Informatika euskalduntzen

EHUko Informatika Fakultateko Ixa taldeak hizkuntza aztertzen eta erabiltzen lagunduko duten tresna informatikoak garatzeko asmotan lan egiten du eta euskararen tratamendu konputazionala beste hizkuntzenarekin parekatzen saiatzen da. Lengoaia eta Sistema Informatikoak Sailean hamar urtetik gora daramatza lanean 24 pertsonak osatutako talde honek, eta hainbat tresna eta prototipo hizkuntzaren arlo guztietan landu ditu urteetan zehar. Udan prest izango du Euskararen Datu Base Lexikala (EDBL), taldeak sortu dituen beste sistema batzuen oinarri bihurtu dena eta etorkizunean analisi sintaktiko-semantikorako ere erabiliko dena.Nahiz eta hasiera batean, duela zortzi urte, zuzentzaile ortografikoaren euskarri gisa garatu zen, denboraren poderioz EDBL helburu anitzetarako erreminta aproposa zela argi geratu zen. Datu base hori 70.000 hitz inguruz osaturik dago, hiru atal nagusitan banatuta: hiztegi-sarrerak, edozein hiztegi konbentzionaletan aurki daitezkeen bezalakoak; aditz-formak eta morfema "ez-independenteak", bakoitza bere informazio morfologikoarekin. Gainera, hizkien grafia estandarra jakiteko erabil daiteke, Euskaltzaindiaren azken arauak biltzen dituelako. Ez da beharrezkoa bilatzen ari den hizkiaren grafia jakitea, sistema berak proposamen batzuk ematen dituelako, deklinabideak eta forma dialektalak kontuan izanez. Hizkuntza erreminta gisa erabiltzen duten profesional askoren eskakizunak jaso ondoren, datu base hori doan kontsultatzeko moduan azalduko da, taldearen web orrian, hain zuzen (http://ixa.si.ehu.es).

Xuxen-en bertsio berria

Ixa taldeak beste programa interesgarri baten azken bertsioa atera berri du, haren web orrian ere eskuragarria dena: Xuxen II euskarazko zuzentzaile ortografikoa. Bere helburua euskaraz idatzitako testuen akats ortografikoak detektatu eta zuzentzea da eta Word, Power Point eta Excel programetan erabil daiteke. Ixa taldeko Arantza D¨ªaz de Illarrazaren esanetan, bi hobekuntza nagusi daramatza: azken bertsio honek Euskaltzaindiak ateratzen dituen arau berriak bereganatzen ditu eta arinago dabil.

Programa horrek ez du akats sintaktiko edo semantikoak detektatzen, eta euskara batuaren erabilpena bultzatzen duenez (Euskaltzaindiaren azken erabakiak barne) ez ditu ontzat ematen forma dialektalak, nahiz eta batzuk ezagutu eta beren ordezko estandarra proposatu. Programa hori ere doan eskura daiteke, bai taldearen bai Eusko Jaurlaritzaren web orrietan (http://www.euskadi.net). Bertsio hau PC-Windows motako ordenadoreetan baino ez dabil eta Pentium prozesadorea eta 32 MB-ko memoria behar dira gutxienez. Horrelakoetan, Office-ren mekanismoen bidez euskara aukeratu behar da dokumentuaren hizkuntza gisa.

Esan bezala, Xuxen II programak zuzenketa ortografikoak baino ez ditu egiten. D¨ªaz de Illarrazaren ustez, "hizkuntza guk bezalaxe erabiliko duen sistemarik ez da inoiz lortuko. Beraz, gure erronka hizkuntza erabiltzeko eta aztertzeko lagungarriak izan daitezkeen tresnak nola sortu daitezkeen da".

Lengoaiaren beste arloak betetzeko, berriz, beste aplikazio ezberdin batzuk behar dira, eta horretan dihardute, batzuetan beste erakunde eta ikerketa-taldeen laguntzarekin. Euslem lematizatzailea Ixa taldea eta UZEI erakundearen artean burutzen ari da. Egitasmo horrek testu bat hartzen du eta hitz guztien erroa ematen du, bakoitzaren kategoria ere zehaztuz.

"Euskara bezalako hizkuntza batentzat oso oinarri inportantea da edozein testu-indexazio egiteko, Interneteko informazio bilaketetan adibidez", D¨ªaz de Illarrazak dioen bezala. Idazkide sistemak ikasleen ikaste-prozesuari buruzko zenbait ezaugarri gordetzen du: hizkuntza maila, ikasleak gustukoen duen hainbat ikaste-estrategia, ama-hizkuntza, etab.

ITEM proiektuan euskara, katalana, gaztelania eta ingelesa tratatzeko tresnak eskaintzen dira. Horretarako, Kataluniako Unibertsitate Politekniko, Bartzelonako Unibertsitate Zentral eta UNED-eko ikerketa talde batzuekin elkarlanean ari dira. Internet-eko arloan, Jalgi enpresaren web zerbitzarian (http://www.jalgi.com) euren tresnak integratzen ari dira informazio-bilatzaile batean.