Project: FIN-CLARIAH
Grant agreement: Academy of Finland no. 345610
Start date: 01-01-2022
Duration: 24 months
WP x.y: Report on <topic of the deliverable>
Date of reporting: dd-mm-2022
Authors: Firstname Lastname (Organization)
Contributors: Firstname Lastname (Organization)
Deliverable location: <link to, e.g., a GitHub repository, or other external location that includes further information or relevant content>
Keywords for the deliverable page: (any relevant keywords separated with semicolons; for search engines etc.)
The description text (max. 3000 characters) may include the following, if applicable:
The publication-ready deliverable should be emailed as a MS Word document (or similar) to wilhelmina.dyster (ATT) helsinki.fi, Cc:krister.linden (ATT) helsinki.fi.
Deadline for deliverables due 2022-09: Send the content for your deliverable page by 1.11.2022.
This page will showcase the project deliverables in 2022-2023 (see template and instructions for reporting).
| D1.1.1 | Updating LBF resource selection | 2022-09 |
| D1.1.2 | Ingesting new unstructured resources | 2023-12 |
| D1.2.1 | Forced-Alignment Service | 2022-09 |
| D1.2.2 | Transcription Service for Finnish Interviews | 2023-09 |
| D1.3.1 | Corpora of non-standard language | 2022-09 |
| D1.3.2 | Statistical noise models | 2023-06 |
| D1.3.3 | Language models | 2023-09 |
| D1.3.4 | Noise-resistant models | 2023-12 |
| D2.1.1 | Licensing agreements for personal data | 2022-09 |
| D2.1.2 | Licensing agreements for special categories | 2023-06 |
| D2.2.1 | Speech recognition for L2 | 2022-12 |
| D2.2.2 | Speech recognition for L2 update | 2023-12 |
| D2.3.1 | Licensing interpretation sessions | 2022-12 |
| D2.3.2 | Aligning and retrieving interpretations | 2023-12 |
| D2.4.1 | Term discovery procedures | 2022-09 |
| D2.4.2 | Terminology application | 2023-06 |
| D2.4.3 | Initializing terminology collections | 2022-09 |
| D2.5.1 | Test performances storage | 2022-12 |
| D2.5.2 | Learner performances tools | 2023-12 |
| D3.1.1 | Initial NLF data | 2022-09 |
| D3.1.2 | Ingestion framework | 2022-12 |
| D3.1.3 | Versioning support | 2023-06 |
| D3.1.4 | Incremental update process | 2023-12 |
| D3.2.1 | Analysis tools for NARC data | 2022-12 |
| D3.2.2 | Annotation tools for NARC data | 2023-12 |
| D3.3.1 | Qualitative survey data concept network | 2022-09 |
| D3.3.2 | Browser for data concept network | 2023-09 |
| D3.4.1 | Audio-visual and textual interaction analysis | 2022-12 |
| D3.5.1 | TNA-based analysis of text | 2022-12 |
| D3.5.2 | TNA network of Parliamentary debates | 2023-09 |
| D4.1.1 | Harmonized FNB | 2022-09 |
| D4.1.2 | Harmonization code | 2022-12 |
| D4.1.3 | Visualisation workflow | 2023-06 |
| D4.1.4 | R/Python modules | 2023-12 |
| D4.2.1 | LDF knowledge extraction tools | 2022-12 |
| D4.2.2 | Parliament of Finland ontology | 2023-12 |
| D4.3.1 | Subsetting tool | 2022-09 |
| D4.3.2 | Statistical overviews and bias detection | 2023-06 |
| D4.3.3 | Intelligent noise reduction | 2023-12 |
| D5.1.1 | User experience questionnaire | 2022-09 |
| D5.1.2 | Log data collection and analysis | 2023-06 |
| D5.1.3 | Protocol for collecting workshop data | 2023-12 |
| D5.2.1 | Actor network | 2022-12 |
| D5.2.2 | Educational material | 2023-12 |
The Corpus of Finnish Sign Language (CFinSL) has been available via the download service of the Language Bank of Finland after the former LAT platform was discontinued. The original downloadable packages turned out to be too large in order to be frequently downloaded and used during courses, for example. To alleviate the situation, the subcorpus of elicited narratives (CFinSL-elicit) was reorganized into smaller packages. Each package now includes the files of a given session, i.e., the video recordings and annotation files of a specific narration task performed by a specific signer.
For the time being, the download packages of the related conversation subcorpus (CFinSL-conv) were not modified. The access locations and content of both subcorpora remain the same.
More information about the currently available versions of the corpus can be found on the resource group page.
Suomalaisen viittomakielen korpuksen (CFinSL) sisältö on ollut ladattavissa Kielipankin latauspalvelun kautta sen jälkeen, kun LAT-alusta poistui käytöstä. Alkuperäiset latauspaketit ovat kuitenkin osoittautuneet opetuskäytössä liian suuriksi, koska tiettyjä aineiston osia on välttämätöntä ladata usein kurssien yhteydessä. Tilanteen helpottamiseksi korpuksen kerronta-aineisto (CFinSL-elicit) on nyt paketoitu uudelleen hieman pienempiin osiin siten, että yksittäinen latauspaketti sisältää vain yhden istunnon tiedostot (ts. yhden viittojan tiettyyn kerrontatehtävään liittyvät videotallenteet ja annotaatiotiedostot).
Samaan korpuskokonaisuuteen kuuluvan keskusteluaineiston (CFinSL-conv) latauspaketit ovat toistaiseksi ennallaan. Kummankaan osa-aineiston sijainti tai sisältö ei ole muuttunut.
Lisätietoa Suomalaisen viittomakielen korpuksen saatavilla olevista versioista löytyy CFinSL–aineistoryhmän sivulta.
Korp – our favourite corpus query service – will finally be upgraded to a new version before Christmas! You may already test the new Korp at https://korp.csc.fi/korplab/#?lang=en.
In the corpus menu of the new Korp version, the existing corpora have been rearranged under thematic sections. The same content is still available. In case you have links to corpus queries performed in the previous Korp version, they should continue to work in the new Korp version after the upgrade.
In addition, the new Korp version includes some features that have not been previously available, such as an improved way of filtering the content where the search is to be performed, and a better map feature for corpora that include information on geographic locations. All features will not be immediately available in the new Korp version, but they will be added little by little.
Please report any deficiencies either via the feedback form that you can find under the wheel menu in Korp, or by email to fin-clarin (at) helsinki.fi. For the time being, the current Korp version will remain available even after the upgrade at https://korp.csc.fi/korp-old/#?lang=en.
Suosikkihakupalvelumme Korp päivittyy uuteen versioon vielä ennen joulua! Uutta Korp-versiota voi jo kokeilla osoitteessa
Uutta Korp-versiota varten Korpin korpusvalikossa näkyvät aineistot on järjestetty uudelleen aihepiirin mukaan. Korpusten sisällöt ovat kuitenkin samoja, ja aiemmalla Korp-versiolla tehtyjen hakulinkkien pitäisi toimia suoraan myös uudella Korpilla.
Uusi Korp mahdollistaa joitakin sellaisia ominaisuuksia, joita aikaisemmassa versiossa ei ole ollut käytettävissä, esimerkiksi mahdollisuuden suodattaa hakujen kohteena olevaa aineistoa sekä paremman karttanäkymän niille korpuksille, joihin on liitetty sijaintitietoja. Kaikki ominaisuudet eivät välttämättä ole heti käytettävissä uudessa Korp-versiossa, mutta niitä lisätään ajan myötä.
Toivomme palautetta uuden Korpin puutteista joko Korpin ratasvalikosta löytyvän palautelomakkeen kautta tai sähköpostitse osoitteella fin-clarin (ät) helsinki.fi. Päivityksen jälkeen myös nykyinen Korp-versio jää toistaiseksi käyttöön osoitteessa https://korp.csc.fi/korp-old/.
Lahjoita puhetta-kampanjan ruotsinkielinen versio Donera prat (svenska.yle.fi/doneraprat) on alkanut verkossa. Kaikki ruotsin kieltä silloin tällöin arjessa käyttävät ovat tervetulleita lahjoittamaan näytteensä, jotta tekoäly ymmärtäisi tulevaisuudessa myös suomenruotsia.
Tervetuloa lahjoittamaan osoitteessa https://doneraprat.fi!
The Swedish version of the Donate Speech campaign (svenska.yle.fi/doneraprat) has started online (https://doneraprat.fi). Everyone who once in a while uses Swedish in Finland is welcome to donate their speech samples so that in the future, artificial intelligence will also understand Swedish the way it is spoken in Finland.
Kampanjen Donera prat (svenska.yle.fi/doneraprat) har börjat på nätet (https://doneraprat.fi). Alla som då och då använder svenska i vardagen är välkomna att donera lite vardagsprat för att utveckla artificiell intelligens som i framtiden även förstår finlandssvenska.
Lahjoita puhetta -kampanja, jonka suunnittelussa Kielipankki on ollut mukana, palkittiin vuoden 2021 Prix Europa-festivaalilla sarjassa Best European Digital Audio Project of the Year 2021. Voittajat julkistettiin Saksan Potsdamissa 15.10.2021. Lue Ylen sivuilta lisää Prix Europa -palkinnosta: https://yle.fi/aihe/a/20-10001451
Aiemmin tänä vuonna Lahjoita puhetta on voittanut parhaan mobiilipalvelun palkinnon sekä kunniamaininnan parhaasta datan käytöstä digitaalisen median Grand One -gaalassa (linkki Ylen sivuille).
Lahjoita puhetta on Ylen, Valtion kehitysyhtiö Vaken (nykyinen Ilmastorahasto), Solitan, Aalto-yliopiston ja Helsingin yliopiston yhteinen hanke.
Tästä voit lahjoittaa puhettasi!
The Donate Speech campaign, where the Language Bank of Finland has been involved, was awarded with PRIX EUROPA: Best European Digital Audio Project of the Year 2021 (see https://www.prixeuropa.eu/news/2021/10/15winners-y4emh). The award ceremony took place in Potsdam, Germany on 15th October, 2021.
Earlier this year, Donate Speech also won the national Grand One award for Best Mobile Service of the Year, including a distinction for Best Use of Data.
Donate Speech is a joint project of Yle – the Finnish Broadcasting Company, Vake Oy (current Ilmastorahasto), Solita, Aalto University and the University of Helsinki.
If you speak and understand Finnish, you can donate your speech here!
On 29th October 2021, the Language Bank of Finland and the Donate Speech campaign (Lahjoita puhetta) were awarded by the University of Helsinki in recognition of exceptional work in promoting the accessibility and reusability of research data. In addition to the Language Bank, the award was given to Research Coordinator Kati Lassila-Perini.
In the award ceremony, Research Director Krister Lindén gave a presentation that is now available on YouTube with English subtitles. Read more about the award on the website of the University of Helsinki.
Helsingin yliopisto myönsi 29.10.2021 Kielipankille ja Lahjoita puhetta -kampanjalle avoimen tieteen palkinnon tunnustuksena tutkimusaineistojen avaamisen ja uudelleenkäytettävyyden edistämisestä. Kielipankin lisäksi palkinnon sai tutkimuskoordinaattori Kati Lassila-Perini.
Lokakuun lopussa pidetyssä palkintoseremoniassa tutkimusjohtaja Krister Lindén piti esityksen, joka on nyt saatavilla YouTubessa englanniksi tekstitettynä. Lisätietoa palkinnosta löytyy Helsingin yliopiston verkkosivuilta.
In 2021, the Teaching with CLARIN Award was given to three projects: Darja Fišer and Kristina Pahor de Maiti from Slovenia and Mietta Lennes from Finland (and from the Language Bank of Finland!) won the The Teaching with CLARIN Jury Award, and Diana Maynard from the UK won The Teaching with CLARIN Audience Award. The winners were published in the CLARIN Annual Conference on 28th October, 2021.
The award is intended for lecturers or other education professionals who have successfully integrated CLARIN into the courses they teach and/or training material they have developed. The next call is to be opened in 2022.
Check out all the submitted contributions at https://www.clarin.eu/content/teaching-clarin.
Yleishyödyllisen Lahjoita puhetta -kampanjan kautta olemme saaneet kerättyä suomenkielistä arkipuhetta eri puolilta Suomea jo 3500 tunnin verran. Tätä puheaineistoa tullaan hyödyntämään tekoälyn tutkimuksessa ja kehityksessä sekä kielentutkimuksessa. Tavoitteena on myös tuottaa tulevaisuudessa ratkaisuja ja palveluita, kuten ääniohjattuja laitteita, jotka ymmärtävät erilaisia suomen murteita ja puhetapoja.
Lahjoita puhetta -kampanjan kautta kerätty puheaineisto on siis varsin laaja. Nyt etsimmekin yhteistyökumppaneita kampanjassa lahjoitettujen puheäänitteiden litterointia varten.
Litterointipalveluiden toimittajien valitsemiseksi olemme avanneet tarjouspyynnön Hanki-tarjouspalveluun. Tarjouksen voi jättää palvelun kautta 15.3.2021 klo 14.00 saakka.
Jätä tarjous tästä: https://hanki.tarjouspalvelu.fi/hanki?id=333409&tpk=faf82783-69d2-43cb-be60-bca036eed47f
PS. Vielä ehdit itsekin lahjoittaa puhetta!
Tietoarkiston uusi Tutkimusmenetelmien verkkokäsikirja koostuu kahdesta osasta, Kvantitatiivisen tutkimuksen verkkokäsikirjasta ja Laadullisen tutkimuksen verkkokäsikirjasta. Käsikirjat on suunnattu etenkin yhteiskuntatieteellisten aineiden opiskelijoille, mutta niistä on hyötyä monille muillekin.
Materiaaleja voi käyttää vapaasti opiskelussa ja opetuksessa. Tietoarkisto toivoo kuitenkin opettajilta käyttöilmoitusta. Kurssien opetustilanteiden ulkopuolisesta yksittäiskäytöstä informointi on myös toivottavaa, mutta ei pakollista.
Tutkimusmenetelmien verkkokäsikirja pohjautuu suosittuun Menetelmäopetuksen tietovarantoon (MOTV). Myös MOTV on edelleen saatavilla, mutta sitä ei enää aktiivisesti päivitetä.
Myös Kielipankki esitellään uudessa Laadullisen tutkimuksen verkkokäsikirjassa:
For technical reasons, the LAT service (lat.csc.fi) will be discontinued in the Language Bank of Finland as of November 30, 2020.
The LAT platform itself is no longer developed in its present form by MPI, and the media browser component Annex (part of LAT) is based on deprecated Adobe Flash technology that will stop working at the end of this year.
A replacement service for LAT has not yet been selected by the Language Bank of Finland. However, all the speech and sign language corpora that were previously available in LAT will be made available by alternative means.
All of the LAT corpora can be offered as downloadable packages that can be used and studied directly on the user’s local computer. In the download service, the corpora can be accessed under the same conditions as via LAT. For some corpora, more advanced solutions might already be available.
The LAT instances of the following corpora will be affected:
In order to see where each corpus will be located in the future, please refer to the corresponding metadata page where this information will be updated. The relevant metadata links are provided on the list above.
LAT assigned 25000 PIDs to individual files. We have no automatic mapping of these PIDs but we can help you find the file if you need it. We aimed to structure downloadable packages similar to the dataset structure on LAT. To locate a file look into the URL field of this page where you find a ”?path=...” parameter. Example: ?path=demo/TRASH/2017-01/526/v7556__.C_4.4_Viittomakielisten_kielelliset_oikeudet.imdi
This should help you locate your file, please contact us if you have any questions.
August-September 2020:
September-October 2020:
30th November 2020:
Year 2021 (and later):
Further details on the schedule of the aforementioned process will be updated on this page. In case you need additional information at this point, please contact FIN-CLARIN directly.
Teknisistä syistä Kielipankin käytössä ollut LAT-palvelu (lat.csc.fi) joudutaan sulkemaan marraskuun lopussa 2020.
MPI ei enää kehitä LAT-alustaa nykyisessä muodossaan, ja LATiin kuuluva Annex-mediaselaintyökalu perustuu Adoben vanhentuneeseen Flash-teknologiaan, joka lakkaa toimimasta vuoden lopussa.
Kielipankin käyttämälle LAT-palvelulle ei vielä ole valittu täysin korvaavaa palvelua. Kaikki puheaineistot ja viittomakielten aineistot, jotka ovat aiemmin olleet käytettävissä LATin kautta, tuodaan saataville toisella tavalla.
Kaikki LATissa olleet aineistot voidaan tarjota ladattavina paketteina, joita voi käyttää suoraan omalla koneella. Latauspalvelun kautta korpuksiin pääsee samoilla ehdoilla kuin aiemmin LATin kautta. Joillekin aineistoille voidaan jo nyt tarjota edistyneempiäkin ratkaisuja tavanomaisen latauspalvelun lisäksi.
Muutokset koskevat seuraavien korpusten LAT-versioita:
Kunkin aineiston kuvailutietosivulta löydät päivitetyt tiedot kyseisen aineistoversion tulevasta sijainnista. Linkit kuvailutietueisiin näkyvät yllä olevasta listasta.
Elo-syyskuu 2020:
Syys-lokakuu 2020:
30. marraskuuta 2020:
Vuosi 2021 (ja myöhemmin):
Edellä mainitun prosessin tarkemmat yksityiskohdat päivitetään tälle sivulle. Mikäli tarvitset tässä vaiheessa lisätietoja, ole hyvä ja ota suoraan yhteyttä FIN-CLARINiin.
Kielipankki Live on uusi verkkotapahtumien sarja, jossa haastatellaan tutkijoita ja keskustellaan ajankohtaisista Kielipankkiin liittyvistä aiheista. Tapahtumat videoidaan ja tallenteet ovat katsottavissa jälkikäteen tällä sivulla, myöhemmin myös tekstitettyinä.
Ensimmäinen Kielipankki Live -tilaisuus järjestetään maanantaina 24.8. klo 13.00 alkaen. Ilmoittautumalla jo ennakkoon varmistat itsellesi Zoom-kutsulinkin ja saat myös tilaisuuden jälkeen tiedon, kun videotallenne on katsottavissa.
Ilmoittautuminen ja lisätiedot: https://www.kielipankki.fi/kielipankki-live/
The Language Bank of Finland is working together with the Finnish Broadcasting Company (Yle) and the Finnish State Development Company (Vake Oy) in the Donate Speech campaign (Lahjoita puhetta) launching on 16th June 2020. The aim of this project is to collect all kinds of Finnish speech from all kinds of people, from all over Finland and abroad.
By donating your speech, you can help researchers and companies to study language and to develop technology and services that can be used in Finnish more fluently in the future. All variants of spoken Finnish are welcome – including the speech of second-language Finnish learners. As long as you speak some Finnish and can understand the Finnish instructions in the app, you can donate!
Read more about the contribution of the Language Bank of Finland (in Finnish)
