Kotimaisten kielten keskuksen sähköisen aineistokokonaisuuden kehittäminen vuosina 2015–2019

Abstract

Kotimaisten kielten keskus (Kotus) edistää yhteistyössä muiden toimijoiden kanssa kotimaisten kielten dokumentointia ja rakentaa kielitieteellistä tutkimusinfrastruktuuria. Aineistoja tarvitaan kielenkäytön seuraamisessa ja tutkimisessa, ja ne ovat välttämättömiä Kotuksessa tehtävässä kielenhuolto- ja sanakirjatyössä. Aineistot palvelevat myös yhteiskunnan tarpeita.

Sähköinen aineistokokonaisuus tarkoittaa Kotuksen ylläpitämiä kieliaineistojen kokoelmia ja niihin liittyviä palveluja, jotka tarjoavat käyttäjille tutkimus- ja muuta materiaalia esimerkiksi paikannimistä, kirjakielen kehittymisestä tai yleiskielen ja murteiden sanastosta.

Kokoelmia on kartutettu systemaattisesti yli sadan vuoden ajan. Määrät ovat mittavia, ja lisäksi haasteena on aineistojen ja käyttötarpeiden moninaisuus. Lisäksi toimintaympäristö muuttuu kaiken aikaa nopeasti. Toisaalta on tarjolla yhä parempia teknisiä mahdollisuuksia mutta toisaalta käyttäjien odotukset tulevat yhä kovemmiksi. Kehittämistyössä korostuu strategisen ja pitkäjänteisen suunnittelun merkitys.

Opinnäytteen tarkoituksena on auttaa Kotuksen aineistokokonaisuuden kehittämisessä ja antaa eväitä muun muassa organisaatiotason strategisten valintojen tekemiseen sekä aineistojen kokoelma- ja palvelupolitiikan päivittämiseen. Välittömänä tavoitteena on tarjota näkökulmia aineistoprojektien suunnitteluun ja ohjata olemassa olevan aineistokokonaisuuden uudistumista tietojärjestelmien ja palvelujen osalta. Opinnäyte luo myös kokonaiskuvan Kotuksen aineistoninfrastruktuurin historiasta ja nykytilasta sekä strategisista linjauksista. Tapausesimerkkinä kuvataan Nimiarkiston digitalisointihanketta, joka on monessa suhteessa organisaatiolle uudenlainen ja sopii näin malliksi uusille projekteille tai toimintaohjelmille.

Tulevaisuuden skenaarioiden tarkastelussa tunnistetaan riskejä, joita voidaan kohdata, jos toimintaympäristön muutoksiin ei osata tai haluta reagoida ja asettaa riittävän pitkälle ja laajalle ulottuvia strategisia tavoitteita. Innovaation mahdollisuuksia olisi esimerkiksi sanakirja- ja aineistotiedon monipuolisessa yhdistämisessä.

Uudet digitointi- ja muut aineistohankkeet tulee sovittaa määriteltyihin tietojärjestelmä- ja palveluympäristöihin ja välttää aineistokohtaisia erillisratkaisuja.

The Institute for the Languages of Finland, in cooperation with other parties, promotes the documentation of domestic languages in Finland and maintains linguistic research infrastructure. The data is needed in the research of linguistic usage and it is also essential in the language planning and the dictionary compiling in the Institute. The data infrastructure also serves the needs of the Finnish society.

The term digital data infrastructure refers here the Institute’s collections of linguistic data and the services related to them. The services offered to users include material for research and other purposes, for example on place names, development of literary language or vocabulary of standard language and dialects.

The collections have been accumulated systematically over a period of more than a hundred years. The collections are expansive, and the versatility of the data and user needs also poses a challenge. Together with a changing environment, which on one hand offers better technical possibilities, but on the other hand sets higher expectations, emphasizes the significance of strategic and long-term planning.

The intention of this thesis was to help in developing the Institute’s data infrastructure and provide ideas for making strategic choices on organizational level and for updating the collection and service policies. The immediate goal was to offer viewpoints for planning data projects and guide the renewal of the existing information systems and services.

The thesis also gives a general view on the history and current state of the Institute’s data infrastructure and strategic plans. The digitalization project of the Names Archive is discussed here as a case study that presents a new type of a project for the organization, and is therefore a suitable model for new projects and larger developing programs.

When looking at future scenarios, possible risk scenarios are examined where the changes in working environment are not reacted to and adequate strategic goals are not made for extensive long-term planning. For example, combining dictionary and other data in a versatile way offer possibilities for new innovations.

New digitalization and data projects should be adapted to defined information system and service environments and separate data specific solutions should be avoided.