Σκεπτικό

Η UNESCO αναφέρει τη γλώσσα ως άυλη πολιτιστική κληρονομιά

Οι ζωντανές γλώσσες αποτελούν φορείς αξιών και γνώσης, πολύ συχνά χρησιμοποιούνται στην πρακτική και τη μετάδοση της άυλης πολιτιστικής κληρονομιάς. Η προφορική λέξη στη μητρική γλώσσα είναι σημαντική για τη θέσπιση και τη μετάδοση σχεδόν όλης της άυλης κληρονομιάς, ειδικά στις προφορικές παραδόσεις και εκφράσεις, τραγούδια και τα περισσότερα τελετουργικά. Χρησιμοποιώντας τη μητρική τους γλώσσα, οι φορείς συγκεκριμένων παραδόσεων χρησιμοποιούν συχνά εξαιρετικά εξειδικευμένα σύνολα όρων και εκφράσεων, οι οποίες αποκαλύπτουν την ενδογενή ενότητα βάθους μεταξύ της μητρικής γλώσσας και της άυλης πολιτιστικής κληρονομιάς.

Οι λαοί χρησιμοποιούν τη μητρική τους γλώσσα ιδιωματικά

Πράγματι, οι άνθρωποι χρησιμοποιούν τη μητρική τους γλώσσα ιδιωτικά, εκτός αν υπάρχει ένας ιδιαίτερος λόγος για να μην το πράξουν, σύμφωνα με τον John Searle, έναν από τους μεγαλύτερους γλωσσολόγους του 20ου αιώνα [1]. Αυτός ο προφορικός πλούτος διατηρείται και γίνεται θέμα μελέτης μέσω της γραφής (με ένα λαμπρό παράδειγμα στα ομηρικά έπη). Ωστόσο, στον 21ο αιώνα, από τις 7111 ομιλούμενες γλώσσες μόνο περίπου το ήμισυ (3995) έχουν αναπτύξει ένα σύστημα γραφής (βλ. Source1, Source2, Source3).

Επιβίωση των γλωσσών

Η επιβίωση των γλωσσών υποστηρίζεται επί του παρόντος από ψηφιακές τεχνολογίες, οι οποίες προϋποθέτουν ένα σύστημα γραφής και επίσης ένα σύνολο ηλεκτρονικών πόρων και εξειδικευμένων εργαλείων. Μια ζωντανή ομιλούμενη γλώσσα δεν αποτελεί μόνο μέρος της πολιτιστικής κληρονομιάς. Είναι κυρίως ένα καθημερινό εργαλείο της υψηλότερης χρηστικότητας και της τεράστιας συμβολικής και συναισθηματικής αξίας.

Σήμερα

Σήμερα, στην εποχή του Διαδικτύου και των κοινωνικών μέσων ενημέρωσης, η ομιλούμενη γλώσσα μελετάται και επεξεργάζεται ως αντικείμενο οικονομικού ενδιαφέροντος. Υπάρχουν όμως δυσκολίες [2] τόσο στη μάθηση, όταν δεν είναι η μητρική γλώσσα, όσο και στη διαχείριση με τεχνολογικά εργαλεία και απαιτεί συγκεκριμένες υποδομές, οι οποίες σήμερα προσελκύουν το διεθνές ερευνητικό ενδιαφέρον [3,4].

Φιλότης

In view of this situation, PHILOTIS adopts a general framework of excellence and envisions to create an infrastructure, methodology and tools for recording and analyzing living spoken languages, with emphasis on idiomatic expressions. The infrastructure is characterized by state-of-the-art approaches and technologies for content analysis, and the new tools and services will be combined into an integrated sophisticated digital resource platform. The project includes:

Η Φιλότης υιοθετεί ένα γενικό πλαίσιο αριστείας και προβλέπει τη δημιουργία μιας υποδομής, μεθοδολογίας και εργαλείων για την καταγραφή και την ανάλυση των ζωντανών ομιλούμενων γλωσσών, με έμφαση στις ιδιωματικές εκφράσεις. Η υποδομή χαρακτηρίζεται από τελευταίες προσεγγίσεις και τεχνολογίες για την ανάλυση περιεχομένου και τα νέα εργαλεία και υπηρεσίες θα συνδυαστούν σε μια ολοκληρωμένη εκλεπτυσμένη πλατφόρμα ψηφιακών πόρων. Το έργο περιλαμβάνει:

• μια καινοτόμα μεθοδολογία και αρχές καλών πρακτικών για την αποτύπωση ομιλουμένων γλωσσών
• εργαλεία και υπηρεσίες αιχμής για τη συλλογή πηγών, την ανάπτυξη λεξικών, τον εντοπισμό πολυλεκτικών εκφράσεων και τη διαχείριση ψηφιακών δικαιωμάτων
• μια πλήρη πύλη αφιερωμένη στη μελέτη των ομιλουμένων γλωσσών
• μια τεχνολογική υποδομή για την αποτύπωση και επεξεργασία πολυτροπικού περιεχομένου σχετικού με ζωντανές ομιλούμενες γλώσσες
• μια μελέτη περίπτωση γλώσσας με ελάχιστους πόρους, την Πομακική
• μια μελέτη περίπτωσης γλώσσας περιορισμένων ψηφιακών πόρων, την Ελληνική

---

Βιβλιογραφία

1. John Searle. 1975. Indirect speech acts. In P. Cole & J.L. Morgan(Eds.), Syntax and semantics. Speech acts (pp. 59–82). New York: Academic.
2. Sag, I. A., Baldwin, T., Bond, F., Copestake, A., & Flickinger, D. (2002, February). Multiword expressions: A pain in the neck for NLP. In International Conference on Intelligent Text Processing and Computational Linguistics (pp. 1-15). Springer, Berlin, Heidelberg.
3. Klyueva, N., Doucet, A., & Straka, M. (2017, April). Neural networks for multi-word expression detection. In Proceedings of the 13th Workshop on Multiword Expressions (MWE 2017) (pp. 60-65).
4. Gharbieh, W., Bhavsar, V., & Cook, P. (2017, August). Deep learning models for multiword expression identification. In Proceedings of the 6th Joint Conference on Lexical and Computational Semantics (* SEM 2017) (pp. 54-64).