Kieliresurssien

Kieliresurssien käsite kattaa kielitieteen ja kieliteknologian tutkimus-, kehitys- ja opetuskäyttöön tarkoitetut aineistot ja työkalut. Niihin kuuluvat sekä digitaaliset että analogiset lähteet, kuten teksti- ja puheaineistot, sanakirjat ja leksikaaliset tietokannat, kieliopilliset ja semanttiset resurssit sekä annotointityökalut ja kielimallit. Kieliresurssien tarkoituksena on tukea kielen kuvaamista, mallintamista ja sovellusten kehittämistä, kuten konekäännöstä ja puheentunnistusta.

Tyyppejä ovat muun muassa tekstiaineistot ja puheaineistot (korporaalit), sanakirjat ja leksikaaliset verkostot, kieliopilliset resurssit sekä semanttiset tietokannat. Lisäksi käytetään annotointityökaluja, kielimallien kehittämiseen tarkoitettuja ohjelmistoja sekä metatietoja, joiden avulla aineistot ovat haettavissa ja yhdistettävissä.

Standardeja ja jakamista tukevaa työtä ohjaavat kielten- ja tietojenkäsittelyn standardit sekä lisensointikäytännöt. Esimerkkejä ovat TEI-merkkaus, Lexical Markup Framework (LMF) sekä avoimen datan lisenssikäytännöt kuten CC-lisenssit sekä public domain -merkinnät. Metatiedot kuvaavat muun muassa alkuperän, kielen, käyttöoikeudet ja laaduntarkastusmenetelmät.

Käyttökohteet kattavat kielentutkimuksen ja kieliteknologian lisäksi kielen dokumentaation sekä kielten opetuksen. Kieliresurssit tukevat tutkimusta, kehitystä sekä kielellisen monimuotoisuuden tallentamista ja saavutettavuutta.

Haasteita ovat laadun varmistaminen, edustavuus ja kattavuus, sekä oikeudet, tietosuoja ja resurssien rahoitus sekä tekniset ja käytettävyyskysymykset.