NB-BibliothecaNova 0414nett

svært ressurskrevende å utvikle. Det har derfor lenge vært forsøkt å finne
metoder og insentiver for å fremme gjenbruk av datasettene. Det er flere
hindringer i veien:
• Å tilrettelegge sine data for gjenbruk krever betydelig arbeid ut over det
man trenger til eget bruk, og med mindre det er satt av tid og penger til
dette, blir det ofte vanskelig å få til.
• I akademia er det tradisjonelt bare publikasjoner som er meritterende.
Man stiger ikke i gradene ved å legge til rette for andres forskning!
CLARIN/CLARINO er ett av mange initiativer som adresserer dette ved
å beskrive ressursene med metadata og dermed gjøre dem tilgjengelige og
ikke minst sitérbare.
METADATA FOR DATA
Som beskrevet ovenfor, utgjør språkressurser langt fra noen ensartet gruppe
datasett. Det samme gjelder for så vidt dokumenter, men når slike skal beskrives
kan vi støtte oss på en hundreårig bibliotektradisjon, og velprøvde – om
enn omdiskuterte – metadataformater som etter hvert også har tatt inn over
seg dokumenter på nye medier og innhold distribuert på nye måter.
Hvilke metadata som trengs for språkressurser er i utgangspunktet mindre
avklart. Språkressurser er forskningsdata, og primærmålgruppen er forskere
og utviklere, men også dette er en sammensatt gruppe. Utviklere av språkteknologiske
løsninger (f.eks. talegjenkjenning, syntetisk tale, automatisk
oversettelse), edisjonsfilologer, lingvister, datalingvister, historikere og
samfunnsvitere kan ha svært ulike behov, både når det gjelder metadata og
tilrettelegging av rådataene. Videre bør det tas høyde for en bredere sammensatt
brukergruppe i framtida. Når ressursene og analyseverktøyene blir
lettere tilgjengelige, kan det ligge til rette for bruk både i skolen og av den
«interesserte allmennhet».
Likevel, metadata har samme funksjon for språkressurser som for andre
informasjonsressurser – de skal beskrive ressursen slik at den enkelt kan
gjenfinnes, og ikke minst må metadata inkludere alle opplysninger som er
nødvendig for å avgjøre om dette er en brukbar ressurs i den foreliggende
situasjon. Her er noen eksempler på behov en bruker kan ha:
• Finn språkressurser av alle typer, som er laget med tanke på meningsekstraksjon
(opinion mining), men bare slike som tillater kommersiell bruk
76