Migliorare la compatibilità delle raccolte terminologiche mediante una classificazione ponte delle categorie di dati

IGOR KUDASHEV

University of Helsinki

I N T R O D U Z I O N E

Nonostante l’esistenza di un insieme standardizzato di categorie di dati (ISO 12620:1999) e di metodi standardizzati di lavoro terminologico (ISO 704:2000), è ancora difficile trovare due banche dati terminologiche create da due organizzazioni diverse che possano essere facilmente unite senza perdita di dati o alterazione dei principi originari di compilazione di ciascuna banca dati. Le ragioni più evidenti sono le seguenti:

le lingue e le tradizioni nazionali differiscono;

i domini LSP differiscono;

i retroscena e gli approcci dei compilatori differiscono;

le soluzioni tecniche differiscono.

Al tempo stesso, una delle tendenze nella gestione delle risorse terminologiche e di altri tipi di dati è stata quella di aggregare risorse disperse in portali o servizi più ampi, di norma senza unirle fisicamente. Un esempio è il portale EuroTermBank (http://www.eurotermbank.com) che consente di effettuare ricerche in numerose banche dati terminologiche interne ed esterne e di compilare i risultati.

Con l’aumento delle esigenze degli utenti e dei volumi di dati, diventa necessario offrire una ricerca avanzata che copra tutti i campi della voce, non soltanto i lemmi, e adattare le voci alle preferenze degli utenti. In questo articolo proponiamo una classificazione delle categorie di dati che può fungere da ponte tra raccolte terminologiche. La classificazione affronta i seguenti problemi relativi alla gestione di raccolte terminologiche con insiemi diversi di categorie di dati:

aggregazione e fusione delle risorse terminologiche;

organizzazione della ricerca che copra tutti i campi delle voci;

adattamento delle voci provenienti da più raccolte in base alle preferenze degli utenti.

36

Igor Kudashev | Improving Compatibility of Terminological...

Una banca dati terminologica può contenere diversi tipi di dati oltre ai dati propriamente terminologici, come informazioni sulle fonti, sugli utenti e sulle operazioni di gestione della terminologia. In questo articolo ci concentriamo sulla classificazione delle categorie di dati relative alla descrizione delle espressioni LSP.

CHE COS’È UNA CATEGORIA DI DATI?

Nei database terminologici, i diversi tipi di dati sono collocati in campi diversi. Una categoria di dati è il risultato della specificazione di un determinato campo di dati (ISO 1087-2:2000: 13). I terminologi ricorrono a diverse metafore per spiegare il concetto di categoria di dati. Una metafora è quella di un armadio in cui diversi cassetti servono a conservare diversi tipi di vestiti. Un’altra metafora è quella di un cestino della spesa in cui ogni tipo di merce è avvolto nella propria confezione, così da non mescolarsi agli altri.

DISCREPANZE TIPICHE TRA LE CATEGORIE DI DATI

Le categorie di dati sono il risultato della classificazione dei dati. I dati possono essere classificati in molti modi diversi, a seconda delle prospettive di chi li classifica e delle esigenze degli utenti. Ricorrendo alla metafora dell’armadio, si può dire che armadi diversi hanno un numero diverso di cassetti, che possono essere di forma, dimensioni ecc. differenti.

Nei database terminologici sono possibili almeno sei tipi di discrepanze tra le categorie di dati:

- discrepanza nei nomi delle categorie di dati;

- discrepanza nelle «dimensioni» delle categorie di dati, ossia diversa «granularità»;

- discrepanza nella «collocazione» delle categorie di dati, ossia nella loro posizione nello schema di classificazione;

- discrepanza nei principi di classificazione (sovrapposizione);

- discrepanza nei contenuti delle categorie di dati;

- casi misti.

Di seguito sono riportati alcuni esempi che illustrano alcune discrepanze ricorrenti.

Caso 1: le categorie di dati hanno nomi diversi.

Esempio: la categoria di dati è chiamata note in un database, comment in un altro, remark in un terzo e NB in un quarto.

Terminologija | 2009 | 16

37

Caso 2: il nome di una categoria di dati è usato con significati diversi.

Esempio: la categoria di dati sinonimo può corrispondere a «sinonimo assoluto», «quasi sinonimo» o «sinonimo assoluto o quasi sinonimo».

Caso 3: i nomi delle categorie di dati sono «falsi amici».

Esempio: l’inglese abbreviation e acronym, come definiti nella norma ISO (ISO 12620:1999: 6–7), e il russo аббревиатура e акроним si corrispondono in modo incrociato (Kudashev & Hajutin 2003: 104–105).

Caso 4: la granularità delle categorie di dati è diversa.

Esempio: la categoria di dati forma abbreviata del termine è suddivisa in cinque sottoclassi (abbreviazione, forma breve del termine, sigla, acronimo e termine troncato) nella norma ISO 12620:1999, mentre nella norma ISO 12616:2002 («Terminologia orientata alla traduzione») non è prevista una suddivisione analoga.

Caso 5: sovrapposizione delle categorie di dati.

Esempio: le categorie di dati esempio e contesto si sovrappongono. Alcuni esempi sono contesti e alcuni contesti possono fungere da esempi, ma le due categorie non sono identiche.

Caso 6: la stessa categoria di dati è collocata sotto categorie sovraordinate diverse.

Esempio: la categoria di dati contesto è considerata un dato relativo al concetto nella norma ISO 12620:1999, apparentemente perché i contesti possono fornire informazioni aggiuntive sul concetto. Tuttavia, una funzione più comune dei contesti è fornire informazioni sull’uso dei termini e sulle collocazioni, perciò «molte banche dati classificano contesto come categoria relativa ai termini» (ISO 12620:1999: 25).

Caso 7: differiscono la lingua, il sistema di segni o la notazione dei dati.

Esempio: una parte del discorso può essere codificata come noun in una banca dati, n. in un’altra, subst. in una terza e, in una quarta, mediante un simbolo grafico.

Caso 8: valori identici o simili delle categorie di dati sono usati con significati e in connessioni diversi.

Esempio: il valore neologismo nella categoria di dati provenienza del termine della norma ISO 12620:1999 sembra indicare un’etichetta cronologica, mentre in realtà si riferisce alla metodologia impiegata nella creazione del termine.

38

Igor Kudashev | Improving Compatibility of Terminological...

Caso 9: i valori delle classi semichiuse differiscono a causa della diversa classificazione dei fenomeni linguistici nelle diverse lingue e tradizioni. Esempio: nella norma ISO 12620:1999, le etichette per descrivere le espressioni LSP appartenenti al «registro basso» includono slang register e vulgar register. Corrispondono approssimativamente alle etichette профессиональный жаргонизм (gergo professionale) e профессиональное просторечие (colloquialismo professionale) in russo. In finlandese, tuttavia, esiste una sola categoria, ammattislangi (gergo professionale; cfr. Sanastotyön käsikirja 1989: 12).

Va inoltre osservato che alcuni dati possono essere espressi implicitamente nelle raccolte terminologiche.

Esempio 1: la presenza dell'etichetta obsolete in alcuni casi e la sua assenza in altri all'interno di una raccolta terminologica implica che i termini non contrassegnati dall'etichetta appartengono al repertorio LSP attivo.

Esempio 2: se due o più termini sono inseriti nella stessa voce, ciò implica di solito che sono sinonimi o equivalenti.

Lo scambio o l'aggregazione di risorse terminologiche può richiedere che tali dati impliciti siano resi espliciti. Per esempio, se i dati sono archiviati sotto forma di ontologia anziché di voci statiche, le informazioni implicite sui sinonimi e sugli equivalenti menzionate sopra devono essere rese esplicite e salvate durante la «scomposizione» delle voci.

INVENTARI E CLASSIFICAZIONI ISO DELLE CATEGORIE DI DATI

La norma ISO 12620:1999 specifica un insieme di categorie di dati per la registrazione delle informazioni terminologiche. Non prescrive quali categorie di dati debbano essere utilizzate, ma funge piuttosto da inventario. Questo insieme di categorie di dati viene ampliato nel progetto ISOcat (www.isocat.org), che documenta categorie di dati linguistici ampiamente accettate.

Sebbene il progetto ISOcat sia indubbiamente utile per i linguisti, che hanno l'opportunità di categorizzare e definire meglio i concetti linguistici, e per i progettisti di banche terminologiche, che possono selezionare categorie di dati già pronte da un vasto inventario, è improbabile che risolva il problema dello scambio e dell'aggregazione dei dati e della ricerca in voci complete in più banche dati.

In primo luogo, non può impedire ai compilatori di prodotti terminologici di

Terminologija | 2009 | 16

39

classificare i dati in modo diverso e utilizzare le proprie categorie di dati. In secondo luogo, più categorie di dati vengono utilizzate nelle raccolte terminologiche, più queste diventano eterogenee, rendendo lo scambio di dati ancora più impegnativo.

In teoria l’elenco delle categorie di dati è infinito e nella pratica è piuttosto vasto. Per esempio, l’elenco delle categorie di dati relative alla terminologia nell’inventario ISOcat supera già le 500 voci. Una delle pratiche adottate nel progetto ISOcat può aumentare questo numero molte volte. Ci riferiamo alla presentazione dei valori delle classi chiuse e semichiuse come categorie di dati individuali.

Per esempio, i valori della categoria di dati register, come vulgarRegister, slangRegister, ecc., sono ora presentati come categorie di dati a sé stanti. Analogamente, la categoria di dati reliabilityCode è suddivisa in reliabilityCode1, reliabilityCode2, ecc. Si possono avere opinioni diverse sulla ragionevolezza di questa scelta dal punto di vista pratico, ma i dati possono essere organizzati in molti modi diversi, quindi non vi sono restrizioni formali che impediscano di suddividere le categorie di dati fino ad arrivare alle classi primitive, che possono accettare soltanto i valori yes e no. È chiaro, tuttavia, che questo ambito delle categorie di dati necessita di una strutturazione e classificazione adeguate per rimanere gestibile e ben organizzato.

Nel frattempo, la classificazione delle categorie di dati proposta nella norma ISO 12620:1999 è problematica sotto diversi aspetti. Anzitutto, vi sono alcune incoerenze riguardo alla suddivisione principale dei dati. Secondo la sezione 6.2 (Typology of data categories), le categorie di dati sono suddivise in tre gruppi principali: informazioni sui termini e relative ai termini, dati descrittivi e dati amministrativi. Tuttavia, nell’Annex D (Systematic listing of data categories) il secondo gruppo è denominato Data categories related to concept description. Allo stesso tempo, questo gruppo contiene il sottogruppo Note, che «rimane a sé stante perché può essere associato a una qualsiasi delle altre categorie e pertanto non può essere subordinato ad alcun altro sottogruppo specifico» (ISO 12620:1999: 4).

Se supponiamo che la suddivisione prevista comprendesse quattro gruppi: informazioni sui termini e relative ai termini, informazioni relative ai concetti, dati amministrativi e Note, questa classificazione solleva comunque molti interrogativi. Per citarne alcuni:

- Perché examples e contexts sono dati relativi ai concetti e non dati relativi ai termini? Cfr. la descrizione della categoria di dati context: «Un testo o una parte di testo in cui compare un termine» (ISO 12620:1999: 25).

- Perché synonym e equivalence sono dati relativi ai termini, mentre tutto ciò che riguarda il significato è invece costituito da dati relativi ai concetti? Cfr. la descrizione della categoria di dati degree of equivalence: «Il grado di sovrapposizione delle intensioni di due o più concetti» (ISO 12620:1999: 21).

40

Igor Kudashev | Improving Compatibility of Terminological...

Perché antonym e homograph sono dati amministrativi e non dati relativi ai termini o ai concetti?

Perché audio, video, ecc. sono (soltanto) dati relativi ai concetti?

Qual è la definizione esatta di dati amministrativi? Perché questa classe include categorie così eterogenee?

La suddivisione dei dati terminologici in dati relativi ai concetti e dati relativi ai termini può essere utile dal punto di vista tecnico, poiché favorisce l’approccio orientato ai concetti, che riduce il numero di relazioni tra i termini collegando i termini sinonimici allo stesso concetto. Tuttavia, tale suddivisione in generale e la sua attuazione nella norma ISO 12620:1999 in particolare possono rappresentare una sfida per gli utenti comuni delle banche dati terminologiche: traduttori ed esperti di dominio. In effetti, non è facile comprendere perché si debbano cercare synonyms tra i dati relativi ai termini, ma antonyms tra i dati amministrativi e examples tra i dati relativi ai concetti.

Gli utenti comuni lavorano con i termini, cioè parole e combinazioni di parole, perciò per loro è più naturale parlare del significato di un termine, dei sinonimi di un termine, degli esempi d’uso di un termine, ecc. Ciò implica che una classificazione delle categorie di dati volta a consentire la ricerca di voci complete in più raccolte dovrebbe essere orientata ai termini, intuitivamente chiara e basata su categorie linguistiche comuni.

COLMARE LE DISCREPANZE TRA LE CATEGORIE DI DATI

Il problema delle discrepanze tra le categorie di dati può essere risolto con l’ausilio di una mappatura. Se le discrepanze sono nominali, per esempio se i nomi delle categorie di dati differiscono o se gli stessi contenuti sono presentati in modo diverso, è possibile utilizzare una mappatura diretta tra le categorie di dati. Una volta applicata la mappatura diretta, i dati nella risorsa aggregata possono essere consultati con la stessa precisione delle banche dati originali.

Differenze più sostanziali tra le categorie di dati richiedono di individuare un denominatore comune attraverso la mappatura tra le classificazioni degli insiemi di categorie di dati. L’uso di un denominatore comune riduce in una certa misura la precisione della ricerca, ma è l’unico modo per consentire una ricerca comune in risorse terminologiche con strutture diverse. Se l’utente non è disposto a sacrificare la precisione della ricerca, deve effettuare una ricerca separata in ciascuna raccolta.

Come avviene in generale per lo scambio di dati, l’uso di un formato intermedio, cioè di una classificazione ponte delle categorie di dati, è più efficace nel lungo

Terminologija | 2009 | 16

41

periodo rispetto a molteplici mappature tra classificazioni diverse. I principi generali della classificazione delle categorie di dati destinata a fungere da interfaccia comune tra altre classificazioni sono i seguenti:

1. Poiché le classi della classificazione dovrebbero fungere da denominatori comuni, devono collocarsi a un livello di astrazione superiore rispetto alla maggior parte delle categorie di dati «primitive», che non sono ulteriormente suddivise. Al tempo stesso, il livello di astrazione non deve essere troppo elevato, perché gli utenti non sarebbero interessati a una classificazione troppo generale. In pratica, è sufficiente una classificazione con due livelli di astrazione.

2. La classificazione dovrebbe coprire tutti i tipi di espressioni LSP tipicamente descritti nelle banche dati terminologiche, inclusi elementi terminologici, nomi propri, nomenclature, locuzioni fisse, ecc.

3. La classificazione dovrebbe contenere soltanto le categorie di dati direttamente correlate alla descrizione delle espressioni LSP. La descrizione degli aspetti tecnici e amministrativi (ad es. supporti, codifiche, fonti, affidabilità, ecc.) è un compito distinto.

4. La classificazione dovrebbe essere gerarchica, ma dovrebbe consentire l’uso di diversi criteri di suddivisione allo stesso livello di astrazione.

5. La classificazione dovrebbe essere estensibile, cioè dovrebbe contenere la categoria «altro» a ogni livello della gerarchia.

Questi principi devono essere combinati con il requisito di facilità d’uso menzionato sopra. A nostro avviso, una classificazione basata sulle funzioni linguistiche dei dati è particolarmente adatta sotto questo aspetto.

Nella classificazione ponte basata sulle funzioni linguistiche, l’attenzione si sposta dai nomi delle categorie di dati alla funzione o alle funzioni dei dati che esse contengono. Un paragone possibile è quello con una biblioteca dotata di cataloghi alfabetici e per soggetto.

La ricerca in base ai nomi delle categorie di dati è simile alla ricerca tramite un catalogo alfabetico. Il titolo fornisce qualche indizio sul contenuto del libro, ma talvolta può essere fuorviante. Inoltre, gli utenti non possono indovinare tutti i possibili titoli che trattano un determinato argomento. Il catalogo alfabetico è utile quando gli utenti sanno con certezza quale elemento o quali elementi vogliono trovare. La maggior parte degli utenti delle biblioteche, tuttavia, inizia la ricerca dal catalogo per soggetto, perché non sa in anticipo quali elementi trattino l’argomento di proprio interesse.

Portale terminologico che aggrega molteplici raccolte terminolo-

42

Igor Kudashev | Improving Compatibility of Terminological...

Le collezioni terminologiche con diversi insiemi di categorie di dati pongono agli utenti lo stesso problema che presenta il vasto insieme dei libri sugli scaffali di una biblioteca. Gli utenti sanno a quale tipo di informazione sono interessati (grammatica, significato, uso, ecc.), ma non sanno necessariamente in quali categorie di dati essa possa essere reperita. In diverse collezioni terminologiche, tipi simili di dati possono trovarsi in campi di dati diversi. Per esempio, le informazioni sullo status areale di un’espressione LSP possono trovarsi in campi quali uso, etichetta regionale, simbolo linguistico, ecc.

Se la ricerca si basa sulle funzioni linguistiche dei dati, gli utenti non devono preoccuparsi dei nomi esatti delle categorie di dati. Devono semplicemente specificare che cercano informazioni sullo status areale, sul significato o sui sinonimi; il sistema di gestione della terminologia individua e visualizza voci complete o abbreviate in diverse banche dati che contengono il tipo di informazione specificato. La ricerca per funzione può e dovrebbe essere affiancata dalla ricerca per nome dei campi, per quegli utenti che sanno esattamente in quali campi vogliono cercare.

I campi di dati, come gli elementi di una biblioteca, possono contenere diversi tipi di informazioni linguistiche. Per esempio, esempio è un tipico campo multifunzionale, che può contenere informazioni sulla forma, sul significato e sull’uso di un termine, in proporzioni diverse. Si può dire che ogni categoria di dati svolga una o più funzioni. Dovrebbe inoltre essere possibile specificare in che misura una particolare categoria di dati rifletta determinate funzioni. Questa caratteristica può essere espressa verbalmente (per esempio, funzione primaria e secondaria) o numericamente (per esempio, 0–100%).

Il modo più semplice per mappare un determinato insieme di categorie di dati sulla classificazione intermedia consiste nel considerare uniformi i contenuti dei campi di dati di un dato tipo e nel predisporre una semplice tabella di corrispondenza. Una mappatura più precisa, ma anche più complessa, consentirebbe ai compilatori di specificare le deviazioni dei singoli campi di dati rispetto ai valori utilizzati nella tabella di corrispondenza globale. Per esempio, i contesti forniscono solitamente informazioni sull’uso e sul significato del termine. È ragionevole includere questi tipi di informazione nella tabella di corrispondenza globale, poiché riguardano ogni campo di contesto. Tuttavia, alcuni contesti possono contenere anche informazioni enciclopediche. Questo uso occasionale di informazioni enciclopediche può essere indicato localmente, a livello del campo.

Terminologija | 2009 | 16

43

CLASSIFICAZIONE DELLE CATEGORIE DI DATI BASATA SULLE FUNZIONI LINGUISTICHE DEI DATI

Poiché le espressioni LSP sono segni linguistici, le informazioni che le riguardano possono essere suddivise in informazioni sulla loro forma, sul significato, sull’uso, sulle relazioni con altre unità, sull’origine e sullo sviluppo. Di seguito ciascuna di queste classi è descritta in dettaglio e sono forniti alcuni esempi dei dati che vi appartengono. Per la versione compatta della classificazione, si veda Appendix 1.

Dati relativi alla forma

Le espressioni LSP hanno due forme: scritta e orale. Inoltre, i dati relativi alla forma di un’espressione LSP possono essere suddivisi in tre classi:

- dati relativi alla forma canonica;

- dati relativi alla formazione dell’unità;

- dati relativi alla flessione dell’unità.

DATI RELATIVI ALLA FORMA CANONICA

La forma canonica è la forma in cui il lemma è riportato nel database. Funge da «rappresentante» delle altre forme. Per esempio, nella maggior parte delle lingue europee la forma canonica dei sostantivi è il nominativo singolare e quella dei verbi l’infinito presente. Tuttavia, le regole per la scelta della forma canonica variano a seconda delle lingue e delle tradizioni lessicografiche.

Ecco alcuni esempi di dati relativi alla forma canonica scritta:

- tipo di espressione in base alla forma scritta (ad es. forma estesa, forma abbreviata, simbolo, formula ecc.);

- grafia della forma;

- varianti ortografiche della forma;

- sillabazione.

Esempi di dati relativi alla forma canonica orale:

- tipo di espressione in base alla forma orale (ad es. sigla alfabetica, acronimo);

- pronuncia;

- varianti di pronuncia della forma;

- divisione in sillabe.

Come si può osservare, alcune categorie di dati possono riferirsi sia alle forme scritte sia a quelle orali. Per esempio, indicare che una determinata espressione è una sigla alfabetica, cioè una forma abbreviata composta dalle lettere iniziali del termine completo, pronunciate singolarmente (ad es. United Nations – UN), fornisce informazioni sia sulla forma scritta sia su quella orale. Inoltre, può

44 Igor Kudashev | Improving Compatibility of Terminological...

si può affermare che forniscano informazioni sulla formazione, l’origine e lo sviluppo dei termini.

DATI RELATIVI ALLA FORMAZIONE DEI TERMINI

Esempi di dati relativi alla formazione delle espressioni delle lingue per scopi specifici:

- componenti e elementi terminologici;

- struttura morfemica;

- modello sintattico;

- modello di formazione dei termini;

- metodo/i di formazione dei termini;

- varianti morfologiche;

- derivati.

DATI RELATIVI ALLA FLESSIONE

Esempi di dati relativi alla flessione delle espressioni LSP:

- parametri grammaticali (numero, genere, animatezza, ecc.);

- paradigma completo o parziale delle forme;

- modelli di flessione, coniugazione, ecc.

Dati relativi al significato

Questa parte della classificazione inizia con una categoria piuttosto marginale per mantenere la coerenza con le altre sezioni. Le espressioni LSP possono essere suddivise in diverse classi a seconda di quanto la loro forma interna rifletta il loro significato. Per esempio, un'espressione fissa è un'unità il cui significato non può essere dedotto dal senso combinato delle parole che la compongono.

A parte ciò, i dati relativi al significato delle espressioni LSP possono essere suddivisi in due grandi categorie. La prima è significato logico: descrizione del concetto logico denotato da un'espressione LSP. Questo tipo di informazione viene solitamente fornito nelle definizioni terminologiche e nelle descrizioni simili a definizioni.

La seconda categoria comprende componenti del significato piuttosto eterogenee, che possono essere definite significato indotto. Queste componenti includono, per esempio:

- diverse connotazioni, ossia componenti valutative del significato;

- forma interna dell'espressione (il suo significato «letterale», morfema per morfema);

Terminologija | 2009 | 16

45

– altri significati LSP o LGP della stessa espressione;

– componenti di significato derivanti da relazioni sistematiche antonimiche, sinonimiche, paronimiche e di altro tipo dell’espressione;

– diversi tipi di associazioni;

– componenti di significato derivanti da consonanze, rime, ecc.

Chiamiamo questi componenti di significato «indotti» perché derivano dall’atteggiamento degli utenti della lingua nei confronti degli oggetti denotati dalle espressioni LSP, dalle associazioni degli utenti o dalle relazioni di un’espressione LSP con altre unità linguistiche. In questo senso, gli utenti della lingua, altre unità linguistiche o entrambi «inducono» componenti aggiuntivi di significato nell’espressione LSP. Per maggiori informazioni sulla presentazione del significato indotto nei dizionari LSP, si veda (Kudashev 2006; Kudashev 2007: 254–258).

I componenti indotti sono ben accetti e persino deliberatamente coltivati quando creano associazioni e connotazioni positive o consentono agli utenti di esprimere il proprio atteggiamento nei confronti dell’argomento nella comunicazione informale. Tuttavia, nella maggior parte dei casi distraggono soltanto l’attenzione degli utenti dal significato logico, che dovrebbe costituire il nucleo della comunicazione LSP. Questa è probabilmente una delle ragioni per cui i componenti del significato indotto sono stati ampiamente trascurati nella teoria della terminologia. Tuttavia, tenerne conto è un presupposto importante per una denominazione terminologica efficace e una comunicazione LSP efficiente.

Dati relativi alla descrizione enciclopedica

La descrizione enciclopedica fornisce informazioni sugli oggetti denotati dalle espressioni LSP e, nella maggior parte dei casi, tali informazioni sono extralinguistiche. Tuttavia, talvolta non è facile tracciare una linea di demarcazione tra la descrizione del concetto e quella dell’oggetto denotato da un’espressione LSP. Molte banche dati terminologiche contengono già informazioni che possono essere considerate descrizioni enciclopediche, e si prevede che la quota di tali informazioni crescerà in futuro, poiché diversi tipi di opere di consultazione tendono ad avvicinarsi gli uni agli altri (cfr. Hartmann 2001: 5). Per riconoscere questo fatto, abbiamo deciso di includere la descrizione enciclopedica nella classificazione delle categorie di dati relative alla descrizione delle espressioni LSP.

Dati relativi all’uso

Le informazioni relative all’uso sembrano essere il tipo di informazione più richiesto

46 Igor Kudashev | Improving Compatibility of Terminological...

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

- restrizioni d’uso;

- frequenza d’uso.

DATI RELATIVI ALLE RESTRIZIONI D’USO

L’uso di qualsiasi espressione della LSP è limitato almeno a una lingua nazionale, a un dominio e a un periodo cronologico. Inoltre, l’uso può essere limitato a una determinata area geografica, a un gruppo professionale, a un’organizzazione, a un registro, ecc. Di seguito è riportato l’elenco delle restrizioni d’uso più frequenti, con alcuni esempi tra parentesi:

- lingua nazionale (en, fi, ru);

- dominio e sottodominio (fisica – fisica atomica – fisica delle alte energie);

- scuola scientifica/teoria (fisica newtoniana, fisica einsteiniana; strutturalismo danese in linguistica);

- restrizione cronologica (obsoleto, neologismo, usato durante la Seconda guerra mondiale);

- restrizione geografica (en-US, en-GB, espressione dialettale);

- restrizione organizzativa (termine usato in/da Nokia, Microsoft, UN, WHO);

- restrizione proprietaria (marchio commerciale, nome commerciale);

- restrizioni di registro (termine ufficiale, termine informale, gergo professionale);

- restrizioni relative al gruppo professionale (medici, infermieri, assistenti sanitari);

- restrizioni combinatorie (svolgere/condurre/fare/avviare un’indagine);

- restrizioni di conformità (termine standardizzato, preferito, raccomandato, non raccomandato).

Probabilmente è necessario commentare più dettagliatamente gli ultimi due tipi di restrizioni.

Dati relativi alle restrizioni combinatorie

La combinabilità è la capacità delle unità linguistiche di formare unità più ampie. La combinabilità può essere suddivisa in semantica, lessicale e sintattica. La combinabilità semantica implica che le espressioni non presentino componenti controverse nel loro significato. La combinabilità lessicale si manifesta nella capacità delle espressioni di combinarsi con determinati altri mezzi lessicali. La combinabilità sintattica è la capacità di un’espre-

Terminologija | 2009 | 16

47

ssione di combinarsi con determinate forme grammaticali di altre espressioni e con parole ausiliarie. Le restrizioni combinatorie sono solitamente descritte mediante modelli sintattici, esempi e contesti.

Dati relativi alle restrizioni di conformità

I prodotti terminologici tendono ad avere un carattere più o meno prescrittivo. Questa normatività può spaziare dalle raccomandazioni dei compilatori o degli esperti del settore da loro consultati fino all’approvazione normativa. In ogni caso, la questione riguarda la conformità di un’espressione LSP a uno stile «buono» o «corretto» (dal punto di vista dei compilatori) e, nel caso degli standard, anche a un documento normativo.

DATI RELATIVI ALLA FREQUENZA D’USO

Le informazioni sulla frequenza d’uso possono basarsi su dati di corpus ed essere espresse numericamente, oppure consistere in una stima più o meno soggettiva espressa verbalmente (ad es. di uso comune – usato raramente – usato di rado).

Dati relativi alle relazioni sistematiche

Per relazioni sistematiche intendiamo le relazioni ontologiche (relazioni che contengono conoscenze sul mondo), le relazioni lessicali sistematiche e le relazioni di equivalenza interlinguistica. Di seguito sono riportati esempi delle relazioni sistematiche più comuni:

– relazioni di sinonimia;

– relazioni di antonimia;

– relazioni di omonimia;

– relazioni di paronimia;

– relazioni generiche;

– relazioni partitive;

– relazioni ontologiche non gerarchiche (associative, sequenziali, temporali, causali, ecc.);

– relazioni di equivalenza (interlinguistica).

Le relazioni relative alla formazione delle parole, all’inflessione e alla combinabilità delle espressioni non appartengono a questa categoria, perché non sono relazioni lessicali sistematiche.

Dati relativi all’origine e allo sviluppo

Questo tipo di dati è affine ai dati etimologici, ma non si limita a essi. Può includere, per esempio:

48 Igor Kudashev | Improving Compatibility of Terminological...

- informazioni sulle forme da cui si ritiene abbia origine una determinata espressione LSP;

- informazioni sulle fasi di sviluppo di una determinata espressione LSP;

- informazioni sulle forme, sui significati, sull’uso precedenti, ecc. di una determinata espressione LSP.

CONCLUSIONI

In questo articolo abbiamo discusso i principi della classificazione dei dati volta a colmare le discrepanze strutturali tra le categorie di dati presenti in diverse raccolte terminologiche. Tra le applicazioni previste della classificazione figurano l’aggregazione e l’unione di dati terminologici, l’organizzazione della ricerca a voce intera in più raccolte terminologiche e l’adattamento delle voci in base alle preferenze degli utenti.

Le ultime due attività richiedono che la classificazione sia piuttosto semplice e intuitivamente chiara per gli utenti comuni dei prodotti terminologici. La classificazione basata sulle funzioni linguistiche dei dati sembra essere una delle soluzioni più promettenti a questo riguardo. La ricerca basata sulle funzioni linguistiche dei dati integra efficacemente la ricerca per nome delle categorie di dati e svolge la stessa funzione di un catalogo per soggetto in una biblioteca.

In questo articolo ci siamo concentrati sulla classificazione dei dati relativi alla descrizione delle espressioni LSP, poiché si tratta del tipo di dati più importante presente nelle banche dati terminologiche. Le classificazioni di altri tipi di dati, quali le informazioni sulle fonti, sugli utenti e sulle transazioni di gestione terminologica, saranno rese disponibili nelle specifiche del progetto ContentFactory, volto a progettare una piattaforma basata su un’ontologia per il lavoro terminologico collaborativo distribuito. Il progetto terminerà nel 2010 e gran parte della sua documentazione interna sarà resa pubblica.

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