Tässä juttusarjan kuudennessa osassa puhutaan sanaston tarkastamisesta virheiden varalta. Jos edellinen osa tuntui käyttöohjeelta, tämä saattaa kuulostaa järjestelmäsuunnittelijalta tai laatupäälliköltä.
Millainen on hyvä sanasto
On tärkeää voida luottaa sanastoon, jota opiskelee. Tarve tarkastaa sanaston oikeellisuus kasvaa vielä lisää, kun sanastoja jaetaan eteenpäin tai luovutetaan yhteisiin kokoelmiin. Listataan muutama laatukriteeri ja mietitään, mitä tämä merkitsee tarkastamisen kannalta.
- Sanasto kattaa lähdetekstin, eli tekoäly ei ole luovuttanut kesken kaiken. Tarkastusohjelma laskee lähdetekstin sanat, vähentää summasta ohitetut ja duplikaatit ja katsoo, päätyykö samaan summaan kuin sanastossa on entryjä.
- Sanasto noudattaa rakennetta, eli tekoäly ei ole jättänyt pois jotain sisältöjä liian monimutkaisina. Tarkistuksessa tekoäly käy läpi jokaisen entryn ja liputtaa tarkastettavaksi ne, jotka poikkeavat määritellystä rakenteesta.
- Sanat kirjoitettuna eri merkistöillä vastaavat toisiaan. Tarkistuksessa tekoäly vertaa sanan kirjoitusasuja luotettaviin nettilähteisiin.
- Sanojen merkitykset vastaavat yleisiä tulkintoja. Tarkastuksessa tekoäly vertaa eri merkityksiä luotettaviin nettilähteisiin
Edellisten kriteerien lisäksi sanaston ulkoasun tulee olla harkittu ja yhtenäinen. Tätä kriteeriä ei kuitenkaan otettu mukaan ohjelmalliseen tarkastukseen. Ihmiskäyttäjän tehtävänä on avata sanasto ja varmistaa silmämääräisesti, etteivät esimerkiksi rivivälit ja sivun reunukset kesken kaiken muutu. Rajaus tehtiin, koska ulkoasu sisältää valtavan määrän erilaisia asetuksia ja ominaisuuksia, joista osa on myös riippuvaisia käytetystä tekstieditorista. Tekoäly tarkastaa siis sanaston sisällön, muttei esimerkiksi graafista ilmettä tai tiedostojen nimeämistapaa.
Miten sanasto tarkastetaan
Hankkeessa kehitettiin erillinen sanaston tarkistustyökalu GDV (Glossary Document Verifier). Se syntyi aluksi opettajan käyttötarpeeseen: tutkimaan opiskelijoiden luomia sanastoja. Siitä on kuitenkin hyötyä yhtä lailla oppijoille itselleen sekä muillekin kielten kanssa askarteleville. GDV on omassa tiedostossa oleva määritys, joka vertaa sanastoa lähdetekstiin, tarkastaa sanaston rakenteen ja sanojen selitykset. Lopuksi se tekee raportin tarkastuksen tuloksista.
Tarkastus on käytännössä yhtä suoraviivainen kuin sanaston luominen. Työvaiheita on hieman enemmän, mutta perusidea on sama: annetaan määritys, annetaan aineisto ja luetaan lopuksi raportti. Seuraavassa työvaiheet, jos sanasto läpäisee tarkastuksen heti ensimmäisellä kerralla.
- Ota esiin chatbotti
- Lataa kehotteeseen SD, GD ja GDV-tiedostot
- Kirjoita kehotteeksi ”tarkasta oheinen GD-sanasto vertaamalla sitä SD-lähteeseen noudattaen tarkasti GDV-speksiä. priorisoi laatu. unohda käytetty aika.” ja paina Enter
Tarkastuksen tuloksena syntyy tarkastusraportti GVR (Glossary Verification Report). Se voi näyttää esim. tällaiselta:
energetic-gvr.pdf (2 s. CC BY 4.0)
Miten tarkistettu sanasto merkitään
Jos tarkastus ei tuottanut virheitä, muuta sanastotiedoston (GD) status osoittamaan, että se on läpäissyt tarkastuksen. Lyhennekielellä VGD (Verified Glossary Document)
- Muuta tiedostonimen lyhenne energetic-gd.docx → energetic-vgd.docx
- Lisää sanaston alkutietoihin: ”Verified by GDV [versio]”
Band-Maid: Energetic-sanoitus (genius.com)
Band-Maid: energetic-vgd.pdf(2 s. CC BY 4.0)
Miten virheet korjataan
GDV tuottaa raportin, jossa sanaston tarkistettavat kohdat on listattu ja virhe kuvattu lyhyesti. Tekoäly ei siis korjaa virheitä, vaan sanasto palautuu ihmiskäyttäjän pöydälle.
Jos teet korjauksia sanastoon, jonka kielet tunnet hyvin, huomaat ehkä virheen heti ja voit korjata sen suoraan GD-tiedostoon.
Jos tarkastuksessa löytyy virheitä, mitä et ehdi tai osaa korjata, tarkastusraportti kannattaa tallentaa tiedostoon, ”energetic-gvr.docx”. (Glossary Verification Report)
Jos tarkastat oppilaiden tekemiä sanastoja, joissa on suurempia virheitä, laita heille viestissä tarkastusraportti ja pyydä tekemään sanasto uudelleen.
Jos virhe on epävastaavuus länsimaisilla aakkosilla kirjoitetun selitettävän sanan ja perinteisillä kirjoitusmerkeillä kirjoitetun välillä, voit tarkistaa oikean kirjoitustavan GST:stä, lähteen verkkosivulta, katsomalla sanakirjasta tai kysymällä tekoälyltä.
Jos virhe on merkitysten kuvauksissa eri merkitystasoilla, se kannattaa kysyä erikseen tekoälyltä ja tehdä korjaus sanastoon.
Kesken jäänyt tai paljon virheitä sisältävä sanasto kannattaa luoda GGS:llä uudelleen eikä yrittää korjata virheitä yksitellen. Tämän jälkeen sille tehdään uusi tarkastus.
Mistä GDV:n saa?
Myös sanaston tarkastustyökalu on nyt julkaistu. Sekin on edelleen kehitysversio, mutta vaikuttaa tätä kirjoittaessa toimivan jo melko vakaasti.
gdv-03.docx (2 s. CC BY 4.0, versio 0.3, 2026-07-17)
0.3 versiossa tarkistuslogiikka muutettu tuotantokäyttöön sopivaksi vähentämällä virheellisiä positiivisia osumia ja lisäämällä periaate: Itsenäistä sanastoyksikköä ei luokitella virheelliseksi tai rajatapaukseksi pelkästään siksi, että se on osa vakiintunutta ilmausta.
Palaute on tervetullutta tästäkin työkalusta. Erityisen kiinnostavaa on se, mitä tekoäly kertoo ongelmista ja esittääkö se niihin hyviä korjauksia. Samoin se, kuinka suuren aineiston se pystyy hoitamaan käyttämälläsi chatbotilla ja sen sopimustyypillä (ilmainen vai maksullinen).
Seuraavassa, eli seitsemännessä osassa kerron speksien muokkaamisesta, tekijänoikeuksista, julkaisusta, skaalautuvuudesta ja oppimisekosysteemeistä.