|
2008
|
|
|
Hizkuntza guztiak kontuan hartuta, ingelesaren agerrera erabat gailentzen da besteen aldean, bai kantitatez bai corpus moten aniztasunez. Bestalde, aitortu beharra dago
|
euskarazko
corpusen erreferentziarik ez dela izaten horrelakoetan (ELDAren bidez banatzen direnak alde batera utzita).
|
|
|
4.2.1
|
Euskarazko
corpusak
|
|
|
Bestetik, nahiz eta, esan dugunez, lan honetan corpus eleaniztunen arloa ez dugun jorratuko, ezin esan gabe utzi Interneten euskarazko bi corpus eleaniztun kontsultagai daudela: LEGE bi corpusa (Deustuko Unibertsitatea) eta Eroski ren Consumer aldizkariaren españolgalego catalán
|
euskara
corpusa. Deigarria da, gainera, bi corpus horiek CLUVI Corpus Lingü� stico da Universidade de Vigo gunean egotea3 Lehenak 2,4 milioi hitz inguru ditu guztira, eta bigarrenak 5,6 milioi.
|
|
|
|
Euskarazko
corpusetan zenbait tresna erabili dira. ASP enpresaren Kapsula izeneko tresna da horietako bat.
|
|
|
|
Euskarazko
corpusak kontsultatzeko ia tresna guztiak lehen motakoak dira, hau da, gehienez ere bilagaiaren testuinguruak eta maiztasunak erakusten dituzte. ZTC da bigarren motakotzat jo daitekeen bakarra, hitzaren aurreko eta ondorengo testuinguruan agertzen diren formak/ lemak eta horien maiztasunak erakusten baititu, taulatan zein grafikotan.
|
|
|
Erreferentzia corpusen garrantziaz ohartarazi gaituzte hainbat adituk (Leech 2002), eta, beharbada, alderdi hori da
|
euskarazko
corpusetan dagoen gabezia nabarmenena. Azken urteetan, maiz hitz egiten da euskararen erreferentzia corpusaren proiektua egiteko dagoen premiaz.
|
|
|
Aipatzekoa ere bada
|
euskarazko
corpusen asmoa deskriptiboa dela.
|
|
|
Atzerapen hori nagusiki erreferentzia corpusei dagokie, eta, nabarmen, tamainari. OEHTC eta XXMECE lorpen handiak izan dira, baina azpimarratzekoa da ez dagoela oraingoz
|
euskarazko
corpus ‘erraldoirik’, eta neurri ‘txikiko’ baliabideak direla aitortu behar da. Ereduzko Prosa gaur da, tamaina aldetik, nabarmenena, baina ezin genezake erreferentzia corpustzat hartu (orekatu gabea da).
|
|
|
Corpusen egituratzeeta prozesatze linguistikoa dela eta,
|
euskarazko
corpus batzuek betetzen dituzte gaur egungo estandarrak. Adierazi dugu OEHTCn informazio linguistikoa (lema, kategoria...) ez izatea tamalgarria dela, baina geroztik egin diren testu corpus nagusietan behintzat ez da hutsegite hori berriz gertatu (XXMECE, ZTC, EPG...).
|
|
|
Aipatzekoa ere bada
|
euskarazko
corpusen asmoa deskriptiboa dela, batean izan ezik (EPG). Hizkuntza ereduari dagokionez, berrienak euskara batuari so daude (tresna automatikoak horrekin dabiltza hobekien), baina euskalkien eta beste barietate batzuen presentzia ere badago.
|
|
|
Tresna horren bidez eratu dira, adibidez, Wacky proiektuaren barruko ItWaC eta DeWaC italierazko eta alemanezko corpusak, 2 mila milioi eta 1,7 mila milioi hitzekoak, hurrenez hurren. Gainera, Corpus building for minority languages gunean12, K. P. Scannell ek An Crúbadán web crawler aren bidez osatutako 419 hizkuntzaren corpusen berri ematen du, eta, horien artean,
|
euskarazko
corpusen datu batzuk ematen ditu (Scannell 2007).
|
|
|
Elhuyar Fundazioaren bi proiektu dira aipagarriak hemen, azaldu ditugun bi ikuspegietan oinarrituak. Lehena CorpEus proiektua da, Internet
|
euskarazko
corpus erraldoi gisa baliatzea helburu duena (Leturia et al., 2007a). WebCorp eta horien antzeko zerbitzu bat ezarri da13, baina euskararen berezitasunei egokitua.
|
|
|
Bigarrena Co3 proiektua da (Comparable Corpus Compiler), Internetetik corpusak osatzeko testuak automatikoki eratuko dituen tresna. Batez ere corpus eleaniztun konparagarriak lortzera bideratuta badago ere,
|
euskarazko
corpus elebakarrak egiteko ere balioko du, bai corpus orokor handiak bai espezializatu txikiagoak14.
|
|
|
Ahal dela, corpusak linguistikoki prozesatu behar dira, gero corpusetik informazio linguistikoa lortu ahal izateko. Prozesatze horren bidez, testuko formen lema, kategoria, kasua, funtzio sintaktikoa, adiera eta abar etiErreferentzia corpusen garrantziaz ohartarazi gaituzte hainbat adituk (Leech 2002), eta, beharbada, alderdi hori da
|
euskarazko
corpusetan dagoen gabezia nabarmenena.
|
|
|
Gainera, kontuan hartu behar da corpus batzuk diru publikoz osorik finantzatuak izan direla, eta ez dela erraz ulertzen corpus horiek ez askatzea (ikerkuntzarako, esaterako) edo lizentzia baten truke ustiapen komertzialerako eskuragarri ez jartzea. Horrek ez du
|
euskarazko
corpusen erabilgarritasuna eta emankortasuna murriztu baizik egiten.
|
|
|
Bestetik, gure azterketan nabaritu dugu mundu mailako ikusmiran
|
euskarazko
corpusak ez direla nahikoa ‘ikusten’, hau da, corpusen eta hizkuntza teknologien erreferentzia gune ezagunetan oso informazio gutxi aurkitu dugu euskarazko baliabideez. Arazo hori ez da euskarazko corpusena bakarrik, noski; esaterako, P. Bilbaok salatu duenez, Europako hizkuntza politika ‘txarrak’, edo ezegokiak, Europa mailan" ikusgabe
|
|
|
Bestetik, gure azterketan nabaritu dugu mundu mailako ikusmiran euskarazko corpusak ez direla nahikoa ‘ikusten’, hau da, corpusen eta hizkuntza teknologien erreferentzia gune ezagunetan oso informazio gutxi aurkitu dugu euskarazko baliabideez. Arazo hori ez da
|
euskarazko
corpusena bakarrik, noski; esaterako, P. Bilbaok salatu duenez, Europako hizkuntza politika ‘txarrak’, edo ezegokiak, Europa mailan" ikusgabe
|
|
|
Nolanahi ere, nabarmentzekoa da ikerketa talde eta erakunde batzuek egiten duten ahalegina
|
euskarazko
corpusen eta, oro har, hizkuntza teknologien informazioa argitalpen eta biltzar espezializatuetan agertzeko. Horien denen bilduma luzeegia litzateke, baina artikulu honetan bildu dugun bibliografiak agerian jar dezake errealitate hori.
|
|
|
Ikuspegieta tresna aniztasuna ez daitezela oztopo izan corpusgintzan ditugun premiei behar bezala ez erantzuteko. Hemendik urte batzuetara, artikulu honetan aurkeztu dugun grafikoa eguneratzen dugunean,
|
euskarazko
corpus gehiago eta handiagoak ikusi nahi genituzke, eta, horien artean, euskararen erreferentzia corpusa. Badugu zeregina.❚
|
|
|
Urkia, M. (2002). " XX. mendeko
|
euskararen
corpusa." In Hizkuntza corpusak. Oraina eta geroa.
|
|
|
Urkia, M. (2007). " XX. mendeko
|
euskararen
corpus estatitistikotik XXI: mendeko erreferentzia corpusera." In Espezialitateko hizkerak eta terminologia II. Euskara estandarra eta espezialitate hizkerak.
|
|
|
•
|
Euskarazko
corpus fonetikoa: 1995ean EHUren eta UPNAren laguntzaz egina (López de Ipiña, 1995).
|
|
2009
|
|
|
Txillardegi maisua eta adiskidea ezagutu nuenetik hona mende laurden luzea joan zaigu. Ordukoan euskara batuaren ezarpenari eustea eta
|
euskararen
corpusaren normalizazioa ziren arrangura nagusiak. Euskararen bariazioa ikertzen zenean, aldaki geografikoei egiten zitzaien arretarik handiena.
|
|
2010
|
|
|
XX. mendeko 60ko hamarkadan, erregimen politikoa aldatu beharra euskal gizartearen gehiengo zabal baten aldarrikapena bihurtu zen. dinamika horretan murgilduta, ordura arte debekatua edo gaizki ikusia izan zen guztia, begikotasunez begiratzen hasi zen. abertzaletasunak gidatutako euskal nortasunaren berpizkundea abian zen, euskararen aldeko mugimendua barne, eta abertzaletasunaz kanpoko sektore asko ere joera nagusi horretara bildu ziren. ikastolen mugimendua berreskuratu eta berreraikitzen hasi zen urte haietan, euskal iritzi publikoa euskara deskubritzen hasi zen. gurean beste hizkuntza bat egon bazegoela hasi zen ohartzen, diktadura frankistak ezarritako debekuari muzin eginez. pixkanaka, euskara modan jarri eta erdaldun askorentzat hizkuntza hori erakargarri bihurtu zen. Jende andana hasi zen euskara ikasten. euskal kanta berria ere bidea egiten hasi zen eta jendaurreko erakusleiho ezin hobea eskaini zion euskarari. euskara batuak lehen urratsak eman zituen eta, aldeko zaletasunak eta kontrako jarrerak agerraraziz,
|
euskararen
corpusa hizpide —eta auzi— bihurtu zen. Corpusa ez ezik, gure hizkuntzaren statusaren gaineko kezka ere gizartean hedatu zen. gizartea zein euskaltzale gehienak —ez guztiak— erabateko ezjakintasun soziolinguistikoan murgilduta zeuden. horrexegatik, hizkuntza ezagutza eta hizkuntza erabilera ez ziren analitikoki behar bezain ongi bereizten eta euskara ikaste hutsak hizkuntza hori biziberritzeko nahikoa izango zela uste zabaldua zen. aldeko iritzi publikoaren haizeak bultzatuta, ezjakintasun egoera hura lur emankorra zen itxaropen itsua lora zedin.
|
|
2011
|
|
|
Ale honetan Tantak aldizkarian (12.zb.) jarri du bere arreta J.M. Odriozola lankideak. Isasi irakaslearen inguruko ikertzaileek aspaldisko honetan azpimarratzen dute (oraingoz oihartzunik gabe) haurren
|
euskararen
korpusaren ahulezia. Are Urola ibarrean ere, erdal moldeak eta interferentziak dira gailen.
|
|
|
B. Eremu akademikoetan dagoen gabezia konpontzeko ahalegintxoa. euskal herriko eremu akademikoek
|
euskararen
corpusean lan eskerga egin duten arren, hizkuntzaren statusa ez dute neurri eta adore berdintsuekin jorratu; ezta hurrik eman ere. hutsune hori nabarmenagoa da euskalgintza –herrigintzaren eskutik sortutakoa zein instituzionalaeuskara biziberritze aldera aspalditik egiten ari den ahalegin teoriko eta, batez ere, garapen aplikatuei erreparatuz gero. euskal gizarteak dituen kezka eta premia ho...
|
|
2022
|
|
|
Lizardik eta Munduatek (2015) Goenkaleko hitanoaren erabilerari erreparatu zioten, azterketa sintaktikoa egite aldera. Basterretxeak (2021) gaztelaniazko eta euskarazko tratamenduak erkatzeko Goenkale erabili zuen
|
euskarazko
corpus gisa.
|