Martinezena

CorpEus, weba euskarazko corpus gisa kontsultatzea ahalbidetzen duen zerbitzuak, orain kontsultak Bing nahiz Google erabiliz egiteko aukera ematen du.

Elhuyar Fundazioaren Hizkuntza Zerbitzuek 2007an kaleratu zuten CorpEus, weba euskarazko corpus gisa kontsultatzea ahalbidetzen duen zerbitzua. CorpEus-ek Microsoft-en Windows Live Search bilatzailea (orain Bing deitzen dena) erabili izan du beti motore gisa, Google-ren APIaren baldintzek ezinezkoa egiten baitzuten berau erabiltzea. Baina Google-k berriki baldintzak aldatu ditu, eta orain CorpEus-ek aukera ematen du kontsultak Bing nahiz Google erabiliz egiteko.

Internet euskarazko corpus erraldoi bat balitz bezala kontsultatzeko aukera ematen du CorpEus-ek. Sartutako hitzaren (edo hitzen) lema bidezko bilaketa egiten du Interneteko euskarazko orrien artean, eta orri horietan dauden hitzaren agerpen guztiak erakusten ditu bere testuinguruan, hainbat daturen araberako grafikoekin batera.

Horrez gain, eskatutako hitzak aldaerak dituela detektatzen bada, bilaketa egiteaz gain, aldaerak proposatzen zaizkio erabiltzaileari, edo, eskatutakoa aldaera bada, forma estandarra. Eta erabiltzaileak hitz anbiguo edo ezezagun bat sartzen duenean, itzulitako analisien artean aukeratu dezake. Termino edo izen-sintagma osoen bilaketa lematizatua ere egin dezake, hitzak komatxo bikoitzen artean sartuz.

APIak integratzen

Hori guztia egiteko, Interneteko bilatzaileak erabili behar ditu CorpEus-ek ezinbestean, zehazki euren gainean hirugarrenek zerbitzuak eraikitzeko eskaintzen dituzten API edo funtzio-sortak. 2007an CorpEus kaleratu zenean, Microsoft-en Windows Live Search-en (gaur egun Bing gisa berbataiatutakoa) APIa erabiltzea erabaki zen, nahiz eta jakin jende gehienarentzat gustukoagoa eta hobea dela Google, bera zelako baldintza egokienak eskaintzen zituena: egunean 25.000 dei onartzen zituen eta deiko 50na emaitza itzuliz, 250. emaitzara arte kontsulta zitekeen. Google-k aldiz, bi API zituen: batak egunean 1.000 dei soilik onartzen zituen, deiko 10na emaitza itzultzen zituen soilik eta bertan behera uztekotan zen, eta besteak, nahiz eta dei mugarik ez izan, 8 emaitza besterik ez zituen itzultzen.

Berriki Google-n bigarren API horrek baldintzak aldatu ditu eta 64. emaitzara arte kontsultatu daiteke. Horregatik, CorpEus-en Google-ren APIa ere inplementatu dugu eta orain Bing edo Google erabiltzeko aukera dago. Zeren arabera erabaki zein erabili? Orokorrean, Google-k estaldura hobeagoa du eta orri gehiago ditu bere indizean, beraz egokiagoa da webean agerpen gutxi dituzten hitzak bilatzeko. Gerta daiteke zenbait hitzek Bing-en emaitzarik ez itzultzea edo emaitza oso gutxi itzultzea, eta posible da Google-k kasu horietan emaitza gehiago ematea. Aldiz, webean presentzia handia duten hitzen ahalik eta agerpen eta testuinguru gehien ikustea interesatzen bazaigu, Bing egokiagoa izan daiteke. Google erabilita lehenengo 64 emaitzetako agerpenak soilik erakuts daitezke eta Bing erabilita, aldiz, lehenengo 250 emaitzetakoak.

Erabilpen adibideak

CorpEusen erabilpen posible baten adibidea: energia lema bilatzeko eskatu diogu, Bing erabilita eta 250 orritako agerpenak bistaratzeko esanda (hitz arrunta eta webean presentzia handikoa denez, emaitza gehiago izango ditugu Bing erabilita, Google-k 64 orri itzultzen baititu gehienez). Ondoko hitzaren lemaren araberako grafikoa erakusteko eskatu diogunez, energia hitzarekin erabiltzen diren adjektibo, aditz eta izen ohikoenak agertuko zaizkigu grafikoan. Kontsulta bera egiten badugu Google erabilita, askoz emaitza gutxiago ateratzen dira.

Gauza bera gertatzen da RSS bilatuta. Interneten presentzia handiko hitza denez, emaitza gehiago lortzen dira Bing erabilita Google erabilita baino.

Hitz batek webean presentzia txikia dueneko kasua ikusteko lagingailu lema aukeratu dugu. Bing erabiliz bilatzeko eskatuta, bost emaitza besterik ez ditu itzultzen; Google-k, aldiz, dezente gehiago, indizea handiagoa baitu.

Edo konparatu ditzakegu lagingailu hitzaren emaitzak sampler hitzarenekin. Bing nahiz Google erabilita, ikusten da emaitza gehiago dituela sampler hitzak, betiere Google-k dituelarik emaitza gehiago.

Eroski Fundazioak, Elhuyar Fundazioak eta Euskaltzaindiak antolatutako Corpusgintza gaur egun jardunaldiaren barruan Miriam Urkiak emandako hitzaldia (Corpusgintzaren garrantzia hizkuntzalaritzan eta euskararen egoera) argitaratu dute www.erabili.com webgunean.

Artikulu luzetxoa denez gero eta momentuz laburtzeko astirik ez, hobe zuzenean jotzen baduzue iturrira: http://www.erabili.com/zer_berri/muinetik/1265098186.

Benetan mamitsua, interesgarria eta baliagarria da.

Literatur Terminoen Hiztegiaren 648 terminoak banan-banan irakurri eta sarrera nagusien gaineko bilaketak egiteko modua eskaintzen da Euskaltzaindiaren webgunean.

Literatura Terminoen Hiztegiaren bertsio elektronikoa aurkeztu du Akademiak. Hemendik aurrera, hortaz, hiztegi hori Akademiaren webgunean kontsulta daiteke.

Andoni Sagarna Euskaltzaindiaren Iker sailburuak azaldu duenez, Euskaltzaindiak Literatura Terminoen Hiztegiaren paperezko bertsioa argitaratu zuen 2008ko ekainean. Orain, Euskaltzaindiaren Informazio eta Komunikazioen Teknologien batzordearen ekimenez, hiztegiaren edukiak datu-baseratu eta Euskaltzaindiaren webgunean kontsultatzeko moduko aplikazio informatikoa sortu du Euskaltzaindiaren Informatika eta Telekomunikazio zerbitzuak.

Aplikazio honek, hiztegiaren 648 terminoak banan-banan irakurri eta sarrera nagusien gaineko bilaketak egiteko modua eskaintzen dio erabiltzaileari. Erdarazko ordainak eta terminoen arteko estekak ere eskaintzen ditu sistemak.

Literatura Terminoen Hiztegia Euskaltzaindiaren Literatura Ikerketa batzordeak egin zuen, eta BBK-ren laguntzaz argitaratu zen. Hiztegiaren xede nagusia honako hauxe da: Literaturaren teoria, historia eta kritikaren berri emateko euskaraz garatu den lexikoa agertzea, finkatzea eta azalpen testuetan erabiltzea. Bestalde, beste edozein literatura terminoen hiztegiren edukia euskaraz emateaz gain, euskal literaturari atxikiriko azalpenak, adibideak eta ereduak eskaintzen ditu.

Ahalegin berezia egin da literaturari buruzko ikaskuntzen garapenaren berri eguneratua emateko, hala nazioarte mailakoa, nola euskal esparrukoa.

Zutagu, euskarazko sare soziala abian

Norbanakoek zein taldeek Interneten eta euskaraz ezagutza partekatzeko aukera eskaintzen du Zutagu sare sozial berriak.

Elurnet enpresak sortu du Zutagu.net.

Zutagu ezagutza partekatzeko sare sozial bat da. Bere helburua, besteekin ezagutza partekatu nahi duten pertsonak bildu eta beraien artean elkartzea da. Goi mailako ikasketak dituzten pertsonak, gai batean lanean diharduten profesionalak edo aisi moduan gai baten inguruan interesa duten pertsonei baliabideak eskaini nahi dizkio sare sozial berri honek.

Hainbat tresna

Bertan erabiltzaileek hainbat tresna izango dituzte: blog sinple bat, ftxategi biltegi bat, laster-markak gordetzeko tokia, wiki antzeko orrialdeak, mikromezuak jartzeko haria... Baina horretaz gain, interes taldeak osatzeko aukera ere izango dute eta taldeek ere zenbait tresna propio izango dituzte: bloga, fitxategi biltegia, foroa, wiki orriak...

Software librea

Sare soziala sortzeko Elgg software libreko plataforman hartu dugu oinarri eta hau bera euskarara lokalizatu eta denon eskura jarri nahi izan dugu. Horrela nahi duenak bere sare sozial propioa sortu ahal izango du euskaraz Elgg tresna erabiliz.

Horretaz gain, nabarmenu nahi dugu tresna erabiltzeko ez dela zertan kontu berri bat sortu behar, Google, Twitter, Yahoo eta Open ID konturen bat dutenek automatikoki sartzeko aukera izango baitu.

Proiektua ilusio osoz hasten dugu, ea erabilpen politak eta interesgarriak egiten dituzuen.

GORKA JULIO Elurnet-eko kidea da

Euskararen Nazioarteko Egunean eitb.com webguneak Euskaraz ataria jarri du abian, euskararekin lotutako eduki interesgarriekin. Atari berriaren barruan, besteak beste, HIKEA aplikazioa kokatu da. HIKEA, EITB Taldearen hizkuntza-ezagutza kudeatzeko aplikazioa da, eta hemendik aurrera edonork kontsulta dezake eitb.com-i esker.

Hilabetez probak egiten jardun ondoren, Euskaraz ataria guztiz erabilgarri dago. Orain arte, atariaren sei ataletatik Euskara ikasi -Internet bidezko euskara ikastaro bat eskaintzen duena- izan da bisitatuena, baina euskaldunentzat askoz interesgarriago dira besteak. Albisteak atalean, esate baterako, bilduma gisa eskura daitezke eitb.com webguneko beste atarietan euskarari buruz argitaratzen diren albiste guztiak.

Gehiago atalean pastoralen gunea kokatu da, ETBk 2001etik hona emititu dituen pastoral guztien testuekin. Testuak bertsio bikoitzean datoz, zubereraz eta batuaz, eta pastoral bakoitza aurkezpen labur batekin hornitu da. Horrez gainera, eranskin jakingarri bi jarri dira gunearen eskuinaldean. Lehena txosten bat da, Pastorala egungo ikus-entzunezkoetan, pastoralak zer diren, historian zer eboluzio izan duten, eta egun Euskal Telebistan eta eitb.com webgunean zer leku egin zaien kontatuaz. Bigarrena, Zubereraren ezaugarriak, eskuliburu labur-labur bat da, pastoralen testuak hobeto ulertu nahi dituztenei laguntzeko.

HIKEA aplikazioa Kontsultak atalean dago. HIKEA erabiltzeko argibideak eta aplikazioaren aurkezpena gune horren eskuinaldean jarri dira.

HIKEA (Hizkuntza Kontsultak Egiteko Aplikazioa), esan bezala, EiTBren hizkuntza-ezagutza kudeatzeko aplikazioa da. Lau atal ditu.

1. Hiztegi bilaketa: hiztegi orokorra, hedabideetan ageri eta erabiltzen diren hitzak, terminologia
2. Argibideen bilaketa: hedabideetako hizkeraren gramatika, eskuliburu gisa aurkeztuta
3. Esapideen hiztegia: esaerak, esaldi eginak, lokuzioak
4. Pastoralen hiztegia: pastoraletan ageri diren hitzak

Era honetako baliabideetara ohituta dauden erabiltzaileek ez dute inolako arazorik izango HIKEAn kontsultak egiteko. Horregatik, interesgarriago deritzogu edukiaren gaineko azalpen labur batzuk emateari.

Hiztegi-bilaketako datu-basean 25.000 fitxatik gora daude, hogei gaitan banatuta. Filmen, musika-piezen, margolanen eta abarren izenak Artelanak gaian kontsulta daitezke. Hor aurki daitezke ETBk eta beste batzuek bikoiztu dituzten filmen euskarazko izenburuak. Lagunarteko hitz eta esamoldeak kontsultatu nahi izanez gero, Hizkera kolokiala gaia badago, 1.200 fitxarekin baino gehiagorekin. Euskal Herriko eta mundu osoko hiri, mendi, ibai eta beste leku-izen asko eta asko Geografia gaian daude.

Argibideen bilaketan EITBk 2007an argitaratu zuen Euskarazko albistegietarako esku-liburua kontsulta daiteke oso-osorik. Hiru bide daude horretarako: bilaketa-laukian kontsultatu nahi den hitza jartzea, aurkibide kontzeptualaz baliatzea, edo aurkibide gramatikalera jotzea.

(NATXO VELEZ GORDOBIL, Eitb.com-eko Kanal Tematikoen lan-taldeko kidea; eta ASIER LARRINAGA LARRAZABAL, EITBko Euskara Zerbitzuko burua)

Saroi, euskarazko errore sintaktikoak detektatzeko eta zuzentzeko sistema berria

Errore sintaktikoak detektatzeko eta zuzentzeko Saroi izeneko sistema berria garatu du Maite Oronoz EHUko ikertzaileak. Saroi tresna orokorra da, erroreen tratamendua egiteko ez ezik, analisi-zuhaitzetako egituren gaineko kontsultak egiteko eta zuhaitz horietan egitura linguistikoak bilatzeko balio duena.

Errore sintaktikoak detektatzeko eta zuzentzeko dauden tresnen analisia egin du Maite Oronozek bere doktore-tesian. Testuinguru zabaleko erroreak detektatzeko -adibidez, komunztadura-erroreak- esaldiaren analisi-zuhaitza arakatzea beharrezkoa da. Horretarako tresna aproposik ez du aurkitu ikertzaileak, eta, horregatik, Saroi tresna sortu du. Saroik errore sintaktikoen tratamendua egiten du, eta, gainera, analisi-zuhaitzen egituren gaineko kontsultak egiteko eta zuhaitz horietan egitura linguistikoak bilatzeko ere balio du.

Saroi tresna erabilerraza eta malgua da, eta maila desberdinetako hizkuntza-ezaugarriekin lan egiteko gai da -morfologia, morfosintaxia, sintaxia, etab-. Egilearen esanetan, hizkuntzalaritzarako lan-tresna egokia eta erabilgarria izan daiteke.

Tesiaren egilea eta Saroiren sortzailea Maite Oronoz Anchordoqui da, eta bere lana Euskarazko errore sintaktikoak detektatzeko eta zuzentzeko baliabideen garapena: datak, postposizio-lokuzioak eta komunztadura izenburupean aurkeztu du. Ikertzailearen iritziz, euskararen egoera dela eta -estandarizazio-prozesuan dago, aberatsa da euskalkiei dagokionez, eta erdara indartsuek inguratzen dute- ohikoa da erabiltzaileek Euskaltzaindiaren arauetatik aldentzen diren hizkuntza-egiturak erabiltzea. Egitura zuzenetatik edo arauetatik desbideratzen diren egitura horiei errore deitu die tesiaren egileak.

Komunztadura-erroreak

Datetan, postposizio-lokuzioetan eta, batez ere, subjektu, objektu eta zehar-objektu funtzioa betetzen duten osagaien eta aditzaren arteko komunztaduran gertatzen diren erroreak detektatu ditu ikertzaileak ikerketa-lanean.

Errore horien bila corpus erroredunak zein zuzenak automatikoki analizatzeko, EHUko Informatika Fakultateko IXA taldearen analisi sintaktikorako prozesua erabili du Maite Oronozek, eta informazio linguistikoa adierazteko, berriz, XML bidezko oharpen-sarea.

Erroreak detektatzeko eta zuzentzeko erabiltzen diren teknikei gainbegiratu zabala eman ondoren, hizkuntza-ezagutzan oinarritutako teknikak erabiltzea erabaki du Oronozek. Hala, testuinguru lokaletan -segidan dauden bospasei hitzeko eremuetan- gertatzen diren erroreak detektatzeko eta zuzentzeko, hizkuntzaren tratamendu automatikoko bi tresna ezagun erabili ditu: Xerox Finite State Tool (XFST), datetako erroreak lantzeko, eta Murriztapen Gramatika (MG), postposizio-lokuzioen erabilera okerrak tratatzeko.

Egileari buruz

Maite Oronoz Anchordoqui (Hondarribia, 1972) Informatikan lizentziatua da. IXA taldeko ikertzailea da 1996az geroztik, eta EHUko Informatika Fakultateko irakasle laguna da 2001etik hona. Bere lana EHUko Informatika Fakultateko Lengoaia eta Sistema Informatikoak saileko Arantza Díaz de Illarraza eta Koldo Gojenola irakasleen zuzendaritzapean egin du.

310 izan ziren iaz, eta 2007an, aldiz, 248. Jasotako kexa guztien artean, % 87 esparru publikoan gertatu zen. Halaber, kexen % 77 konpondu egin dira.

Elebide Hizkuntza Eskubideak bermatzeko zerbitzuan jasotako intzidentziak 2008an % 25 igo ziren 2007rekiko. Jasotako kexa guztien artean % 87 esparru publikoan gertatu zen. Hizkuntz urraketekin lotutako kexak (% 97 euskaraz ez egiteagatik), EAEren administrazio publikoan % 66tik 2007an % 45ra jaitsi ziren 2008an. Halaber, kexen % 77 konpondu egin dira eta % 14 konponbidean daude. Konponezinik ez al dago? Bitxia da, gero.

Hala ondorioztatzen da atzo (2009-2-19) Donostian aurkezturiko Elebideren 2008ko jarduera-txostenean. Patxi Baztarrika, Hizkuntza Politikarako sailburuordeak, eta Joseba Lozano, Herri Administrazioetan Euskara Normalizatzeko zuzendariak, aurkeztu zuten txostena prentsaurrean.

Kexak nagusi

Elebidera bideratutako kexa edota iradokizun gehienak onartuak izan ziren; bost besterik ez ziren atzera bota zerbitzuan. 2008an erregistratu ziren intzidentzien artean kexak izan ziren nagusi (% 89), kontsulta edota iradokizunen aurretik. Aurkeztutako kexen artean, berriz, sektore publiko edo herri-administrazioaren zerbitzuekin lotutakoak dira nagusi 2008ko txostenean. Horien artean, hurrenez hurren, EAEko Administrazio orokorra, toki administrazioak, foru administrazioak eta Estatuko Administrazio orokorra daude.

Ia kasu guztietan (% 97an) hizkuntz eskubideen urraketak euskarari eragin dio, % 3 kasutan besterik ez gaztelaniari, eta kexa kopururik handiena (% 44) idatziko harremanen ondorioz etorri dira.

Euskaraz eta Internetez

Elebidera zuzendutako intzidentzia gehien-gehienak euskaraz aurkeztu ziren iaz (310etik 290, hain zuzen). Izapideak egiterakoan, berriz, Internet izan zen hautatutako bideen artean nagusia: zerbitzuaren webgunea baliatu zuten horretarako 163 erabiltzailek, eta e-posta 105ek.

Herritarren kontsultak, kexak eta iradokizunak jasotzea du helburu Elebidek, herritarrei babesa ematea eta hizkuntz eskubideak errespetatzeko arazoak dituzten entitateei laguntza espezializatua eskaintzea, euskal gizartean hizkuntz eskubideak errespetatuak izan daitezen.

Hona hemen, PDFan, 2008ko intzidentzien laburpena, kopurutan.

Eusko Jaurlaritzaren Hizkuntza Politikarako Sailburuordetzak (HPS) eta Espainiako Itsuen Elkarte Nazionalak (ONCE) bi erakundeak lotzen dituen lankidetza hitzarmenaren orain arteko emaitzen berri eman dute. Hitzarmenaren asmoa da ikusmen urritasuna duten euskaldunek aukera edukitzea euskaraz kaleratzen den literatura irakurtzeko, bai euskal literatura bai unibertsala. Gaur egun 300 dira egokituta dauden obrak.

Patxi Baztarrika sailburuordearen hitzetan, "ikusmen urriko euskaldunen kopurua ez da handia, baina ikusmen urritasuna duten pertsonek, asko edo gutxi izanda ere, gainontzeko herritarrek bezalaxe beren hizkuntza eskubideak dituzte. Are gehiago, ikusmen urritasuna duten euskaldunek, hizkuntza eskubideak ez ezik, euskaraz argitaratu den literatura gozatzeko eskubidea ere badute. Horregatik lantzen ari gara, hain zuzen ere, HPS eta ONCEren arteko lankidetza".

ONCE elkarteak ikusmen urritasuna duten pertsonen alde egiten duen lanaren baitan, euskal hiztunen eskubideak bermatzen joateko "ahalegin berezian" diharduela era nabarmendu zuen Baztarrikak. "Horrela, aldi berean, euskararen normalizazioari ekarpen handia egiten dio. Testuinguru honetan, eta beste zenbait ekimenen artean, hiru urte badira ONCE eta HPS elkarlanean euskarazko literatura braillez eta Daisy sisteman eskaintzen ari garela", esan du sailburuordeak.

Egun guztira 300 bat obra dira aipatu sistemetara egokitu eta ikusmen urritasuna duten euskaldunen esku jarri direnak. Joan berri den 2008 urtean beste 85 obra gehitu dira bildumara; besteak beste, eta batzuk aipatzearren: Mariasun Landaren Festa aldameneko gelan, Iban Zalduaren Traizioak, Joxe Austin Arrietaren Terra sigillata, edo Anjel Lertxundiren Ihes betea. "Euskarazko testuak erabiltzeko baimena eta erraztasun guztiak eskaini dizkiguten euskal idazle eta argitaletxeak" gogora ekarri eta eskertu zituen Patxi Baztarrikak balantzearen aurkezpenean.

IKTak ere bai

Ardatz nagusia euskarazko edo euskarara ekarritako literatura izan bada ere, badago besterik: adibidez, ikusmen urritasuna duten euskaldunentzako baliabide informatiko berria sortu dute: Elhuyar hiztegi elektronikoa.

HPSren arduradunak nabarmendu zuenez, "euskal hiztunentzat aukera berriak eskaintzeko ahalegin honetan, garrantzi handikoak dira Informazioaren eta Komunikazioaren Teknologiak, euskarazko IKTak, hain zuzen. Eta are garrantzitsuagoak izango dira etorkizunean. Bide horretan, beraz, bidelagun izango gaitu ONCEk, bide horretan bidelagun izango gaituzte ikusmen urritasuna duten euskaldunek. Ondoan izango gaituzte aukera berdintasunerako printzipio nagusia hizkuntzaren esparruan gauzatzeko bide berriak urratzen".