Biblioteka Cyfrowa KLF UW (Digital Library of the Formal Linguistics Department at the University of Warsaw)

Bień, Janusz S.

Elektroniczny indeks do słownika Lindego

Bilińska, Joanna A.

Linde’s dictionary of Polish – newretro-digitisation and electronic word index
Joanna Bilińskain cooperation with Janusz S. Bień
University of Warsaw
RETRO-DIGITIZED DICTIONARIESCOST ENeL WG2 meetingBudapest, Hungary, 24-25 February 2017
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
S. B. Linde, Dictionary of Polish
author: Samuel Bogumił Linde6 volumes1807-1814 (1st edition), 1854-1861 (2nd edition)the first monolingual dictionary of Polishboth descriptive and normativedictionary of Polish with translations into German, Slaviclanguages and other languages = multilingualismexcellent world’s receptionimpact on other languages lexicographyused by historians, librarians, lexicographers, linguists
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Sample page
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Structure
about 5000 two-column pagesca. 5400 characters per pagemore than 90 languages/dialectsas a corpus: about 7 mln tokens ← corpus retro-digitisationmany scripts: Latin, Cyrilic (two kinds), Gothic, Hebrew,Greek
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Retro-digitisation 2010
An experimental retro-digitisation of a dictionary and a searchengine:
http://szukajwslownikach.uw.edu.pl/en/slownik-lindego/under the supervision of Janusz S. Bień, University of Warsaw,Department of Formal Linguisticscans: Fujitsu fi-6130 scanner, Kofax VRS software (byJoanna Bilińska),OCR by Janusz S. Bień with FineReader 10 (selectedlanguage Polish, default values of other recognitionparameters)saved as PDF/A files with MRC lossy compressionscans converted to DjVu format by Jakub Wilk,OCR results converted to the suitable corpus format by JakubWilk.
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Retro-digitisation 2016
A new retro-digitisation: http:
//szukajwslownikach.uw.edu.pl/en/slownik-lindego-nowy/under the supervision of Janusz S. Bień, University of Warsaw,Department of Formal Linguisticscans: Fujitsu fi-6130 scanner and Scanhelper software (byJoanna Bilińska)scans improved using Scan Tailor (by Joanna Bilińska)convertion to the DjVu format by Janusz S. Bień with the
didjvuOCR prepared by Janusz S. Bień with ocrodjvu using the
Tesseract enginevarious adjustments of the OCR results by Janusz S. Bieńand Michał Rudolfcorpus created and published online by Michał Rudolf
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Lexicographic browser and graphical concordances
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
OCR 2010 quality
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
OCR 2016 quality
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
OCR quality 2010 ⇐⇒ 2016
BOtt c©ott ijerfltefSeuD.’ ⇐⇒ von Gott herfließeud
oon c©ott erfóaffen ⇐⇒ von Gott erschaffen
który boga widzi ⇐⇒ który boga Wlel-
EoroRHAhi|h, ćoroaptTejb ⇐⇒ “MMM“, ÓOPOBp’BTeJIL
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Main differences
better scans: 600 dpi in colour vs. 400 dpi black and whiteOCR: Tesseract, not FineReaderOCR results are much better for frakturfor other languages they are sometimes better and sometimesworsemore elaborated tagset, based on Tesseract’s hOCR output
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Format and software
scans are in DjVu format,
djview4poliqarp
https://bitbucket.org/mrudolf/djview-poliqarp/ —remote graphical client for Poliqarp for Djvu; works withword index
djview4 http://djvu.sourceforge.net/djview4.html —supports tables of contents,
marasca search engine:modification of the Poliqarp system used to support theNational Corpus of Polish → the same query syntax(modification implemented by Jakub Wilk)supports TEI and Djvucorpus in XCES format, an XML based standard to encodetext corpora, so it is possible to add linguistic markup
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Searching, v. 2010
Search can be limited to a specific volume with the within
clause, e.g. within vol1, vol6part1The within clause can be also used to limit the search to thefollowing sections:
body (entries and their corrections),
errata (just the corrections),
intro (introductory texts),
info (other informations),
varia (dedications, subscriber lists),
front (frontmatter),
back (backmatter).
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Searching, v. 2016
Search can be limited to a specific volume using metadata, e.g.
meta volume=6 .Every token has the following attributes:
orth, the text segment according to Unicode Standard Annex#29 Unicode Text Segmentation
base, the same as orth
lang: de, fr, pl (all other languages including Polish), ru(not yet used), en (not used);
script: latn, latf (German Fraktur), cyrl (not yet used);
series: medium, bold;
shape: upright, italic;
wconf: word recognition confidence, proposed by Jakub Wilk.
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Dictionary peculiarities
mainly alphabetical with nested entries: one can find alsoderivates, diminutives, etc. within an entry → the word orderis not strictalphabetic order different from the contemporaryPolish diacritical marks ignored when ordering lemmasalmost no explanation of the abbreviationsentry words often separated into two lines because ofhyphenation → in retro-digitised version impossible to befound by the search engine.
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Entries, tags, abbreviations
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
A tergo word index
1965 — published an a tergo word index —Grzegorczykowa, R., Kurzowa, Z., Puzynina, J. (ed.), Indeks atergo do Słownika języka polskiego S. B. Lindego, Warszawa1956 (scans available at http://wbl.klf.uw.edu.pl/19/).2014 — presented first electronic version of the indexprepared by Janusz S. Bień(http://bc.klf.uw.edu.pl/379/); localisation of 60 000entries, 15 000 still not localised.2016 — second electronic version, almost everythinglocalised, only about 1 000 missing;
https://bitbucket.org/jsbien/ilindecsv/wiki/Home;works with a new retro-digitisation of the dictionary.
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Word index in djview4poliqarp
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Word index
CSV fileUnicode, UTF83 positions:entry word (with modifications)URL to the new retro-digitisation, position of the entry wordon the scancomment
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Word index modifications
entry word corrected, if there is a typographic error in adictionary (e.g. PRZECHACHADZKA → PRZECHADZKA)capital letters changed into small letters (apart from the firstletter for names) → new spelling informationlist of entries supplemented with eg. imperfect verbs, someadverbs that are not individual entries in Linde dictionary
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Possible further enrichment
link place names with their descriptionexpansion of the abbreviationsexpansion of the language tagsadding language codeslinking language tags with the languages’ descriptionslinking examples with their sources in digital librariesword index can be used to prepare crosswords
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Place names
map and link place names onto the The Geographical Dictionaryof the Polish Kingdom and other Slavic Countries , B.Chlebowski, F. Sulimierski, W. Walewski (ed.)15 volumestogether about 15 thousand pages including 14758 pageswith entriesavailable eg. at
http://ebuw.uw.edu.pl/dlibra/publication?id=291971corpus digitisation with search engine at
http://szukajwslownikach.uw.edu.pl/en/
slownik-geograficzny/
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Expanding abbreviations
(http://bc.klf.uw.edu.pl/347/)
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Adnotations in the dictionary of the 16th century Polish
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Expanding language tags
Many tags for one language/dialect, eg. Weg., Węg., Hung.,Hungar., Hng., Hg., Ung., Ungar., węgiersk. for Hungarian
(http://bc.klf.uw.edu.pl/347/)
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Adding language codes
IANA https://www.iana.org/assignments/
language-subtag-registry/language-subtag-registry
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Languages’ descriptions
Ethnologue https://www.ethnologue.com/
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Sources
a detailed list of authors’ names abbreviations and text titlesprovided in the book of Hrabec, S., Pepłowski, F. (1963)Wiadomości o autorach i dziełach cytowanych w SłownikuLindego. Wiedza Powszechna.
http://wbl.klf.uw.edu.pl/23/link names abbreviations in Linde’s dictionary with theirdescription in Hrabec&Pepłowski bookadd links to the existing digitisations in digital libraries (eg.
https://pl.wikisource.org/wiki/Poeta_%C5%81ukasza_
ze_Bnina_Opalinskiego,_Mar%C5%BFza%C5%82ka_
Nadwornego_Koronnego for Opal. Poet. 8 in the entry bodło)
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Sources in digital libraries
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Linde’s list of sources
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Wiadomości o autorach. . .
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
Crosswords
Crossword prepared in Qxw software by Janusz S. BieńHorizontal1 miejsce oparkanione5 wiara w rzeczy nie godziwe do wierzenia6 świadectwa na piśmie7 pokrzykanieVeritical1 rów na około czego okopany, lub przez coprzebity2 liściane ozdoby3 biegiem doścignąć4 baranek wyrobiony z wosku święconego
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index
References
Bień, Janusz S. (2011) Efficient search in hidden text of large DjVudocuments. In: Advanced Language Technologies for DigitalLibraries. Lecture Notes in Computer Science (TheoreticalComputer Science and General Issues) (6699). Springer, pp. 1-14.
http://bc.klf.uw.edu.pl/177/An electronic index for Linde’s dictionary:
https://bitbucket.org/jsbien/ilindecsv/wiki/Home.md
J. BilińskaLinde’s dictionary of Polish – new retro-digitisation and electronic word index


Linde’s dictionary of Polish – new retro-digitisation and electronic word index

Otwarty dostęp do zasobów lingwistycznych w praktyce

Describing Linde dictionary of Polish
for retro-digitisation purposes
Joanna Bilin´ska
University of Warsaw
Dictionary
• author: Samuel Bogumił Linde
• 6 volumes
• 1807-1814 (1st ed.), 1854-1861 (2nd ed.)
• the first monolingual dictionary of Polish
• both descriptive and normative
• dictionary of Polish with translations into Ger-
man, Slavic languages and other languages =
multilingualism
• excellent world’s reception
• impact on other languages lexicography
• used by historians, librarians, lexicographers,
linguists
Figure 1: Sample page
•mainly alphabetical with nested entries: one
can find also derivates, diminutives, etc. within
an entry→ the word order is not strict
• alphabetic order different from the contempo-
rary
• Polish diacritical marks ignored when ordering
lemmas
• almost no explanation of the abbreviations
• entry words often separated into two lines be-
cause of hyphenation→ in retro-digitised ver-
sion — requires an index (cf. [2])
Structure
• ca. 5000 two-column pages
• ca. 5400 characters per page
• > 90 languages/dialects (cf. [4], [3])
• as a corpus: about 7 mln tokens ← corpus
retro-digitisation (cf. [7])
•many scripts: Latin, Cyrillic (two kinds), Frak-
tur, Hebrew, Greek
Microstructure
Figure 2: Beginning of a sample entry
• lemma,
• (orthographic variants),
• grammar information,
• foreign languages translations,
• senses,
• quotations,
• other senses, including phraseology,
•metaphoric senses,
• derivates (with description — subentries),
• other derivates (mainly prephixed) as cross-
references without description.
Punctuation and typography
analysis — an excerpt (cf. [4])
• dot (.) — end of bigger parts of the entry (eg.
gramamr information, foreign languages trans-
lations) and abbreviations
• semicolon (;) — ends smaller parts of the entry
(eg. one language translations);
• brackets — () for author’s comments; [ ] for
2nd ed. editors comments;
• pause ( — ) — starts morphology information,
divides senses, sometimes metaphorical senses;
• section marks (§) — metaphorical senses;
• asterix (*) — unused lemmas, outdated, neolo-
gisms;
• two asterixes (**) — poetical lemmas,
• double oblique hyphen before some comments
Foreign language parts
detection algorythm
For latin script the algorythm looks as follows (cf.
[4]):
• text in italics (= abbreviation),
– capital letter at the beginning,
– dot at the end,
• foreign example (normal font),
• semicolon,
• dot after whole part of foreign language exam-
ples
However, there are also foreign language parts in
other scripts:
Figure 3: Various scripts
Abbreviations analysis
Figure 4: Expanding abbreviations
Many tags for one language/dialect, eg. Weg.,
We˛g., Hung., Hungar., Hng., Hg., Ung., Ungar.,
we˛giersk. for Hungarian, cf. [3].
Figure 5: Expanding language tags
References
[1] Bien´, J.S. (2011) Efficient search in hidden text of large DjVu
documents. In: Advanced Language Technologies for Digital Li-
braries. Lecture Notes in Computer Science (Theoretical Computer
Science and General Issues) (6699). Springer, pp. 1-14. http:
//bc.klf.uw.edu.pl/177/
[2] Bien´, J.S., Elektroniczny indeks haseł do słownika Lin-
dego (druga wersja wste˛pna), https://bitbucket.org/
jsbien/ilindecsv/wiki/Home.md
[3] Bilin´ska, J., (2016), Dialekty i je˛zyki obce w Słowniku je˛zyka pol-
skiego Samuela Bogumiła Lindego – zestawienie na podstawie
wydania drugiego, "Prace Filologiczne", LXVIII, p. 27-42.
[4] Bilin´ska, J., Analiza i leksykograficzny opis struktury słownika Lin-
dego na potrzeby dygitalizacji, upublished Ph.D. thesis, Warszawa
2013, http://bc.klf.uw.edu.pl/347/.
[5] Bilin´ska, J., Sostavlenie perecˇnâ sokrašcˇenij nazvanij âzykov v
ramkah proekta digitalizacii «Slovarâ pol’skogo âzyka» S. B.
Linde [w:] Informacionnye tehnologii i pismennoe nasledie.
El’Manuscript-2012. IV naucˇnaâ konferenciâ, Petrozavodsk,
Iz˙ewsk 2012, p. 34-43, http://bc.klf.uw.edu.pl/301/.
[6] Linde, S.B., Słownik je˛zyka polskiego, 2nd ed., Lwów 1854-1860,
http://kpbc.umk.pl/publication/8173.
[7] Linde, S.B., Słownik je˛zyka polskiego, corpus digitisation with
search engine, https://szukajwslownikach.uw.edu.
pl/en/slownik-lindego-nowy/.


Describing Linde dictionary of Polishfor retro-digitisation purposes

Dwadzieścia lat Rady Języka Polskiego: uchwały ortograficzne  a polszczyzna „poprawna, dobra, etyczna i estetyczna”

Przewodniczący Rady Języka Polskiego twierdzi, że ortograficzne ustalenia Rady mają moc prawnie obowiązującą. Twierdzenie to nie odpowiada faktycznemu stanowi prawnemu.



Legal status of othographic resolutions: Markowski claims that the resolutions of the Council for the Polish Language constitute legal regulations. This does not seem to be the case

Status prawny uchwał ortograficznych

Janusz S. Bień
Otwarty dostęp do zasobów
lingwistycznych w praktyce
Abstrakt
Język jest labiryntem ścieżek
Nowe kierunki i nowe zadania w badaniach nad językiem polskim
Warszawa, 18-19 czerwca 2016 r.
W referacie przedstawię przykłady ograniczania dostępu do
elektronicznych zasobów lingwistycznych sﬁnansowanych ze środ-
ków publicznych, którego zasadność wydaje się mocno wątpliwa.
Problem dotyczy w szczególności kartotek zdygitalizowanych
w ramach Repozytorium Cyfrowego Instytutów Naukowych PAN.
Wbrew deklaracji, że celem projektu jest utworzenie ogólnie do-
stępnego repozytorium publikacji naukowych, dokumentacji ba-
dań oraz piśmienniczego dziedzictwa kulturowego, niektóre kar-
toteki — podobnie jak niektóre inne zasoby zasoby repozytorium
— nie są ogólnie dostępne lub udostępnione w istotnie ograniczo-
ny sposób. W dodatku ich status bywa zmieniany z dnia na dzień,
co moim zdaniem stanowi naruszenie art. 68 prawa autorskiego.
Kartoteki sa traktowane przez kierownictwo projektu — ale
dopiero od pewnego czasu! — jako utwory chronione prawem
autorskim. Nie wiadomo, dlaczego niektóre kartoteki są — oﬁ-
cjalnie — dostępne tylko na terminalach macierzystego instytu-
tu (innymi słowy, są one udostępniane tym, którzy i tak mają już
do nich dostęp), a inne publicznie „w zakresie określonym przez
przepisy o dozwolonym użytku”. Jest to więc tzw. otwarty dostęp
gratis, choć dla większości zasobów bardziej własciwy jest do-
stęp typu libre.
W dodatku nie zawsze wiadomo, kto jest właścielem rzeko-
mych praw autorskich, i do kogo należałoby się zwracać w ce-
lu uzyskania pozwolenia na szersze wykorzystanie. W przypad-
ku Kartoteki Rozmyślania przemyskiego jako twórca jest podana
Pracownia Języka Staropolskiego IJP PAN, ale np. dla Kartoteki
Słownika staropolskiego jest to m.in. Stanisław Urbańczyk, któ-
rego prawa wygasną dopiero w 2071 roku.
Warto przypomnieć, że przedmiotem prawa autorskiego jest
1
”każdy przejaw działalności twórczej o indywidualnym charakte-
rze”. Jak przejawia się ta działalność twórcza o indywidualnym
charakterze np. przy ekscerpcji zabytku wykonanej na matry-
cach według transliteracji Henryka Kowalewicza (tak jest opisa-
na kartoteka Rozmyślania przemyskiego)? A czy kartoteki innych
słowników różnią się istotnie pod tym względem? Kwestia ta bu-
dzi poważne watpliwości.
Moje próby uzyskania dokładniejszych informacji na temat pro-
jektu—udokumentowane pod adresem http://teksty.klf.uw.
edu.pl/19/— zakończyły się niepowodzeniem. Zdaniem kierow-
nictwa projektu ma ono prawo odmówić udzielenia informacji,
ponieważ ”zgodnie z art. 15 ust. 1 i 2 ustawy z 30 kwietnia 2010
r. o zasadach ﬁnansowania nauki, wnioski, recenzje, umowy i
raporty z realizacji zadań ﬁnansowanych ze środków na naukę
stanowią tajemnicę przedsiębiorstw w rozumieniu przepisów o
zwalczaniu nieuczciwej konkurencji, a informacje o wynikach re-
alizacji zadań ﬁnansowanych ze środków ﬁnansowych na naukę,
podlegające ochronie na podstawie ust. 1, mogą być udostępnia-
ne wyłącznie przez uprawniony podmiot, który otrzymał środki
ﬁnansowe na realizację tych zadań.”
Na mój argument, że to właśnie kierownictwo projektu jest
tym uprawnionym podmiotem, o którym mowa w ustawie, i któ-
ry może udzielić żądanej informacji, nie otrzymałem żadnej od-
powiedzi.
Reasumując, ważnym zadaniem na przyszłość jest analiza sta-
tusu prawnego kartotek i innych zdygitalizowanych zasobów oraz
udostępnienie ichwszystkim zainteresowanymbez zbędnych ogra-
niczeń.
2


Roszko, Danuta

Satoła-Staśkowiak, Joanna

Problemy kodowania znaków w korpusach historycznych

Klimek-Grądzka, Joanna

Nowak, Małgorzata

Janusz S. Bień
Traktat Parkosza w epoce prawników i Internetu
5 listopada 2015
1. Wstęp
Jak wiadomo, żyjący w pierwszej połowie XV wieku Jakub Parkosz (podaję tu na-
zwisko w formie stosowanej przez prof. Kucałę — inne formy to m.in. Parkoszowic)
— profesor i rektor Akademii Krakowskiej, kanonik krakowski — jest autorem pierw-
szego traktatu na temat pisowni polskiej (świadomie unikam słowa „ortografia”, która
moim zdaniem sugeruje istnienie jakiejś skodyfikowanej normy). Zachowany egzem-
plarz traktatu to kopia. Traktat nie ma tytułu (a w każdym razie nie ma go zachowana
kopia), jest napisany po łacinie.
Jak pisał prof. Kucała (1985, s.5),
w miarę postępu badań i coraz lepszego poznawania średniowiecznego okresu
polszczyzny traktatowi temu przyznaje się coraz większą wartość bezpośrednie-
go świadectwa o fonologii ówczesnego języka polskiego. Ważny jest bowiem
ten zabytek nie tyle dla dziejów ortografii, co dla historycznej fonologii polskiej.
Warto więc chyba zadbać o to, by w XXI wieku był on łatwo dostępny w maksy-
malnie wiernej formie.
2. Epoka prawników
W swoim artykule (Bień 2010, s. 6) zapisałem głoszoną już wcześniej ustnie tezę:
Tak jak wiek XIX był wiekiem pary i elektryczności, a wiek XX wiekiem atomu i
komputerów, tak wiek XXI jest wiekiem prawników.
Jest to oczywiscie żartobliwa przesada, ale znaczenie prawa— i w konsekwencji praw-
ników — rzeczywiście wzrosło i ma nadal tendencję rosnącą.
2.1. Status prawny rękopisu traktatu Parkosza
Jak wiadomo, traktat znajduje się w Bibliotece Jagiellońskiej. Odpowiedź na po-
zornie proste pytanie: Kto jest właścicielem rękopisu? nie jest mi znana — może Uni-
wersytet Jagielloński? może Skarb Państwa? Nie badałem sprawy ze względu na jej
znikome znaczenie praktyczne.
Warto pamiętać, że — wbrew powszechnemu przekonaniu — właściciel rzeczy nie
może nią dysponować w sposób absolutnie swobodny, choćby ze względu na artykuł 5
kodeksu cywilnego, który brzmi:
Niemożna czynić ze swego prawa użytku, który by był sprzeczny ze społeczno-gospodarczym
przeznaczeniem tego prawa lub z zasadami współżycia społecznego. Takie dzia-
łanie lub zaniechanie uprawnionego nie jest uważane za wykonywanie prawa i
nie korzysta z ochrony.
2.2. Status prawny reprodukcji rękopisu
Dość trudny do znalezienia na witrynie Biblioteki Jagiellońskiej regulamin bibliote-
ki (http://www.bj.uj.edu.pl/documents/4148353/931f40b0-a671-4248-ad22-217ea30e3318),
wprowadzony uchwałą nr 133/IX/2014 Senatu UJ z dnia 24 września 2014 roku, nie
1
mówi nic na ten temat. Tym niemniej cennik usług specjalnych Biblioteki Jagiellońskiej
(http://www.bj.uj.edu.pl/documents/4148353/30656597/cennik_uslug_specjalnych.
pdf) obowiązujący od 1 sierpnia 2011 r. w punkcie 2. Zdjęcia cyfrowe do celów wy-
dawniczych stanowi Przy sprzedaży zdjęć cyfrowych następuje zastrzeżenie praw repro-
dukcji - zgodę (z wyceną) na reprodukcję udziela Wicedyrektor ds. zbiorów specjalnych
i spraw wydawniczych. Podstawa prawna tego wymogu nie jest niestety jasna.
Zamawiając kopię mikrofilmu z traktatem Parkosza, chcąc nie chcąc, zaakceptowa-
łem te zastrzeżenia. Moje zdziwienie wzbudziła natomiast dodatkowa klatka mikrofil-
mu z tekstem:
Prawa reprodukcji zastrzeżone
Copyright Biblioteka Jagiellońska
Wydanie drukiem rękopisu lub jego części wymaga uzyskania zgody Dyrekcji
Biblioteki Jagiellońskiej.
W razie ogłoszenia drukiem pracy związanej z analizą rękopisu Autor jest zo-
bowiązany egzemplarz jej przekazać do Oddziału Rękopisów Biblioteki Jagiel-
lońskiej.
FormułaCopyrightw tym kontekście jest pozbawiona sensu, zobowiązywanie auto-
rów do dostarczania egzemplarzy swoich prac chyba nigdy niemiało podstaw prawnych,
a stawianie warunków post factum też wydaje się bezprawne.
Reprodukcja rękopisu w książce Prof. Kucały z pewnością odbyła się za zgodą Bi-
blioteki Jagiellońskiej, nie zachowały się niestety żadne dokumenty z tym związane.
2.3. Status prawny odczytania rękopisu
Jak wiadomo, tekst traktatu opublikowal po raz pierwszy Bandtkie w 1830 r. (skany
dostępne m.in. pod adresem http://www.wbc.poznan.pl/publication/115430,
następnie Łoś w 1907 r. (wysokiej jakości skany dostępne od niedawna pod adresem
http://ebuw.uw.edu.pl/publication/238219). Książka prof. Mariana Kucały
(1985) jest dopiero trzecią edycją traktatu. W konsekwencji nie mają tutaj zastosowania
postanowienia prawa autorskiego dotyczące pierwszych wydań, a konkretnie Oddział
31 Art. 99(1):
Wydawcy, który jako pierwszy w sposób zgodny z prawem opublikował lub
w inny sposób rozpowszechnił utwór, którego czas ochrony już wygasł, a jego
egzemplarze nie były jeszcze publicznie udostępniane, przysługuje wyłączne
prawo do rozporządzania tym utworem i korzystania z niego na wszystkich po-
lach eksploatacji przez okres dwudziestu pięciu lat od daty pierwszej publikacji
lub rozpowszechnienia.
W ogólnym przypadku stosuje się natomiast Oddział 31 Art. 99(2):
Temu, kto po upływie czasu ochrony prawa autorskiego do utworu przygotował
jego wydanie krytyczne lub naukowe, niebędące utworem, przysługuje wyłącz-
ne prawo do rozporządzania takim wydaniem i korzystania z niego w zakresie,
o którymmowa w art. 50 pkt 1 i 2, przez okres trzydziestu lat od daty publikacji.
Prawa prof. Kucały do jego odczytania rękopisu — gdyby nie okoliczności przed-
stawione dalej — wygasłyby więc z dniem 1 stycznia 2017 r. (nieintuicyjny sposób
liczenia lat określa art. 39 prawa autorskiego).
2.4. Status prawny tłumaczenia i uzupełnień
Tłumaczenie traktatu Parkosza i inne elementy książki (Wstęp, Autor i dzieło itd.)
podlegają ochronie zgodnie z ogólnymi zasadami, czyli przez 70 lat od śmierci twórcy.
Ponieważ prof. Kucała zmarł 20 października 2014 roku, prawa te — gdyby nie
okoliczności przedstawione dalej — wygasłyby więc z dniem 1 stycznia 2086 r. Trzeba
jednak pamiętać, że w okresie tym prawa autora i jego spadkobierców są ograniczone
przez umowę zawartą z wydawnictwem.
Umowa prof. Kucały z PaństwowymWydawnictwemNaukowym się nie zachowała,
ale nie miało to istotnego znaczenia, bo pismem z dnia 25 listopada 2010 r. Wydawnic-
two Naukowe PWN jako następca prawny PaństwowegoWydawnictwa Naukowego bez
2
dyskusji zrzekło się wszelkich praw do książki, co należy odnotować z dużym uznaniem
(pod pismem podpisali się redaktor naczelny redakcji humanistycznej Ewelina Szysz-
kowska i dyrektor wydawniczy Joanna Marek-Banach).
2.5. Oświadczenie prof. Kucały
Wkonsekwencji wspomnianej wyżej decyzjiWydawnictwa Naukowego PWN prof.
Kucała odzyskał pełnię praw do książki i mógł nimi swobodnie dysponować. Za mo-
ją namową zadeklarował w przygotowanym przeze mnie oswiadczeniu (oryginał jest
przechowywany w Bibliotece Uniwersyteckiej w Warszawie) datowanym na 14 stycz-
nia 2011 r., że udostępnia treść książki na licencji Creative Commons (proponuję tłu-
maczyć to wyrażenie jako „wspólnota twórcza”) w wersji Uznanie autorstwa — Na
tych samych warunkach. Warto w związku z tym przytoczyć fragment dokumentu Kie-
runki rozwoju otwartego dostępu do publikacji i wyników badań naukowych w Polsce
przyjętego przez Ministra Nauki i Szkolnictwa Wyższego w październiku 2015 r.
publikacje powinny być udostępniane w modelu otwartego dostępu libre, naj-
lepiej z wykorzystaniem światowych standardów prawnych licencji Creative
Commons Uznanie autorstwa (CC-BY) lub licencji Creative Commons Uznanie
autorstwa – Na tych samych warunkach (CC-BY-SA).
Na wszelki wypadek poprosiłem również prof. Kucałę o zgodę na udostępnianie
treści książki za zasadach licencji swobodnej dokumentacji GNU.
Warto podkreślić, ze oba typy licencji odnoszą się do abstrakcyjnego utworu, a nie
do konkretnej publikacji lub jej egzemplarza, i dają wszystkim zainteresowanym iden-
tyczne prawa.
2.6. Inne aspekty prawne
Powyższe omówienie nie wyczerpuje w pełni zagadnienia. Jedną z kwestii, na któ-
rą należy zwrócić uwagę przy ewentualnych przyszłych edycjach traktatu, to ochrona
prawna fontów komputerowych.
3. Epoka Internetu
Ogólnoświatowa sieć komputerowa Internet tak spowszedniała, że pojawiają się
tendencje do pisania jej nazwy małą literą — por. (Bień 2003, s. 3-5 wersji elektronicz-
nej). Wpływ Internetu (nie zawsze pozytywny…) przejawia się obecnie w praktycznie
wszystkich aspektach życia i jest nie do przecenienia.
3.1. Dokumenty elektroniczne i biblioteki cyfrowe
Dokumenty elektroniczne mogą być „urodzone cyfrowo” lub stanowić repliki do-
kumentów papierowych. W pierwszym przypadku znaki piśmienne są reprezentowane
przez przypisane im konwencjonalnie liczby — obecnie powszechnie stosowaną kon-
wencją jest standard Unicode.
Repliki dokumentów papierowych to po prostu czarno-białe lub kolorowe obrazy
stron, przy czym każdy element obrazu — tzw. piksel — jest reprezentowany przez
pewną liczbę lub ich zestaw. Istnieją obecnie programy, które przekształcają automa-
tycznie obrazy graficzne na reprezentacje znaków — jest to tzw. OCR (optical charac-
ter recognition — optyczne rozpoznawanie znaków). Wyniki tych programów nie są
idealne, więc osiągnięcie pełnej zgodności z tekstem drukowanych wymaga żmudnej
korekty, na co nie zawsze jest czas i są fundusze. Czysto automatyczne wyniki OCR
niepoddane korekcie są potocznie nazywane brudnym OCR (dirty OCR).
W przypadku traktatu Parkosza mamy dodatkowo do czynienia ze znakami, któ-
rych standard Unicode z oczywistych względów nie przewiduje — niezbędne jest więc
sformułowanie dodatkowych zasad kodowania tych znaków.
Specjalnie na potrzeby replik dokumentów papierowych został stworzony format
DjVu, do tego celu jest też wykorzystywany format PDF pomimo odmiennego pierwot-
nego przeznaczenia.
3
Książka prof. Kucały znajduje się obecnie w kilku bibliotekach cyfrowych: Go-
ogle Books, Hathi Trust Digital Library i — last but not least — e-BUW (http:
//ebuw.uw.edu.pl/publication/220504). Znajdujące się w tych bibliotekach dy-
gitalizacje książki różnią się różnymi aspektami technicznymi, których nie będziemy
tutaj omawiać.
3.2. Traktat Parkosza a standard Unicode
O problemach związanych z wykorzystaniem standardu Unicode do dawnych tek-
stów polskich pisałem już przy kilku okazjach, tutaj przywołam tylko artykuł (Bień
2015) i przypomnę nieco innymi słowami podstawowe pojęcia.
Znak jest w standardzie obiektem abstrakcyjnym, zdefiniowanym przez jego wła-
sności. Jedną z własności jest konwencjonalny, w miarę możliwości mnemotechniczny,
identyfikator, np.
— LATIN CAPITAL LETTER A
— LATIN SMALL LETTER A WITH STROKE
— LATIN SMALL LETTER B WITH STROKE
— LATIN SMALL LETTER P WITH HOOK
Drugą istotną własnością jest współrzędna kodowa (ang. code point), czyli liczba
zapisywana z reguły w systemie szesnastkowym, która reprezentuje ten znak w syste-
mach komputerowych. Dla przykładu, znak LATIN SMALL LETTERAWITH STRO-
KE ma współrzędną kodową 2C65, która w systemie dziesiętnym ma postać 11 365
(2  163 + 12  162 + 6  16 + 5); maksymalna wartość współrzędnej kodowej to
1 114 112, aktualnie wykorzystywanych jest około 120 000 wartości.
Litery m.in. języka polskiego mają również własność kasztowości (ang. case), tzn.
są majuskułami lub minuskułami; w konsekwencji dodatkowa własność wskazuje na
odpowiedni znak z odmiennej kaszty. Istnieją w standardzie znaki, głównie stosowane
w różnych notacjach fonetycznych, które wyglądem przypominają litery, ale nimi w
technicznym sensie nie są ze względu na brak tych własności.
Twórcy standardu przewidzieli, że nie jest on w stanie uwzględnić od razu wszyst-
kich znaków potrzebnych użytkownikom, dlatego zarezerwowali pewną liczbę współ-
rzędnych kodowych jako obszar użytku prywatnego (PUA, ang. Private Use Area).
Teoretycznie można znakom Parkosza przypisać współrzędne z tego obszaru, uważam
jednak, że przynajmniej na tym etapie wskazane jest transliterowanie traktatu z wyko-
rzystaniem znaków już dostępnych w standardzie.
Propozycji transliteracji nie będę prezentował tutaj zewzględów technicznych, zwłasz-
cza że może ona ulec jeszcze zmianom. Głównym problemem jest reprezentowanie
dwóch rodzajów liter b i p. Dla b z łuczkiem dość oczywistym wyborem jest LATIN
SMALL/CAPITAL LETTER B WITH HOOK, ale już np. dla b kwadratowego nie ma
dobrego odpowiednika, kwadratowość można mnemotechnicznie oddać poziomą pro-
stą kreską, stosując LATIN SMALL/CAPITAL LETTER B WITH STROKE.
Dla pełności obrazu dodam, że znam pracę (Górski i in. 1955), ale nie traktuję jej
bezkrytycznie. Swoją drogą byłoby dobrze, gdyby praca ta była szeroko dostępna— jest
ona zdygitalizowana, ale nie może zostać udostępniona publicznie dopóki ktoś nie po-
dejmie się dotarcia do spadkobierców autorów oraz następców prawnych wydawnictwa
i wyjaśnienia jej statusu prawnego.
3.3. Unicode i fonty
Aby znak wyświetlić lub wydrukować, potrzebny jest odpowiedni font. Zaletą trans-
literacji traktatu Parkosza na znaki już występujące w standardzie jest możliwość ich
wyświetlenia — przynajmniej większości z nich — typowym fontem zainstalowanym
standardowo na komputerze.
Oczywiście, aby możliwie wiernie oddać kształt znaków specyficznych dla trak-
tatu, potrzebny jest specjalny font. Podjąłem — mimo braku specjalistycznej wiedzy
— próbę stworzenia takiego prowizorycznego fontu, a wyniki udostępniłem w interne-
towym repozytorium https://bitbucket.org/jsbien/parkosz-font. Być może
4
moje próby zachęcą kompetentnych twórców fontów do poświecenia uwagi potrzebom
edycji dawnych tekstów polskich.
Warunkiem koniecznym stworzenia fontu jest przydzielenie występującym w nim
znakom konkretnych współrzędnych kodowych—w konsekwencji repozytorium to za-
wiera pośrednio aktualną wersję mojej propozycji transliteracji.
Wspomniany wcześniej obszar użytku prywatnego został wykorzystany przez śro-
dowisko nieformalnego projektuMedieval Unicode Font Initiative (http://folk.uib.
no/hnooh/mufi/ do przypisania współrzędnych kodowych znakom specyficznym dla
tekstów średniowiecznych. Co więcej, powstało również kilka fontów uwzględniają-
cych te znaki. Dla traktatu Parkosza praktyczne znaczenie ma tylko jeden znak zdefi-
niowany przez MUFI, mianowicie COMBINING ABBREVIATION MARK SUPER-
SCRIPT UR ROUND R FORM o współrzędnej kodowej F153.
4. Zakończenie
Równolegle z projektowaniem transliteracji wykonałem korektę łacińskiego odczy-
tania i polskiego tłumaczenia traktatu. Korekta ta nie ograniczała się do błędnie rozpo-
znanych znaków, ale wymagała również odtworzenia struktury strony — np. przypisy
podzielone na dwie strony wymagały scalenia i powiązania z odpowiednim fragmentem
tekstu. Uwzględniłem też sugestie sformułowane w artykule (Wójcik i Wydra 2008).
Wynik ma charakter kilku dynamicznych dokumentów w formacie PDF — kliknięcie
na wyróżnione fragmenty wyświetla dodatkowe informacje. Znajdują się one pod ad-
resem https://bitbucket.org/jsbien/parkosz-traktat.
Dokumenty te nie mają charakteru ostatecznego, służą mi przede wszystkim jako
materiał ilustracyjny do moich zajęć dydaktycznych poświęconych dygitalizacji tek-
stów. Zostały one sporządzone za pomocą systemu TEX (konkretnie LuaLATEX), ponie-
waż tak było mi najwygodniej — docelowo w repozytorium znajdą się również wersje
źródłowe tych dokumentów umożliwiające zainteresowanym wprowadzanie modyfika-
cji.
Opracowanie wzorcowej dygitalizacji książki prof. Kucały i cyfrowej edycji traktatu
Parkosza (to pokrewne, lecz różne problemy) pozostaje kwestią otwartą.
Bibliografia
Bień, Janusz S. (2003). „O informatyce i przyszłości polszczyzny”. W: Językoznawstwo
w Polsce. Stan i perspektywy. Red. Stanisław Gajda. Opole: Polska Akademia Nauk
– Komitet Językoznawstwa, Uniwersytet Opolski – Instytut Filologii Polskiej, s. 81–
93. url: http://bc.klf.uw.edu.pl/136/.
— (2010). „Przeszłość i przyszłość Słownika języka polskiego PAN. Aspekty prawne
i informatyczne.” W: Prace Filologiczne LVIII, s. 39–50. url: http://bc.klf.
uw.edu.pl/170/.
— (2015). „O pojęciach znaku, słowa i fleksemu”. W: Poradnik Językowy 2, s. 66–72.
url: http://bc.klf.uw.edu.pl/390/.
Górski, Konrad i in., red. (1955). Zasady wydawania tekstów staropolskich : projekt.
Zakład im. Ossolińskich. url: http://ebuw.uw.edu.pl/publication/1334.
Kucała, Marian (1985). Jakuba Parkosza Traktat o ortografii polskiej. Państwowe Wy-
dawnictwo Naukowe. url: http://ebuw.uw.edu.pl/publication/220504.
Wójcik, Rafał i Wiesław Wydra (2008). „Jakub Parkoszowic’s Polish Mnemonic Ver-
se about Polish Orthography from the 15th Century”. W: Culture of Memory in
East Central Europe in the Late Middle Ages and the Early Modern Period. Red.
Rafał Wójcik. Prace Biblioteki Uniwersyteckiej 30. Ciążeń, March 12-14, 2008. Bi-
blioteka Uniwersytecka, s. 119–127. isbn: ISBN 978-83-60961-00-1. url: http:
//hdl.handle.net/10593/6037.
Streszczenie
Janusz S. Bień
Traktat Parkosza w epoce prawników i Internetu
5
W 1985 roku Prof. Kucała opublikował książkę Jakuba Parkosza traktat o ortografii
polskiej zawierają m.in. faksymile, odczytanie i tłumaczenie. W 2010 r. zwróciłem się do
Prof. Kucały z prośbą o wyrażenie zgody na udostępnienie tej książki w Internecie, do
której odniósł się nadzwyczaj życzliwie. W artykule przedstawione są wybrane aspekty
dygitalizacji tej publikacji.
Abstract
Janusz S. Bień
Parkosz’s treatise in the age of lawyers and the Internet
In 1985 Prof. Kucała published a book on Parkosz’s orthographic treatise containing
the facsimile of the manuscript, its Latin text and the polish translation. Later Prof. Ku-
cała agreed to apply to the book the Creative Commons Attribution license. The paper
discusses some aspects of encoding the book as an electronic document.
6


Traktat Parkosza w epoce prawników i Internetu

W artykule przedstawione są pewne innowacje terminologiczne (całostka, fleksem prosty i złożony) na tle innych pojęć morfologii taksonomicznej, dokładniej opisanych gdzie indziej. Pokazane są też problemy, jakie sprawia ścisła definicja znaku piśmiennego

O pojęciach znaku, słowa i fleksemu
Janusz S. Bień
21 czerwca 2014
Streszczenie
W artykule przedstawione są pewne innowacje terminologiczne (całostka, flek-
sem prosty i złożony) na tle innych pojęć morfologii taksonomicznej, dokładniej
opisanych gdzie indziej. Pokazane są też problemy, jakie sprawia ścisła definicja
znaku piśmiennego.
1 Znaki i napisy
Komputery w zasadzie przetwarzają tylko liczby, w związku z tym przeznaczone do
przetwarzania teksty są pośrednio lub bezpośrednio reprezentowane jako ciągi znaków
kodowych, a dokładniej — przez liczby stanowiące tzw. współrzędne kodowe odpo-
wiednich znaków. Znak kodowy to obiekt w gruncie rzeczy abstrakcyjny, identyfiko-
walny przez pewien zestaw jego własności (z których praktycznie najważniejszą, oczy-
wiście oprócz współrzędnej kodowej, jest umowna nazwa znaku), na mocy konwencji
utożsamiany z pewnym znakiem piśmiennym. Obecnie najczęściej stosowaną konwen-
cją tego typu jest standard Unicode (www.unicode.org). Sekwencję znaków (kodo-
wych) nazywamy napisem (ang. string).
Pojęcie znaku kodowego nie jest oczywiste, o czym pisałem kilkakrotnie przy róż-
nych okazjach. Wspomniany standard Unicode odróżnia abstrakcyjny znak od mniej
lub bardziej konkretnego jego kształtu nazywanego glifem.
Dobrej ilustracji związanych z tym problemów dostarcza np. publikacja (Stępień
2009), o której pisano: Wydana z niezwykłą starannością przez oficynę Biblioteki Na-
rodowej nowa edycja krytyczna oraz nowe odczytanie (transkrypcja i transliteracja)
Kazań świetokrzyskich wraz z obszernym komentarzem, przygotowanym przez liczne
grono znawców słynnego zabytku języka polskiego z przełomu XIII/XIV w. została uzna-
na zgodnie za wydarzenie w polskiej humanistyce (Bracha i Dąbrówka 2010). Ta sama
Rysunek 1: Fragmenty Kazań świętokrzyskich z problematyczną literą
1
Rysunek 2: Różne transliteracje tej samej litery (Stępień 2009, s. 274 i 216)
Rysunek 3: Transliteracja (Brückner 1891, s. 708) i jej przytoczenie w (Stępień 2009,
s. 274)
litera rękopisu, por. rys. 1, jest tam transkrybowana na dwa sposoby: jako φ i jako ø,
por. rys. 2 — ponieważ fakt ten nie jest nigdzie skomentowany, nieodparcie nasuwa się
podejrzenie, że to skutek „nowoczesnej” techniki redakcyjnej polegającej na mecha-
nicznym sklejaniu plików otrzymanych od autorów. Co więcej, jako φ transkrybowane
są również cytaty z edycji (Brückner 1891), gdzie w tej samej funkcji używany jest znak
ǫ — por. rys. 3, oraz cytaty z edycji z (Vrtel-Wierczyński 1930), gdzie używana jest
jedna z wersji „o rogatego”. O literze tej w (Górski i in. 1955) czytamy: Różne postaci
o przekreślonego […] sprowadzamy do znormalizowanej postaci…, por. rys. 4.
Powstaje zatem pytanie, co jest znakiem, a co jest glifem. Czy φ w funkcji „o wą-
satego” to po prostu GREEK SMALL LETTER PHI o współrzędnej kodowej 966 czy odręb-
ny znak, a jeśli tak, to jaki? Czy ø to LATIN SMALL LETTER O WITH STROKE o współ-
rzędnej kodowej 248, czy inny znak, a jeśli tak, to jaki? Rekomendowana przez cyto-
wane wyżej Zasady znormalizowana postać o rogatego nie jest uwzględniona w stan-
dardzie Unicode, choć jest dostępna w niektórych fontach (np. TeX Gyre, por. http:
//www.gust.org.pl/tex-gyre) — czy ta sformułowana ponad pół wieku temu re-
komendacja może i powinna być nadal przestrzegana? A może φ, ø i  to różne glify
tego samego znaku, a jeśli tak, to jakiego? Traktowanie tych kształtów jako wariantów
graficznych jednego znaku to rozwiązanie najlepsze z punktu widzenia wyszukiwania
znaku w tekstach, niestety jednak najtrudniejsze do realizacji ze względów technicz-
nych.
Rysunek 4: Zasady edycji tekstów staropolskich (Górski i in. 1955, s. 55)
2
Więcej na temat pojęcia znaku piszę m.in. w (Bień 2011).
2 Słowa i wyrazy
O ile napis może być dowolny, to przez słowo rozumiemy napis wydzielony z tekstu
lub utworzony za pomocą konkretnego formalnego lub nieformalnego algorytmu seg-
mentacji tekstu — w takim znaczeniu używam tego terminu konsekwentnie od dawna.
Istotny jest brak odwołania do znaczenia językowego, słowo więc — używając termi-
nologii Saloniego (Saloni 1996) — jest pojęciem unilateralnym.
Choć w matematyce i informatyce słowo może mieć bardzo ogólny charakter (por.
algebra słów, słowa nad alfabetem itp.), w praktyce stosujemy ten termin przede wszyst-
kim do napisów ograniczonych spacjami, znakami interpunkcyjnymi i innymi separa-
torami.
Z tego typu słowami każdy użytkownik komputera — czyli praktycznie każdy —
ma do czynienia na co dzień, ponieważ zgodnie z powszechną konwencją podwój-
ne klinięcie myszą zaznacza w tekście właśnie słowo (ang. word), a funkcja szuka-
nia ma często opcję wyszukiwania tylko kompletnych słów. Zasady takiej segmentacji
opisuje wspomniany wcześniej standard Unicode w dodatku nr 29 (Unicode Standard
Annex #29. Unicode Text Segmentation; w skrócie UAX #29). Są one wykorzystane
m.in. na potrzeby korpusów udostępnianych przez Katedrę Lingwistyki Formalnej UW
(korpusy.klf.uw.edu.pl), o czym trzeba pamiętać formułując kwerendy.
Zgodnie z UAX #29 pojedyncze znaki interpunkcyjne mają taki sam status, jak cią-
gi liter— nazywanie ich wszystkich słowami wydaje się niezręczne i nieintuicyjne, stąd
poszukiwania dodatkowego, ogólniejszego terminu. Stosuje się często — w dokumen-
tacji korpusów obsługiwanych przez program Poliqarp — termin segment (zarówno w
języku polskim, jak i angielskim), który z kolei jest też nieintuicyjny z powodu zbyt-
niej ogólności. W artykule Bień 2006 proponowałem zastąpić go terminem leks, jednak
w odniesieniu do znaków interpunkcyjnych jest on jeszcze bardziej nieintuicyjny niż
słowo. W angielskiej terminologii informatycznej takie obiekty najczęściej określa się
terminem token (jak się wydaje, termin wywodzi się z podstawowego znaczenia tego
słowa i nie ma związku z rozróżnieniem type-token wprowadzonym przez C. S. Peir-
ce’a) ale jego dosłowne tłumaczenie jako symbol jest też nadmiernie ogólne. Być może
— skoro słowo tokenweszło już do języka polskiego w innym znaczeniu (urządzeń sto-
sowanych w bankowości internetowej) — może warto zapożyczenie to stosować rów-
nież w kontekście przetwarzania tekstów...
Od pewnego czasu w swoich ustnych wypowiedziach używałem w tej funkcji sta-
rego polskiego słowa całostka i wydaje mi się obecnie, że jest to dość wygodne.
Wyraz to— znów używając terminologii Saloniego— pojęcie bilateralne czyli wy-
nik pewnej interpretacji lingwistycznej. Aby pogodzić różne sprzeczne, choć skądinąd
potrzebne, definicje wyrazu, trzeba rozróżniać kilka jednostek tego typu — postuluję
w szczególności istnienie wyrazów morfologicznych i morfosyntaktycznych (rozróżnie-
nie wprowadzone pod inną nazwą w (Bień 1989, s. 100))
Wyraz ma szereg własności lingwistycznych, takich jak np. liczba czy rodzaj. Re-
pertuar tych własności oraz ich dopuszczalnych wartości w terminologii angielskiej no-
si nazwę tagset, ja wolę od dawna mówić o taksonomii i morfologii taksonomicznej.
3
Problem sprawiają takie własności wyrazów, które stosują się tylko do niewielkiej ich
liczby lub są zależne od ich innych własności, dla nich bowiem też należy przewidzieć
jakąś reprezentację formalną. W związku z tym w artykule (Bień i Saloni 1982) zostały
wprowadzone m.in. takie kategorie, jak deprecjatywność i uniformizm—nie wszystkie
z nich przeszły próbę czasu.
W tekście wyraz jest pośrednio lub bezpośrednio reprezentowany przez słowo bę-
dące jego kształtem. W ogólnym wypadku relacja wyrazu do jego kształtu może być
dosyć skomplikowana — jedno słowo z powodu „pisowni łącznej” może być kształ-
tem kilku wyrazów, jeden wyraz może mieć kształt w formie sekwencji słów, mogą
występować też innego rodzaju komplikacje, por. np. (Bańko 2006)
Konkretne wystąpienie wyrazu w tekście to w terminologii tradycyjnej pewna for-
ma fleksyjna wyrazu, za Tokarskim nazywana wyrazem syntagmatycznym. Jego przeci-
wieństwem jestwyraz paradygmatyczny, reprezentującywłasności pewnego abstrakcyj-
nego zbioru wyrazów syntagmatycznych. Paradygmat (w pierwotnym znaczeniu wzór)
to wykaz form danego wyrazu — może być rozumiany bardzo konkretnie, jako druko-
wana lub wyświetlana na ekranie tabela odmiany konkretnego wyrazu lub pewnej ich
klasy, albo abstrakcyjnie, jako zbiór mniej lub bardziej konkretnych jednostek niższego
rzędu.
Granice paradygmatu— czyli które wyrazy syntagmatyczne należą do tego samego
wyrazu paradygmatycznego — nie zawsze są oczywiste.
Więcej na ten temat pisałem m.in. w (Bień 2006).
3 Pojęcie fleksemu
Dla tradycyjnego pojęcia wyrazu odpowiadającego znaczeniowo jednostce słowniko-
wej proponuję od dawna, choć z nienajlepszym skutkiem, termin wokabuła. Paradymat
wokabuły czasownikowej jest jednak bardzo różnorodny, na potrzeby opisu formalnego
potrzebne było pojęcie opisujące jednostki języka o możliwie jednolitych paradygma-
tach; potem przez analogię pojęcie to znalazło również zastosowanie przy opisie innych
typów wokabuł. Pojęcie to otrzymało nazwę fleksem, która po raz pierwszy pojawiła się
na piśmie we wspomnianym artykule (Bień i Saloni 1982).
Pojęcie to okazało się wygodne i uzyskało dość szeroką akceptację, por. np. (Prze-
piórkowski i Woliński 2003), ale jego zakres w szczegółach podlega pewnej ewolucji.
W książce (Bień 1991, s. 16) pisałem
Po pewnych wahaniach co do zakresu pojęcia fleksemu przyjmuję obecnie
[…], że jest to zbiór wyrazów morfologicznych różniących się tylko war-
tościami omówionych poniżej kategorii morfosyntaktycznych liczby, przy-
padka, rodzaju i osoby.
Taka definicja miała w szczególności wpływ na sposób traktowania wspomnianej
wcześniej kategorii deprecjatywności, o której pisałem m.in. (s. 25-26)
[…] przyjmujemy tutaj, że dla każdego rzeczownikamęskoosobowegomoż-
na utworzyć dodatkową formę mianownika liczby mnogiej o rodzaju selek-
tywnym męskim lecz nie męskoosobowym, np. oprócz ci chłopi mamy te
chłopy, oprócz ci nauczyciele mamy te nauczyciele;
4
[…] omawiane formy rzeczowników męskoosobowych zaliczamy do od-
rębnego fleksemu—którego rodzaj ustalamy arbitralnie jakomęskozwierzęcy
— należącego do tej samej wokabuły co odpowiedni fleksem rodzaju mę-
skoosobowego.[…]
Powyższe ustalenia są w dużym stopniu konsekwencją przekonania, że ist-
nienie osobowych i nieosobowych form rzeczowników męskoosobowych
należy interpretować jako konwersję ich rodzaju selektywnego pod wpły-
wem czynników semantycznych i stylistycznych.
Zasadę zaliczania form deprecjatywnych do odrębnych fleksemów przyjęto również
w Narodowym Korpusie Języka Polskiego (Przepiórkowski, Bańko i in. 2012, s. 72),
wydaje mi się jednak, że twórcy korpusu przeoczyli moje stanowisko w tej sprawie.
W artykule (Szałkiewicz 2010, s. 223) czytamy mianowicie:
Dla korpusu IPI PAN zdecydowano się przyjąć (posiłkując się także poglą-
dami Bienia (Bień 1991)) w opisie leksemu rzeczownikowego dwa flekse-
my: rzeczownikowy (oznaczenie subst)— odmienny przez liczbę i przypa-
dek, o ustalonym rodzaju, i deprecjatywny (oznaczenie depr) — odmienny
przez przypadek (defektywnie, tylko wmianowniku i wołaczu), o ustalonej
liczbie i rodzaju.
Przejęcia mojego rozwiązania niemal bez zmiany nie nazwałbym posiłkowaniem się
poglądami, rozumiem więc, że twórcy korpusu doszli do identycznej konkluzji nieza-
leżnie, co dodatkowo potwierdza trafność tego podejścia.
Kategoria uniformizmu — różnicująca formy typu funkcji i funkcyj — okazała się
mało wygodna i w drugim wydaniu Słownika gramatycznego języka polskiego z niej
zrezygnowano, por. (Saloni i in. 2012, s. 43-44), choć była stosowana w wydaniu pierw-
szym z 2007 r.
Jak już było wspomniane, zasady ortograficzne pisowni łącznej powodują, że nie-
ktore słowa w sensie UAX #29 reprezentują nie pojedyncze jednostki bilateralne, lecz
ciągi wyrazów czy fleksemów. Jest to niekiedy kłopotliwe i nieintuicyjne, dlatego z uzna-
niem należy odnotować decyzję przedstawioną w artykule (Woliński 2014) wprowa-
dzenia dodatkowych typów fleksemów odpowiadających niektórym takim słowom, np.
formom trybu przypuszczającego. Nie zaproponowano tam jednak dla nich żadnej na-
zwy— nazywanie ich fleksemami złożonymi w przeciwieństwie do fleksemów prostych
wydaje mi się najbardziej naturalne.
4 Uwagi końcowe
Lingwistyka, a w pewnym stopniu również cała humanistyka, jest obecnie ściśle zwią-
zana z metodami informatycznymi, co pociąga za sobą konieczność stworzenia i sto-
sowania różnorakich zasobów w postaci plików komputerowych lub baz danych. Jest
bardzo ważne, żeby zasady ich udostępniania były jasno określone przez zastosowanie
jednej z powszechnie znanych licencji, najlepiej tzw. licencji swobodnej, pozwalającej
użytkownikom m.in. na samodzielne ulepszenia. Do pozytywnych przykładów należy
opisanyw cytowanymwyżej artykule (Woliński 2014) analizatormorfologicznyMorfe-
usz. Jest też niestety dużo przykładów negatywnych, ale to materiał na odrębny artykuł.
5
Literatura
Bańko, Mirosław (2006). „O słowach znie-kształ-co-nych”. W: Poradnik Językowy 9,
s. 17–23.
Bień, Janusz S. (1989). „Koncepcja słownikowych tablic morfologicznych (na przykła-
dzie czasownika)”. W: Studia z polskiej leksykografii współczesnej III. Red. Zyg-
munt Saloni. Białystok: Dział Wydawnictw Filii UW w Białymstoku, s. 99–130.
url: http://bc.klf.uw.edu.pl/367/.
— (1991). Koncepcja słownikowej informacji morfologicznej i jej komputerowej wery-
fikacji. Rozprawy UniwersytetuWarszawskiego / Dissertationes Univesitatis Varso-
viensis - ISSN 0509-7177 383. Warszawa: Wydawnictwa Uniwersytetu Warszaw-
skiego. url: http://bc.klf.uw.edu.pl/12/.
— (2006). „Aparat pojęciowy wybranych systemów przetwarzania tekstów polskich”.
W: Biuletyn Polskiego Towarzystwa Językoznawczego LXII, s. 19–30. url: http:
//bc.klf.uw.edu.pl/84/.
— (2011). „Podstawowe elementy tekstów elektronicznych”. W: Różne formy, różne
treści. Red. Mirosław Bańko i Dorota Kopcińska. Warszawa: Wydział Polonistyki
Uniwersytetu Warszawskiego, s. 17–24. url: http://bc.klf.uw.edu.pl/83/.
Bień, Janusz S. i Zygmunt Saloni (1982). „Pojęcie wyrazumorfologicznego i jego zasto-
sowanie do opisu fleksji polskiej (wersja wstępna)”. W: Prace Filologiczne XXXI,
s. 31–45. url: http://bc.klf.uw.edu.pl/63/.
Bracha, Krzysztof i Andrzej Dąbrówka (2010). „Przedmowa [Kazania świętokrzyskie.
Geneza, przekaz, tekst, kontekst - po lekturze nowej edycji]”. W: Z Badań nad
Książką i Księgozbiorami Historycznymi 4, s. 13–14. url: http://bbc.uw.edu.
pl/Content/608/ZBK_T4_2010.djvu?djvuopts=&page=13.
Brückner, Aleksander (1891). „Kazania świętokrzyskie”.W:Prace Filologiczne 3, s. 697–
740, 847. url: http://ebuw.uw.edu.pl/Content/153425/directory.
djvu?djvuopts=&page=113.
Górski, Konrad i in., red. (1955). Zasady wydawania tekstów staropolskich : projekt.
Zakład im. Ossolińskich.
Przepiórkowski, Adam, Mirosław Bańko i in., red. (2012). Narodowy Korpus Języ-
ka Polskiego. Warsaw: Wydawnictwo Naukowe PWN. url: http://nkjp.pl/
settings/papers/NKJP_ksiazka.pdf.
Przepiórkowski, Adam i Marcin Woliński (2003). „A Flexemic Tagset for Polish”. W:
Proceedings of Morphological Processing of Slavic Languages, EACL 2003. Bu-
dapest, s. 33–40. url: http://nlp.ipipan.waw.pl/~adamp/Papers/2003-
eacl-ws12/.
Saloni, Zygmunt (1996). „Unilateralne i bilateralne podejście do znaków języka (na-
turalnego)”. W: W świecie znaków. Księga pamiątkowa ku czci Profesora Jerzego
Pelca. Red. Jacek Juliusz Jadacki i Witold Strawiński. Warsaw: Polskie Towarzy-
stwo Filozoficzne, s. 287–294.
Saloni, Zygmunt i in. (2012). Słownik gramatyczny języka polskiego. Wydanie drugie.
Warszawa. url: http://sgjp.pl/.
Stępień, Paweł, red. (2009). ”Kazania świętokrzyskie”. Nowa edycja. Nowe propozycje
badawcze. Biblioteka Narodowa.
6
Szałkiewicz, Łukasz (2010). „Chamy posły i zuchy doktory – głos w sprawie depre-
cjatywności”. W: LingVaria 9, s. 219–232. url: http://mbc.malopolska.pl/
Content/67299/index.djvu?djvuopts=&page=222.
Vrtel-Wierczyński, Stefan (1930). Wybór tekstów staropolskich. Czasy najdawniejsze
do roku 1543. Kazania świętokrzyskie. K.S. Jakubowski, s. 8–15, 321–362, 367.
Woliński, Marcin (2014). „Morfeusz Reloaded”. W: Proceedings of the Ninth Interna-
tional Conference on Language Resources and Evaluation, LREC 2014. Red. Nico-
letta Calzolari i in. ELRA. Reykjavík, Iceland, s. 1106–1111. isbn: 978-2-9517408-
8-4. url: http://www.lrec-conf.org/proceedings/lrec2014/pdf/768_
Paper.pdf.
7


University of Warsaw

Not a member yet

Elektroniczny indeks do słownika Lindego

Linde’s dictionary of Polish – new retro-digitisation and electronic word index

Otwarty dostęp do zasobów lingwistycznych w praktyce

Describing Linde dictionary of Polishfor retro-digitisation purposes

Dwadzieścia lat Rady Języka Polskiego: uchwały ortograficzne a polszczyzna „poprawna, dobra, etyczna i estetyczna”

Status prawny uchwał ortograficznych

Otwarty dostęp do zasobów lingwistycznych w praktyce

Problemy kodowania znaków w korpusach historycznych

Traktat Parkosza w epoce prawników i Internetu

O pojęciach znaku, słowa i fleksemu

159

403