Από την απουσία στο δεδομένο: τι αλλάζει όταν επισημειώνουμε ένα κείμενο
This post is in Greek, the language of the programme.
Η ελληνική τεκμηριώνεται αδιάλειπτα για περισσότερα από δύο χιλιάδες πεντακόσια χρόνια, και για τα περισσότερα από αυτά δεν υπάρχουν φυσικοί ομιλητές να ρωτήσουμε. Ό,τι γνωρίζουμε για τα παλαιότερα στάδιά της το γνωρίζουμε από τα κείμενα. Για τον λόγο αυτό η διαχρονική γλωσσολογία στηρίζεται στα τεκμήρια, και τα ψηφιακά εργαλεία επιτρέπουν να εξεταστούν πολύ περισσότερα τεκμήρια από όσα θα μπορούσε να διαβάσει και να μετρήσει κανείς με το χέρι.
Ένα κείμενο όμως δεν απαντά μόνο του σε γλωσσολογικά ερωτήματα. Η θεωρητική βάση του προγράμματος είναι ότι ο τρόπος με τον οποίο επισημειώνεται ένα σώμα κειμένων καθορίζει ποια ερωτήματα μπορούν να τεθούν σε αυτό. Ας πάρουμε το μηδενικό αντικείμενο, δηλαδή την περίπτωση μεταβατικού ρήματος χωρίς εκφρασμένο αντικείμενο. Στο απλό κείμενο δεν υπάρχει τίποτα να βρει κανείς, αφού το αντικείμενο απλώς λείπει. Αν όμως η συντακτική επισημείωση κωδικοποιεί και τις κενές κατηγορίες, η απουσία γίνεται μονάδα που μπορεί να εντοπιστεί, να μετρηθεί και να συγκριθεί από εποχή σε εποχή και από κείμενο σε κείμενο.
Η διαδρομή από το τεκμήριο στο ερώτημα έχει συγκεκριμένα βήματα, και το πρόγραμμα τα διδάσκει ως ενιαία αλυσίδα. Η σελίδα ενός παλαιού εντύπου γίνεται ψηφιακό κείμενο με οπτική αναγνώριση χαρακτήρων (OCR). Το κείμενο κωδικοποιείται κατά το πρότυπο TEI/XML, τμηματοποιείται και λημματοποιείται με εργαλεία όπως το spaCy και το Stanza, και επισημειώνεται συντακτικά κατά το πρότυπο PROIEL. Στο τέλος μετατρέπεται σε γράφο, ο οποίος επερωτάται με τη βάση δεδομένων γράφων Neo4j. Κάθε βήμα παράγει κάτι ελέγξιμο, και κάθε βήμα μπορεί να εισαγάγει σφάλματα που πρέπει να εντοπιστούν πριν από το επόμενο.
Τα εργαλεία όμως δεν αντικαθιστούν τη γλωσσολογική και φιλολογική κρίση. Το πρώτο μάθημα της αυτόματης ανάλυσης είναι η ταπεινότητα απέναντι στο εργαλείο: το εργαλείο μαντεύει, εμείς αποφασίζουμε. Όταν ένας αυτόματος αναλυτής προτείνει λανθασμένη σύνταξη για μια πρόταση της Μετάφρασης των Εβδομήκοντα, εκεί ακριβώς αρχίζει η δουλειά του φιλολόγου.
Η ίδια αλυσίδα έχει και ένα αποτέλεσμα πέρα από την εκπαίδευση. Όσοι το επιθυμούν μπορούν, μετά τον ποιοτικό έλεγχο και με τη σύμφωνη γνώμη τους, να εντάξουν επισημειωμένο δείγμα της εργασίας τους στην επόμενη ανοιχτή έκδοση του διαχρονικού σώματος AthDGC (Athens Digital Glossa Chronos), που είναι κατατεθειμένο με ανοιχτή πρόσβαση στο Zenodo. Έτσι η εργασία μέσα στο πρόγραμμα μπορεί να γίνει μέρος ενός ανοιχτού ερευνητικού πόρου.