PODSTAWOWE INFORMACJE O PROJEKCIE

Nazwa projektu: Cyfrowa infrastruktura badawcza dla humanistyki i nauk o sztuce DARIAH-PL (DARIAH.LAB)

Kierownik projektu: mgr inż. Tomasz Parkoła (PCSS)

Kierownik projektu w IJP PAN: dr Krzysztof Nowak

Numer projektu: POIR.04.02.00-00-D006/20

Data rozpoczęcia: 2021-01-01

Data zakończenia: 2023-12-31

Jednostka finansująca: Rozwój Nowoczesnej Infrastruktury Badawczej Sektora Nauki; POIR 2014-2020

Wartość projektu: 129 496 338,73 PLN

Dofinansowanie UE: 99 800 000 PLN

CEL I ZAKRES PROJEKTU

Charakter projektu

Projekt miał charakter infrastrukturalny i był realizowany w skali ogólnokrajowej w ramach konsorcjum DARIAH-PL – krajowej części europejskiej infrastruktury badawczej DARIAH ERIC. Jego celem było tworzenie i rozwijanie trwałych rozwiązań technologicznych oraz organizacyjnych wspierających badania w obszarze humanistyki i nauk o sztuce. Przedsięwzięcie wpisywało się w strategiczne działania na rzecz budowy nowoczesnej infrastruktury badawczej, umożliwiającej długofalowe gromadzenie, przetwarzanie, integrację i udostępnianie zasobów cyfrowych.

Zakres działań

Zakres działań obejmował rozwój i doskonalenie narzędzi cyfrowych przeznaczonych do przetwarzania, analizy i wizualizacji danych humanistycznych, a także integrację rozproszonych zasobów badawczych w spójne środowisko infrastrukturalne. Istotnym elementem prac była standaryzacja danych, w tym opracowywanie modeli ich opisu oraz wdrażanie rozwiązań zapewniających interoperacyjność i długoterminową trwałość zasobów. Projekt wspierał również rozwój metodologii humanistyki cyfrowej poprzez tworzenie rozwiązań umożliwiających prowadzenie zaawansowanych badań z wykorzystaniem narzędzi informatycznych oraz współpracę międzyinstytucjonalną w ramach infrastruktury DARIAH-PL.

UDZIAŁ IJP PAN W PROJEKCIE DARIAH.LAB

Instytut Języka Polskiego PAN aktywnie uczestniczył w realizacji projektu DARIAH.LAB, rozwijając zasoby i narzędzia wspierające badania językoznawcze w środowisku humanistyki cyfrowej.

REZULTATY PRAC IJP PAN W RAMACH DARIAH.LAB

Realizacja projektu DARIAH.LAB przyczyniła się do rozwoju infrastruktury badawczej w obszarze humanistyki cyfrowej, w tym do wzmocnienia zasobów językowych oraz narzędzi analitycznych wykorzystywanych w badaniach naukowych.

Korpus Mowy 2011-2020 i lat późniejszych

W ramach projektu DARIAH.LAB w Instytucie Języka Polskiego PAN opracowano obszerny korpus nagrań mowy obejmujący materiały z lat 2011–2020, z założeniem jego dalszej systematycznej rozbudowy.

Korpus zawiera zarówno warstwę dźwiękową, jak i szczegółowe transkrypcje tekstowe, co umożliwia wieloaspektową analizę danych językowych.

• • nagrania mowy z lat 2011–2020

• • transkrypcje tekstowe

• • wyszukiwanie form wyrazowych, lemmatów i tagów gramatycznych

• • platforma internetowa umożliwiająca przeglądanie i analizę danych

Przejdź do Korpusu Mowy:

Utworzenie Korpusu Mowy 2011–2020 umożliwiło uzupełnienie Narodowego Korpusu Języka Polskiego o aktualne dane dokumentujące współczesną polszczyznę mówioną oraz stworzenie trwałej infrastruktury pozwalającej na systematyczne włączanie nowych nagrań w kolejnych latach.

Zintegrowana Baza Leksykalna

Zintegrowana Baza Leksykalna to infrastruktura badawcza służąca opracowaniu, integracji i udostępnianiu naukowych zasobów leksykograficznych — zarówno słowników drukowanych, jak i kartotek rękopiśmiennych.

Wypracowany workflow umożliwia przekształcanie skanów materiałów drukowanych i rękopiśmiennych w ustrukturyzowane zasoby XML zgodne ze standardem TEI, zapewniając interoperacyjność, długoterminową trwałość oraz możliwość zaawansowanej eksploracji danych leksykograficznych.

ZESPÓŁ PROJEKTU DARIAH.LAB W IJP PAN

Nadzór instytucjonalny

dr hab. Maciej Eder

Dyrektor Instytutu Języka Polskiego PAN

Zespół koordynujący projekt

Kierownik projektu w IJP PAN

dr Krzysztof Nowak

Koordynator merytoryczny

dr Dorota Mika

Koordynator finansowy

mgr Szymon Seweryn

Zespoły badawcze i wykonawcy

Przedstawiciele pracowni IJP PAN w projekcie

• • Pracownia Dialektologii Polskiej – dr Emil Popławski

• • Pracownia Etymologii i Geolingwistyki – dr Rafał Szeptyński

• • Pracownia Historii Języka Polskiego XVII i XVIII Wieku – dr Ewa Rodek

• • Pracownia Języka Staropolskiego – dr Magdalena Klapper

• • Pracownia Łaciny Średniowiecznej – mgr Iwona Krawczyk

• • Pracownia Metodologiczna – dr Dorota Mika

• • Pracownia Onomastyki – dr Paweł Swoboda

• • Pracownia Polszczyzny Kresowej – dr Katarzyna Czarnecka

• • Pracownia Wielkiego Słownika Języka Polskiego – dr Ewa Kozioł-Chrzanowska

Wykonawcy

Dorota Adamiec, Renata Bronikowska, Maria Bugajska, Olga Chymkowska, Małgorzata Czachor, Piotr Giedziun, Rafał L. Górski, Wojciech Guz, Jan Idziak, Iwona Krawczyk, Katarzyna Kryńska, Paweł Kupiszewski, Halina Kurowska, Albert Leśniak, Wojciech Łukasik, Agnieszka Maciąg, Magdalena Majdak, Jagoda Marszałek, Jakub Młynarczyk, Jan Niewiarowski, Wiesław Morawski, Marcel Nowakowski, Michaił Osłon, Szymon Pogwizd, Emil Popławski, Ewa Rodek, Aleksandra Rykowska, Katarzyna Sucharska, Paweł Swoboda, Michał Woźniak.

FINANSOWANIE I REALIZACJA PROJEKTU

Projekt „Cyfrowa infrastruktura badawcza dla humanistyki i nauk o sztuce DARIAH-PL” (POIR.04.02.00-00-D006/20) był realizowany w latach 2021–2023 w ramach Programu Operacyjnego Inteligentny Rozwój 2014–2020, działanie 4.2 „Rozwój nowoczesnej infrastruktury badawczej sektora nauki”.

Całkowita wartość projektu wyniosła 129 496 338,73 PLN, z czego 99 800 000 PLN stanowiło dofinansowanie ze środków Unii Europejskiej.

PRACE Z WYKORZYSTANIEM INFRASTRUKTURY DARIAH.LAB W IJP PAN

Prace rozpoczęte w ramach projektu DARIAH.LAB (2021–2023) są kontynuowane w Instytucie Języka Polskiego PAN w ramach badań statutowych od 2024 roku. Faza pierwsza miała charakter techniczno-infrastrukturalny i obejmowała digitalizację zasobów drukowanych, rozpoznawanie tekstu metodą OCR, wstępną segmentację oraz anotację danych leksykograficznych, a także przygotowanie materiałów treningowych do dalszego rozwoju narzędzi HTR. W jej wyniku powstały ucyfrowione i częściowo ustrukturyzowane zasoby zapisane w formacie XML, stanowiące podstawę dalszych prac. Drugi etap koncentruje się na pogłębionym oczyszczaniu i normalizacji danych, ich standaryzacji oraz udostępnianiu w środowisku zgodnym z aktualnymi standardami humanistyki cyfrowej. Kluczowym elementem jest kodowanie zasobów w standardzie TEI XML, integracja semantyczna oraz publikacja danych w modelu interoperacyjnym (w tym jako Linked Open Data).