį“. Svarbus tokios klasifikacijos reikalavimas – jos paprastumas ir aiškumas paprastiems terminologijos produktų vartotojams. Straipsnyje aptariama lingvistinėmis duomenų funkcijomis paremta klasifikacija galėtų tapti tokiu „bendru vardikliu“.

54

Igor Kudashev | Improving Compatibility of Terminological...

ИСПОЛЬЗОВАНИЕ МЕТАКЛАССОВ ДАННЫХ КАК СРЕДСТВО УЛУЧШЕНИЯ СОВМЕСТИМОСТИ ТЕРМИНОЛОГИЧЕСКИХ КОЛЛЕКЦИЙ

Одной из тенденций развития информационных ресурсов в целом и терминологических в частности стало объединение разрозненных баз данных в крупные порталы и создание общих интерфейсов к ним. Примером может служить Евро-ТермБанк (http://www.eurotermbank.com). По мере роста объемов информации и требований пользователей к подобным продуктам растет потребность в обеспечении расширенного поиска, охватывающего все поля словарных статей, а также возможности отображения лишь тех категорий информации, которые в данный момент интересуют пользователя. Эти задачи требуют наличия классификации информационных категорий, которая могла бы служить «общим знаменателем» для терминологических баз с различной структурой. Немаловажным требованием к подобной классификации является ее простота и понятность для простых пользователей терминологических продуктов. В статье описывается один из возможных кандидатов на роль «общего знаменателя» – классификация, основанная на лингвистических функциях данных.

Gauta 2009-10-14

Igor Kudashev University of Helsinki Palmenia Centre for Continuing Education P.O. Box 239 (Paraatikenttä 6) FIN-45100 Kouvola, Finland E-mail: [email protected]

Terminologija | 2009 | 16

55