Poster honen bidez, Gizarte eta Komunikazio Zientzien Fakultatean martxan jarriko den HarilkAI ikerketa proiektuaren abiapuntua aurkeztuko dugu. Proiektuaren asmoa Adimen Artifizialaren eta Hizkuntza Eredu Handien esparruan garatzen ari diren tresna eta berrikuntzak gizarte eta komunikazio zientzietan irakaskuntza eta hezkuntzaren eremura eramatea da, fakultateko testuinguruan. Horretarako, adimen artifizialeko tresnak erabiltzeko azpiegitura sozio-tekniko bat sortuko da, tresna hauen erabilerak diren tentsio, gatazkak eta egokitzapenak modu esperimentalean sortu, hauen gaineko hausnarketa sustatu eta aukera berriak prototipatzeko. Azpiegitura horrekin hiru problematika jorratu nahi dira:

• gizarte eta komunikazio zientzien praktika eta epistemologia, horretarako partaideei esperimentazioan oinarritutako eskuhartzeak egiteko eskatuko zaie hauek planteatzen dituen erronkak agerrarazi eta hauetara egokitzeko prototipo, protokolo, eta programak planteatzeko.
• subiranotasun digitala, horretarako opensource filosofia eta praktikak izango ditu oinarri, bai ikerketa modu kolaboratiboan garatzeko zein unibertsitatean software pribatiboaren eta plataformen jabetzarekiko alternatibak jorratzeko.
• euskara, hizkuntza eredu handien eztanda honetan, euskaratik eta euskaraz sortutako tresnak baliatzeko.

Ikerketalde, irakasle eta ikertzaile desberdinen eskura egon daitekeen laborategia sortzea da asmoa, modu experimental eta kolaboratiboan egokituko da haien beharretara. Zentzu horretan, garatuko den azpiegiturak hiru modutan engaiatu edo enrolatu egingo ditu partaideak.

Engaiamendu praktikoa, laborategi baten instalazioa izango du oinarri, azpiegitura partaideen eskura jarriz haien ikerketa eta irakaskuntza akademikoan lan egiteko. “Komunen laborategi” (Corsín Jiménez, 2021) gisa lan egiteko asmoa dauka, opensource filosofia eta hacker kulturako komunitate sarea osatuz (Amasté, 2018)

Engaiamendu etnografikoa, laborategiaren instalazio-prozesua bera eta bertatik eratorritako jardueren ikerketa delako. Era horretan, begirada etnografiko batetik eraikitako ikerketa da, ikerketa praktika eraginkorra izan da zientzia eta teknologiaren kutxa beltza zabaltzerako orduan (Latour, 1987). Ikuspegi etnografiko batetik, esperimentuaren emaitzetan arreta jarri ordez, esperimentazioa bera izango du interes esparrua (Ballestero eta Winthereik, 2021). Etnografia esperimentala burutuko da azpiegiturek, era horretan diseinatutako azpiegiturenoinarri politikoa eta kulturalak agerian jarriko dituzte egokitzapenek (affordance) agerian jarriko dira (Lupton, 2018, Ballestero & Winthereik, 2021).

Engaiamendu sozioteknikoa, dimentsio sozial eta teknikoak, teknologia gogor eta bigunek elkarrekin jardun eta elkar engaiatu egiten dizutelako, agentzia banatua (Bennett, 2011). Zientzia eta Teknologiaren Ikerketek dikotomia hauek gainditzeko proposatutako kontrobertsien kartografia (Venturini eta Munk, 2021) baliatuko da, laborategian ematen diren akats, zalantza etiko, zailtasun, tentsio, gatazka eta egokitzapenak aztertzeko. Era honetan, azpiegitura soziotekniko hau kontrobertsiak proboatzeko bitartekoa ere bada. Azpiegitura honi esker, eskainitako tresnek muga-objektu gisa jokatu ahalko dute, disziplina ezberdinak gurutzatu eta arlo desberdinetatik interesatzeko gaitasuna izango dute (Lupton, 2018).

Honetarako, proiektuak software eta hardwarea prestatu eta egokitu beharko ditu, eta espazio fisiko, sinboliko eta birtualak sortuko ditu tresna horien inguruan.

Laburpen on batek jatorrizko testuaren ikuspegi orokorra eman behar du, testu osoa irakurri gabe horren nondik norakoak ulertu ahal izateko. Testuko informazio garrantzitsuena jaso behar du eta informazio hori era josian adierazi behar du. Lan honetan albisteetatik automatikoki sortutako laburpenen kalitatea ebaluatzeko metodologia garatu nahi izan dugu. Metodologia hori edozein hizkuntzatako laburpenak ebaluatzeko definitu badugu ere, euskararen adibidea baliatuko dugu berori aurkezteko. Era berean, egun erabilgarri dauden hizkuntza ereduek albisteen laburpen automatikoak sortzeko balio duten ere aztertu nahi dugu.

Euskarazko esperimenturako Berria egunkariko 15 albiste ausaz batu ditugu. Albisteak euskara batuan idatzita daude, albisteetatik batzuetan ekialdeko hizkera baliatu den arren. Gainera, hizkuntza ereduek albiste horiek aurretik ikusi ez izana ziurtatzeko, azken hilabeteetako albisteak hartu ditugu. Horietatik hamar metodologia fintzeko eta hiru ebaluatzaileak atazan trebatzeko baliatu ditugu eta gainontzeko bost albisteak gidalerroen baliozkotzerako erabili ditugu. Laburpenei dagokienez, albisteen leada eta automatikoki sortutako laburpenak bildu ditugu.

Laburpenak sortzeko, euskararako erabilgarri dauden hizkuntza eredurik ahaltsuenak hautatu ditugu: Claude, Command R+, GPT4o, Reka Core eta Llama 3.1 70B. Laburpenak sortzeko lau agindu desberdin definitu dugu, ezaugarri zehatzak dituzten laburpenak sortzeko. Zehazki, laburpen agindu hauek definitu ditugu:

• Oinarrizko laburpena
• Chain-of-thought analisiaren ondoriozko laburpena
• 5W1H galderei erantzunez egindako laburpena
• TLDR laburpena

Hala, albisteko 21 laburpen eskuratu dugu: leada eta eredu bakoitzak sortutako lau. Guztira 315 laburpeneko corpusa eratu dugu.

Laburpenen kalitatea neurtzeko bost irizpide definitu ditugu, beste lan batzuetan (Dang, 2005; Kryscinski et al., 2019; Fabbri et al., 2021) egindako proposamenei jarraiki:

• Koherentzia: laburpeneko ideien arteko joskera
• Konsistentzia: jatorrizko testuarekiko laburpenaren egiazkotasuna
• Jariotasuna: hizkuntzaren zuzentasuna
• Adierazgarritasuna: jatorrizko testuko ideia garrantzitsuenen proportzioa laburpenean

Gainera, beste irizpide bat ere aztertu dugu, kazeteritzan maiz erabiltzen den 5W1H printzipioan eta Bonet-Jover et al.-en lanean (2023) oinarrituta:

• 5W1H: jatorrizko testuko ideia garrantzitsuenen presentzia

Bost irizpide horiek 1etik (guztiz desegokia/okerra) 5erako (guztiz egokia/zuzena) puntuazioaz baloratu ditugu.

Corpuseko 315 laburpenetako bakoitza 3 ebaluatzailek baloratu dute eta beren arteko adostasun maila aztertu da. Posterrean, emaitzen analisitik ateratako ondorio nagusiak aurkeztuko ditugu.

Nahiz eta lan honetan automatikoki sortutako laburpenen kalitatearen ebaluazioan zentratu, proposatutako ebaluazio-eskemak gizakiok sortutako laburpenak ebaluatzeko ere balio du.
 

Erreferentziak

Alba Bonet-Jover, Robiert Sepúlveda-Torres, Estela Saquete, eta Patricio Martínez-Barco. 2023. A semi-automatic annotation methodology that combines Summarization and Human-In-The-Loop to create disinformation detection resources. Knowledge-Based Systems, Vol. 275.

Hoa Trang Dang. 2005. Overview of DUC 2005. In The Document Understanding Conference, volume 2005, pages 1–12.

Alexander R. Fabbri, Wojciech Krýsciński, Bryan McCann, Caiming Xiong, Richard Socher, eta Dragomir Radev. 2021. SummEval: Re-evaluating summarization evaluation. Transactions of the Association for Computational Linguistics, 9:391–409.

Wojciech Kryscinski, Nitish Shirish Keskar, Bryan McCann, Caiming Xiong, eta Richard Socher. 2019. Neural text summarization: A critical evaluation. In Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP), pages 540–551, Hong Kong, China. Association for Computational Linguistics

Lurralde baten toponimiak denboran zeharreko biztanleen ezagutzak jasotzen ditu, eta
horregatik, UNESCOk kultur ondare ukiezinaren baitan sartu du (Mácha, 2023). Leku izenen
azterketa hainbat ikuspuntutatik egin daiteke, diziplinarteko ezagutza-arloa baita. Alde batetik,
onomastikaren atala izanik, hizkuntzalaritzarekin harreman zuzena du. Beste aldetik,
geografiarekin erlazionatzen da, lurraldeari lotutako izenak baitira (Arroyo Illera, 2009). Azkenik,
toponimia historiarekin lotu behar da, iraganean sortutako izenek lekukotza gordetzen dutelako.
Tradizionalki, esan beharrik ez, kartografia toponimiaren euskarri grafiko naturala izan da (Jordan,
2009).
Lan honetan leku izenek lurraldea aztertzeko duten ahalmena erakutsiko da, informazio
geografikoko sistemei (GIS) esker. Erabilitako metodologia eta zenbait adibide aurkezteaz gain,
toponimoekin lan egiterakoan agertu diren zailtasunak azalduko dira. Hain zuzen ere, garatutako
proiektuaren helburutako bat izan da erronka hauei irtenbide automatizatua ematea.

Ikerketarako datu multzo nagusiak leku izenen bildumak dira, izendegi geografikoak (UNGEGN,
2006). Orokorrean, eskudun administrazioek eratutakoak izango dira, eta banaka edo modu
konbinatuan landu daitezke. Bildutako izen horiek beren ezaugarrien bitartez informazioa ematen
dute; izenaren esanahiak izendatutako lekua deskriba dezake, erreferentzia egiten zaion
entitatearen tipologia bere izaera geografikoarekin lotzen da, eta izenaren kokapenaren bitartez
testuingurua landu daiteke.
Erabilitako metodoek aztergaiaren inguruko terminologia identifikatzea eskatzen dute.
Berariazko hiztegi horretan bakandu daitezkeen lexemak erauzi beharko dira, eta lan eremuko
toponimia corpusean identifikatuko dira analisi geografikoa egiteko (Tort-Donada, 2022). 1.
Irudian prozedura infografia baten bitartez adierazten da. Bestalde, lan eremua Euskal Herria
denez, eleaniztasuna prozedura osoan presente dagoela azpimarratu behar da. Posterrean
azaldutako adibideetan azterketa aukera desberdinak erakusten dira, bai eskala aldetik, toki
eremuak zein eskualde zabalagoak lantzen direlako, bai gaiaren aldetik eta bai elementu
geografikoen sailkapenaren aldetik.

Proiektuak aurrera egin ahala, leku izenen tratamenduan zenbait zailtasun agerian gelditu dira,
eta GIS ingurunean, datu base kudeaketan, edo testuen lanketan, eta irtenbideak bilatzeko
garaian aurrean izan ditugun erronkek proiektua aberastu dute, eta emaitzak sendotzeko balio
izan dute:

a) Izendegi geografikoaren izaerak edo jatorriak datuen ezaugarriak baldintzatzen dituzte:
Kartografia iturritzat duten izendegi geografikoetan adibidez, jatorrizko mapa horien
eskalak, elementu geografikoek dentsitateak eta banaketa espazialak eragina dute.

b) Trabak izendegi geografiko bat baino gehiago konbinatzean: Datu baseetan entitate
geografikoen sailkapenak desberdinak direnean, interpretazio arazoak sortu daitezke
sailkapen bateratu bat lortzeko. Horrez gain, datu bikoizketak egon daitezke, baina grafia
aldaketak daudenean ez dira automatikoki topatuko. Gainera, izen errepikatuen
kokapena edo sailkapena ez du zertan zehazki berdina izan. Kasu horietan
erredundantziaren kudeaketa ez da sinplea.

c) Ikerketa gaiarekin lotutako lexemen identifikazioa: Tokiko aldaerak kontuan hartu behar
dira, eta sortu daitezkeen anbiguotasunak argitu edo, behinik behin, identifikatu. Beste
aldetik, leku izenen hizkuntza-normalizazio egoerari erreparatu behar zaio. Ildo berean,
nahitaez izango diren erroreen eragina ebaluatu behar da; alegia, okerreko identifikazioak
egon daitezke alde batetik, eta lexemak identifikatu gabe gelditzea eman daiteke
bestetik. Helburuen arabera “ komisio” eta “omisio” errore horiek larritasun desberdina
izango dute.

Bukatzeko, lortutako emaitzek erakusten dute toponimiak analisi geografikorako duen balioa eta,
azken finean, lurraldea ulertzeko baliagarria dela. Toponimiaren jakintza eremuaren
diziplinartekotasuna oso lotua dago behar teknologikoekin eta, proiektu honetan GIS tresna
oinarrizkoa izan arren, leku izenen datu baseak kudeatzeko eta arakatzeko oso kontuan izan behar
dira beste jakintza arloetako baliabide teknologikoak.

Euskaraz, egitura bihurkari eta elkarkari kanonikoak egitura iragankorrak dira: predikatu iragankor bat dute –hala
nola ikusi– eta bere burua (1a) edo elkar (1b) bezalako anafora bihurkari eta elkarkariaren bidez sortzen dira,
hurrenez hurren (Rebuschi, 1988, 1992; Salaburu, 1986; Artiagoitia, 2003). Egitura horietan, *edun aditz
laguntzaile iragankorra hautatzen da.
(1)
a. Jonek bere burua ispiluan ikusi du. (Etxepare, 2003: 380)
b. Mirenek eta Anek elkar ikusi dute. (Bilbao, 2022: 344)

Alabaina, euskaraz badira bihurkari (2a) eta elkarkari (2b) iragangaitzak ere, hots, anaforarik gabeak eta izan aditz
laguntzaile iragangaitza hautatzen dutenak. Esaterako, ikusi aditzarekin anaforadun egiturak izan arren
kanonikoak euskaraz, aditz berbera egitura iragangaitzetan ager daiteke:
(2)
a. Jon ispiluan ikusi da. (Etxepare, 2003: 380)
b. Miren eta Ane ikusi dira. (Bilbao, 2022: 344)

Gainera, batzuetan egitura elkarkari iragangaitzak ageriko anafora elkarkariarekin ager daitezke (3). Egitura horiei
elkarkari misto deitu zaie (Bilbao, 2022):

(3)
Miren eta Ane elkar ikusi dira. (Bilbao, 2022: 350)

(2) eta (3)ko adibideak ez dira forma estandarrak euskaraz eta ez daude, beraz, euskara baturako jasoak
(Euskaltzaindia 1991). Hala ere, noizbehinka entzun eta irakur daitezke, bereziki erregistro informalean (Bilbao
eta beste, 2022, 2024; Bilbao, 2023).

Lan honen helburua da ezagutu aditzak egitura bihurkari eta elkarkari iragangaitzetan duten erabilera enpirikoki
aztertzea corpus azterketaren bidez. Corpusa 2019-2021 bitarteko euskarazko 2.466.369 txiok osatzen dute:
Basque Twitter Corpus extracted during Covid-19 pandemic (Fernández de Landa eta beste, 2024). Sare sozialek
hizkera informalaren lekukotasuna ematen dutenez, corpus hori aproposa da aztergai ditugun egitura ez-
estandarren erabilera aztertzeko. Dena den, lan honetan aurkeztutako bilaketak corpusaren lehenengo zatian soilik
egin dira, hots, itxialdia baino lehenagoko txioetan (2020/01/01–2020/03/14 bitartekoak). Corpusean bilaketak
egiteko eta adibideak erauzteko AntConc programa (Laurence, 2024) erabili dugu.
Emaitzei dagokienez, “ezagutu” bilaketak 2486 agerraldi izan ditu eta horietatik 35 izan dira egitura bihurkari edo
elkarkariak. Horietatik gehienak bihurkari eta elkarkari iragankorrak izan dira: zehazki, 31 elkarkari –(4)
esaterako– eta bi bihurkari –hala nola (5)– jaso ditugu.

(4) Donostian ere Mintzaneteko kideok elkar ezagutu dugu!
(5) Berak bere burue ezagutu aben behintzet eta horrekin konformetan naz.

Aldiz, 35 agerraldi horietatik bi ez dira egitura iragankorrak izan, elkarkari mistoak (6) baizik. Horietan, ezagutu
aditza egitura iragangaitz batean –laguntzaile iragangaitzarekin– agertzen da, elkar anafora elkarkaria agerian
dagoen arren:

(6)
a. Jolastuz eta ondo pasatuz hobeto ikasten delako, elkar ezagutu gaitezen.
b. Bikoteak elkar ezagutu dira jokoen bitartez.

Hortaz, arakatutako corpusean egitura bihurkari eta elkarkari kanonikoak, hots, anaforadun egitura iragankorrak
dira nagusi ezagutu aditzarekin. Corpus honetan ez da anaforarik gabeko bihurkari eta elkarkari iragangaitzik (2)
aurkitu, baina bai elkarkari mistoen bi agerraldi (6).
Hala, lan honek erakusten du corpus azterketa metodo erabilgarria dela egitura bihurkari eta elkarkari estandarrek
–(4) eta (5)– eta ez-estandarrek (6) duten erabilera enpirikoki erkatzeko. Bereziki, Twitter bezalako sare sozialetan
oinarritutako corpusek aukera ematen dute bihurkari eta elkarkari ez-estandarretan ager daitezkeen aditzen
erabilera behatzeko eta adibideak erauzteko. Aurrera begira, gure asmoa adierazpen erregularrekin bilaketa
sofistikatuagoak egitea eta aditz gehiago aztertu ahal izatea da. Horren ostean, aditz mota bakoitza zein motatako
egituretan agertzen den arakatu eta maiztasunaren berri emango genuke.