Keelekorpus kui leksikograafi abiline kõnekeelsuse tuvastamisel

Leksikograafi ehk sõnaraamatukoostaja tööriistu arendatakse pidevalt, mispärast tasub tööprotsesse kogu aeg üle vaadata ja kohandada (vt ülevaadet Klosa-Kückelhaus, Tiberius 2024). Keele uurimiseks kasutatakse tänapäeval mahukaid keelekorpuseid (vt ka Baayen 2024; Rundell 2024; Davies 2025), millele Eesti leksikograafias on tuginetud juba 1990. aastatest. Spetsiaalsete leksikograafiliste töölõikude jaoks on Eesti Keele Instituudis (EKI) loodud ka korpusandmete analüüsi tööriistu, näiteks kalkulaatoreid sõnaliigi muutumise tuvastamiseks (vt nt Vainik jt 2021; Paulsen jt 2023). Siin artiklis keskendume sellele, kuidas saab kasutada korpusanalüüsi sõnaraamatumärgendite, konkreetsemalt kõnekeelsuse märgendi üle otsustamisel.

Märgendite esitamise järele sõnaraamatus on alati olnud ühiskondlikku nõudlust, nii ka praegu. Näiteks otsivad keeleõppijad sõnastikust infot sõnade kasutusregistrite kohta (Pool jt 2025), ent on väljendatud ka soovi, et 2025. aastal ilmuvas õigekeelsussõnaraamatus (ÕS) oleks kirjakeele kiht välja sõelutud (Päärt 2023), või ka, et ÕS esitaks üksnes neutraalset sõnavara (Nemvalts 2023). Nagu teistes sõnastikes, nii on seni ÕS-iski olnud erisugust keelematerjali – seda on väljendanud ka ÕS 1999 toimetaja Tiiu Erelt (2002: 74): „Sõnaraamatu plussiks julgen pidada rohket väljendite tõlkimist ühest allkeelest, registrist, stiilist teise, hrl neutraalkirjakeelde.”

Keskendume kõnekeelele kui neutraalsest keelest irduvale stiilitasandile. Valisime kõnekeele praktilisel kaalutlusel, sest erinevalt näiteks vulgaarsest või lastekeelest, mida on sõnaraamatutes samuti märgendatud, on kõnekeelsust olnud leksikograafil keerulisem tabada, sest see on subjektiivsem ja vähem äärmuslik register. Peale selle on ÕS-is mõnedele sõnadele lisatud kõnekeelsusele osutav märgend (ARGI) keelekorralduslikel kaalutlustel (vt ka Raag 2008: 11–12; Risberg 2024a: 53–57). Süsteemselt tasub üle vaadata ka EKI ühendsõnastikus (ÜS; keeleportaalis Sõnaveeb) olevad kõnekeelsuse märgendiga keelendid, sest normatiivse ÕS 2018 integreerimine on võinud mõjutada ÜS-i keeleinfot, olgugi et järgmise, ÕS 2025 koostamise käigus on ÕS 2018 infot üle analüüsitud ja ajakohastatud (nt Paet 2023; Risberg 2024a; vt Langemets 2025).

Uurisime, kuidas saab leksikograaf korpusinfost tuge kõnekeelsuse märgendi lisamise või eemaldamise üle otsustamisel. Millal on alust sõna või väljendi tähendusele sõnaraamatus kõnekeelsusele osutav märgend lisada?

1. Registrid ja sõnaraamatumärgendid

Terminite register, žanr, allkeel, samuti kirjakeel ja kõnekeel kasutuses ning definitsioonides pole teoreetilistes käsitlustes olnud ühist kokkulepet. Terminikasutus on põhinenud pigem autorite eelistustel, samas ongi need mõisted hägusate piiridega ja osaliselt kattuvad. (Kuzman, Ljubešić 2023; Lindström jt 2023; Vaik 2024) Järgnevalt avame seda mõistestikku, taotlemata ebaühtluse lahendamist (alapeatükk 1.1), ning kirjeldame sõnaraamatumärgendite tausta (alapeatükk 1.2).

1.1. Mõistestik

Tiit Hennoste ja Karl Pajusalu (2013: 13) on allkeele defineerinud kui keele variandi, „mida kasutatakse järjekindlalt teatud kasutussituatsioonides või inimrühmades ning millel on omad keelelised kasutusnormid või -normingud”. Nad on kirjeldanud kolme võimalust allkeeli liigitada: 1) normitud keele, 2) kasutussituatsioonide ja 3) kasutajate (murreteülene ühiskeel vs. murded) järgi. Teise variandi, st kasutussituatsioonide omaduste kaudu on nad mõtestanud just registreid: keelelised valikud olenevad sellest, kas tegu on suulise või kirjaliku, avaliku-ametliku või kõnekeelse suhtlusega (Hennoste, Pajusalu 2013: 13). Siin artiklis järgime sama mõtestust, seda toetab ka Anke Lüdelingi jt (2022: 3) tõdemus, et registrid on keelteülesed ja registri all mõeldakse sageli selliseid kategooriaid nagu ametlik keel ja kõnekeel.

Mõisteid register ja žanr on eristanud mitmed autorid: registrit iseloomustavad tekstist sõltumatud keelelised tunnused, samas kui žanr iseloomustab just teksti (vt Lee 2001; ka Vaik 2024: 24–26). Douglas Biberi ja Susan Conradi (2009: 10) järgi peab registrianalüüs tuginema tekstivalimile, mis esindab registrit võimalikult terviklikult, see ei tohi põhineda ainult ühel tekstil või ühe autori stiilil.

Artiklis osutab žanr konkreetsele tekstiliigile, näiteks blogitekstile. Blogipostitus võib olla nii informaalses registris, sisaldades muu hulgas palju värvikaid kõnekeelseid sõnu, kui ka neutraalses registris. Mõlemal juhul võidakse blogipostituses järgida kirjakeele norme. Register aga paigutab keelelise väljenduse informaalse-neutraalse-formaalse skaalale, sõltumata žanrist. Ühe žanri sees võivad tekstid registriliselt varieeruda.

Artikli fookuses oleva kõnekeelega seostub termin kirjakeel, mida on eri autorid samuti aja jooksul kasutanud (kohati väga) erineva sisu tähistamiseks. Olenevalt käsitlusest on mõeldud näiteks 1) neutraalset keelt vastandina sageli värvikale kõnekeelele, 2) ranget normikirjakeelt ehk seadusega ette nähtud kirjakeele normile vastavat ametlikku keelekasutust vastandina muule vabamale keelekasutusele, kus järgitakse kasutuses kujunenud norme, või 3) kirjutatud keelt vastandina kõneldud keelele (Lindström jt 2023: 8–9). Artiklis keskendume kõnekeelele kui neutraalkeelest värvikamale registrile.

Terminit standardkeel on samuti kasutatud eri sisu tähistamiseks, vastandades seda kas 1) rangetest normingutest vabamale kõnekeelele või 2) murretele. Artiklis kasutame sõna ühiskeel, kui mõtleme murreteülest ühiskeelt, mida sajand tagasi loodi ja mida tänapäevaks üle Eesti räägitakse. Mõistet üldkeel, mida kasutatakse vanusest, ametist, haridusest, elupaigast olenemata, vastandame erialakeeltele, kus kasutatakse erialaspetsiifilisi termineid.

1.2. Märgendid sõnaraamatutes

Sõnaraamatumärgendite lisamine on sõltunud sellest, kas sõnastik on deskriptiivne või preskriptiivne. Anke Lüdelingi jt (2022: 4, 9) järgi peavadki keeleallikad (nagu sõnaraamat) osutama, et teatud keelendid või grammatilised vormid sobivad kindlatesse olukordadesse. Samas on nad nentinud, et preskriptiivsetes sõnastikes ja grammatikates on selliseid väiteid esitades toetutud vaid väiksele ja piiratud tekstivalimile, mistõttu on esitatud vähe või juhuslikke tõendeid. (Lüdeling jt 2022) Teisalt ei pruugi ka deskriptiivsed allikad alati olla objektiivsed (Wit, Gillette 1999: 2; Pullum 2023).

Leksikograafias pole välja kujunenud üldist ühtset süsteemi, kuidas sõnakasutust märgendite abil täpsustada: märgendite valik võib eri keeltes ja eri sõnakogudes varieeruda väga suurel määral. Enamasti on sõnastikes kasutusel registri- (nt kõnekeelne) ja erialamärgendid (nt bioloogia, õigusteadus või selgitus „oskuskeeles täpsem”), aga märgend võib piiritleda ka kasutussagedust (nt harv), aega (nt uus, vanamoodne), stiili (nt stiilitundlik, luulekeelne), suhtumist (nt halvustav), geograafilist piirkonda (nt Briti inglise, murdes) või anda muud infot. Neutraalset üldkeelset sõna pole tavaks märgendiga varustada, nii on enamik sõnu sõnaraamatus märgendita.

Sõnaraamatumärgend osutab sellele, et sõna kaldutakse kasutama mujal kui neutraalses kontekstis, näiteks kõnekeelsuse märgendit saab käsitleda informaalsele registrile osutavana. Sue Atkinsi ja Michael Rundelli (2008: 185) käsitluses on osad keelendid neutraalkeelest formaalsemad ja teised informaalsemad, mistõttu oleks sõnaraamatus nende hinnangul otstarbekas eristada keelendi formaalsuse astet: neutraalsest ametlikumat registrit märgiks näiteks ametlik (ingl formal, vahel isegi official ’ametlikult kehtiv’), neutraalsest informaalsemat registrit aga mitteametlik (informal või selle variatsioonid, nagu familiar, casual, relaxed). Samas on sõnaraamatuesituse üldisem probleem see, et iga kirjeldatav sõna on loomulikust kontekstist väljas ja nii ei saa märgend määrata universaalset normi selle sõna igale kasutusjuhule, ehkki seda on kiputud nõnda tõlgendama (Langemets jt 2024: 753). Samuti on kasutajad märgendeid võtnud kui (normatiivset) märguannet või hoiatust sõna kasutuspiirangu kohta (vt nt Trap-Jensen 2002). Briti entsüklopeedia Britannica kodulehel on lausa hoiatatud, et inimesed, kes (sõnastikumärgendite najal) jagavad keelekasutust „õigeks” ja „valeks”, ei mõista, kuidas keel tegelikult toimib (Read s. a.; vt ka Baayen 2024: 634). Seepärast on seal soovitatud olla märgendite lisamisel pigem säästlik: paremini illustreerivad keelekasutust hoopis (autentsed) näitelaused.

Eesti seletussõnaraamatuid (EKSS 1988–2007, 2. trükk 2009) on alati koostatud keelenäidete põhjal: kuni 1990-ndateni kirjakeele arhiivi najal (ca 4 mln sedelit), alates 1990-ndate algupoolest on kasutatud elektroonilisi tekstikogusid (EKSS 2009: 5–6). 2010. aastatest on kasutusel mahukas eesti keele ühendkorpus (Koppel, Kallas 2022) ja spetsiaalsed korpustööriistad, nagu Sketch Engine. EKI ühendsõnastiku (ÜS) selgrooks saanud „Eesti keele sõnaraamat” (EKS 2019) toetus korpusanalüüsile (Langemets jt 2018). Märgendite valikul on EKI ühendsõnastikus järgitud EKSS-i tava, sh on kasutatud märgendit KÕNEKEELNE (mitte ARGI, nagu ÕS-is). Kõnekeelseks märgendatud keelendeid (täpsemalt, nende tähendusi) on seal 2025. aasta alguse seisuga umbes 5000 (kokku on ÜS-is 180 000 märksõna).

Leksikograafid on keeleandmeid ja nende toel registrilist kuuluvust analüüsinud ja hinnanud küll näidete varal, ent varem pole olnud ühist suunist, kuidas seda teha, ning iga otsuse taga on olnud konkreetne inimene oma keeletajuga. Seletussõnaraamatu otsuseid on osaliselt mõjutanud ka varasemates ÕS-ides kujundatud keelekorralduslikud ettekirjutused, näiteks on 2009. aasta EKSS-is sõna õieti tähenduse ’õigesti’ juures kõnekeelsusele osutav märgend, sest alates 1999. aasta ÕS-ist jäeti see tähendus välja (vt lähemalt Risberg, Langemets 2021: 912–914).

ÕS 2018-s on neutraalkeelest irduvad sõnad tähistatud märgendiga ARGI (’argikeelne’), aga ka MURDES, VULG (’vulgaarne’), LASTEK (’laste- või hoidjakeelne’) jt. ÕS 2018-s on argi- ehk kõnekeelseid sõnu ja väljendeid ligi 2300 (kokku on ÕS-is 50 000 märksõna). Kuigi ÕS-ide avaldamise järel on autorid märgenditest siin-seal rääkinud (nt Erelt 2002; Raadik 2014; ka Kerge 2004; vt analüüsi Langemets, Risberg 2023), siis seda, miks konkreetsed sõnad on argikeelseks määratletud, peab uurima üksiksõnade kaupa eri allikatest (nt Henn Saari kogumikest, vt Risberg 2024a: 51). Kõiki valikuid pole tõenäoliselt ka kirjeldatud ega põhjendatud.

Tõlgendamisraskusi on tekitanud see, et ÕS 1999-s ja ÕS 2006-s kasutati ARGI-märgendit kahes tähenduses: kõnekeele eristamiseks kirjakeelest (nt sõna kõiksugune märgendita, kõiksugu märgendiga ARGI) ning oskuskeele eristamiseks üldkeelest (nt märgendiga AJ (’ajalugu’) bürgermeister ’linnapea, linnavalitsuse eesistuja’ vs. samatähenduslik pürjermeister märgenditega VMO (’vanamoeline’) ja ARGI) (vt ka Erelt 2002; kriitika Vare 2001).¹ Krista Kerge (2004: 17) on ARGI-märgendit tõlgendanud kui osutust „vaba registri stiililt neutraalsele sõnale”, mis ei sobi ametlikku teksti. Samas on ARGI-märgendiga tähistatud ka värvikaid sõnu, mis pole stiililt neutraalsed (nt ahnepäits, läbustama, munajoodik). Ametnike formaalse, pahatihti kantseliitliku keelega seostub ÕS-i märgend PABERL (’paberlik, kuivametlik’) (81 juhtu, neist enamus näitelausetes), mis suunab vastavaid väljendeid ametlikus keeles vältima.

Kokkuvõttes on eesti leksikograafias senised märgendiga sõnad põhjalikult ja süsteemselt läbi uurimata. Samas tõlgendatakse märgendeid objektiivse informatsioonina, mitte ei peeta subjektiivseks (Pajusalu 2009: 6). Keeleallikates, eriti vanemates, on paljuski siiski olnud tegemist subjektiivsete otsustega, nagu on Rudolf Karelson osutanud ka eesti kirjakeele seletussõnaraamatu koostamise kohta: „Ent kõigest hoolimata võivad kõik meie poolt sõnade kõnekeelsusele, humoristlikule, halvustust väljendavale jm. kasutusele viitavad märgendid osutuda täiesti subjektiivseteks, sest nad rajanevad peamiselt sõnaraamatu autorite isiklikul keeletundel” (Karelson 1990: 34, meie rõhutused). Sellest tuleneb ka vajadus süsteemsemate ja valideeritavamate meetodite ja ühise suunise järele, millele saaks leksikograaf märgendi lisamise töös otsust langetades tugineda.

2. Korpustööriista kasutamise võimalused

Sõnaraamatutöö jaoks on viimastel aastatel katsetama hakatud ka suuri keelemudeleid (SKM-id; vt ülevaadet de Schryver 2023; ka EKI-s tehakse katsetusi, vt nt Jürviste jt 2025; Tuulik jt (ilmumas)), mida pidevalt arendatakse ja mis annavad vastuseid üha paremas eesti keeles. SKM-id võivad öelda tõenäosusliku hinnangu oma treeningandmetele tuginedes, ent nad ei anna usaldusväärseid viiteid ega võimalust vaadata reaalselt esinenud kasutusjuhtumeid sellises kontekstis, nagu neid saab vaadelda korpuses. Küll aga saab kasutada SKM-e korpusandmete analüüsimiseks. (Vt nt Davies 2025)

Korpuseid on kasutatud registri või stiili uurimiseks tekstitasandil (vt nt Cvrček 2024; Eder 2025), meie lähtusime aga keelenditest, sest leksikograafi ülesanne on kirjeldada just keelendit selle kõigis tähendustes. Eesti keele uurimiseks on leksikograafil vaja kiiret ning tõhusat vahendit, mis aitaks hinnata, millises registris sõna(tähendust) tüüpiliselt kasutatakse.

2.1. Tekstiliigid keelekorpuses

EKI ühendsõnastiku koostamisel on algusest peale toetutud korpusanalüüsile (Langemets jt 2018): 2010. aastatest on kasutatud tarkvarafirma Lexical Computing Ltd. arendatavat korpustööriista Sketch Engine (Kilgarriff jt 2014). Korpustööriista kaudu ligipääsetavas eesti keele ühendkorpuste sarjas (Koppel, Kallas 2022) on 2025. aasta seisuga ilmunud viis versiooni. Hiljutisimas, eesti keele ühendkorpuses 2023, on 13 allkorpust, millest suurimad on veebikorpused. Erinevalt traditsioonilistest (nt tasakaalus ja erialastest) korpustest, millesse valitakse tekstid kindlaksmääratud tekstiliike (žanreid) silmas pidades, pole veebist kogutud korpuse puhul teada, mida see täpsemalt sisaldab. Kuna veebitekstid pole üldlevinud taksonoomia järgi klassifitseeritud, tuleb neid korpusesse lisades klassifitseerida kas käsitsi või (pool)automaatsete meetoditega. (Vaik jt 2020) Tarkvarafirma kasutab veebitekstide klassifitseerimiseks poolautomaatseid meetodeid ning ka eesti keele ühendkorpuses on kasutusele võetud nende pakutud klassifikatsioon (muude klassifitseerimisvõimaluste kohta vt Vaik jt 2020; Vaik 2024).

Alates 2021. aasta ühendkorpuse versioonist on kasutusel kahetasandiline klassifikatsioon: žanrid (ingl genre, laiem klass) ja teemad (topic, kitsam klass, nt sport, poliitika, tervis) (Koppel, Kallas 2022). Teema määrab teksti sisu, mida on võimalik ära tunda peamiselt teksti leksikaalsete omaduste, st selles kasutatavate sõnade kaudu. Žanrit on võimalik määratleda teksti süntaktiliste ja leksikaalsete omaduste järgi ehk lihtsamalt öeldes kirjutamisstiili põhjal (näiteks kirjutatakse akadeemilisi tekste hoopis teises stiilis kui blogipostitusi).² (Suchomel, Kraus 2022) 2023. aasta ühendkorpuse tekstide klassifitseerimisel võeti kasutusele kolmetasandiline liigitus, jagades teatud teemad omakorda allteemadeks (nt üldise sport kõrval ka jalgpall, korvpall jm). Uurisime, kuidas tuleb tekstide poolautomaatne liigitus kasuks sõnaraamatute kõnekeelsuse märgendi üle otsustamisel ja mida tuleks seejuures arvesse võtta.

2.2. Märgendi määramise katse

2024. aasta kevadel tehtud katses lähtusime konkordantsipõhisest korpusanalüüsist (st vaatasime sõnu kontekstis), lisades juurde žanrianalüüsi. Võtsime valimisse sõnaraamatus juba kirjeldatud, mitte uued sõnad, et meil oleks võrdlusalusena võtta varem tehtud leksikograafiline otsus. Nii pärinevad katsesse valitud sõnad kahest üldkeelesõnaraamatust: „Eesti õigekeelsussõnaraamatust ÕS 2018”, mis oli katse ajal eesti kirjakeele normi aluseks, ning üle vaadatud ja uuemat infot sisaldavast EKI ühendsõnastikust 2024 (ÜS). Uurimust tegime sõnatasandil, mitte (kõnekeelsete) tähenduste kaupa, sest korpusest ei saa sõnatähendusi automaatselt kätte, neid tuleb uurijal ise tõlgendada.

Kokku oli materjaliks 240 juhuvalimiga saadud sõna. Täpsemalt pärines 50 KÕNEKEELNE-märgendiga sõna ÜS-ist (nt maarott) ja 50 ARGI-märgendiga sõna ÕS-ist (nt eraots). Kontrollrühmaks võtsime 50 märgendita sõna ÜS-ist (nt ehitismälestis) ja 50 märgendita sõna ÕS-ist³ (nt instrueering). Võrdluseks kaasasime katsesse ka murdesõnu: 20 murdemärgendiga sõna ÜS-ist (nt serbak) ja 20 ÕS-ist (nt kuukama).⁴ Valimis leidus sõnu eri sõnaliikidest (nt tüübiline, toss), samuti sõnaühendeid (nt vastu lonti andma), kuna sõnaraamatu märksõnadeks ongi erisugused keelendid.

Korpuse infot analüüsis EKI teadusprojekti EKKD-III1 registrite töörühma üheksa liiget, kelle vahel jagati analüüsitavad sõnad võrdselt ära.⁵ Ülesandeks oli tutvuda Sketch Engine’i tööriista abil eesti keele ühendkorpuse (ÜK 2023) keeleandmetega. Korpuse põhjal märgiti analüüsitabelisse sõna sagedusinfo (absoluutne ja per mln) ning viis sagedamat žanrit ja viis sagedamat teemat, mis selle sõna puhul esildusid. Iga žanri ja teema juures määrati sõna tüüpilisus neis (tekstiliigi suhtelise sageduse järgi).⁶ Niisiis uurisime, kui sage on sõna ise ning millistes žanrites ja teemades see kõige rohkem esineb ning kas ta on seal tüüpiline või mitte. Kui sõna esineb tüüpiliselt määramata žanris (ingl none), saab leksikograaf tõlgendada seda märgina, et sõna kasutatakse mitmesugustes tekstides, kaldumata mõnda konkreetsesse žanri. Soovi korral sai leksikograaf tutvuda ka konkordantsiinfoga ja seejärel pidi andma hinnangu, kas korpuse põhjal võiks sõna olla ÜS-is märgendita või märgendiga – ja kui, siis millisega. (Analüüsijale ei olnud ette antud infot, kas tema uuritaval sõnal on ÜS-is või ÕS-is märgend küljes.) Andmete põhjal võis ükskõik mis märgendit pakkuda. Tahtsime näha, kas ja kui palju pannakse kõnekeelele osutav märgend. Võimalus oli teha märkmeid ka vabasse kommentaarilahtrisse.

Analüüsi põhjal tegid kaks töörühma liiget tulemustest kokkuvõtte. Esiteks tuli iga sõna puhul välja tuua (jah/ei-vormis), kas korpus oli informatiivne ehk kas korpusinfo põhjal oli leksikograafil võimalik märgendi kohta otsus langetada. Kui vastuseks märgiti „ei”, tuli leksikograafil täita selgituse lahter. Seda lahtrit analüüsisime kvalitatiivselt. Üldanalüüsis kõrvutasime leksikograafi korpuse põhjal tehtud otsust ka originaalallika märgendiga. Eraldi vaatlesime juhtumeid, kus originaalallikas oli keelend märgendatud kõnekeelseks, kuid korpusinfo põhjal otsustas leksikograaf selle märgendita jätta.

3. Tulemused

3.1. Korpuse informatiivsus

Informatiivsuse all peame silmas seda, kas žanriandmetega täiendatud korpusinfo põhjal oli leksikograafil võimalik otsustada, milline märgend sõnale lisada. Üldanalüüsist selgus, et korpust hinnati märgendi määramisel üldiselt informatiivseks (82,1%). Näiteks saab sõnale fanatt korpusandmete põhjal lisada märgendi KÕNEKEELNE, sest see esineb enamasti foorumites ja blogides ning on mõlemas tüüpiline, erinevalt näiteks perioodikast, kus see esineb palju vähem ja pole tüüpiline. Korpust ei peetud aga informatiivseks näiteks väga homonüümsete sõnade puhul (nt siin, korp), kuna korpusanalüüs nõudnuks ajamahukat uurimist, ega korpuses valesti märgendatud sõnade puhul (nt verb jäärama esines enamasti nimisõna jäär vormidena). Samuti ei peetud korpusandmeid informatiivseks pärisnimega kattuvate sõnade puhul, mille kohta leidus vaid nimeinfot: oskar ’siga’ asemel nimi Oskar ja murdesõna rait ’hiiglasuur asi’ asemel nimi Rait. Selline tulemus ei olnud üllatav, kuna oskari tähendus ’siga’ on keelekasutuses väga harv, mistõttu on ootuspärane, et see pole korpusse jõudnud või ei esildu seal piisavalt. Korpuspäringusüsteem võimaldab otsida sõna küll väikese esitähega, ent see ei välistanud tulemustest lausealguse suurtähte. Samuti on väga tõenäoline, et sellised sõnad nagu oskar ja rait on korpuse märgendamise faasis valesti lemmatiseeritud, kuna lahendamata jäänud mitmesuste puhul valib ühestaja analüüsitud lemmade loendist ainult esimese, st kõige sagedama (Koppel 2020: 54). Niisiis peab leksikograaf teadma korpusanalüüsi puudujääke, et ta oskaks nendega arvestada.

Ilmnes seos sõna korpussageduse ja korpuse informatiivseks pidamise vahel. Korpust peeti märgendite määramisel informatiivseks pigem kõrgema korpussagedusega sõnade puhul, mitte siis, kui sõna esines liiga vähe (alla kümne korra), et selle põhjal saaks järeldusi teha (nt uhjutama, kolm korda). Informatiivsuse ja sageduse vahelise seose kindlaksmääramiseks arvutasime nendevahelise Spearmani korrelatsioonikordaja (ρ), mille põhjal saab kinnitada, et korrelatsioon on korpuse informatiivsuse puhul sagedusega statistiliselt olulises (p < 0,001) positiivses (kuid mitte tugevas) seoses (ρ ≈ 0,44). Üldistatult saab öelda, et mida sagedasem on sõna, seda suurema tõenäosusega peetakse korpust märgendi määramisel informatiivseks.

Katsesõnade hulgas olnud murdesõnad olid ühiskeelesõnadega võrreldes korpuses vähem esindatud. Isegi kui sõnakuju ise oli sage, ei pruukinud see olla õiges tähenduses, näiteks sõna hoon ’halb, vilets’ esineb korpuses 537 korda, aga leksikograaf ei suutnud tuvastada ühtegi murdetähenduses vastet, vaid tegu oli kas perekonnanimega, homonüümiga tähenduses ’lõikeriist metallpindade täppisviimistluseks’ või lemmatiseerimis- või trükiveaga. Niisiis ei olnud 2024. aasta mai seisuga ühendkorpusest murdesõnade asjus erilist abi.

3.2. Kõnekeelsus sõnaraamatute vs. korpusandmete põhjal

Võrdlesime üldanalüüsis sõnade originaalallikates (ÕS või ÜS) olnud märgendeid nende märgenditega, mida leksikograafid pakkusid välja žanrit arvestava korpusanalüüsi põhjal. Selgus, et originaalallika märgendid langesid korpuse alusel pakutud märgendiga koguvalimis kokku 59%, seega 41%-l juhtudest jõudsid leksikograafid korpust analüüsides teistsugusele tulemusele (vt tabelit 1). Viimaste hulgas oli ka 6 sõna, mille puhul leksikograafi hinnangul osutas korpuse info kõnekeelsusele, ehkki originaalallikas märgendit ei olnud. Näiteks sõna törts kohta, mis on nii ÕS-is kui ÜS-is märgendita, kommenteeris leksikograaf korpusandmete uurimise põhjal, et „on nii kõnekeelseid kui ka just toidukontekste, kus sama kõnekeelsena ei mõju, ehkki törts ikka”, ja otsustas, et varustaks selle sõna kõnekeelsuse märgendiga, ehkki võib-olla mitte kokanduse tähenduses.

Tabel 1. Märgendite kattuvus üldvalimis

Nende 100 katsesõna puhul, millel originaalallikas oli kõnekeelsusele osutav märgend (50 sõna ÜS-ist, 50 sõna ÕS-ist), pakuti kõnekeelsuse märgendit 39%-l juhtudest. Seega korpusinfo põhjal ei pakutud kõnekeelsuse märgendit 61%-l juhtudest (vt tabelit 1). Täpsemalt kattus leksikograafi kõnekeelsuse märgendi kasuks tehtud hinnang ÕS-i ARGI-märgendiga 18 sõna puhul 50-st (36%) ning ÜS-i KÕNEKEELNE-märgendiga 21 sõna puhul 50-st (42%). Kuna leksikograaf sai otsustada ka muude märgendite kasuks, ei tähendanud see alati, et mõnd märgendit ei oleks pandud. Näiteks võis sõna paista pigem harv, vanamoodne või halvustav kui kõnekeelne ning saada vastava märgendi.

Uurisime, miks oli valimis esinenud sõnadel sõnastikes kõnekeelsuse märgend, et mõista, miks originaalallika ja korpusandmete järgi oli märgendi kattuvus ainult 39%. Kattuvate sõnade hulgas oli mitmeid selliseid sõnu, mille puhul eesti keelt emakeelena kõnelejana ei tekkinud küsimust, miks see sõnaraamatus kõnekeelseks on märgendatud: näiteks sõna on lühendatud (fanatt, vrd fanaatik) või kõnekeelsus tuleneb tuletusliitest (näpukas ’trükiviga’, vt kas-liite kohta Kasik 2015: 264–265).

Mittekattuvate sõnade hulgas oli selliseid sõnu, mille puhul paistis, et on osutatud, et tegu ei ole terminiga (ÕS-is pasunapoiss, mänguriist, kompleks; ÜS-is võrdõigus, vt ÕS-i ja oskuskeele suhte kohta Vare 2001; Risberg 2024a: 52). Osa sõnu või mõne nende tähendustest saanuks kõnekeelsuse asemel või kõrval märgendada ka vulgaarseks või halvustavaks (nt lits, pehmo), teised ülekantud tähenduseks (kassiahastus ’pohmelus; masendusmeeleolu’). Mõnel juhul paistis tegu olevat keelekorraldusotsustega, näiteks varieeruvuse vähendamine (takkaotsa ARGI, vrd tagantjärele märgendita) või muu põhjus, mida tuleks lähemalt uurida (nt kõiksugu, vt Risberg 2024b). Originaalallika ja meie töörühma pakutud märgendite erinevus võib olla tingitud ka sellest, et ÕS-i ja ÜS-i koostajatel pole olnud märgendite määramisel keeleandmete arvestamiseks ühist suunist, samuti võib esineda märgendeid, mis on määratud tänapäeva keeleandmetega tutvumata.

Teadvustame, et ka korpusandmete tõlgendamine jätab ruumi subjektiivseteks otsusteks ja nii mängis selleski katses materjali tõlgendamisel rolli konkreetse uurija keeletunnetus. Kommentaaridest ilmnes, et samuti võisid keeleinfo tõlgendamist segada või siis sellele kaasa aidata taustteadmised keelekorralduslike otsuste kohta. Korpusanalüüsist on siiski subjektiivsuse vähendamisel abi, kuna see pakub infot laiema kõnelejaskonna keelekasutusmustrite kohta ja nii ei pea uurija tuginema üksnes enda sisetundele. Puuduseks on seesuguse kontrolli ajamahukus, samuti võib žanrite ja teemade ühtlase jaotumise korral otsuse langetamine olla keeruline.

Kirjeldame järgmiseks, milline oli žanriline jaotumine korpuses puhkudel, kui leksikograaf pidas sõna kõnekeelseks. Analüüsi põhjal pakume välja orientiiri, mida saab edaspidi ühe alusena teiste seas kõnekeelsuse hindamisel arvestada.

3.3. Kõnekeelsuse mõõtmine korpusanalüüsi põhjal

Leksikograafidel kerkis katset tehes küsimus, kui palju peaks sõna esinema kõnekeelsuse poole kaldu olevates tekstiliikides (eraldi mainiti blogisid ja foorumeid), et oleks põhjendatud kõnekeelsuse märgendi lisamine. Ehkki rangeid piire seada ei ole võimalik, määrasime edasisi arvutusi tehes just blogid ja foorumid kõnekeelsusele kalduvateks žanriteks, kuna üldiselt on nende tekstide keelekasutus rangete reeglite järgimisest vabam ja enamasti neid tekste teine inimene, harilikult keeleprofessionaal, ei toimeta.

Joonis 1. Žanrite jaotumine eesti keele ühendkorpuses (2023).⁷

Tegelikult ei saa korpuse žanreid väga lihtsasti liigitada informaalseks, neutraalseks või formaalseks, sealjuures ei ole tekstide toimetatuse aste ära määratud. Nii nagu on hägune kõnekeele ja kirjakeele piir, ei eksisteeri (korpuseski) üksnes ja ainult kõnekeelseid žanreid – ka blogide hulgas võib leiduda selliseid, kus autor ennast ise toimetab ja kirjakeele norme järgib. Perioodika all võib samuti leiduda nii toimetamata veebiartikleid kui ka mitu toimetamisringi läbinud paberajalehe artikleid, nii neutraalseid uudiseid kui ka värvikamat seltskonnakroonikat – seega ei saa seda žanrit formaalsuse skaalale paigutada. Rohkem formaalseks peetavaid žanreid, nagu teadusartiklid, seadusetekstid jm, on korpuse algmaterjalis ka vähem. Joonis 1 annab ülevaate žanrite jaotumisest eesti keele ühendkorpuses 2023 (vt ka Koppel, Kallas 2022).

Mõõtsime blogides ja foorumites esinemise osakaalu (ehk nendes žanrites esinemise protsenti sõna üldsagedusest) korpuses kõigil uuritud sõnadel: nii neil, mille leksikograaf oli otsustanud korpusanalüüsi põhjal kõnekeelseks määrata, kui ka katsesõnadel, millele seda märgendit ei lisatud. Selleks arvutasime kõnekeelsuse osakaalu (ko), mis näitab, kui suure osa konkreetse sõna kõikidest esinemistest korpuses moodustavad tema esinemised blogides ja foorumites. Žanrite analüüsist jätsime kõrvale 18 sõna (nt pudrupööris), millel oli korpuses alla 10 vaste, kuna nii vähese materjali põhjal ei ole võimalik žanrilise jaotumise kohta usaldusväärseid järeldusi teha ning need sõnad mõjutanuks liialt kokkuvõtvat analüüsi. Lisaks jäi kõrvale 13 sõna, mille suur homonüümsus ja polüseemsus takistas otsitava tähenduse usaldusväärset analüüsi ja kiiret leidmist, nt siin (kardinasiini tähenduses). Kokku jäi kõnekeelsuse osakaaluga seotud analüüsiosa aluseks 209 sõna.

3.3.1. Katsesõnade kõnekeelsuse osakaal

Leksikograafid otsustasid korpusandmete põhjal kõnekeelse märgendi lisada 42 sõnale 209 katsesõnast. Nende sõnade keskmine blogide ja foorumite koondosakaal ehk kõnekeelsuse osakaal oli 52% (väikseim ko 13%, kõrgeim 99%). 167 sõna puhul otsustasid leksikograafid korpuse põhjal kõnekeelsuse märgendi lisamata jätta. Selliste sõnade keskmine kõnekeelsuse osakaal oli 23% (väikseim 0%, kõrgeim 79%) – üle poole madalam kõnekeelseks märgendatud sõnade rühma keskmisest.

Korpuse põhjal kõnekeelseks määratud sõnade rühm varieerus nii kõnekeelsuse osakaalu kui ka üldise korpussageduse poolest. Rühma kuulus kõrge sagedusega sõnu, millel oli ühtlasi kõrge kõnekeelsuse osakaal, näiteks spets (sagedus 23 551, ko 79%). Kuid ka kõrge sagedusega sõna võis olla spetsiifilise kasutussfääriga, näiteks akva ’akvaarium’ esines korpuses 27 952 korral, millest 99% blogides ja foorumites. Rühma kuulus ka madalama korpussagedusega sõnu, millel oli kõrge kõnekeelsuse osakaal, näiteks tulenui (sagedus 115, ko 74%). Vaatasime eraldi madala ko-ga sõnu, millele siiski oli otsustatud kõnekeelsuse märgend lisada. Näiteks sõnal silmakae oli ko vaid 13%, ent tõenäoliselt mõjutas leksikograafi tõik, et silmakae on rahvapärane nimetus läätsekae kohta ja see pole terminina aktsepteeritud. Otsus väljendab lähenemist, et sõna, mis pole ametlik termin, on järelikult kõnekeelne, ehkki otstarbekam oleks ehk sellised juhud märgendada näiteks rahvapäraseks, et eristada termineid üldkeelesõnadest. Kõnekeelsuse määramise juurde lisatud kommentaaridest järelduski, et otsust võis mõjutada terminoloogiline korrektsus, aga ka küsimus, kas igasugune rahvapärasem sõna (nt ridvamees, süstamees) vajab kõnekeelsuse märgendit. Samuti mõjutas märgendi määramist sõna tundlikkus (nt kapihomo juurde võiks paremini sobida ehk muu märgend, nt HALVUSTAV). Niisiis tekitasid leksikograafidele kõhkluskohti nii kõnekeelsuse-kirjakeelsuse suhe, slängi-kõnekeelsuse suhe, kõnekeelsuse-murdekeelsuse suhe, kõnekeele-erialakeele suhe kui ka sõna tundlikkuse aspekt.

Madalama ko-ga, ent siiski kõnekeelseks märgendatud võisid olla ka polüseemsed sõnad, millel esines kõnekeelse tähenduse kõrval korpuses teisigi tähendusi ja mida leidus seetõttu rohkem ka muudes tekstiliikides. Näiteks sõnal sara (ko 39%) esineb nii neutraalne tähendus ’kerge ehitusega kõrvalhoone nt tööriistade või küttepuude hoidmiseks’ kui ka kõnekeelseks märgitud tähendus ’viletsa sooja mittepidava elamu kohta või vanarauaks sõidetud auto kohta’. Polüseemsel sõnal võis olla ka kõrge ko (nt sebima, ko 70%) ja analüüsiv leksikograaf otsustas liikumistähendusele märgendit mitte lisada (nt „putukas sebib jalgadega”), kuid märkis, et võrgutamise tähendusele ta kõnekeelsuse märgendi lisaks.

167 katsesõna, mille puhul leiti, et kõnekeelsuse märgend ei ole vajalik, olid samuti varieeruva kõnekeelsuse osakaaluga. Madal ko oli näiteks sõnadel järjend (3%) ja tugimaantee (5%). Kõnekeelsuse üle otsustamisel mõjutas leksikograafe ka sõna tüüpilisus žanriti, näiteks sõna käitumine juures toodi välja, et sõnal on „kõigis žanrites ebatüüpiline kasutus, see näitab ka ühtlast jaotumist, nii et märgendit ei paneks”.

Sõna kalduvust esineda teatud žanrites (blogides ja foorumites) väljendab ka meie pakutav korpusorientiir, mida tutvustame järgmiseks.

3.3.2. Kõnekeelsuse orientiir eesti keele ühendkorpuses 2023

Pakume välja korpusorientiiri, mis võiks abistada leksikograafe kõnekeelsuse märgendi lisamisel. Selle väljatöötamisel arvestasime, et see peaks olema leksikograafile reaalselt kasutatav vahend, mis ei oleks üleliia töömahukas. Orientiiri arvutamisel arvestasime sõnade kõnekeelsuse osakaalu (blogides ja foorumites esinemise osakaal sõna kõikidest kasutustest) ja seda, kas leksikograaf märgendas sõna katses kõnekeelsuse märgendiga või mitte. Eesmärk oli leida kõnekeelsuse osakaalu piir, mille puhul võimalikult suur osa kõnekeelseks märgendatud sõnu jääks piirist kõrgemale ja võimalikult suur osa sõnadest, mida kõnekeelseks ei märgendatud, jääks piirist allapoole. Et võrdselt käsitleda kõnekeelsete ja mittekõnekeelsete sõnade rühma, kasutasime arvutuses rühmade osakaale. Absoluutsageduste puhul mõjutaksid kõnekeelsuse orientiiri määramist rohkem mittekõnekeelsed sõnad, kuna neid oli materjalis suurem hulk (lisaks 100 registrita sõnale oli valimis ka 40 murdekeelset sõna).

Joonis 2 kujutab 209 katsesõna jaotust kõnekeelsuse osakaalu põhjal (x-teljel). (Y-telje aluseks on Excelis genereeritud juhuslikud väärtused, et oleks võimalik vaadelda katsesõnade jaotumist.)

Joonis 2. Katsesõnade jaotus kõnekeelsuse osakaalu põhjal.

Mustade täppidega on joonisel tähistatud kõnekeelseks märgendatud sõnad ja valgete täppidega⁸ sõnad, millele kõnekeelsuse märgendit ei lisatud. Jooniselt nähtub, et kõnekeelsuse osakaalu tõustes suureneb ka kõnekeelseks märgendatud katsesõnade arv. Kõnekeelsuse osakaalu vahemikku 0–10% ei paigutu ühtegi kõnekeelseks märgitud katsesõna. Kõnekeelsuse osakaalu vahemikku 70–100% ei paigutu ühtegi katsesõna, mida ei märgitud kõnekeelseks.

Joonis 3 illustreerib kõnekeelsuse orientiiri määramiskäiku. Must püstjoon kujutab kõnekeelsuse osakaalu piiri, millest suurim võimalik osa kõnekeelsete sõnade rühmast (tähistatud musta joonega) jääb piirist kõrgemale (≥) ja suurim võimalik osa mittekõnekeelsete sõnade rühmast (tähistatud halli joonega) jääb piirist allapoole (<).⁹

Joonis 3. Kõnekeelsuse osakaalu piir (must püstjoon, 36%).

Kõnekeelsuse osakaalu piir 36% jätab kõige suurema võimaliku osa kõnekeelseks analüüsitud sõnu (81%) piirist ülespoole, nii et kõige suurem võimalik osa mittekõnekeelseks analüüsitud sõnu (81%) jääb piirist allapoole. Võrreldes kõnekeelseks märgitud sõnade rühma keskmise ko-ga (52%) võib orientiir tunduda madal, ent kui arvestada, et korpustekstide koguhulgast on blogide ja foorumite osakaal kokku 27% (vt joonist 1), on orientiir siiski neljandiku võrra kõrgem osakaalust, mis oleks juhul, kui sõna esineks korpuses kõikides žanrites võrdselt. Kindlasti mõjutab saadud orientiiri suurust võimalik polüseemia ehk neutraalsete sõnatähenduste esinemine kõnekeelsete tähenduste kõrval, mis toob kaasa katsesõnade sagedama kasutamise ka muudes tekstiliikides. Pakutud orientiir ei olegi range piir, vaid abistav suunis, mis võib leksikograafi korpusanalüüsil toetada. Lõplik otsus jääb ikkagi spetsialistile, kellel on võimalik tutvuda korpusmaterjaliga vajadusel süvitsi ja võtta arvesse ka muid aspekte (nagu erialakeel, tundlik teema jm).

Pakutud orientiiri puhul (36%) peab arvestama, et arvutuse aluseks on olnud eesti keele ühendkorpus 2023 ja uue versiooni valmides ei pruugi tekstiliikide vahekorrad jääda täpselt samaks. Seetõttu tuleb orientiiri järgmise korpusversiooni jaoks ajakohastada, ent seniks on olemas ühtne suunis, mida varem pole olnud, ja sarnase arvutuskäigu saab järgmise korpusversiooni avaldudes uue orientiiri leidmisel aluseks võtta.

4. Arutelu ja kokkuvõte

Seni pole süstemaatiliselt üle uuritud, kas ja kuidas eesti sõnaraamatutes esitatud märgendid vastavad sõna tegelikule kasutusele. Käesolevas artiklis keskendusime kõnekeelele. Leksikograaf peab oma töös langetama konkreetse otsuse, kas (kõnekeelsuse) märgend lisada või mitte. Tal pole olnud vahendit, mis ütleks üheselt ära, kas sõna – õigupoolest selle mõni tähendus – on kõnekeelne, ning keeles ei olegi alati võimalik konkreetseid piire tõmmata. Kõnekeelsuse märgendi määramine on leksikograafile ühtlasi mõnevõrra keerukam kui kas või näiteks vulgaarsuse märgendi lisamine, kuna kõnekeelsus jääb tihtilugu pigem informaalse-neutraalse-formaalse skaala keskpaika, võrreldes äärmuslikumate väljendustega, ja seega on kõnekeelsust raskem tabada.

Meie deskriptiivse lähenemisega uurimus oli osaliselt tehtud preskriptiivse sõnaraamatu tarbeks, sest lisaks EKI ühendsõnastiku koostamisprotsessi hõlbustamisele soovisime oma uurimusega aidata kaasa järgmise ÕS-i (2025) koostamisele. ÕS 2025-s on normitud ortograafia ja morfoloogia, ka välde, kui see mõjutab sõnamuutmist. Muu keeleinfo on deskriptiivne. Niisiis võiksid ka ÕS-i lisatavad märgendid olla deskriptiivsed, tugineda kasutusandmetele.

Keeleteadlased on pidanud korpusanalüüsil põhinemist sõnaraamatute koostamisel oluliseks (nt Lippus, Lindström 2024) ja märgendeid lisades ongi eri aegadel toetutud kasutusnäidetele (enne tekstikorpuseid sedelkartoteekidele), ent alati ei ole olnud saadaval samavõrd mahukalt erinevaid keeleandmeid, mida süstemaatiliselt uurida. Artiklis vaatasimegi, kuidas on võimalik kasutada praegust korpustööriista Sketch Engine, et otsustada võimalikult tõhusalt sõna (tegelikult tema tähenduse) kõnekeelsetes kontekstides esinemise üle ja langetada otsus, kas sõnaraamatusse märgend lisada või mitte.

EKI ühendsõnastikku koostades on korpustööriist olnud kasulik abivahend, sest annab infot laiema kõnelejaskonna keelekasutusmustritest. Siiski on seni olnud puudu ühine suunis, kuidas korpust märgendi määramisel kasutada. Artiklis kirjeldatud katse tulemusena selgus, et Sketch Engine’i uuem funktsioon, mis võimaldab vaadata žanreid ja teemasid, on leksikograafi jaoks märgendi lisamisel informatiivne 82,1%-l juhtudest. Töötasime tehtud analüüsi põhjal välja ka korpusorientiiri, millele kõnekeelsuse märgendi lisamisel toetuda. Leitud korpusorientiir (36%), mis tugineb sõna esinemisele blogides ja foorumites kui kõnekeelsuse poole kalduvates tekstiliikides, on siiski üksnes abistav suunis otsuse toetamiseks, mitte range juhis, ja seda ei saa rakendada muid aspekte kaalumata. Kõnekeelsuse määramisel tekitas leksikograafidele kõhkluskohti näiteks kõnekeele suhe rahvapärasusega ehk vastandumine erialakeelele, aga samuti sõna tundlikkus – kas tundlik sõna on tingimata kõnekeelne või peaks seda märgendama muul viisil?

Selle töö võimalik tulevikusuund on töötada välja registrikalkulaator, mis aitaks teha automaatselt kiire kokkuvõtte korpuses leiduvast infost, mis on just registrimärgendite üle otsustamisel asjakohane. Pakutud kõnekeelsuse korpusorientiir võiks olla kalkulaatori üks osa, aga lisaks saaks kaasata veel teisi žanreid ja teemasid (nt akadeemilised, entsüklopeedilised ja seadusetekstid), milles esinemine kahandaks sõna kõnekeelsuse tõenäosust. Samuti võiksid kalkulaatorisse järgemööda lisanduda ka korpuskokkuvõtete tegemise võimalused teiste märgendite jaoks (nt LUULEKEELNE, LASTEKEELNE).

Kasutajauuringutest on teada, et sõnaraamatu puhul peetakse üheks olulisimaks tunnuseks keeleinfo usaldusväärsust (Müller-Spitzer, Koplenig 2014: 168; Langemets jt 2024). Meie praegu välja töötatud orientiir võib aidata leksikograafi otsuse langetamisel ning muuta otsustamist kiiremaks ja süsteemsemaks. Lõpliku valiku teeb aga siiski leksikograaf, keeleekspert. See on ühtlasi nii eelis (ta saab andmeid vajadusel juurde vaadata) kui ka puudus (mõjutama hakkavad eelteadmised, keeletunnetus jne). Teisalt, sõnaraamat ei saagi kajastada kogu tõde keele kohta, vaid selles saab esitada üksnes sõnakasutuse üldistusi, vihjata, et sõna kiputakse mõnes tema tähenduses kasutama neutraalsest irduvas ümbruses.

Artikli valmimist on toetanud teadusprojekt EKKD-III1 „Suurte keelemudelite rakendamine leksikograafias: uued võimalused ja väljakutsed”. Täname katsesse panustamise ja analüüsi tegemise eest Sirli Zuppingut ja Hanna Pooki.

Lydia Risberg (snd 1988), PhD, Eesti Keele Instituudi teadur-keelekorraldaja (Munga 18, 50088 Tartu), Tartu Ülikooli eesti keele teadur, lydia.risberg@eki.ee

Maria Tuulik (snd 1985), PhD, Eesti Keele Instituudi vanemteadur (Roosikrantsi 6, 10119 Tallinn), maria.tuulik@eki.ee

Margit Langemets (snd 1961), PhD, Eesti Keele Instituudi juhtivleksikograaf (Roosikrantsi 6, 10119 Tallinn), margit.langemets@eki.ee

Kristina Koppel (snd 1985), PhD, Eesti Keele Instituudi vanemarvutileksikograaf (Roosikrantsi 6, 10119 Tallinn), kristina.koppel@eki.ee

Ene Vainik (snd 1964), PhD, Eesti Keele Instituudi juhtivteadur (Roosikrantsi 6, 10119 Tallinn), ene.vainik@eki.ee

Esta Prangel (snd 1985), MA, Eesti Keele Instituudi tootejuht (Roosikrantsi 6, 10119 Tallinn), esta.prangel@eki.ee

Eleri Aedmaa (snd 1989), PhD, Eesti Keele Instituudi keeletehnoloog (Roosikrantsi 6, 10119 Tallinn), eleri.aedmaa@eki.ee