Középkori szláv kéziratok elektronikus feldolgozása a Bolgár Tudományos Akadémián: a „Repertorium“ projekt

Bevezető

A középkori kéziratos források vizsgálata rengeteg tanulsággal bír mind a nyelv-, illetve irodalomtörténet, mind a filológiát, a paleográfiát segédtudományként alkalmazó történettudomány számára. A különböző kódexek, tekercsek a nyelvállapotok rögzítésén túl a szövegverziók összevetésének lehetőségével is szolgálnak, valamint – tanulmányozásuk révén – hozzájárulnak a történeti kutatások számára egyedülálló fontosságú forrásértelmezés adekvátabbá válásához. A súlyos, tudományos konzekvenciák levonásán túl az egyes kéziratok közelebbi vizsgálata olyan nem kevésbé súlyos, de az egyszeri érdeklődő figyelmét is magára irányító következtetésekhez is elvezethet, mint amilyenek a másoló jellemére vagy az általa beszélt nyelvjárásra vonatkozó megállapítások. A középkori szláv kéziratok általában egyházi, vallási témájú műveket (legendákat, szertartásszövegeket stb.) tartalmaznak. Az ezek feltárása, megőrzése érdekében kifejtett erőfeszítések a közös, európai kulturális örökség megóvásának és megismerhetővé-tételének magasztos célját is szolgálják.A modern filológiai kutatás eszköztára, lehetőségei felbecsülhetetlen mértékben bővültek a számítástechnikának e tudományterületen való térhódításával. Szakemberek sokasága szenteli idejét, energiáit újabb s újabb, az elektronikus módon történő feldolgozásnak köszönhetően – az információtudomány korszaka előtti viszonyokhoz képest – könnyen kutatható korpuszok létrehozására. A hipertext-technika lehetővé teszi az eredeti szöveg és – kritikai kiadások esetén – a kritikai apparátus közötti laza – egy kattintásnyi energiába kerülő – átjárást, a szövegváltozatok, annotációk labirintusában való gyors közlekedést, ily módon a „vízszintes elmélyülést”. Nem elhanyagolható az sem, hogy a világ egymástól távoli pontjain található forrásanyagok kerülhetnek ezáltal egy helyre, jó esetben egyenként azonos struktúrába, keretek közé illesztve, s alkothatnak egyetlen kutatható korpuszt.
Ami a szlavisztikát illeti, nem egy kezdeményezés látott napvilágot a szövegemlékek elektronikus feldolgozását illetően. Példának okáért Cynthia M. Vakareliyska, az Egyesült Államokbeli Oregon Egyetem kutatója a 13. Szlavisztikai Kongresszuson tartott előadásában (Vakareliyska 2003) az egyházi szláv nyelven íródott középkori evangélium-szövegek elektronikus összehasonlításának megvalósíthatóvá tétele érdekében lépett fel egy jelentős méretű korpusz létrehozásának igényével. Egy a szlavisztikai kutatások számára egyelőre rendelkezésre nem álló, összehasonlító vizsgálatokra alkalmas korpusz létrehozását sürgette Andrej Bojadžiev is, a Bolgár Tudományos Akadémia munkatársa a középkori szláv szövegek oktatási célú elektronikus kiadásáról szóló előadásában (Bojadžiev 2003). (Ugyanő megjegyzi azt is, hogy más – a szláv tudományokon kívüli – területeken már léteznek hasonló korpuszok, mint amilyen például a Thesaurus Linguae Graecae  a klasszikus tudományok terén.)

A TEI

Az elektronikus feldolgozás, illetve szövegkódolás terén betöltött vezető szerepéből következően megkerülhetetlen, hogy néhány szóban jellemezzük azt a nemzetközi kezdeményezést, a Text Encoding Initiative-t (továbbiakban: TEI), amelynek célja a területen egyfajta kvázi-szabvány létrehozása, a szövegek elektronikus feldolgozásának standardizálása tehát, ami érdekében a szervezet szakemberei az egyes tudományterületek képviselőivel karöltve, együttműködve ajánlásokat, útmutatókat (ún. Guidlines) fogalmaznak meg. Julia Flanders (Flanders 2005) a TEI-t egyrészt mint egy (1.) kódolási nyelvet, másrészt mint egy (2.) konzorciumot definiálja, amely utóbbinak céljai között kitüntetett helyet foglal el az említett kódolási nyelv fejlesztése. Míg a hivatalos weboldalon (http://www.tei-c.org/) azt olvashatjuk, hogy „a TEI Guidelines egy nemzetközi és interdiszciplináris szabvány”, Flanders kifejezetten azt állítja, hogy adott esetben nem egy nemzetközi, hanem inkább egy „közösségi szabványról” (community standard) beszélhetünk, amely – alkotóinak szándéka szerint – nem minden egyes dokumentumra vonatkozik. A TEI Guidelinest alkalmazhatjuk szigorúan, de lazán is, a helyi viszonyokhoz igazítva, azaz egy rendkívül rugalmas szabványnak tekinthető. Nem különbözik ilyen értelemben az emberi nyelvtől, amely ugyancsak használható standard és nem-standard módon, s ahogy a földrajzi értelemben egymástól elkülönülő közösségek más-más dialektusokban beszélnek, úgy a TEI Guidelinest alkalmazó különböző embercsoportok is a szabvány egyedi, rájuk jellemző használati módját fejlesztik ki. E tudományos közösségek csupán a Guidelines részhalmazait használják fel igényeik szerint, s bővítik ki a saját, egyedi problémáik kezelését lehetővé tevő módon. A TEI a szövegkódolás legmegfelelőbb eszközének az ún. jelölőnyelveket, ezek közül is az XML-t (eXtensible Markup Language) tartja, amely egy szöveges sorok által megjelenített adatstruktúra, és különösen előnyére szolgál, hogy egyrészt ingyenes, másrészt alkalmazás- és platform-független. Ebből következik, hogy a TEI Guidelines is ezen a nyelven, pontosabban a nyelvhez tartozó sémaleíró nyelven (Document Type Definition, DTD) kerül megfogalmazásra. (A DTD-t tekinthetjük az elektronikusan feldolgozott dokumentumok nyelvtanának.) Az XML abban is segítségünkre van, hogy a szöveg ne csupán karaktersorozatként kerüljön kódolásra, hanem – példának okáért – az eredeti tipográfiáról is elképzeléssel bírjunk. Ahogy Lou Burnard arra felhívja a figyelmünket (Burnard 2005), a szöveg az olvasók képzetében felidéződő absztrakciókat jelenti, s a jelölő nyelvek célja ezen absztrakciók kódolása. A szövegek tehát nem egyszerűen csak kódolt betűk szekvenciái, hanem ezen felül struktúrával, tartalommal, valamint különböző olvasatokkal is rendelkeznek. A kódolás, illetve a jelölő nyelvek feladata e jellemzők explicitté tétele, hiszen a további megbízható – filológiai – feldolgozás csak ez úton válik lehetővé.

A „Repertorium” és a MASTER

Hiába az egységesítés, a szabványosítás magasztos célja, ha a TEI ajánlásainak eltérő értelmezéseiből fakadóan különböző elgondolások, s e különböző elgondolásokon alapuló különböző modellek születnek. A középkori kéziratok leírására szolgáló modellek egységesítésének céljával jött létre a Bolgár Tudományos Akadémia Irodalmi Intézetének „Repertorium” címet viselő közös kezdeményezése. A projektben részt vállalók közül két nevet mindenképp érdemes megemlítenünk: Anissava Miltenováét és David J. Birnbaumét. A kezdeményezés elsősorban a középkori szláv kéziratok elektronikus leírására koncentrál, de – ahogyan azt Matthew Driscoll, a TEI egyik szakembere egy beszélgetés során e sorok írójának megjegyezte – a kéziratok feldolgozásának problematikája voltaképpen nyelvfüggetlen, avagy (származását, keletkezését nézve) bármilyen kéziratról is legyen szó, a felmerülő alapvető problémák azonosak.
Mielőtt a „Repertorium”-ról bővebb szó esne, illő megemlítenünk a középkori kéziratleírások egyik alternatíváját, a Manuscript Access through Standards for Electronic Records („Kéziratok Hozzáférhetőségének Biztosítása Elektronikus Rekordokra vonatkozó Szabványokkal”, továbbiakban: MASTER) elnevezésű projektet, amelynek vezetői jeles középkor-kutatókkal szoros együttműködésben, valamint a TEI konzorcium szakemberei által alkotott munkacsoporttal karöltve létrehoztak egy javaslatcsomagot a kéziratok leírásának európai szabványára vonatkozóan „Towards a European Standard for Manuscript Description” címmel. A szabvány kifejlesztésére szolgáló mag-DTD-ként a tervezet a MASTER DTD-t javasolja, amelyet speciálisan arra terveztek, hogy középkori szövegek elektronikus leírásához szolgáljon alternatív módszerekkel, amely módszerek – állítólagosan – az információkódolás lehetséges megvalósításainak teljes tárházáról gondoskodnak. A kezdeményezés hátránya, hogy a szakértők javaslataikat a nyugat-európai (angol, francia, német stb.) kéziratok leírására vonatkozóan dolgozták ki.
Mind a MASTER, mind a Repertorium kezdeményezés a kéziratokra vonatkozó adatok strukturálását a TEI DTD-k kiterjesztése, „újramodellezése” révén valósítja meg. Mindez eltérő tervezési stratégiákat és eltérő modelleket eredményez. Az eltérés valószínűleg azzal magyarázható, hogy a Repertorium nagyobb mértékben irányul egy teljes – legalábbis részletesebb – kézirat-leírási keret létrehozására, amelyből adatok nyerhetőek ki egy rövid katalógus-leírás számára is, míglen a MASTER eredendően egy rövid katalógus-leírás katalógus-adataira fókuszál inkább.
A két kísérlet tehát, akárcsak a legtöbb hasonló, a kéziratok katalogizálásának szabványosítására irányul, nem a szövegstruktúrák tanulmányozását lehetővé tevő teljes leírásokra. Ennek oka egyfelől, hogy nem egyszerű feladat a középkori kéziratok összes lehetséges szövegstruktúrájának leírására vonatkozóan konvenciókat felállítani, másfelől e projektek a TEI ajánlásaira építve igyekeztek megalkotni modelljeiket, ezen ajánlások azonban nagyobb mértékben támogatják a modern irodalmi szövegek, illetve műfajok (vers, próza) leírását, mint a középkori könyvtípusokét.
Fontos tehát kiemelnünk, hogy egyik modell sem a kéziratszövegek egészének kódolását tűzi ki célul, s ilyesformán egyik sem járul hozzá a bevezetőben említett korpusz létrehozásához. Hogy filológiai jelentőségük mégiscsak megkérdőjelezhetetlen, kiderül az alábbiakból.

A „Repertorium” története

A Repertorium voltaképpen egy a középkori szláv kéziratok analitikus leírásaiból felépülő információs adatbázis, amely részletes információkkal szolgál a kéziratok paleográfiájáról, kodikológiai, valamint textológiai adatairól, illetve tartalmazza az eredeti szövegek egy részletét (a címet, az incipitet és az explicitet). A korpusz jelenleg a Bolgár Tudományos Akadémia Irodalmi Intézetében található.
1994-ben indult a „Computer Supported Processing of Old Slavic Manuscripts” („Ószláv Kéziratok Számítógépes Támogatású Feldolgozása”) címet viselő amerikai-bolgár projekt, amelyet többek között az Open Society (Nyílt Társadalom) alapítvány is támogatott. A nemzetközi munkacsoport a következő – David J. Birnbaum által megfogalmazott – öt alapelv követését tűzte ki célul:
1.  a dokumentumok fájlformátumainak standardizálása;
2.  többszöri felhasználás;
3.  az elektronikus szövegek hordozhatósága (platformfüggetlenség);
4.  a kéziratok elektronikus formában történő megőrzésének szükségessége;
5.  az adatok jól-strukturált felosztása a szláv kodikológiai, ortográfiai, paleográfiai és textológiai hagyományok alapján.

A kezdeti szakasz eredménye egy a szláv kéziratok leírására alkalmas SGML-alapú modell létrehozása volt. (Az SGML: Standard Generalized Markup Language, vagyis egy szabványos jelölő nyelv, amelynek voltaképpeni leegyszerűsítése a WWW konzorcium későbbi fejlesztése: az XML.) A „Template for Slavic Manuscripts” egy DTD, amely a TEI SGML-gyakorlatának egyfajta kiterjesztéseként speciálisan a szláv kéziratok részletes leírását szolgálta.
1998-ig mintegy 200 középkori szláv kézirat feldolgozására került sor a Bolgár Tudományos Akadémia Irodalmi Intézetében. A projekt csatlakozott Ralph Cleminsonnak a Közép-Európai Egyetemen létrehozott projektjéhez, amely a „Computer-Supported Processing of Slavonic Manuscripts and Early Printed Books” címet kapta (Cleminson 1998). Ez egyrészt a kéziratleírások számának növekedését, másrészt a technológiákra vonatkozó további cikkek megjelenését vonta maga után. A munka eredményeiről az 1998-ban, Krakkóban megrendezésre került 12. Nemzetközi Szlavista Kongresszuson számoltak be. 2002 és 2003 között a kezdeményezés az „Electronic Description and Edition of Slavic Sources” („Szláv Források Elektronikus Leírása és Kiadása”) címet viseli, és elnyeri az UNESCO támogatását. Ebben az időszakban történik meg az áttérés az SGML-ről az XML-re. 2005-re 300-ra nőtt a leírt kéziratok száma.

Mit szolgál az XML-alapú leírás?
(A leírás struktúrája)

Ha meg akarjuk válaszolni az alcímben feltett kérdést, sorra kell vennünk, mi az, ami a Repertorium projekt által javasolt mintán alapuló dokumentum-leírásból kiderül.
Maga a leírás hét fő összetevő elemből áll. Vegyük sorra ezeket!

1. A leírás legelején a katalogizálást végző személy gondoskodhat a kézirat formájára, típusára vonatkozó információkról (kódex?, tekercs?), valamint meghatározhatja, hogy fizikai és szellemi felépítését tekintve egységes műről van-e szó, vagy sem. Ezután a könyvtári információk kerülnek kódolásra: itt adhatunk meg információkat arra vonatkozóan, hogy a kéziratot jelenleg hol őrzik (ország, város stb.) és melyik gyűjtemény részét képezi. Ugyanitt nyújthatunk információt arról, hogy a leírás alapjául más források szolgáltak-e.

2. Ezután következik az ún. kodikológiai leírás, amelynek első része tartalmazza a kézirat fizikai leírását; a fóliók számának meghatározásával kezdődik, majd a kézirat anyagára vonatkozó információ következik (ez általában pergamen vagy papír), ez után a lapok, illetve az írott részek méretei, az oszlopok és a sorok száma és a használt ábécé. Ezen adatok célja: rövid és lényegi információk nyújtása a kéziratról. Egyes elemeket tovább bonthatunk: például az anyagra vonatkozó leíráson belül nyújthatunk egy általános jellegű leírást, majd meghatározhatjuk a pergamen vagy a papír típusát.
A kodikológiai leírás második része magában foglalja az összes kötésre, ívekre, fóliókra és oldalakra vonatkozó információt. Itt az összes ilyen jellegű jellemző megadható: például az ívek struktúrája, a hiányzó fóliók, a lapok elrendezése.

A kodikológiai leírás harmadik része a tintáról és a dekorációról tartalmaz információkat, különösen a dekoráció egyes elemeiről. Ez utóbbiakról további részletes leírások adhatók. A rongálódásra és a restaurációra vonatkozó információk is itt kerülhetnek feljegyzésre.

3. A másolat három fő jellemzőjének leírása képezi a feltárás következő, a másoló személyére vonatkozó részét, ezen jellemzők: a paleográfia, a nyelv és az ortográfia.

4. Ezután következik a kézirat keletkezésének helyére és idejére vonatkozó konklúziók levonása, amelyhez a megfelelő szintű kodikológiai, paleográfiai, ortográfiai és nyelvészeti megfigyelések nyújtanak alapot.

5. A tartalom leírása tekinthető a katalógus-információ magjának. A „Repertorium” modelljében ez az a hely, ahol a szövegre vonatkozó összes információ megtalálható, ezen belül: 1.) a kézirat egészének tartalmára vonatkozó információk; 2) a kézirat egyes szövegelemeire vonatkozó információk; 3.) a kéziratban található jegyzetekre vonatkozó információk.

6. A történeti részben a kézirat történetére, beszerzésére vonatkozó információkat találjuk.

7. az adalék információk között a reprodukcióra (pl. fotózás, szkennelés), a kézirathoz csatolt, vele együtt őrzött anyagokra, a kódex kiállításokon való bemutatására vonatkozó feljegyzések találhatóak.

Mint láttuk, a Repertorium az ún. metaadatok leírását és kereshetőségének biztosítását tűzte ki célul, így a kézirat teljes szövege nem kerül feldolgozásra, mindössze az incipit és az explicit. A leírás nyelve az angol.
Ha visszakanyarodunk az eredeti problémához, vagyis a teljes szövegű korpusz létrehozásához a további filológiai kutatás érdekében, arra a következtetésre juthatunk, hogy ilyen korpuszra adott esetben talán azért nincsen szükség, mert a filológiai vizsgálódást éppen maguk a leírást folytató kutatók végzik, s a vonatkozó következtetések levonására már e tevékenység folyamán sor kerül. Nem véletlen, hogy a feldolgozás a Bolgár Tudományos Akadémia Irodalmi Intézetének égisze alatt zajlik, s olyan kutatók vesznek tevőlegesen részt benne, mint a projekt egyik vezetőjének számító, nagy szaktekintélynek örvendő szlavista professzornő: Anissava Miltenova.

Maga a munka amúgy hosszas és nehézkes, elég csak arra gondolnunk, hogy a kéziratok jelentős részét különböző (férfi-)kolostorokban őrzik, ami a feldolgozást kissé körülményessé teszi, hiszen a kéziratok helyben való leírására van csak lehetőség, ehhez pedig külön engedélyek szükségesek, s érthető kikötés (a pópák részéről), hogy nő ezt a munkát nem is végezheti. Meggyőződésem azonban, hogy a szláv nyelv- és irodalomtörténettel foglalkozó szakemberek részéről nem merül fel kétség az energia-befektetés hasznosságát illetően, hiszen a kéziratok (kódexek) feldolgozásának az egyszerű digitalizáláson (szkennelésen) túlmutató módja a metaadatokban való keresgélés, az információk összekapcsolása, „egymásra mutatása” révén rengeteg kiaknázható lehetőséget rejt magában.

Irodalom

1.  BOJADŽIEV, A.: Electronic Student Editions of Medieval Slavic Texts. In: Scripta & e-Scripta, Vol. 1., Sofia, 2003.

2. BOJADŽIEV, A. – MILTENOVA, A. – RADOSLAVOVA, D.: A Unified Model for the Description of Medieval Manuscripts? In: Computational Approaches to the Study of Early and Modern Slavic Languages and Texts, Sofia, 2003.

3. BRADLEY, N.:  Az XML-kézikönyv. Szak, Bicske, 2000.

4. BURNARD, L. Digital Texts, XML, and TEI -
http://www.tei-c.org/Talks/2005/Sofia/talk-intro.pdf

5. CLEMINSON, R. Computer-Supported Processing of Slavonic Manuscripts and Early Printed Books. In: Annual of Medieval Studies in CEU, 1996–1997., Budapest, 146–148.  p.

6. FLANDERS, J.:  What the TEI does and how it works? Elhangzott: Azbuky Net Conference, Sofia, 2005. okt. 24-27.

7.  KAGARLITSKY, Yu.: V. Internet Publication of Slavic Sources by the Russian Language Institute. In: Computational Approaches to the Study of Early and Modern Slavic Languages and Texts, Sofia, 2003.

8. Manuscript Access through Standards for Electronic Records  – http://www.cta.dmu.ac.uk/projects/master/)

9. MOTYGIN, O. V. – SLUTSKIJ, A. S.: Electronic Editions of Medieval Manuscripts: Thrirteenth-Century Slavonic Euchologia. In: Computational Approaches to the Study of Early and Modern Slavic Languages and Texts, Sofia, 2003.
10. <oXygen/> XML Editor & XSLT Debugger -
http://www.oxygenxml.com/
[
11.  Repertorium - http://clover.slavic.pitt.edu/~repertorium/

12. SALGÁNÉ MEDVECZKI  M.:  Az XML. Új perspektívák a könyvtár-informatikában. In: Tudományos és műszaki tájékoztatás, 2004. (51. évf.), 2. sz., 61–71. p.

13. SINLCLAIR, J.: Corpus, Concordance, Collocation. Oxford University Press, 1991

14. SÜTHEŐ P.: Hypertext. Természetes intelligencia az információtudományban. Budapest, Országos Széchényi Könyvtár, 1999.

15. Szeged Corpus: a natural language processed Hungarian corpus - http://www.inf.u-szeged.hu/hlt

16. [TEI] Text Encoding Initiative – http://www.tei-c.org/

17. [TEI Guidelines] Text Encoding Initiative Guidelines -
http://www.tei-c.org/P5/Guidelines/

18. [TEI P4] Text Encoding Initiative Proposals 4 -
http://www.tei-c.org/P4X/

19. Thesaurus Linguae Graecae – http://www.tlg.uci.edu/

20. VAKARELIYSKA, C. M.: Desiderata for an Electronic Collation of Medieval Slavic Gospel Texts. In: Scripta & e-Scripta, Vol. 1., Sofia, 2003

21. Extensible Markup Language – http://www.w3.org/XML/

Kategória: 2006. 4. szám | A közvetlen link.

MINDEN VÉLEMÉNY SZÁMÍT!