!!!Giellatekno-møte 22.4. 2015

Ciprian, Lene, Trond

!!Saksliste

* korpus
* undervisning på bachelorprogrammet språk-sinn-samfunn
* oppsummering Ulan-Ude-reisa
* smenob/nobsme attributter
* frekvenssorterte lister for sme-tekster



!! Korpus og Korp

!Korp

Ciprian arbeider med
* Korp-grensesnittet må bli oppdatert
* Lemgram / Ordbild må på plass.
* translations: _xxx, må rettes eller oversettes fortest mulig
** (corpora-LG.json		locale-LG.json)
* translating news: korp/frontend/news/gt_news.json
** Denne fila skal også lokaliserast (Cip)

{{{
newsdata([  
  {  
    "h":{  
      "en":"<p>The Korp interface has been updated to version 4.0. </p>",
      "sv":"<p>The Korp interface has been updated to version 4.0. </p>",
      "nb":"<p>Korp grensesnittet ble oppdatert til versjon 4.0. </p>",
      "fi":"<p>The Korp interface has been updated to version 4.0. </p>",
      "se":"<p>The Korp interface has been updated to version 4.0. </p>",
    },
    "t":{  
      "en":"Korp interface updated ",
      "sv":"Korp interface updated ",
      "nb":"Korp grensesnittet oppdatert ",
      "fi":"Korp interface updated ",
      "se":"Korp interface updated ",
    },
    "d":"2015-04-20"
  },
}}}

Problem med lokalisering:

Viss du ikkje har like mange original:omsetjing i json-fila 
kjem ingenting på nett.

{{{
main/apps/korp/frontend/translations

locale-nb.json:    "show_diagram" : "Visa trenddiagram_xxx",
locale-nb.json:    "non_time_before" : "Saknar tidsuppmärkning: _xxx",
locale-nb.json:    "non_time_after" : " av valt material_xxx",
}}}

Tiltak: Forbetre omsetjing fortest mulig
* Legge til xxx: Cip
* fi: Trond
* nb: Lene
* se: Lene
* sv: Trond


Refere til Korp (SIKOR) bør oppdateres fortest mulig.

Her er infoboksen:
----
* SIKOR. UiT Norgga árktalaš universitehta ja Norgga Sámedikki sámi teakstačoakkáldat. <http://gtweb.uit.no/korp/> (veršuvdna 01.03.2015)
* SIKOR. UiT Norges arktiske universitets og det norske Sametingets samiske tekstsamling. <http://gtweb.uit.no/korp/> (versjon 01.03.2015)
* SIKOR. UiT Norjan arktisen yliopiston ja Norjan Saamelaiskäräjien tekstikokoelma. <http://gtweb.uit.no/korp/> (versio 01.03.2014)
* SIKOR. UiT Norges arktiska universitets och norske Sametingets samiske
tekstsamling. <http://gtweb.uit.no/korp/> (version 01.03.2015)
* SIKOR. UiT The Arctic University of Norway and the Norwegian Saami Parliament’s Saami text collection. <http://gtweb.uit.no/korp/> (version01.03.2015)
----
!Korpus

Dette må følges opp:
* Setningsparallisering
* Legge inn samiske tall forteller (nr 3)
* Ikke maskinlesbare Dieđut-tekster (Børre?)
* Oppfølging av Kimberli (Trond)


!! Undervisning på bachelorprogrammet språk-sinn-samfunn
Gillian R har tatt kontakt om å tilby et nytt bachelorprogram språk-sinn-samfunn med engelsk om undervisningsspråk
* 1000 nivå kurs:
* 2000 nivå kurs: derav ett til tre kurs med språkteknologi (à 10 poeng)

Vi gir allerede nå kurs i språkteknologi, men dette kan evt formaliseres i offisielle kurs. Vi ser det ikke som hensiktsmessig at engelsk er undervisningsspråk.

Aktuelle temaer for 10-sv-kurs i språkteknologi til bachelorgrad i språk-sinn-samfunn:
* Eksisterende kurs: 10-poeng-fst (HIF-30xx, vekt på automatteori
* Eksisterende kurs: språkteknologi for samisk (mindre hands-on, meir bruk av språkteknologi)
* Kurs i unix for lingvistar, regulære uttrykk, korpusgrensesnitt + søkespråk

I tillegg har vi eit framlegg til språkteknologi for samisk, eit kurs med ei litt anna innretting enn bachelor i lingvistikk:

SAM-30xx
* "Emnet gir innføring i språkteknologi for samisk ved UiT. Denne kunnskapen vil gi studenten innsikt i datalingvistisk modellering og forståelse for språkteknologien bak sluttbrukerprogrammer og et automatisk analysert korpus. Studenten vil også få innsikt i utforming og testing av formelle språkmodeller. Studenter som ønsker det, kan arbeide videre med f.eks. endelige tilstandsautomater eller føringsgrammatikk på kurset SAM-3090 Spesialemne i samisk språkvitenskap."


!! Oppsummering Ulan-Ude-reisa

Arrangør: Buryaad statlige universitet v/ Jargal Badagarov:
[http://giellatekno.uit.no/conf/ulanude15/UlanUde.html]

Trond og Francis holdt kurs i FST for 15 personar for følgende språk:

* tyv: tuvinsk (tyrkisk)
** Resultat: Analysator, leksikon på 6500 ord, morfofonologi, 85% dekning av eit korpus 1M ord, sjekka inn i Apertium
* bxr: burjatisk (mongolsk)
** Resultat: twolc, substantivbøying, leksikon på 400 ord
** Resultat 2: Start på program for konvertering frå burjatisk til IPA
* khk khalkamongolsk (med personer fra Ulan Bator)
** Resultat: PC-KIMMO-versjon av morfofonologien overført til twolc, leksikon på 500 ord
* evn: evenkisk (tungusisk)
** Resultat: Analysator, 550 ord, storparten av morfofonologien, og 25% dekning av eit korpus på 13500 ord
* xwo: todo oirat (mongolsk)
** Resultat: demo-analysator med eitt ord (!), men inkludert i analysator med mongolsk -> latinsk under og latinsk -> mongolsk over, etter oppsettet frå præriecree (takk til Sjur for hjelp)
* xal: Kalmyk (mongolsk), 
** Resultat: rudimentær analysator, 50 ord
* kjh: Khakas (tyrkisk), 
** Resultat: ikkje innsjekkingar

Dessutan laga vi demoversjonar av stavekontrollar for bxr, khk, evn, xal. Merk at det er ein bug i Libreoffice-voikko for val av språk via ISO-kode, den er rapportert til Harri.

!Oppfølging:

* Rådgivning, de gjør arbeidet med FST sjøl
* Forslag om nettverk for å finansiere samlinger og studentutvekslinger
** Jargal suggests building a so-called “Thematic Network” (http://www.uarctic.org/media/817524/uarctic-guidelines-for-establishing-new-tns-oct2014.pdf) within the University of Arctic. The theme will be what unites us (building grammatical models and making both research and practical applications based on those models).
* Møte i arktisk universitet med delegasjon fra UiT til Ulan-Ude i juni i år.

!! smenob/nobsme attributter

Merking godkjente oversettinger og samiske stedsnavn

* Vi bör merke namn etter autoritativ kjelde (Kartverk, Giellagáldu, ..)
* Vi bör ikkje stryke ord vi ikkje kjenner eller rettskriving vi er skeptisk til, som er vedtatt

!Merking av namn

* Geo: Lene + Cip har diskutert, og har kontroll
* Normativt attributt
** attributtnamn: norm
** attributtverdi: SGG = Sámi giellagáldu, SR = Sámi giellaráđđi, Lov = vedtatt i hht til lov om stadnamn , SGL = Sámi giellalávdegoddi
* Kjelde-attributt
** attributtnamn: src
** attributtverdi: SK = Statens kartverk, KAL = Kåven et al, Qv = Qvigstad, PS = Pekka Sammallahtis ordbok, SA = Sámi atlas, ...
* Giellagáldu lister er innsjekka i smenob/inc/placenames og smenob/inc/ready_togo. Der er det bl.a. 250 namn på ei liste, SGG_Eurohpa_riikkat.xlsx

Dette skal vere dokumentert på sida vår for ordbøker.

Attributtene for src og norm legges på t-nivå.

!Konklusjon:

# FAD som attributt blir flytta frå <e> til <t>
# Lista over opprinnelege ord frå FAD blir greppa ut og lagra som ei liste
  under heimesida til FAD-prosjektet
# Skilnaden ( alle - FAD ) kjem dermed fram av å diffe total lemmaliste og FAD-liste
# I tillegg legg vil {{comment="..."}}  som attributt for kommetarer i alle elementer der vi ser behov for det

!! Freqkvenssorterte lister for sme-tekster

Vi bør ha en deadline for denne? 
Cip har gjort det men ikkje lagt det på serveren
# Cip lagar skript på servaren
# ... og gjev lenkje til Lene
# ... og dermed til side / vidare