TERMPORTALEN SOM INFRASTRUKTUR FOR TERMINOLOGI I NORGE

Transkript

1 TERMPORTALEN SOM INFRASTRUKTUR FOR TERMINOLOGI I NORGE Termer flere steder, men likevel samlet Nordisk terminologiseminar, Oslo 17. november 2014 Gisle Andersen og Marita Kristiansen Norges Handelshøyskole

2 Presentasjonens innhold Hvorfor en nasjonal infrastruktur for terminologi? - Et utvidet perspektiv Terminologiske ressurser CLARINO, CLARA & CLARIN Termportalen Metoder for terminologihåndtering - Datamaskinell analyse, halvautomatisk termekstraksjon Igangværende initiativ - Samarbeid med «standardsettende organisasjoner» Terminologi og grenseflaten mot normering Veien videre 2

3 Hvorfor en infrastruktur for terminologi? Formål Kunnskapshåndtering - Teknologibedrifter, næringsliv, fagoversettere, forskere, off. forvaltning m.m. Undervisning - Høyere utdanning, videregående opplæring, tekniske fag Normering - Terminologiens grenseflate mot språknormering - standardisering vs. standardsettende 3

4 Om behovet for en nasjonal infrastruktur Målsetting "å utvikle nye norske termar som får brei aksept i dei respektive fagmiljøa, og å gjere eksisterande og nye termar tilgjengelige på ein slik måte at dei også blir tekne i bruk i alle aktuelle samanhengar Elektroniske termbankar er suverene som medium for å utvikla, lagra og spreia terminologi. (Mål og meining, s. 104) "Dei terminologiske metodane varierte mykje, ofte gjekk arbeidet føre seg utan dokumenterte retningslinjer, og terminologien vart ofte ikkje gjord tilgjengeleg eksternt. Dei mange ulike dataformata som var i bruk, hemma effektiv søking og nettbasert presentasjon (Mål og meining, s. 105) Et utvidet perspektiv Ikke bare terminologiske ressurser og tilgjengeliggjøring Men også kompetanse, teknologi og forskning 4

5 Terminologiske ressurser Tilgjengeliggjøring Eksisterende, ikke-tilgjengelig terminologi: termbaser og -lister Eksempler: NOT, RTT, KB-N, språkteknologisk terminologi, osv. Termportalen; merverdi knyttet til eksisterende ressurser Videreutvikling Utviding og oppdatering av eksisterende termbaser Utvikling av nytt innhold i nye og eksisterende termbaser Fagtekster Fagtekster som terminologisk grunnressurs Parallellspråklig og enspråklig Stort potensial, i liten grad utnyttet Teknologier: termekstraksjon, kollokasjonsanalyse, nyordsekstraksjon Eksempel: Sjøfartsdirektoratet, IMO-lovtekster (Skipssikkerhetsloven) 5

6 CLARINO, CLARIN og CLARA CLARINO: nasjonalt prosjekt, finansiering fra NFR - etablerer en nasjonal infrastruktur for språkressurser CLARIN: felles europeisk forskningsinfrastruktur - legger føringer for formater, arbeidsmåter, tilgangskontroll og juridiske forhold CLARA: prosjekt innen forskerutdanning, europeisk nettverk av ph.d.-kandidater og veiledere (Marie Curie Early Stage/Experience Researchers) en del av NHHs arbeidspakke i CLARINO-prosjektet - etablerer en nasjonal portal for terminologiressurser 6

7 Termportalen på terminologi.no Enhetlig tilgang til (distribuerte) ressurser 7

8 Metoder for terminologihåndtering: status Per i dag gode på tilgjengeliggjøring - termbaseteknologi - konverteringsalgoritmer - felles formater og standarder (f.eks. TBX) utvikling av nytt innhold - begrepsanalyse - definisjonsskriving Betydelig potensial for bedre å utnytte nye teknologier som - parallellspråklig og enspråklig maskinell analyse - termekstraksjon - kollokasjonsanalyse - nyordsekstraksjon 8

9 Metoder for terminologihåndtering Effektivt terminologiarbeid forutsetter en forskningsbasert infrastruktur parallellspråklige fagtekster (f.eks. engelsk/norsk) - parallellstilling vha. korpuslingvistiske dataverktøy f.eks. Translation Corpus Aligner 2 (TCA2; Hofland and Johansson, 1998) - utdata kan brukes som grunnlag for termekstraksjon f.eks. med hjelp av Termostat (Drouin 2003) - dvs. halvautomatisk ekstraksjon av termkandidater 9

10 Termekstraksjon Teknologi for maskinell termekstraksjon (ekserpering, utdragning) av termer som alternativ til rådende metode: manuell termekstraksjon Korpusbasert tilnærming - Basert på enspråklige eller flerspråklige tekstkorpus - Enspråklig metode: sammenlikning av fagspråklige tekster med allmennspråklige tekster - Flerspråklig metode: sammenlikning av termer som forekommer i parallelle fagspråklige tekstkilder - Oftest behov for betydelig manuelt arbeid - Behov for flerordsprosessering (n-gram, kollokasjoner, assosiasjonsmål) 10

11 Termekstraksjon Enspråklig termekstraksjon maskinelt finne frem til: Enkeltord og ordsekvenser Enkeltord som bare forekommer i fagspråklig tekstkorpus (FTK) men ikke i allmennspråklig tekstkorpus (ATK) Enkeltord som forekommer i hyppigere i FTK enn ATK Ordsekvenser som forekommer hyppigere i FTK og ikke i ATK Ordsekvenser som bare forekommer i FTK termkandidater 11

12 Ekstraksjon av flerordsuttrykk (Lyse & Andersen 2012) 12

13 Flerordsuttrykk og termkandidater 13

14 Anglicism MWEs POINT 14

15 Foreign MWEs POINT 15

16 Apposisjon og term POINT 16

17 Assosiasjonsmål 17

18 Forskning.no-korpuset 18

19 Korpusassistert terminologiarbeid: termkandidater Word list view 19

20 Korpusassistert terminologiarbeid: kollokasjoner Collocations view 20

21 Kollokasjoner og emne-/domeneinformasjon 21

22 Igangværende initiativ Samarbeid med «standardsettende institusjoner» a) Norges Bank b) Sjøfartsdirektoratet c) Tolketjenesten i Bergen 22

23 a) Samarbeid med Norges Bank - Vi er over det verste og opplever en viss stabilisering, men vi har knapt lagt bak oss det som skapte krisen. Hvis vi ikke endrer tenkemåte, vil vi oppleve varige kriser og stress i verdensøkonomien, sier Paul Krugman, ifølge DN. [Han] mener USA og store deler av verden er inne i en såkalt «secular stagnation», eller vedvarende stagnasjon. [ ] - Norge er et veldig annerledes land på grunn av oljen. Vi ser tegn til en vedvarende stagnasjon over store deler av verden og oljenasjonen Norge er et sjeldent unntak, sier Krugman, ifølge DN. 23

24 Samarbeid med Norges Bank nasjonal koordinering av makroøkonomisk og finansøkonomisk terminologi som kan få bred nasjonal aksept Norges Bank er premissleverandør for norsk økonomi - en naturlig normleverandør når det gjelder hvilke faguttrykk som skal brukes - Eksempel: secular stagnation vedvarende stagnasjon bankens tier 1 kapitalratio var 9,7 prosent, mens egenkapitalgraden ("leverage ratio") var 3,1 prosent per 31. desember ifjor. (DN140127) leverage ratio uvektet egenkapitalandel (Finanstilsynet, KPMG) uvektet kaptialkrav (Bankenes sikringsfond) uvektet egenkapitalandel (Direktør i avdelingen Finansiell Stabilitet Norges Bank) 24

25 Samarbeid med Norges Bank Norges Bank norske tekster Norges Bank engelske tekster Parallellkorpus Norges Bank Pengepolitisk rapport Finansiell stabilitet Norges Bank Memo 25

26 b) Samarbeid med Sjøfartsdirektoratet varierende materiale for termtilfang - fysiske termlister for bruk for fagfolk i aktiv skipsfart - begreper og definisjoner i trykt publikasjon - parallellspråklige fagtekster tilgjengelig i elektronisk form - Skipssikkerhetsloven / The Ship Safety and Security Act - protokoller/konvensjoner vedtatt av International Maritime Organization (IMO) - Sjøfartsdirektoratets forskrifter 26

27 b) Samarbeid med Sjøfartsdirektoratet Mål: å teste ut flerspråklig metode ved å ekstrahere, registrere og analysere termer på norsk og engelsk sammenlikning gjøre tilgjengelig redigeringsapplikasjonen for registrering av terminologiske data 27

28 c. Samarbeid med tolketjenester Tolketjenesten i Bergen - koordinere og samkjøre terminologiarbeidet som foregår i en rekke språkgrupper - flere ulike domener slik som «tolkejuss», «NAV», «helsestasjonen» etablere funksjonelle domener norsk som dreieskivespråk utfordringer - tegnsett + skriveretning (UTF8; Unicode-tegnsett) - begrep mangler på målspråket - domener samsvarer ikke med typisk domeneinndeling som finnes i Termportalen videreføring i nasjonalt nettverk for kommunale tolketjenester - ønsker samarbeid vha. en nasjonal infrastruktur for kunnskapsdeling, bruk av redigeringsapplikasjonen for koordinering/»normering» av terminologi 28

29 Terminologi og grenseflaten mot normering Språkrådet: Normeringsprinsipp under utarbeiding Allmennspråk vs. fagspråk/terminologi Førstnevnte normeres i form av oppføringer i ordbøker, Norsk ordbank osv. - tilordning av genus, bøyningsparadigme, skrivemåte Likevel viktig å se normering og terminologiutvikling i sammenheng Usus i fagspråksammenheng potensielt viktig datagrunnlag for normering av termer som hyppig forekommer i allmennspråket og dermed bør tas inn i ordbøker/ordbanken 29

30 Terminologi og grenseflaten mot normering Prinsipp Ved normering, undersøke forekomst i fagtekster og termbaser (Språkrådets datatermgruppe; UHRs termgruppe) Termbaser/lister med høy «allmennspråksrelevans» bør vurderes som gjenstand for normering Eksempler podcast/podkast/poddkast (m/n) postdoctor/postdoktor/postdoc./postdoktorstipendiat trader, spread, shortsalg 30

31 Veien videre Vi har argumentert for et utvidet perspektiv på terminologisk infrastruktur ikke bare termer og termbaser, men tilknyttet teknologi, forskning, kompetanse, samarbeidsformer, språknormering det må utvikles bedre rutiner for samordning av normering og terminologiarbeid terminologiarbeid, forskning og teknologiutvikling er tre sider av samme sak. 31