Cross-Linguistic Data Formats: Mit Standardisierung zur Digitalisierung und Nutzbarmachung von Sprachdaten beitragen

Durch Standardisierung und Retrostandardisierung können vorhandene digitale Bestände von Sprachdaten systematisch ausgebaut, vergleichbar gemacht und mit der Öffentlichkeit geteilt werden. Im Rahmen der "Cross-Linguistic Data Formats"-Initiative werden neue umfassende Standards für multilinguale Sprachdaten entwickelt und systematisch auf bestehende Sprachdaten angewendet, um deren Wiederverwendbarkeit und Transparenz zu erhöhen.

Die "Cross-Linguistic Data Formats"-Initiative (CLDF) wurde 2014 begründet und seitdem in verschiedenen Forschungsprojekten und aus verschiedenen Perspektiven kontinuierlich ausgebaut. Ziel der Initiative ist es, Standards für sprachübergreifende Forschungsdaten zu erstellen und diese konkret auf die Vielzahl an inzwischen digital verfügbaren Sprachdaten anzuwenden, um durch die Standardisierung und Retrostandardisierung einen Pool an Forschungsdaten für den historischen und typologischen Sprachvergleich zu erschaffen, der mit Hilfe einheitlicher Methoden analysiert werden kann.

Am Lehrstuhl für Multilinguale Computerlinguistik planen wir, die CLDF-Initiative weiter auszubauen, indem wir uns speziell auf neue Bereiche der Standardisierung konzentrieren, die bisher nicht in Betracht gezogen wurden. Dazu gehört speziell das Modellieren von verschiedenen Textformen (Beispielsätze in Grammatiken, Gedichte, größere Korpora) und von weiteren wichtigen linguistischen Konstrukten (Morphologie, Lexikon, Syntax). Zusätzlich wollen wir Serverstrukturen aufbauen, die es Kolleginnen und Kollegen erleichtern, ihre Daten im Rahmen des CLLD-Frameworks online zu publizieren und somit einem breiteren Nutzungskreis zur Verfügung zu stellen.