Statusrapport: OpenOffice oversettelse til nynorsk og bokmål 6. oktober 2004 av Knut Yrvin

Transkript

1 Statusrapport: OpenOffice oversettelse til nynorsk og bokmål 6. oktober 2004 av Knut Yrvin Innholdsliste 1 Forventet innsats Oversetting Finansiering Byttekostnader Nåverdi Ordlister Dokumentasjonsprosjektet UiO Testing og feilretting...13 Under 10% mente at de trengte ny opplæring for å ta i bruk OpenOffice Om OpenOffice i Sarpsborg kommune 1

2 1 Oppsummering Siden høsten 2001 har det skjedd en betydlig omlegging i synet på bruk av programvare. Satsingen på OpenOffice fra Sun Microsystems er en av disse milepælene. En innsats hvor mange jobber på dugnadsbasis, eller til lav timekostnad for brukerorganisasjonen som bærer prosjektkostnadene. Kostnadene med innsatsen er ujevnt fordelt. Derfor har man gått sammen i Rådmannsforumet, Kommunens sentralforbund (KS), Utdanningsdirektoratet og NUUG Foundation om å etablere stiftelsen «Åpent kontorprogram på norsk». Hensikten er å en varig videreføring av arbeidet med oversettelse, til fordel for hele offentlig sektor. Denne rapporten går gjennom status for oversettelse, ønskede forbedringer, behandling av tekniske feil, og behovet for finansiering. I tillegg er det gjort en utgreiing om kvaliteten på ordlistene i OpenOffice. I år er det brukt 1465 timer på oversettelse fra 1. januar til 20. august, som er 1360 timer mindre enn samme periode i fjor. 7 årsverk tar det å oversette hele OpenOffice ved hver ny hovedutgave som kommer hver 18 måned. I mellomperioder tar det 1,5 2 årsverk å håndtere revisjoner. Når vi bruker litt over et årsverk til oversettelse er det bare deler av OpenOffice som oversettes. Førsteprioriteten er menyer, tips, og utvidet tips. Oversettelse av hjelpetekster blir fort utsatt. Etter våre beregninger har vi 300 timer igjen av finansieringen. Kommunenes sentralforbund legger opp til kost /nytteanalyse og nåverdiberegning ved realisering av IKT løsninger i kommunenorge. Dette notatet har ikke tatt for seg målbare nyttefaktorer annet enn å vise til nåverdiberegning. Nåverdien på MS Office er på 11,5 mill. over 5 år i den videregående skolen i Akershus. Med OpenOffice er den på 5,6 mill. Dette gir en besparelse på 6 mill om Akershus dekker oversettelse og vedlikehold av OpenOffice på bokmål. Vi har også tatt med en investeringsoversikt fra Teknologi rådet i Danmark. Man må bytte ut 56,1 % av datamaskinene ved å satse på nyeste utgave av MS Office, noe man slipper med OpenOffice. Kommunene kan hente ut store økonomiske fordeler ved å utsette investering i nye PC er med 2 3 år. 2

3 2 Forventet innsats Tips og utvidet tips består av ord som må oversettes fra engelsk til både nynorsk og bokmål. I tillegg kommer hjelpefilene som har rundt ord. Med andre ord krever det det betydelig innstas for å oversette hver hovedutgave av OpenOffice. Modul 100 % gjenbruk Ikke gjenbruk Totalt antall ord Utvidet tips Menyer SUM meny/tips unix common unix sbasic unix scalc unix schart unix sdraw unix simpress unix smath unix swriter SUM unix Tabell viser forventet antall timer for fullstendig vedlikehold av OpenOffice på nynorsk og bokmål i fem år: År Aktivitet Timer 2004 To revisjoner Prosjektadministrasjon 600 Sikre finansiering Full oversettelse av versjon Prosjektadministrasjon 750 Sikre finansiering To revisjoner Prosjektadministrasjon 600 Sikre finansiering Full oversettelse av versjon Prosjektadministrasjon 750 Sikre finansiering Prosjektadministrasjon Prosjektadministrasjon 600 Sikre finansiering Totalt

4 Versjon 2.0 av OpenOffice bør være klar til oversettelse i løpet av høsten Derfor bør man prioritere utgave 2.0 framfor å fortsette på versjon Ny versjon av OpenOffice inneholder mange, og store, forbedringer. Derfor regner vi med at man må starte mesteparten av Oversettelsen på nytt. 4

5 3 Oversettelse Fra 2002 er det brukt timer på oversettelse, og på prosjektledelse. Siden oppstarten i 2002 har vi registrert alle timene som er brukt til oversettelse, med unntak av prosjektledelse. Prosjektledelse i dag tar rundt 1,5 2 dager i uka og består av alt fra teknisk rådgivning til administrasjon av lønnsutbetaling. Arbeidet fordeler seg mellom oversettelse og kvalitetssikring, teknisk tilrettelegging og prosjektadministrasjon Tidsbruk i prosjektet Timer Vår 2002 Høst 2002 Vår 2003 Sommer 2003 Høst 2003 Vår 2004 Sommer 2004 Det har blitt arbeidet betydelig mindre sommeren 2004 enn tidligere somrer. Dette skyldes at mange er opptatt på andre områder. Axel er f.eks far og må være hjemme med Gabriel når kona er på jobb. Noen skriver på hovedoppgaven og nynorskoversetterne har vært på bryllupsreise. Kakediagrammet viser arbeidsfordelingen i sommer. 16,97% Fordeling av arbeidet 24,95% 15,90% Oversettelse nb Oversettelse nn Kvalitetssikring Teknisk Ledelse og adm. 20,76% 21,42% Man regner med å få ferdig oversettelsen av common på nynorsk i oktober. Dette inkluderer ikke språkvask, men oversettelsene er gjort på grunnlag av bokmålstekstene, noe som allerede innbærer en viss kvalitetssikring. Det gjenstår 31 dagsverk for å få 5

6 ferdig felletekstene til hjelpen på bokmål (unix common), altså til sammen ca. halvparten av hjelpen.. Måten man arbeider på er svært viktig. Oversettere, ingeniører og prosjektleder kan bli lastet ned med gjøremål som ikke er en del av prosjektet Sammenligning Dagens tempo Økt tempo Bokmål Nynorsk Teknisk Prosjektledelse Totalt 6

7 4 Finansiering Til nå har selve Oversettelsen av OpenOffice tatt timer til en pris av kroner fra oppstarten av prosjektet. Prosjektledelse har kostet kroner. I tillegg kommer tjenermaskiner og arbeidsplasser. Timekostnaden er på rundt 200 kroner. I tillegg kommer enkle regnskapstjenester. NUUG Foundation, nå SLX Debian Labs har betalt over kroner. Tilsammen 8 fylkeskommuner og Sun Microsystems har bidratt med 1,25 millioner kroner. Tabellen viser hva videreføring av oversetting koster hvor vi også har regnet inn utstyr, lokaler, møtevirksomhet og årlig samling for brukere av OpenOffice. Aktivitet time totalt Ekstern t.pris kroner intern t.pris kroner Oversettelse Ledelse og finansiering Sum Byttekostnader Vi har også tatt med en investeringsoversikt fra Teknologi rådet i Danmark. Man må bytte ut 56,1% av datamaskinene ved å satse på nyeste utgave av MS Office, noe man slipper med OpenOffice. Kommunene kan hente ut store økonomiske fordeler ved å utsette investering i nye PC er med 2 3 år Byttekostnader 7000 PC-er millioner DK Nye PC-er Prosjektstyring Utdannelse Teknisk installasjon Konvertering Tilpasninger av maler Lisenser 0 MS Office XP OpenOffice 7

8 4.2 Nåverdi Kommunenes sentralforbund legger opp til kost /nytteanalyse og nåverdiberegning ved realisering av IKT løsninger i kommunenorge. Dette notatet har ikke tatt for seg målbare nyttefaktorer annet enn å vise til nåverdiberegningen. Nåverdien på MS Office er på 11,5 mill. over 5 år tar man utgangspunkt i ca datamaskiner. Med OpenOffice er den på 5,6 mill. Dette gir en besparelse på 6 mill. ved oversettelse og vedlikehold av OpenOffice bare til bokmål Nåverdi over 5 år OpenOffice MS Office Kroner Kostnadsutvikling OpenOffice MS Office Nåverdi

9 5 Ordlister Leiv Hellebø <leivhe(at)student.ilf.uio.no> har sett på kvaliteten på ordlistene i OpenOffice. Som bakgrunn har han hovedfag i datalingvistikk ved Språk, Logikk og Informasjon, ved Institutt for lingvistiske fag ved UiO. I hovedfaget satte han sammen Bokmålsordboka (materialet derfrå) i en lingvistisk formalisme. Han svarer på oppgaver som kan gjøres med ordlistene skissert av Knut Yrvin: 1. Vi trenger sårt en gjennomgang av Rune K's ordlister i forhold til ordkvalitet, og antall ord hvor ord mangler. Dette kan gjøres ved å hente ut masse tekst fra Internett, sortere dette og gjøre en kvalitetsgjennomgang. Da kan vi like greit gjøre punkt 2. og 3. i samme slengen. Ja, dette kan trengjast (men sjå nedanfor!): Til dømes er bokmålspreposisjonen 'fra' i ordlista av ein eller annan grunn utstyrt med frekvensinformasjonen '0'. Det same gjeld adverbet 'frem' og alle samansetjingar som 'frembringe', 'fremheve'... Dette fører gale vegar når (saksa frå ei melding frå Petter Reinholdtsen): Den bokmålsordlista som Tollef [Fog Heen, min merknad] har bygget for Debian inneholder bare en del av de ordene som er tilgjengelig i pakken. Det er gjort et utvalg basert på frekvensen på ordene for å spare diskplass. (<url: April/0039$ OOo (som hentar ord frå myspell nb) taklar ikkje 'fra' og 'frem*'. Legg så til at Rune Klevelands frekvensinformasjon er teken frå eit tekstkorpus av den språkkonservative typen, og det burde ikkje undre nokon at OOo heller ikkje godtek det radikale adverbet 'fram' og alle samansetjingar som byrjar med 'fram'. (På bokmål er 'fram*' og 'frem*' jamstelte former.) Vi nynorskingar har mindre å klage over, for ordlistene inneheld ikkje frekvensinfo for nynorsk. Følgjeleg vert ingen nynorskordord uteletne, og 'fram' og 'frå' får ingen raude strekar i OOo. Følgjande fortel ganske mykje: $ ls sh1 /usr/share/myspell/dicts/n[bn]_no.dic 2,2M /usr/share/myspell/dicts/nb_no.dic 4,1M /usr/share/myspell/dicts/nn_no.dic Dette problemet burde vere lett å løyse, for pakken ispell godkjenner både 'fra' og 'frem*'. Ispell hentar ord frå pakken inorwegian som vert vedlikehalden av den same Tollef Fog Heen. Kanskje det heile er eit ledd i ein utspekulert plan for å lokke uskuldige grunnskuleelevar over på emacs? Ispell har fleire bokmålsord enn nynorskord (mrk: myspell nyttar reine tekstfiler, medan ispell pakkar det på eitt eller anna vis i ei 'little endian ispell 3.1 hash file'): $ ls sh1 /usr/lib/ispell/{bokmål,nynorsk}.hash 3,9M bokmål.hash 3,0M nynorsk.hash Det er ikkje berre storleiken som gjer ispell betre enn myspell. Ispell er betre i norsk, for det godtek nemleg samansetjingar som 'engelskprøve', noko OOo ikkje gjer. Men 9

10 skilnaden er berre overflatisk, for OOo godtek samansetjinga 'engelsk prøve', altså med bindestrek. Berre så synd at slik strekbruk er elendig norsk. (Ispell heilgarderar seg ved også å godta bindestrekssamansetjingar som 'matematikk prøve'. Slik bør det vel ikkje vere.) (Mrk: Eg brukar Debian Sarge, så det eg hittil har sagt er ikkje nødvendigvis gjeldande for Skolelinux: Eg har nemleg høyrt at OOo i Skolelinux godtek 'matematikkprøve', altså utan bindestrek (men fortsatt ikkje 'engelskprøve'). Dersom dette er tilfellet, kan forklaringa finnast i Runes ordlister: Her er 'matematikkprøve' oppført som eige ord, med frekvens '3', medan 'engelskprøve' ikkje finst.) Det er mogleg at eg har oversett noko, men så langt synest eg ordlistegrunnlaget, som Rune har lagt, ser ganske så bra ut. Dersom ein gjev blaffen i frekvensinformasjonen og lærer OOo litt betre norsk, forduftar dei mest synlege problema. Då står det att å utvide lista med manglande nye og/eller vanlege ord. Ei latterleg minimal stikkprøve viser at både 'Linux' og 'tidsklemme' er med, så då er det kanskje ikkje så ille? Kor mykje klør dette eigentleg? Dersom ein synest stavekontrollen kjem med vel søkte forslag, kan ein til dømes oppdatere frekvensinformasjonen. Det er etter kvart fleire som har tilgang til store mengder tekstlege data, og så langt har både Rune og Lars Nygaard sagt at dei kan hjelpe til : ) Andre metodar for å forbetre stavekontrollen finst òg. Er det nokon som veit om det finst noko med open kjeldekode? 2. a) Vi trenger å heve kvaliteten på ordlista med metadata (data om ordene) med ordklasser. Dette kan brukes som inndata i en lingvistikk modul i stavekontrollen. Ordlista inneheld m.a., og på like fot!, 'kake', 'kaken', 'sjokolade' og 'sjokoladen'. Dermed vert det umogleg å sjå ut frå ordlista at 'kaken' er relatert til 'kake' på eit vis som 'sjokolade' og 'sjokoladen' ikkje er det: 'kake' og 'kaken' er _bøyingsformer_ av same _leksemet_ (lingvistiske termar som vert nytta for at ikkje termen 'ord' skal verte plagsamt overlasta). For vidare bruk av ordlistene er det nødvendig å kunne nyttiggjere seg slike grammatikalske opplysingar. Det for meg mest opplagte bruksområdet er grammatikkontroll: 'fem kaker' er ei ok substantivsfrase og kan inngå i setningar som både subjekt og objekt. 'fem kaken' er ikkje ei slik frase. Det verkar òg innlysande at ein stavekontroll vil gjere ein betre jobb om han utelet forslag som fører til grammatisk feilaktige setningar. (Sjå til dømes det som står øvst på Runes 'Todo list' <url: Kor mykje betre? Nokon som veit? (I tillegg anar det meg at det kan verte nyttig å kunne skilje mellom dei samansette og dei usamansette orda. Det høyrest ut som ein god ide for å lage ein fornuftig samansetjingsmodul.) 2. b) Lage en bedre språkmodul i ispell, myspell ol. som kan bruke metadata for bedre å stave ord riktig (som sammensatte ord osv.). 3. Ordbeskrivelse (det samme som heter "artikkel fra bokmålsordboka" i ordboka til dokumentasjonsprosjektet. Her må vi også beskrive flertydige ord (homonymer). 10

11 Hm. Meiner du at vi skal (m.a.) lage definisjonar til orda i ordlista? Det kan vel late seg gjere om ein deler jobben med gud, kvarmann og norsklærarar og tilhøyrande elevar. Men må ikkje definisjonane i så fall følgje eksisterande tydingsanalysar frå dei Språkrådssanksjonerte ordbøkene utvikla ved UiO? I så fall er arbeidet vanskeleg: Artiklane er skrivne av folk med årelang trening, formatet er utvikla gjennom ein laaang tradisjon (første norske ordlista kom midt på 1500 talet (el. var det 1600 talet) frå Sunnfjord!), og forfattarane har saumfart kvarandres artiklar grundig. (Arbeidet vert heller ikkje så mykje lettare av at ein kan definere orda etter eige godtykke.) Rett nok vil eit elektronisk format kunne gje nye rammer og utviklingspotensiale for artiklane, men dette målet synest meg ikkje heilt gjennomtenkt. (Eg bør vel seie at eg ikkje har sett meg inn i kva som føregår på så tilgje meg denne lange tiraden om eg har misforstått noko.) Som kjent er _alle_ artiklane frå Bokmålsordboka og Nynorskordboka tilgjengelege på <url: (Med visse restriksjonar: For mange tilkoplingar på for kort tid frå same ip adresse, vert ikkje godteke. Kva som er sperregrensa veit eg ikkje, men i samband med hovudfaget søkte eg mykje på kort tid, så eg vågar å påstå at dei som har meir daglegdagse behov aldri opplever det som noko problem. For dagleg bruk er det heller ikkje noko problem at ein får maks ti svar om ein søkjer med regulære uttrykk.) Vil ein ha heile sulamitten, må ein betale, eller be om å få tilgang. Det får ein om ein har edle nok motiv. Meir problematisk er det at _grammatikkdelen_ av artiklane per i dag ikkje er tilgjengeleg med ein lisens som stør oppunder den språkteknologiske programvareutviklinga. (Med 'grammatikkdel' tenkjer eg på oppslagsord og bøyingsinformasjon: Informasjonen som fortel at 'kake' og 'kaken' er relatert slik og slik, og at 'kake' og 'sjokolade' er relatert slik og slik. Denne biten er laga av Dokumentasjonsprosjektet, IBM og Tekstlaboratoriet.) Resultatet er at det straks krev mykje meir for å komme i gang med det omfattande arbeidet det er å lage ein grammatikkontroll for norsk. Det finst ein slik grammatikkontroll, og han vart finansiert av Microsoft. <url: April/ html> Alt når han kom, var det ugunstig at han bandt brukaren til Windows XP. I og med Linux sin framgang dei siste åra, er det rimeleg å tru at det etter kvart finst ganske mange rundt om kring som ikkje har tilgang til dei beste skrivereiskapane. Aller tyngst er det kanskje for Skolelinux og skulane som brukar Skolelinux. Lars Nygaard (som er tilsett ved Tekstlaboratoriet, og dessutan ein hyggjeleg fyr, sjå <url: December/ html> ) og eg snakka i går om å skrive eit brev for å be om at grammatikkdelen får ein meir tidsmessig lisens. Vi har tenkt å gjere dette førstkomande torsdag, og vi kan sikkert trenge ei hjelpande hand av ein søknadsskrivingserfaren person som kan komme med saksopplysingar om Skolelinux, og som i tillegg er drilla i å argumentere for open kjeldekode. Knut? Så vidt vi kjenner adressatane, vil dei verdsetje eit slikt initiativ. At dei synest (eller vil synest) Skolelinux er svære greier, er eg heilt viss på. 11

12 Dersom koden likevel ikkje vert frigjeven, vil vi i staden gå inn for eit dugnadsbasert gjerdet sjølv leksikon som kan komme det norske språksamfunnet til gode : ) Med det eine eller andre grunnlaget trur Lars og eg at ein grov grammatikkontroll ikkje er så heilt umogleg å få i stand. Med gode råd frå folk som har vore med på det tidlegare, og med hjelp frå dei som vil og kan, kan han (grammatikkontrollen, ikkje Lars : ) kanskje til og med verte måteleg akseptabel? Vel, no er denne meldinga vorten så lang at eg unnlet å svare på resten av Knuts melding. For å trykke saman alt det føregåande: Rune Klevelands ordliste er bra på å fortelje om eit ord er tillete på norsk eller ikkje. Men snarare enn å lappe på ordlistene, bør vi heller skaffe oss eit leksemleksikon med informasjon som høver ein grammatikkontroll. 5.1 Dokumentasjonsprosjektet UiO E post fra Øyvind Eide <oyvind.eide(at)muspro.uio.no> som jobber Enhet for digital dokumentasjon, Univ. i Oslo. I forbindelse med en liten epostsamtale mellom folk her og Trond Trosterud om det samiske arbeidet som skal startes opp (jfr. eposter på i18n sme lista i slutten av juli) kom vi på at vi har ganske mye verktøy og ressurser for norsk, ikke minst nynorsk, her hos oss, fra DOK, Dokumentasjonsprosjektet, samarbeidet med Norsk Ordbok 2014, osv. Kanskje noe av dette kan være til nytte for Skolelinux arbeidet? Jeg har ikke spesielt greie på språkteknologi, men jeg foreslår at du ringer til Christian Emil Ore, som er faglig leder her og har vært med siden starten rundt Kanskje kan det komme noe ut av det? Han har telefon

13 6 Testing og feilretting Prosessrapport for testing av OpenOffice på Windows Av Alexandro Dias og Knut Yrvin 2 september 2004 Tester: Alexandro Diaz <Alexandro.Diaz(at)akershus f.kommune.no> Veileder: Knut Yrvin <knuty(at)skolelinux.no> Ansvarlig: Egon Skaar <Egon.Skaar(at)akershus f.kommune.no> Tirsdag 27. juli startet Alexandro Diaz med testing av OpenOffice versjon (beta) for Windows. Testen ble avslutten 27. august Knut Yrvin har veiledet. Testen er utført som en del av kvalitetssikringen som gjøres i Akershus fylkeskommune før man tar i bruk nye versjoner av standard programvare. Alexandro har brukt mellom 2 og 4 timer testdagene. Han har ikke testet de dagene han har hatt brukerstøtte. Testingen er utført ved siden av ordinære oppgaver. Det er levert korte dagsrapporter på e postlista til oversettere av OpenOffice, og på utviklerlista til Skolelinux. De to vedlagte lenkene dokumenterer testresultatet[1][2] på Windows 98SE, Windows 2000 Pro, og Windows XP. [1] [2] 26 juli hadde Alexandros og Knut møte med gjennomgang av hva som skulle gjøre, og hvordan. 27 juli Alexandro frem 3 data maskiner som først ble satt opp i 3.dje etasje, og senere flyttet opp i 5.te. Det ble gitt noe innføring i cygwin og cvs av Jørgen Grønlund som også er oversetter av OpenOffice. Deretter begynte jobben med å installere tre forskjellige utgaver av MS Windows på separate testmaskiner. Det viste seg å være flere problemer knyttet til installasjon av Windows 98SE. Det tok nærmere en uke før den Windows maskinen fungere som forventet. Vi er usikere på hva problemet var. Installasjon av Windows 2000 Pro, og Windows XP gikk enklere selv om det gikk med nærmere en uke til dette også (med fra 2 4 timer arbeide hver dag). Når installasjonene var ferdig begynte testen ut fra de planlagte brukerhistoriene (testtilfeller). Det er historier som vi har laget som uttrykker feil og rare hendelser som er rapportert av bruker av tidligere OpenOffice utgaver. Hovedsaklig gjaldt dette problemer med fletting, testing av ordliste\stavekontroll og database kobling. Når det gjelder database koblingen har vi tatt kontakt med Kjell Årflott. Han er lærer på Jesseheim videregående skole og har god erfaring med denne delen av OpenOffice. Han og Øysten Svensen som også er lærere på Jessheim følger opp dette. I skrivende stund venter vi på tilbakemelding fra denne delen av testen Testingen av OO på Win XP gikk ganske fort brukte litt over en uke. På de andre os'ne tok det litt noe lengre tid. Mest fordi det var skolestart, og henvendelsene til brukerstøtte økte kraftig. Oppstart av skoleåret er viktig, og vi kunne ikke prioritere arbeide med testing. Testinger ble også nedprioriter da Alexandro måtte teste en Palm til en av de ansatte. Testarbeidet ble avsluttet fredag den 27 august. Se rapporer over. Vi venter på tilbakemelding fra Jessheim videregående skole om samvirke med MySQL. 13