Od leta 2018 dalje CLARIN.SI vsako leto objavi razpis za projekte izdelave ali nadgradnje virov ali storitev, ki pripomorejo k uresni\u010devanju usmeritev infrastrukture CLARIN(.SI), da bodisi obogatijo ponudbo CLARIN ali pa uporabijo infrastrukturo. CLARIN.SI nameni za izvedbo projektov 30.000 EUR letno.<\/p>\n
Projekti morajo zadostiti pogojem vsakoletnega razpisa, njihovo primernost in, v primeru, da je prijavljenih ve\u010d projektov, kot pa je sredstev za izvedbo, kateri projekti bodo sprejeti v financiranje, dolo\u010di komisija, ki jo sestavljajo \u010dlani konzorcija CLARIN.SI.<\/p>\n
Razips za projekte v 2026 najdete tule<\/a>.<\/p>\n Pomembni datumi:<\/p>\n Prijavitelja: Iztok Kosem,\u00a0 \u0160pela Arhar Holdt (FRI UL) V okviru projekta smo na podlagi sopomenskih podatkov iz Slovarja sopomenk sodobne sloven\u0161\u010dine izdelali troj\u010dke izto\u010dnica-sopomenka-distraktor. V prvem koraku smo izbrali pare izto\u010dnica \u2013 sopomenka za okvirno 5000 izto\u010dnic z najve\u010d sopomenkami, s \u010dimer smo dobili 51.023 parov. Nato smo izdelali distraktorje z velikim jezikovnim modelom Gemini-2.0-flash. Preizkusili smo tudi ChatGPT-4o, a smo se zaradi slab\u0161ih rezultatov pri testiranju odlo\u010dili za Gemini.<\/p>\n Po generiranju distraktorjev smo podatke zdru\u017eili in izvozili v Excelovo tabelo, na podlagi katere smo opravili ve\u010dplastno analizo distraktorjev. Avtomatsko smo jim pripisali podatek o frekvenci v korpusu Gigafida 2.0, hkrati smo tudi po Gestalt metodi izra\u010dunali oblikovno podobnost distraktorjev z izto\u010dnico in sopomenko. To je bilo sicer bolj koristno za na\u0161e namene priprave podatkov za jezikovno igro, vendar pa smo podatek vseeno pustili v bazi, ki smo jo nalo\u017eili na repozitorij CLARIN. Obenem smo tudi avtomatsko ozna\u010dili (sicer ne pogoste) primere, v katerih je bil distraktor enak sopomenki.<\/p>\n Avtomatski pripravi je sledila ro\u010dna analiza distraktorjev. Dva leksikografa sta pregledala in ozna\u010dila vse distraktorje z odlo\u010ditvami DOBER, SLAB, PROBLEMATI\u010cEN (ko se nista mogla odlo\u010diti). Po tem prvem pregledu je eden od njiju \u0161e enkrat pregledal del oznak drugega \u2013 na ta na\u010din lahko re\u010demo, da sta skupaj pogledala pribli\u017eno 30-35 % distraktorjev. Pri drugem pregledu so se pri slabih in problemati\u010dnih ozna\u010devali tudi primeri, ko je \u0161lo za potencialne nove sopomenke dane izto\u010dnice; sicer nepri\u010dakovan rezultat glede na navodila v promptu.<\/p>\n Kot ka\u017eejo kon\u010dni podatki, je bilo 40.866 distraktorjev (ve\u010d kot 80 %) dobrih, 7.595 slabih, 99 je bilo problemati\u010dnih, 2.438 je bilo potencialnih legitimnih sopomenk, 25 pa je bilo enakih sopomenkam.<\/p>\n Pregledovanje je vzelo precej \u010dasa, prav tako smo potrebovali tehni\u010dno podporo pri procesiranju podatkov in pripravi podatkov za analizo. CLARIN je kril stro\u0161ke enega leksikografa in pripravo baze za repozitorij, ostali del je pokril projekt LLM4DH in pa infrastrukturna mre\u017ea MRIC (CJVT).<\/p>\n Rezultati projekta so bili predstavljeni na razli\u010dnih nacionalnih in dr\u017eavnih dogodkih, npr. na konferenci AFRILEX 2025 in konferenci eLex. Del podatkov bo uporabljenih tudi pri pripravi jezikovne igre, ki bo del Portala jezikovnih iger CJVT.<\/p>\n Seznam je objavljen v repozitoriju CLARIN.SI pod licenco CC BY 4.0 (http:\/\/hdl.handle.net\/11356\/2056<\/a>).<\/p>\n Prijaviteljica: Eva Pori (Center za sloven\u0161\u010dino kot drugi in tuji jezik, FF UL) V projektu smo izdelali prvo verzijo Ontologije tematskih polj za sloven\u0161\u010dino kot drugi in tuji jezik (ONTEM)<\/em>, ki jo bo mogo\u010de v prihodnosti nadgrajevati in bo uporabna za podro\u010dje sloven\u0161\u010dine kot drugega in tujega jezika (SDTJ), mdr. za pripravo u\u010dnih gradiv, pri jezikovnem testiranju in raziskavah, razvoju slovarskih virov,\u00a0 povezovanju slovarskih podatkov ipd. Mogo\u010de jo bo integrirati v Digitalno slovarsko bazo za sloven\u0161\u010dino in v prvi Slovar za govorce sloven\u0161\u010dine kot drugega in tujega jezika<\/em> \u2013 SLOGOST<\/a>.<\/p>\n Pri izdelavi ontologije smo izhajali iz nabora 1019 besed iz korpusa u\u010dbenikov za u\u010denje sloven\u0161\u010dine kot drugega in tujega jezika KUUS<\/a>, razvitega v okviru projekta CLARIN.SI<\/a>, in\u00a0 Seznama jedrnega besedi\u0161\u010da za SDTJ<\/a>, urejenega po ravneh SEJO A1, A2 in B1. Fokus je bil na besedah iz u\u010dbenikov na ravneh A1 in A2, ker pa smo \u017eeleli oblikovati robusten sistem semanti\u010dnih kategorij, ki ga bo v prihodnosti mogo\u010de nadgrajevati, smo na seznam izbranih besed vklju\u010dili tudi besedi\u0161\u010de z vi\u0161jih ravni. Strokovnjaki s podro\u010dja SDTJ so leme, ozna\u010dene z ravnjo A1, dodatno neodvisno preverili in ocenili, ali se po njihovi presoji uvr\u0161\u010dajo na pripisano raven. Za tiste leme, pri katerih so se mnenja strokovnjakov popolnoma ujemala, smo pripisano raven A1 potrdili. Sledilo je pilotno ro\u010dno ozna\u010devanje manj\u0161ega nabora besed (244 besed), nato pa \u0161ir\u0161e pripisovanje tematskih polj (za 1019 besed) na do treh hierarhi\u010dnih ravneh: (I.) metatematsko polje, (II.) tematsko polje in (III.) tematsko podpolje: npr. bolan<\/em> = (I.) STANJE \u2013 (II.) TELO IN ZDRAVJE\u00a0 \u2013\u00a0 (III.) PO\u010cUTJE. Vsaki besedi je tematsko polje neodvisno pripisalo ve\u010d ozna\u010devalcev (u\u010diteljev, stokovnjakov s podro\u010dja SDTJ). Na podlagi (ne)ujemanja pripisanih oznak je sledil izris tematskih polj, popis vsakega od tematskih polj s primeri in izdelava kon\u010dne verzije ontologije.<\/p>\n ONTEM vsebuje skupno 64 hierarhi\u010dno urejenih tematskih polj z natan\u010dnej\u0161imi opisi, nato pa 1019 lem, opremljenih z besednovrstno oznako, oznako ravni po SEJO, informacijo, ali je bila prvotno pripisana oznaka potrjena, ter umestitvijo v metatematsko polje, tematsko polje in tematsko podpolje. Na voljo je v repozitoriju CLARIN.SI pod licenco CC BY-NC-SA 4.0 (http:\/\/hdl.handle.net\/11356\/2069<\/a>).<\/p>\n Prijaviteljica: Mojca Stritar Ku\u010duk (FF UL) V okviru projekta smo za korpus sloven\u0161\u010dine kot tujega jezika KOST 2.0 pridobili 788 novih besedil in ga s tem pove\u010dali na 9134 besedil oziroma 1,37 milijona besed. Dve tretjini novih besedil sta bili napisani na roko, zato so jih morale tri \u0161tudentke slovenistike pretipkati.<\/p>\n Ve\u010dina novih besedil je bila pridobljena v okviru programa Leto plus, ki je \u017ee do sedaj predstavljal osrednji vir za pridobivanje besedil za KOST. Pri tem smo se omejili na besedila, ki jih \u0161tudenti pi\u0161ejo na roko na izpitu ob koncu semestra in torej nastajajo v kontroliranih pogojih pisanja. Ostala besedila smo pridobili v razli\u010dnih programih Centra za sloven\u0161\u010dino kot drugi in tuji jezik FF UL: Te\u010daji sloven\u0161\u010dine, Seminar slovenskega jezika, literature in kulture, Mladinska poletna \u0161ola slovenskega jezika in Izpitni center.<\/p>\n Eden glavnih kriterij izbora besedil za KOST je prvi jezik njihovih tvorcev. Do sedaj so v KOST-u prevladovali ju\u017enoslovanski jeziki in tudi s pridobitvijo novih besedil se to ni spremenilo, se je pa vseeno pomembno pove\u010dal dele\u017e nekaterih prvih jezikov, kar bo omogo\u010dalo nove raziskave. Pridobili smo besedila govorcev srb\u0161\u010dine (227 besedil), makedon\u0161\u010dine (125), ru\u0161\u010dine (120), bosan\u0161\u010dine (71), hrva\u0161\u010dine (69), ukrajin\u0161\u010dine (66), angle\u0161\u010dina (51), malga\u0161\u010dine (50), nem\u0161\u010dine (31), italijan\u0161\u010dine (28), \u010drnogor\u0161\u010dine (27), gr\u0161\u010dine (18), polj\u0161\u010dine (16), franco\u0161\u010dine (15), sloven\u0161\u010dine (14, gre za govorce iz zamejstva), nizozem\u0161\u010dine (13), japon\u0161\u010dine (11), \u0161pan\u0161\u010dine (10), \u010de\u0161\u010dine (10), slova\u0161\u010dine (6), rusin\u0161\u010dine (5), mad\u017ear\u0161\u010dine (3), kitaj\u0161\u010dine (3), jezika kinyawanda (3) in arab\u0161\u010dine (1).<\/p>\n Dela korpusa z ro\u010dno ozna\u010denimi jezikovnimi napakami zaenkrat nismo pove\u010devali.<\/p>\n KOST 2.1 je dostopen na repozitoriju\u00a0CLARIN.SI pod licenco CC BY-SA 4.0 (http:\/\/hdl.handle.net\/11356\/2066<\/a>).<\/p>\n \u00a0<\/span><\/b>Prijaviteljica: <\/span>Kristina Hmeljak Sangawa (FF UL) V okviru projekta smo nadgradili slovensko-japonski spletni slovar sloJa 1.0: dodali smo gesla iz <\/span>Jedrnega besedi\u0161\u010da sloven\u0161\u010dine kot drugega ali tujega jezika na stopnjah CEFR od A1 do B1<\/span><\/a><\/span>, ki v prvi verziji slovarja niso bila zajeta, ker se niso pojavljala v japonsko-slovenskem slovarju, ter dopolnili \u017ee izdelana gesla z dodatnimi prevodnimi ustreznicami in primeri. Pri dopolnjevanju gesel smo podatke \u010drpali tudi iz <\/span>japonsko-slovenskega vzporednega korpusa JaSlo<\/span><\/a><\/span>. <\/span><\/p>\n Glede na verzijo 1.0 smo v verziji 1.1 pove\u010dali \u0161tevilo gesel z 8.464 na 10.031, \u0161tevilo pomenov s 15.583 na 17.561, \u0161tevilo prevodnih ustreznic s 17.595 na 20.113 in primerov s 1.692 na 2.048.<\/span><\/p>\n Slovar je za brskanje dostopen na platformi Lexonomy (<\/span>https:\/\/www.lexonomy.eu\/#\/sloja<\/span><\/a><\/span>), za prevzem pa v repozitoriju CLARIN.SI pod licenco CC-BY 4.0 (http:\/\/hdl.handle.net\/11356\/2071<\/a>).<\/span><\/p>\n Prijaviteljica: Mira Krajnc Ivi\u010d (FF UM) Projekt je potekal v ve\u010d manj\u0161ih delovnih sklopih, npr. priprava zahtev za kakovost vsebinske in tehni\u010dne ustreznosti posnetkov, snemanje posnetkov na terenu, pregled prejetih posnetkov, izbor posnetkov, transkribiranje, pregled transkripcij in vnos popravkov, priprava standardiziranega zapisa, priprava osnovne ozna\u010devalske sheme za ozna\u010devanje humornih segmentov, ro\u010dno izbiranje in ozna\u010devanje humornih segmentov, pregled ozna\u010denih humornih segmentov, vnos popravkov.<\/p>\n Pri pripravi zahtevkov za kakovostno vsebinsko in tehni\u010dno ustrezne posnetke smo sledili Smernicam za zbiranje podatkov za govorne vire<\/a><\/em>, ki so nastale kot projektna aktivnost projekta MEZZANINE<\/a>. To pomeni, da smo s tehni\u010dnega vidika v korpus zajeli posnetke, shranjene v formatu WAV z vzor\u010denjem 44,1 kHz, bitno globino 16 bit in enim kanalom (mono). Zbiranje podatkov o govorcih (spol, starost govorca, izobrazba, kraj bivanja, jezik kraja v otro\u0161tvu idr.) in podatkov o na\u010dinu snemanja (kraj, \u010das, prostor, snemalna naprava idr.) je potekalo prek portala Govorjena sloven\u0161\u010dina<\/a>. Portal prav tako ponuja re\u0161itve za pravne vidike ravnanja z osebnimi podatki. Dodatno je bila na Filozofski fakulteti UM oddana in odobrena vloga za odobritev raziskave<\/a> z vidika ravnanja z osebnimi podatki.<\/p>\n Govorni vir \u017eanrsko zajema ve\u010dinoma spontane pripovedi o preteklih dogodkih, ki so bili \u017ee ob svojem nastajanju zabavni ali pa jih pripovedovalec v trenutku pripovedovanja tako do\u017eivlja. Snemalci so na \u017eeljo dobili \u0161e dodatne usmeritve v smislu, da naj ob spremljanju pripovedi dodajajo humorne komentarje, se po\u0161alijo na svoj ra\u010dun ali ponor\u010dujejo iz sogovorca, naj bodo ironi\u010dni ipd. Dodatne usmeritve so pripomogle k nastanku kakovostnega govornega vira. Vse to je zahtevalo dodaten \u010das in delo.<\/p>\n Korpus zajema prosti govor v obsegu 10 posnetkov v skupni dol\u017eini 232 minut govora oziroma skorajda 4 ure govora. Vsebuje 35.271 besed\/pojavnic, in sicer 5536 razli\u010dnih. Korpus je glede na obstoje\u010de korpuse za druge jezike primerljivo velik.<\/p>\n Gradivo je bilo ro\u010dno segmentirano in transkribirano tako, da je usklajeno z GOS (dva nivoja zapisa na na\u010din, kot sta opisana na Govorjeni sloven\u0161\u010dini, s pomo\u010djo aplikacije Transcriber (pog.trs in std.trs). Pogovorni zapisi so bili s posnetki uvo\u017eeni v orodje Partitur Editor (program EXMARaLDA; vrsta datotek exb), kjer so bili najprej polavtomatsko izdelani standardni zapisi ter nato ro\u010dno pregledani in popravljeni. Sledila je izdelava ozna\u010devalske sheme, ki je bila uvo\u017eena v to orodje. Izvirna ozna\u010devalska shema je nastala na osnovi prispevka Krajnc, Antloga (2024)<\/a> in drugih pregledanih korpusov. Predstavlja jo pet ozna\u010db:<\/p>\n Te oznake je bilo mogo\u010de kombinirati. Korpus ima 48 razli\u010dnih oznak, pri \u010demer sta dve razli\u010dni oznaki npr. \u2018content + attitude\u2019 in \u2018attitude + content\u2019. 647 segmentov je ozna\u010denih kot primerov konverzacijskega humorja.<\/p>\n Ozna\u010devanje humornih segmentov je potekalo ro\u010dno<\/strong>. \u0160tirim posnetkom so humorne segmente ozna\u010devali sodelujo\u010di na posnetku, preostalih \u0161est posnetkov so ozna\u010devali naklju\u010dni ozna\u010devalci. To pomeni, da so nekateri ozna\u010devalci imeli ve\u010d informacij o ozadju kot nekdo, ki govor sli\u0161i prvi\u010d. Oznake v vseh posnetkih sta vnesli, preverili vsaj dve osebi.<\/p>\n Korpus je pripravljen v orodju Exakt (EXMARaLDA<\/a>; -s.exs; Krohot.coma), v katerem je mogo\u010de iskati po oznakah na tiru humor (RegEx \/Annotiation\/) ali po besedah (RegEx\/Transcription\/); na voljo je kot datoteke WAV s pripadajo\u010dimi transcripcijami v formatih orodij EXMARaLDA in Transcriber ter v format TXT za branje preprostega besedila pogovornega zapisa.<\/p>\n Korpus je primarno namenjen jezikoslovni analizi, zdru\u017eljiv je s korpusom GOS ter primeren za nadgradnjo in nadaljnjo strojno obdelavo.<\/p>\n Pregledovanje zbranega gradiva in ozna\u010denih segmentov je vzelo precej \u010dasa, prav tako smo potrebovali tehni\u010dno podporo pri procesiranju podatkov in pripravi podatkov za analizo. Tudi v tem segmentu projektnih aktivnosti smo sodelovali s FERI (projekt LLM4DH<\/a>).<\/p>\n Prijaviteljica: Vesna Mikoli\u010d (In\u0161titut za jezikoslovne \u0161tudije, ZRS Koper) Projekt Turisti\u010dni korpus TURK: nadgradnja 3.0<\/em> je bil izveden z namenom vsebinske nadgradnje korpusa z novej\u0161imi ve\u010djezi\u010dnimi turisti\u010dnimi besedili po letu 2019, posodobitve strukture in ozna\u010devanja korpusa po enotni taksonomiji ter nazadnje prenosa korpusa z repozitorija Univerze na Primorskem na nacionalno raziskovalno infrastrukturo CLARIN.SI, kar naj bi odprlo mo\u017enosti \u0161ir\u0161e uporabe korpusa\u00a0med potencialno ciljno publiko v gospodarstvu in izobra\u017eevanju.<\/p>\n Predhodni korpus TURK2 (2016\u20132024)<\/a> vsebuje 17 tiso\u010d dokumentov oziroma 31 milijonov besed v slovenskem, italijanskem in angle\u0161kem jeziku. V okviru projekta CLARIN.SI je bil korpus dopolnjen s 127 dokumenti oz. pribli\u017eno 100.000 novimi besedami, pridobljenimi iz aktualnih turisti\u010dnih virov, zlasti: Slovenske turisti\u010dne organizacije (STO), Visit Ljubljana in Visit Koper. Ta nova besedila odra\u017eajo sodobne trende v slovenskem turizmu po pandemiji COVID-19, z ve\u010djo usmerjenostjo v trajnostni, kulturni in izkustveni turizem.<\/p>\n Ozna\u010devanje je potekalo po standardizirani taksonomiji. Ta vklju\u010duje 26 kategorij za tematska podro\u010dja turizma (npr. kulturni, kulinari\u010dni, \u0161portni, zdravstveni, urbani, festivalski, gorni\u0161ki, pode\u017eelski); jezik besedila (sloven\u0161\u010dina, italijan\u0161\u010dina, angle\u0161\u010dina, nem\u0161\u010dina, neznano); prenosnik (govorni, elektronski, pisni \u2013 objavljeno\/neobjavljeno, knji\u017eno, periodi\u010dno ipd.); zvrst besedila (umetnostna\/neumetnostna; strokovna, publicisti\u010dna, pravna, znanstvena, ogla\u0161evalska idr.); ter ali je bilo besedilo lektorirano.<\/p>\n Ozna\u010devalno delo smo izvedli na In\u0161titutu za jezikoslovne \u0161tudije ZRS Koper. Po prenosu ozna\u010denega gradiva v korpus, ki ga je opravil dr. Jernej Vi\u010di\u010d, je Miro Romih, Amebis, d. o. o., jezikoslovno ozna\u010dil besedila v formatu CoNLL-U, Toma\u017e Erjavec (IJS) pa je metapodatke in podatke dodatno uredil, jih pretvoril v vertikalni format in pripravil korpus za objavo na repozitoriju CLARIN.SI.<\/p>\n Korpus predstavlja osnovo za nadaljnji razvoj turisti\u010dne terminologije in za delo na rasto\u010dem turisti\u010dnem slovarju TURS<\/a>.<\/p>\n TURK 3.0 je dostopen na repozitoriju CLARIN.SI pod licenco CC BY (http:\/\/hdl.handle.net\/11356\/2075<\/a>).<\/p>\n V 2024 je CLARIN.SI podprl \u0161est projektov:<\/p>\n Prijaviteljica: Kaja Dobrovoljc (FF UL, IJS) STARK<\/a> je vsestransko orodje za analizo skladenjsko raz\u010dlenjenih besedilnih korpusov (t.i. odvisnostnih drevesnic), ki z lu\u0161\u010denjem razli\u010dnih tipov skladenjskih struktur (dreves) jezikoslovcem ponuja vpogled v nabor skladenjskih in\/ali leksikalnih vzorcev v poljubnem jeziku ter njihov statisti\u010dni opis z vidika pogostosti rabe in drugih priljubljenih korpusnojezikoslovnih metrik. V projektu smo to orodje bistveno nadgradili z novimi funkcionalnostmi, ki zagotavljajo njegovo daljnoro\u010dno uporabnost v najrazli\u010dnej\u0161ih jezikoslovnih raziskavah. S temeljito prenovo osnovne programske kode smo zagotovili, da orodje omogo\u010da hitro lu\u0161\u010denje dreves poljubne dol\u017eine ne glede na \u0161tevilo vsebovanih besed in ne glede na \u0161tevilo korenskih elementov, dodali pa smo tudi mo\u017enost ignoriranja izbranih skladenjskih pojavov (npr. lo\u010dil) in mo\u017enost uporabe posebnih znakov pri oblikovanju iskalnih poizvedb. Kon\u010dno testiranje v razli\u010dnih ra\u010dunalni\u0161kih okoljih je potrdilo, da je orodje odslej primerno tudi za analize kompleksnih struktur in ve\u010djih besedilnih korpusov, aktivno pa se \u017ee uporablja v okviru ve\u010d nacionalnih in mednarodnih projektov.<\/p>\n Nova razli\u010dica programa (v3.0) s posodobljeno dokumentacijo je prostodostopno objavljena na platformi GitHub (https:\/\/github.com\/clarinsi\/STARK<\/a>) in na repozitoriju CLARIN.SI (http:\/\/hdl.handle.net\/11356\/1958<\/a>), z njo pa je bila posodobljena tudi spletna storitev STARK-demo (https:\/\/orodja.cjvt.si\/stark\/<\/a>), ki je namenjena prikazu delovanja orodja \u0161ir\u0161i javnosti.<\/p>\n Nadgradnja orodja na razli\u010dico 3.0 je bila delno sofinancirana s strani projekta SPOT<\/a> (ARIS ARIS \u0161t. Z6-4617).<\/p>\n Prijavitelji in sodelujo\u010di: Ale\u0161 \u017dagar (UL FRI), Marko Robnik-\u0160ikonja (UL FRI) Winogradov izziv (Winograd Schema Challenge \u2013 WSC) je nabor podatkov, zasnovan za naloge razre\u0161evanja koreferenc, ki se osredoto\u010da na semanti\u010dno zahtevne probleme in razumevanje zdravorazumskega sklepanja. Na primer, stavek: “Pokal ne gre v rjav kov\u010dek, ker je prevelik.” zahteva razumevanje, da se “je” nana\u0161a na “pokal” na podlagi semanti\u010dnega sklepanja in znanja o velikostnem razmerju med pokalom in kov\u010dkom. Izvirni nabor podatkov smo izbolj\u0161ali, da bi bil primeren za preu\u010devanje problemov razlaganja znanja in omogo\u010danja z znanjem podprtega strojnega u\u010denja, z uvedbo naslednjih izbolj\u0161av:<\/p>\n Izvirni nabor podatkov vsebuje 804 primere. Posku\u0161ali smo \u010dim bolj ohraniti izvorno razdelitev mno\u017eice na u\u010dno in testno. Vsi testni primeri iz izvirnega nabora so prisotni tudi v na\u0161em testnem naboru. Nabor podatkov obsega 601 u\u010dni primer, 200 validacijskih primerov in 200 testnih primerov.<\/p>\n Nabor podatkov je javno dostopen v repozitoriju CLARIN.SI pod naslovom Knowledge-Enhanced Winograd Schema Challenge KE-WSC<\/em> (http:\/\/hdl.handle.net\/11356\/1988<\/a>). Oznake testnega nabora so skrite, saj je nabor integriran v evalvacijski okvir SloBENCH (https:\/\/slobench.cjvt.si\/<\/a>).<\/p>\n Prijaviteljica in izvajalka: Jezikava, Tina Munda s.p. V projektu so bili objavljeni prispevki vseh edicij dvoletne konference Jezikovne tehnologije in digitalna humanistika<\/a>. Cilj projekta je bil omogo\u010diti trajno hrambo prispevkov in s tem dostop do njih ter ve\u010djo vidnost raziskovalnega dela, ki ga pokrivajo teme konference. Oboje spodbuja odprto znanost, ki nadalje podpira in pospe\u0161uje visokokakovostno raziskovanje in interdisciplinarnost ter s tem razvoj in inovacije.<\/p>\n Skupno 504 prispevki iz 14 edicij konference (1998\u20132024) so sedaj objavljeni na odprtem spletnem repozitoriju Zenodo, ki ga financira EU in gosti CERN. Datoteke prispevkov (PDF) skupaj z metapodatki in ponekod dodatnim gradivom (video predstavitve, prosojnice) so na voljo v Zenodovi skupnosti Proceedings of the Conference Series “Language Technologies and Digital Humanities”<\/em> na povezavi https:\/\/zenodo.org\/communities\/jt-dh\/<\/a>.<\/p>\n Zanimivost: ‘Zenodo’, ime repozitorija, izvira iz imena ‘Zenodotus<\/a>‘, ki je bil prvi knji\u017eni\u010dar v anti\u010dni Aleksandrijski knji\u017enici in o\u010de prvih zabele\u017eenih metapodatkov \u2013 pomemben mejnik v zgodovini knji\u017enic. (vir<\/a>)<\/p>\n Prijaviteljica: \u0160pela Vintar, Filozofska fakulteta, Univerza v Ljubljani Proste asociacije so besede ali fraze, ki govorcem pridejo na misel ob dani izto\u010dnici ali stimulu (npr. \u017eenska -> punca, mama, lepa, mo\u0161ki<\/em> itd.). Asociacije dajejo vpogled v strukturo in delovanje mentalnega leksikona in nam pomagajo bolje razumeti (jezikovni) spomin in priklic, skozi zgodovino pa so se uporabljale tudi za raziskovanje razli\u010dnih odklonov od norme; tj. ustaljenih odzivov na stimule.<\/p>\n V okviru projekta smo zgradili prvo bazo asociacij za sloven\u0161\u010dino SWOW-SL 1.0 (https:\/\/smallworldofwords.org\/sl<\/a>), ki vsebuje odzive prek 1.100 govorcev sloven\u0161\u010dine na 1.000 slovenskih izto\u010dnic, skupno \u0161tevilo odzivov pa zna\u0161a 19.898. Projekt \u201cMali svet besed\u201d se vsebinsko in metodolo\u0161ko vklju\u010duje v krovni projekt Small World of Words (https:\/\/www.smallworldofwords.org\/en<\/a>), kjer se s pomo\u010djo spletne aplikacije zbirajo asociacije za 19 svetovnih jezikov. Udele\u017eenci eksperimenta na tej spletni strani najprej podajo osnovne demografske podatke, nato pa za vsako od 18 naklju\u010dno izbranih izto\u010dnic zapi\u0161ejo do tri asociacije.<\/p>\n V prvi fazi projekta smo vzpostavili spletno okolje za sloven\u0161\u010dino, kar je vklju\u010devalo prevod in priredbo spleti\u0161\u010da, ter izbrali 1.000 izto\u010dnic na podlagi pogostosti v korpusu Gigafida 2.0. Nato smo v \u010dasu od maja do oktobra 2024 izvedli kampanjo za mno\u017ei\u010denje podatkov, pri kateri smo udele\u017eence nagovarjali prek dru\u017eabnih omre\u017eij Facebook in Instagram, vzporedno pa smo izvedli tudi fizi\u010dno kampanjo s plakati in nalepkami. Cilj je bil zbrati skupno najmanj 16 odzivov na posamezno izto\u010dnico, kar smo \u0161e pred zaklju\u010dkom projekta tudi dosegli.<\/p>\n Za objavo podatkov v repozitoriju Clarin.si (http:\/\/hdl.handle.net\/11356\/1980<\/a>) smo zbrane odzive tehni\u010dno in jezikoslovno obdelali, tako da so odzivom pripisane leme in normalizirane oblike s popravljenimi manjkajo\u010dimi \u0161umniki in velikimi za\u010detnicami. Glede na pogostost posameznega odziva so podatki opremljeni tudi s statisti\u010dnim izra\u010dunom asociativne povezanosti.<\/p>\n Spletna platforma za zbiranje asociacij ostaja aktivna, v prihodnosti pa \u017eelimo raz\u0161iriti nabor izto\u010dnic in nato ponoviti zbiralsko kampanjo.<\/p>\n Prijavitelji in sodelujo\u010di: Matej Klemen (FRI UL), Slavko \u017ditnik (FRI UL) Za odkrivanje koreferen\u010dnosti obstajata dve podatkovni mno\u017eici v slovenskem jeziku: coref149 (http:\/\/hdl.handle.net\/11356\/1182<\/a>) in SentiCoref (http:\/\/hdl.handle.net\/11356\/1285<\/a>). Da bi olaj\u0161ali njuno uporabo in raz\u0161irili prepoznavnost slovenskih virov, smo v projektu razvili:<\/p>\n Pri nalaganju podatkov skripte te pridobijo iz repozitorija CLARIN.SI. Podatke, ustvarjene s pretvornimi skriptami, smo nalo\u017eili na repozitorij CLARIN.SI. Razvite skripte smo ustrezno testirali in dokumentirali.<\/p>\n Rezultati projekta:<\/p>\n Prijavitelj: Matija Ogrin (ZRC SAZU) Ker so mnoga besedila starej\u0161ega slovenskega slovstva od 17. do 19. stoletja ostala v rokopisih in zato niso vstopila ne v znanstveno evidenco ne v ob\u010do kulturno recepcijo, smo \u017eeleli s tem projektom izbolj\u0161ati in olaj\u0161ati postopek prepisovanja starej\u0161ih rokopisnih besedil v sloven\u0161\u010dini. To smo storili s pomo\u010djo orodja Transkribus<\/a>:<\/p>\n Rezultati projekta so:<\/p>\n Besedilo razpisa 2024 [PDF]<\/a><\/p>\n V 2023 je CLARIN.SI podprl \u0161est projektov, ki so bili vsi tudi uspe\u0161no zaklju\u010deni.<\/p>\n Prijavitelj: Slavko \u017ditnik, FRI UL S projektom SemSex (https:\/\/github.com\/clarinsi\/SemSex<\/a>) smo \u017eeleli vsaj delno zapolniti omenjene sistemske pomanjkljivosti in postaviti osnoven temelj za nadaljnje sistemske spremembe in izbolj\u0161ave na podro\u010dju spolne vzgoje v Sloveniji. Ker gre za kulturno ob\u010dutljivo tematiko, smo za dosego zastavljenih ciljev sku\u0161ali izbrati kar se da objektiven, nepristranski in strokovno podprt metodolo\u0161ki pristop, ki pa bi bil v paradigmatskem smislu uporaben tudi \u0161ir\u0161e, ne zgolj znotraj specifi\u010dnega okvira vsebin s podro\u010dja spolnosti. Z vpeljavo strojnih orodij, smo v projektu \u017eeleli postaviti in na primeru preizkusiti nov originalen teoretko-analiti\u010den pristop analize \u0161olskega prostora, kar nam je v dobri meri tudi uspelo. Upamo, da bodo rezultati projekta SemSex v prvi vrsti pomagali odlo\u010devalcem in raziskoalcem pri evalvaciji in optimizaciji programa spolne vzgoje v Sloveniji. Poleg tega pa tudi, da se bo metodolo\u0161ki okvir, uporabljen na konkretnem primeru raz\u0161iril tudi na analizo in evalvacijo drugih podobnih medkurikularnih podro\u010dij, saj je trenuten sistem naravnan izrazito kvalitativno, s tem pa tudi premalo sistemati\u010dnen.<\/p>\n V okviru projekta so bile izvedene tri aktivnosti, ki se med seboj vsebinsko povezujejo:<\/p>\n Aktivnost A1:<\/em> Zasnovali smo hierarhi\u010dno urejen okvir vsebin s podro\u010dja spolne vzgoje, na podlagi katerega je bila zgrajena semanti\u010dna baza znanja za domeno spolnosti.<\/p>\n Izdelek D1:<\/u> Semanti\u010dna baza znanja v strojno berljivi obliki (RDF): https:\/\/github.com\/clarinsi\/SemSex#1-ontology<\/a><\/p>\n Aktivnost A2:<\/em> Na podlagi baze (D1) smo izdelali model za prepoznavanje povedi ali odstavkov, povezanih z dolo\u010denim konceptom o spolnosti.<\/p>\n Izdelek D2:<\/u> Repozitorij kode z nau\u010denim modelom za prepoznavanje vsebin o spolnosti: https:\/\/github.com\/clarinsi\/SemSex#2-concept-detection<\/a>; http:\/\/hdl.handle.net\/11356\/1894<\/a>.<\/p>\n Aktivnost A3:<\/em> Opravili smo sistemati\u010dno, avtomatsko (z ro\u010dnim pregledom), kvalitativno analizo obstoje\u010dih u\u010dnih na\u010drtov, kjer \u017eelimo identificirati koncepte iz semanti\u010dne baze znanja. Na tej podlagi lahko ugotovimo katere vsebine iz postavljenega okvirja so prisotne, na kak\u0161en na\u010din in kak\u0161na je njihova formalna obravnava.<\/p>\n Izdelek D3:<\/u> Korpus vseh aktualnih u\u010dnih na\u010drtov slovenskih osnovnih \u0161ol z ozna\u010denimi specifi\u010dnimi deli o spolnosti (glede na semanti\u010dno bazo znanja): http:\/\/hdl.handle.net\/11356\/1895<\/a>.<\/p>\n Metodolo\u0161ki pristop, ki smo ga opisali v okviru projekta SemSex nameravamo razvijati naprej tudi po uradnem zaklju\u010dku projekta, posebej ker je del rezultatov \u017ee dosegel odmev v znanstvenem prispevku (Prezelj, 2023<\/a>).<\/p>\n Prijavitelj: Jano\u0161 Je\u017eovnik, ZRC SAZU Prva faza prenove \u010drkovne vrste, financirana v okviru projekta, je zajemala pripravo nabora \u010drkovne vrste ZRCalo do 100 znakov. \u010crkovna vrsta bo s\u010dasoma nadomestila pisavo ZRCola kot komponento vna\u0161alnega sistema ZRCola 2 (http:\/\/hdl.handle.net\/11356\/1090<\/a><\/u>). V sklopu projekta so bile pripravljene velike (majuskule) in male (minuskule) \u010drke, ki so del nabora slovenske abecede. Poleg tega so bila v tem delu pripravljena nekatera diakriti\u010dna znamenja, ustrezno povezana s pomo\u010djo povezovanja komponent. Trenutna razli\u010dica pisave skupaj obsega nabor 384 znakov, zlasti tistih, zajetih v unikodnih blokih Basic Latin<\/a>, Latin-1 Supplement<\/a>, Latin Extended-A<\/a>, Latin Extended-B<\/a> in Latin Extended Additional<\/a>, sicer pa tudi v posameznih drugih blokih. Tehni\u010dne specifike, ki se odra\u017eajo v narejenih \u010drkah, so bile ustrezno urejene in prilagojene v namenskem urejevalnem okolju. Metri\u010dne in prirezovalne lastnosti \u010drk so bile v tem delu \u017ee prilagojene, predvsem za osnovni nabor znakov. Z ve\u010djim \u0161tevilom znakov se bo metrika \u0161e urejala, saj bo potrebno tudi preostale novo nastale znake ustrezno povezati s trenutnim naborom. Iz delovne datoteke pisave smo izdelali odprtokodno razli\u010dico (open type format, .otf), ki omogo\u010da uporabo pisave v razli\u010dnih sistemih.<\/p>\n Rezultat projekta je objavljen na repozitoriju CLARIN.SI pod licenco CC-BY http:\/\/hdl.handle.net\/11356\/1884<\/a>.<\/p>\n Prijaviteljica in izvajalka: Tina Munda, CJVT UL V okviru projekta je bilo nadgrajeno spletno mesto za informacije o jezikoslovnem ozna\u010devanju slovenskih korpusov na CJVT Wiki<\/a>, ki je v sloven\u0161\u010dini na voljo na https:\/\/wiki.cjvt.si\/shelves\/jezikoslovno-oznacevanje-korpusov<\/a>, v angle\u0161\u010dini pa na https:\/\/wiki.cjvt.si\/shelves\/linguistic-annotation-of-slovene-corpora<\/a>.<\/p>\n Korpusno ozna\u010devanje je predstavljeno po slede\u010dih ozna\u010devalnih nivojih: tokenizacija, stav\u010dne segmentacija, lematizacija, oblikoskladnja JOS\/MULTEXT-East v6, skladnja SSJ\/JOS, skladnja Universal Dependencies (UD), udele\u017eenske vloge (SRL), imenske entitete (NER), koreference in povezav, kot tudi sistema za ozna\u010devanje jezikovnih popravkov v korpusih \u0160olar (besedila u\u010dencev) in KOST (besedila govorcev sloven\u0161\u010dine kot tujega jezika). Vsako ozna\u010devalno ravnino sestavljajo kratka predstavitev, predstavitev oznak oz. procesa, ozna\u010devalne smernice ter relevantne reference in povezave.<\/p>\n Obenem je bila v projektu vzpostavljena angle\u0161ka razli\u010dica omenjene vsebine, ki omogo\u010da vpogled v slovensko korpusno ozna\u010devanje tudi mednarodni zainteresirani javnosti. Stranski produkt tega dela projekta so datoteke TSV s slovenskimi in angle\u0161kimi oznakami relevantnih ozna\u010devalnih sistemov, ki so med drugim priro\u010dne za gradnjo kolofonov v datotekah XML.<\/p>\n S ciljem poenotenega nadgrajevanja tega spleti\u0161\u010da tudi v prihodnje so bila tudi dopolnjena navodila za dodajanje vsebine<\/a>, poskrbljeno pa je bilo tudi za promocijo spleti\u0161\u010da na dru\u017ebenih omre\u017ejih in novi\u010dnikih.<\/p>\n Prijaviteljica: Kristina Hmeljak Sangawa, FF UL V okviru projekta smo izdelali slovensko-japonski spletni slovar za slovensko govore\u010de. Podatke iz obstoje\u010dega japonsko-slovenskega slovarja jaSlo 3.1 (http:\/\/hdl.handle.net\/11356\/1050<\/a>), ki obsega 9.891 gesel, smo strojno obrnili v grob slovensko-japonski slovar, iz gesel najprej avtomatsko in nato ro\u010dno izlo\u010dili dvojnike in neprimerne izto\u010dnice, gesla dopolnili s slovenskimi besednimi vrstami in stopnjo te\u017eavnosti po lestvici SEJO, kot jo navaja Jedrno besedi\u0161\u010de sloven\u0161\u010dine (http:\/\/hdl.handle.net\/11356\/1697<\/a>), nato pa gesla ro\u010dno uredili z orodjem Lexonomy<\/a>.<\/p>\n Geslom z ve\u010d prevodnicami smo dodali namige o pomenu posameznih japonskih prevodnic, delno tudi primere rabe v obeh jezikih, ki smo jih pridobili iz japonsko-slovenskega vzporednega korpusa jaSlo (https:\/\/nl.ijs.si\/jaslo\/#parallel<\/a>) in jih ro\u010dno priredili za slovarsko rabo. Ro\u010dno smo japonskim sinonimom iz razli\u010dnih registrov dodali tudi pragmati\u010dne oznake (spo\u0161tljivo, poni\u017eno, vljudno ipd.) in opombe o omejitvah pri rabi besed, ki so namenjene uporabnikom slovarja, ki se u\u010dijo japon\u0161\u010dine kot tujega jezika.<\/p>\n Slovar je za brskanje dostopen na portalu Lexonomy, na https:\/\/www.lexonomy.eu\/#\/sloJa<\/a>, za prevzem pa v repozitoriju CLARIN.SI pod licenco CC-BY 4.0 na http:\/\/hdl.handle.net\/11356\/1898<\/a>.<\/p>\n Prijavitelj: Iztok Kosem, CJVT UL V okviru projekta je bila izdelana u\u010dna mno\u017eica 713.310 kolokacijskih kandidatov, ki so bili avtomatsko izlu\u0161\u010deni iz referen\u010dnega korpusa Gigafida 2.0<\/a> in ozna\u010deni glede na njihovo kolokacijsko ustreznost. Kolokacijski kandidati (minimalna frekvenca = 4) so bili izlu\u0161\u010deni za tri skladenjske strukture, ki so poleg tega, da so med najpogostej\u0161imi skladenjskimi strukturami v slovenskem jeziku, tudi pomensko najbolj obvestilne:<\/p>\n Pri ozna\u010devanju smo bele\u017eili tri odlo\u010ditve: Da \u2013 dober kolokacijski kandidat (skladenjska ustreznost in pomenska smiselnost), Raz\u0161irjena \u2013 pogojno dober kolokacijski kandidat, ki ima zelo pogosto ali vedno \u0161e tretji element (brez katerega v\u010dasih pomensko ni smiseln), Ne \u2013 slab kolokacijski kandidat.<\/p>\n U\u010dna mno\u017eica, ki bo integrirana tudi v Digitalno slovarsko bazo za sloven\u0161\u010dino na Centru za jezikovne vire in tehnologije Univerze v Ljubljan<\/a>i, je na voljo v repozitoriju CLARIN.SI pod licenco CC BY-SA 4.0 na http:\/\/hdl.handle.net\/11356\/1903<\/a>.<\/p>\n Prijaviteljica:\u00a0 Anna Kryvenko, INZ (Slovenija) & NISS (Ukrajina) V okviru projekta je bil izdelan ukrajinski parlamentarni korpus ParlaMint-UA 4.0.1, ki je raz\u0161irjena razli\u010dica korpusa ParlaMint-UA 4.0, slednji izdelan kot del projekta \u201cParlaMint: Towards Comparable Parliamentary Corpora<\/a>\u201d, ki ga je financiral CLARIN in je dostopen na http:\/\/hdl.handle.net\/11356\/1859<\/a> in http:\/\/hdl.handle.net\/11356\/1860<\/a>.<\/p>\n ParlaMint-UA 4.0.1 je enkrat ve\u010dji kot ParlaMint-UA 4. Vsebuje skoraj 42 milijonov besed, in vklju\u010duje starej\u0161e podatke med letoma 2002 in 2012 ter novej\u0161e podatke med septembrom in novembrom 2023. Ve\u010d podrobnosti o korpusu ParlaMint-UA 4.0.1 lahko najdete na https:\/\/ufal.github.io\/ParlaMint-UA\/<\/a>.<\/p>\n Projekt je za\u010del tudi razvoj ozna\u010devanja kodnih preklopov v ukrajinskem parlamentarnem korpusu, in sicer z nadgradnjo dolo\u010devanja jezika (ukrajin\u0161\u010dina, ru\u0161\u010dina) od ravni odstavka na raven povedi. Za identifikacijo jezika je bila uporabljena knji\u017enica lingua-py<\/a>. Potrebno je poudariti, da je bil uradni jezik ukrajinskega parlamenta vedno ukrajin\u0161\u010dina. Pojavnice v ru\u0161\u010dini obsegajo le 6 % celote, in jih po sredini leta 2019, ko je za\u010del veljati zakon o za\u0161\u010diti delovanja ukrajinskega jezika kot dr\u017eavnega, prakti\u010dno ni ve\u010d. Ker pa je ukrajinsko-ruska dvojezi\u010dnost \u0161e vedno raz\u0161irjena v sodobni ukrajinski dru\u017ebi, jezikovne izbire, ki so jih dru\u017ebeni akterji sprejemali na plenarnih zasedanjih v nedavni preteklosti, niso bile niti iracionalne niti neopa\u017eene s strani volivcev. Motivacije in mehanizmi, na katerih temeljijo te izbire, so zelo zanimivi za znanstvenike na razli\u010dnih podro\u010djih dru\u017ebenih in humanisti\u010dnih ved ter za \u0161ir\u0161o javnost.<\/p>\n Verjamemo, da bo ukrajinski parlamentarni korpus ParlaMint-UA 4.0.1 priro\u010den vir, ki bo prispeval k raziskavam parlamentarnega diskurza na splo\u0161no in k napredku korpusno osnovanih \u0161tudij kodnega preklapljanja\u00a0 v institucionalnih kontekstih.<\/p>\n Rezultat projekta je objavljen na repozitoriju CLARIN.SI pod licenco Creative Commons – Attribution 4.0 International (CC BY 4.0) in ga lahko prenesete s http:\/\/hdl.handle.net\/11356\/1900<\/a>. \u00a0<\/strong><\/p>\n V 2022 CLARIN.SI sprejel v financiranje \u0161est projektov, ki so bili vsi tudi uspe\u0161no zaklju\u010deni in so opisani v nadaljevanju:<\/p>\n Prijaviteljica: Kaja Dobrovoljc, FF UL V okviru projekta smo razvili spletni vmesnik Drevesnik <\/em>(https:\/\/orodja.cjvt.si\/drevesnik\/<\/a>), ki jezikoslovcem in drugim raziskovalcem omogo\u010da brskanje po izbranih slovenskih skladenjsko raz\u010dlenjenih korpusih z zmogljivim povpra\u0161evalnim jezikom na eni strani in uporabniku prijazno vizualizacijo rezultatov na drugi. Temelji na odprtokodnem orodju dep_search<\/a>, ki smo ga lokalizirali in dodatno nadgradili tako, da odslej poleg poizvedb po oznakah sheme Universal Dependencies omogo\u010da tudi iskanje po oblikoskladenjskih oznakah sheme JOS, naklju\u010dno razporeditev rezultatov ter njihovo zamejitev glede na dol\u017eino povedi. Uporabniki lahko v korpusih i\u0161\u010dejo po posami\u010dnih besedah ali kompleksnej\u0161ih skladenjskih strukturah, pri \u010demer jim je pri oblikovanju iskalnega pogoja v pomo\u010d posebna spletna stran s slovenskimi ponazoritvenimi primeri. Rezultati poizvedbe se prika\u017eejo v obliki skladenjsko raz\u010dlenjenih dreves (grafov), v razli\u010dnih oblikah pa so na voljo tudi za prenos na uporabnikov ra\u010dunalnik. Trenutno je poizvedovanje mo\u017eno po ro\u010dno raz\u010dlenjenih korpusih pisne (SSJ) in govorjene sloven\u0161\u010dine (SST) ter po strojno raz\u010dlenjenem korpusu ccKres, pri \u010demer zaledni sistem omogo\u010da tudi dodajanje novih korpusov v formatu CONLL-U.<\/p>\n Izvorna koda in dokumentacija je dostopna na https:\/\/github.com\/clarinsi\/drevesnik<\/a>, razli\u010dica 1.1 pa je dostopna za prenos tudi s repozitorijia CLARIN.SI:<\/p>\n Prijavitelj: Matej Klemen, Center za sloven\u0161\u010dino kot drugi in tuji jezik, FF UL V projektu smo oblikovali korpus u\u010dbenikov za u\u010denje sloven\u0161\u010dine kot drugega in tujega jezika KUUS in z analizo besedi\u0161\u010da v njem tudi izhodi\u0161\u010dni seznam jedrnega besedi\u0161\u010da za stopnje A1, A2 in B1 po Skupnem evropskem jezikovnem okviru <\/em>(SEJO). Korpus KUUS zajema 17 u\u010dbenikov za u\u010denje sloven\u0161\u010dine kot drugega in tujega jezika, izdanih na Centru za sloven\u0161\u010dino kot drugi in tuji jezik, ki se trenutno pogosto uporabljajo pri pou\u010devanju sloven\u0161\u010dine kot drugega in tujega jezika pri otrocih, mladostnikih in odraslih v Sloveniji in po svetu. Korpus obsega 520.796 besed in je oblikoskladenjsko ozna\u010den ter opremljen z metapodatki.<\/p>\n Seznami besed za posamezne stopnje jezikovnega znanja imajo pri u\u010denju tujih jezikov dolgo tradicijo. Za sloven\u0161\u010dino kot drugi in tuji jezik so na razli\u010dne na\u010dine vklju\u010deni v jezikovne dokumente, npr. v Pre\u017eivetveno raven za sloven\u0161\u010dino<\/em> (Pirih Svetina idr. 2004), Sporazumevalni prag za sloven\u0161\u010dino <\/em>(Ferbe\u017ear idr. 2004) itn., in so bili pripravljeni kot konsenz sestavljavcev posameznih dokumentov. V projektu pa smo pripravili seznam, ki temelji na korpusnem pristopu in v enem dokumentu zdru\u017euje besedi\u0161\u010de za razli\u010dne stopnje.<\/p>\n Iz korpusa KUUS smo izvozili besede oz. leme in dolo\u010dili \u0161tevil\u010dne kriterije, na podlagi katerih smo besede opremili z oznako stopnje SEJO: A1-jedro, A1-\u0161ir\u0161e, A2, B1. Preverili smo, ali se posamezna beseda pojavlja tako v u\u010dbenikih kot tudi na Referen\u010dnem seznamu pogostih splo\u0161nih besed (Pollak idr. 2020, http:\/\/hdl.handle.net\/11356\/1346<\/a>). Besede, ki so dobile oznake A1, A2, B1 in hkrati niso del referen\u010dnega seznama splo\u0161nega pogostega besedi\u0161\u010da, smo ro\u010dno pregledali in vsebinsko kategorizirali. Dolo\u010den dele\u017e teh besed smo prepoznali kot relevantne kandidate za vklju\u010ditev na seznam jedrnega besedi\u0161\u010da, ozna\u010denega s stopnjami SEJO: vklju\u010dili smo npr. za u\u010dbenike tipi\u010dno jezikoslovno terminologijo (npr. poved<\/em>, pogojnik<\/em>, modalen<\/em>). Tako izhodi\u0161\u010dni seznam jedrnega besedi\u0161\u010da v trenutni razli\u010dici obsega 350 besed s pripisano oznako A1-jedro, 864 besed z oznako A1-\u0161ir\u0161e, 1.451 besed, ki smo jim pripisali oznako A2, in 2.608 besed na stopnji B1; skupaj 5.273 besed.<\/p>\n Rezultata projekta sta pod licenco ACA ID-BY-NC-INF-NORED 1.0 na voljo v repozitoriju CLARIN.SI v dveh vnosih:<\/p>\n Pripravo in sestavo korpusa ter izdelavo izhodi\u0161\u010dnih seznamov jedrnega besedi\u0161\u010da za stopnje A1, A2 in B1 po SEJO smo podrobneje predstavili v prispevku:<\/p>\n KLEMEN, Matej, ARHAR HOLDT, \u0160pela, POLLAK, Senja, KOSEM, Iztok, HUBER, Damjan, LUTAR, Mateja, 2022. Korpus u\u010dbenikov za u\u010denje sloven\u0161\u010dine kot drugega in tujega jezika. Nata\u0161a Pirih Svetina, Ina Ferbe\u017ear (ur.): Na sti\u010di\u0161\u010du svetov: sloven\u0161\u010dina kot drugi in tuji jezik. Obdobja 41.<\/em> Ljubljana: Zalo\u017eba Univerze v Ljubljani. 165\u2013174. DOI: https:\/\/doi.org\/10.4312\/Obdobja.41.2784-7152<\/a>, https:\/\/centerslo.si\/simpozij-obdobja\/zborniki\/obdobja-41\/<\/a><\/p>\n Prijavitelj: Gregor Donaj, UM FERI ParaDiom (Para<\/u>llel Corpus of Idiom<\/u>atic Texts) je vzporedni korpus, sestavljen iz povedi, vzor\u010denih iz obstoje\u010dih korpusov. Korpus vsebuje 1.000 segmentov slovenskega besedila s prevodi v angle\u0161\u010dino in 1.000 povedi angle\u0161kega besedila s prevodi v sloven\u0161\u010dino. Segmenti so med jezikoma poravnani. Vzor\u010dene povedi vsebujejo samostalni\u0161ke, pridevni\u0161ke, glagolske in prislovne frazeme, primerjalne frazeme in pregovore, ki so v korpusu tudi ozna\u010deni.<\/p>\n Vzor\u010denje povedi je temeljijo na izbiri 100 slovenskih in 92 angle\u0161kih frazemov in primerjalnih frazemov ter iskanju povedi v obstoje\u010dih korpusih ccGigafida<\/a>, ParlaMint<\/a> in The Corpus of Late Modern English Texts<\/a>. Vzor\u010dene povedi so bile ozna\u010dene z MULTEXT-East MSD oznakami, Universal Dependencies oblikoslovnimi lastnostni in lemami s programom Stanza<\/a> za angle\u0161\u010dino in CLASSLA<\/a> za sloven\u0161\u010dino. \u010ce je poved vklju\u010devala pregovor, smo ga ozna\u010dili. Polovica vzor\u010denih povedi je bila prevajana ro\u010dno, polovica pa strojno z ro\u010dnimi popravki.<\/p>\n Ozna\u010devanje idiomatskih enot je potekalo v orodju Q-CAT<\/a>. Ozna\u010deni samostalni\u0161ki, pridevni\u0161ki in prislovni frazemi so dobili oznako MWE ID (\u2018idiomatic multiword expression\u2019), glagolski frazemi MWE VID (\u2018verbal idiomatic multiword expression\u2019), primerjalni frazemi MWE SIM (\u2018simile\u2019) in pregovori MWE P (\u2018proverb\u2019).<\/p>\n Rezultati projekta so na voljo pod licenco CC BY-NC-SA 4.0 na repozitoriju CLARIN.SI:<\/p>\n\n
Poro\u010dila o projektih CLARIN.SI 2025<\/strong><\/h3>\n
Mno\u017eica sopomenskih parov in distraktorjev SYNDIST<\/strong><\/h4>\n
\nPrejeta sredstva: 2.500 \u20ac<\/p>\nOntologija tematskih polj ONTEM za sloven\u0161\u010dino kot drugi in tuji jezik <\/strong><\/h4>\n
\nDrugi sodelavci projekta: Mihaela Knez, Matej Klemen, Tanja Jerman (Center za sloven\u0161\u010dino kot drugi in tuji jezik, FF UL)
\nPrejeta sredstva: 5.250 EUR<\/p>\nPove\u010danje korpusa sloven\u0161\u010dine kot tujega jezika KOST <\/strong><\/h4>\n
\nIzvajalke: \u0161tudentke slovenistike na FF UL
\nPrejeta sredstva: 1.460 EUR<\/p>\nNadgradnja slovensko-japonskega slovarja sloJa<\/span><\/h4>\n
\n<\/span>Izvajalci: Katarina Hitomi Gerl, Miha Kralj, Alja Ivona Pipu\u0161, Ana Razinger, Nina Sangawa Hmeljak (\u0161tudenti FF UL)
\n<\/span>Prejeta sredstva: 2.500 \u20ac<\/span><\/p>\nKorpus konverzacijskega humorja Krohot<\/h4>\n
\nIzvajalci: Larisa Mihailovi\u0107 (\u0161tudentka \u0161tudijskega programa Slovenski jezik in knji\u017eevnost, FF UM), Dominik Ivi\u010d (\u0161tudent \u0161tudijskega programa Filozofija in japonologija, FF UL), Anemari Pu\u0161nik s. p., druge \u0161tudentke \u0161tudijske programa Slovenski jezik in knji\u017eevnost (FF UM) in Darinka Verdonik (FERI UM)
\nPrejeta sredstva: 5.000 \u20ac<\/p>\n\n
Turisti\u010dni korpus TURK 3.0<\/strong><\/h4>\n
\nDrugi sodelavci projekta: Ma\u0161a Rolih, Diana Ko\u0161ir (IJ\u0160 ZRS Koper), Jernej Vi\u010di\u010d (FAMNIT UP), Miro Romih (Amebis, d. o. o.), Toma\u017e Erjavec (IJS)
\nPrejeta sredstva: 5.135 EUR<\/p>\nPoro\u010dila o projektih CLARIN.SI 2024<\/strong><\/h3>\n
Nadgradnja orodja STARK za analizo skladenjsko raz\u010dlenjenih korpusov<\/b><\/h4>\n
\nIzvajalec: Outsmartify, Luka Krsnik s.p.
\nPrejeta sredstva: 3.400 \u20ac<\/p>\nU\u010dna mno\u017eica razlag za nalogo dolo\u010danja koreferenc<\/strong><\/h4>\n
\nPrejeta sredstva: 4.500 \u20ac<\/p>\n\n
Objava prispevkov konferenc Jezikovne Tehnologje in Digitalna Humanistika<\/strong><\/h4>\n
\nPrejeta sredstva: 2.000 \u20ac<\/p>\nGradnja baze asociacij SWOW za sloven\u0161\u010dino<\/strong><\/h4>\n
\nIzvajalci: Prevajanje, programiranje in obdelava podatkov, Mojca Brglez s.p.; Kofein dizajn d. o. o.; \u0161tudenti \u0161tudijskega programa Digitalno jezikoslovje
\nPrejeta sredstva: 5.000 \u20ac<\/p>\nImplementacija podpore za raz\u0161irjeno uporabo slovenskih virov za odkrivanje koreferen\u010dnosti<\/strong><\/h4>\n
\nPrejeta sredstva:\u00a0 2.500 EUR<\/p>\n\n
\n
Model prepisa slovenskih rokopisov 18. in 19. stoletja<\/strong><\/h4>\n
\nSodelavca: Marko Kunavar, Barbara Lenar\u010di\u010d
\nPrejeta sredstva: 4.000 \u20ac<\/p>\n\n
\n
Poro\u010dila o projektih CLARIN.SI 2023<\/strong><\/h3>\n
SemSex: Izdelava semanti\u010dne baze znanja o spolnosti in prepoznavanje definiranih konceptov v u\u010dnih vsebinah<\/strong><\/h4>\n
\nIzvajalec: Tim Prezelj, PEF in MF UL, Timotej Knez, FRI UL, Miha \u0160travs, FRI UL
\nPrejeta sredstva: 7.000 \u20ac<\/p>\nZRCalo: prenova \u010drkovne vrste za vna\u0161alni sistem ZRCola 2<\/strong><\/h4>\n
\nIzvajalci: Nace Pu\u0161nik (zunanji izvajalec), Du\u0161a Divjak Race, Carmen Kenda-Je\u017e, ZRC SAZU
\nPrejeta sredstva: 5.000 \u20ac<\/p>\nSpleti\u0161\u010de s celostnim popisom sistemov ozna\u010devanja slovenskih korpusov<\/strong><\/h4>\n
\nPrejeta sredstva: 2.000 \u20ac<\/p>\nKorpusno osnovani slovensko-japonski u\u010dni slovar<\/strong><\/h4>\n
\nIzvajalci: Jan Hrastnik, \u0161tudent FMF UL; Nina Sangawa Hmeljak, \u0161tudentka FRI UL; Laura Barovi\u010d Bo\u017ejak, Nadja Bosti\u010d, Katarina Hitomi Gerl, Nina Kali\u0161nik, Sara Kle\u010d, Eva Kova\u010d in Jure Tom\u0161e, \u0161tudenti FF UL
\nPrejeta sredstva: 3.500 \u20ac<\/p>\nIzdelava u\u010dne mno\u017eice ozna\u010denih avtomatsko izlu\u0161\u010denih kolokacijskih podatkov<\/h4>\n
\nIzvajalci: Rebeka Roblek, Karolina Zgaga, Bojan Klemenc, Polona Gantar
\nPrejeta sredstva: 8.500 \u20ac<\/p>\n\n
Ukrajinski parlamentarni korpus za raziskave <\/strong>kodnega<\/strong> preklapljanja \u00a0<\/strong><\/h4>\n
\nIzvajalci: Maty\u00e1\u0161 Kopp, Karlova univerza (\u010ce\u0161ka), Andriana Rii, \u0161tudentka Nacionalne politehni\u010dne univerze v Lvovu (Ukrajina)
\nPrejeta sredstva: 8.000 \u20ac<\/p>\nPoro\u010dila o projektih CLARIN.SI 2022<\/strong><\/h3>\n
Spletni vmesnik za napredno brskanje po slovenskih univerzalno skladenjsko raz\u010dlenjenih korpusih<\/strong><\/h4>\n
\nIzvajalec: Miha \u0160travs, \u0161tudent FRI UL
\nPrejeta sredstva: 5.000 \u20ac<\/p>\n\n
Korpus u\u010dbenikov za u\u010denje sloven\u0161\u010dine kot drugega in tujega jezika KUUS in seznami temeljnega besedi\u0161\u010da za stopnje A1, A2 in B1<\/strong><\/h4>\n
\nDrugi sodelavci projekta: \u0160pela Arhar Holdt, FF+FRI UL, Damjan Huber, Center za sloven\u0161\u010dino kot drugi in tuji jezik, FF UL, Iztok Kosem, FF+FRI UL, Mateja Lutar, Center za sloven\u0161\u010dino kot drugi in tuji jezik, FF UL, Senja Pollak, IJS
\nPrejeta sredstva: 2.500 evrov<\/p>\n\n
ParaDiom \u2013 Vzporedni korpus besedil z idiomatskimi enotami<\/strong><\/h4>\n
\nDrugi sodelavci projekta: \u0160pela Antloga, UM FERI
\nPrejeta sredstva: 6.000 EUR<\/p>\n\n