CENTER FOR SPROGTEKNOLOGI. Center for Sprogteknologi. Årsrapport

Transkript

1 CENTER FOR SPROGTEKNOLOGI Center for Sprogteknologi Årsrapport 2002

2 Årsrapport 2002 København, April 2003 Center for Sprogteknologi Njalsgade København S Tlf: Fax: E-post: cst@cst.dk Den elektroniske version findes på

3 Årsrapport for Center for Sprogteknologi 2002 Indholdsfortegnelse 1 Beretning Center for Sprogteknologi Hovedopgaver Vurdering af årets overordnede resultater Forventninger til de kommende år Målrapportering Resultatmål 2001 til Analyse af udvalgte resultatmål Ord og ordbaser: STO-projektet Andre udvalgte faglige aktiviteter Formidling, både videnskabeligt og bredt Mål der næppe opfyldes i perioden Regnskab Driftsregnskab for Bevillingsafregning og akkumuleret resultat Indtægtsdækket virksomhed og tilskudsfinansieret forskning Personale Fremlæggelse og påtegning

4 4

5 1 Beretning 1.1 Center for Sprogteknologi Center for Sprogteknologi, CST, er en sektorforskningsinstitution under Ministeriet for Videnskab, Teknologi og Udvikling, som har til formål at udføre og fremme strategisk forskning og kommerciel udvikling inden for sprogteknologi og datalingvistik i Danmark. 1 Centrets formål er beskrevet i vedtægterne og i resultatkontrakten : I netværkssamfundet er en bred vifte af sprogteknologiske produkter af god kvalitet nødvendig for såvel erhvervslivet og den offentlige sektor som for den almindelige borger. Derfor skal CST være en drivende kraft i at sikre god sprogteknologi til danske brugere - og andre brugere af dansk. Centret skal via internationalt samarbejde skaffe ny viden til Danmark og være med til at nyttiggøre den i en dansk sammenhæng. Centret skal også bidrage til den internationale videnskabelige udvikling på området. Økonomi Centrets økonomi er baseret på en årlig basisbevilling fra Ministeriet for Videnskab, Teknologi og Udvikling, på eksterne midler fra forskningsprogrammer og på egen indtjening opnået gennem udførelsen af kommercielle opgaver. Medarbejdere Centret havde ved udgangen af medarbejdere hvis faglige ekspertise dækker datamatisk og teoretisk lingvistik, leksikografi, dansk og et stort antal fremmedsprog, datalogi, kunstig intelligens og ingeniørvidenskab. Centret har landets største samlede viden vedrørende markedets sprogteknologiske hjælpeværktøjer. Bestyrelsens sammensætning Bestyrelsen har i 2002 haft følgende medlemmer: direktør Jens Langeland-Knudsen, Carpe Diem Invest (formand), civilingeniør Henrik Nielsen (næstformand), professor Søren Lauesen, IT-højskolen, chefkonsulent Susanne Andersen, ITEK, professor Annette Lorentsen, AAU, og professor Lene Schøsler, KU, der alle er beskikket af videnskabsministeren. Medarbejderne har valgt seniorforsker Patrizia Paggio. 1.2 Hovedopgaver Centret anvender flere metoder til at fremme opfyldelsen af det overordnede mål vedr. god dansk sprogteknologi, nemlig dels forskning, dels udvikling af løsninger til kunder, og endelig formidling, herunder konferencer og andre arrangementer, samt undervisning og kurser. Forskning er den vigtigste hovedopgave for Centret. Forskning tilvejebringer den nye viden, og forskningen er en forudsætning for at Centrets formål kan opfyldes. Forskningsindsatsen omfatter dels forskning i en række centrale emner som beskrevet i forskningsafsnittet, dels arbejdes der med udvikling af sproglige grundmoduler, for tiden koncentreret om en sprogteknologisk orddatabase og om udviklingen af en dansk datamatisk grammatik. Kommercielle aktiviteter (indtægtsdækket virksomhed) er en vigtig side af CSTs virke, idet det blandt andet er her forskningsresultaterne bringes i anvendelse til gavn for samfundet. Dette har i 1 Hovedkonto

6 2002 bl.a. omfattet maskinoversættelse for et dansk oversættelsesfirma, samt arbejdet med de europæiske institutioners terminologidatabaser, hvor CST har fungeret som underleverandør til et græsk softwarefirma. Indtægtsdækket virksomhed foregår naturligvis på normale kommercielle vilkår. Samarbejde er en hovedoverskrift for Centrets aktiviteter. CST samarbejder om projekter med en lang række forskningsinstitutioner og kommercielle partnere i Danmark og i Europa. Hertil kommer at der i 2002 er leveret bidrag til den datalingvistiske uddannelse på Handelshøjskolen i København og på Københavns Universitet, til Institut for Nordisk Filologi, Københavns Universitet, samt til IThøjskolen i København. 1.3 Vurdering af årets overordnede resultater Året har overordnet set været vanskeligt. I 2001 lod CST 2 stillinger som blev ledige, stå ubesatte, jf. Virksomhedsregnskab I 2002 blev yderligere 1 ledigtbleven stilling ikke genbesat, og Centret måtte afskedige endnu 2 medarbejdere i efteråret. Den enes ansættelse udløb med årets udgang, den anden ved udgangen af januar Endelig er samtlige studentermedhjælpere afskediget. På 2 år har CST således reduceret staben med 5 akademikere, samt studentermedhjælperne - svarende til over 20%. Grunden til at det har været svært at få økonomien til at hænge sammen i 2002, er dels at to projekter er ophørt før beregnet, og dels at det har været sværere end forudset at skaffe det nødvendige antal nye opgaver. Med en ekstern finansiering på ca % er Centret sårbart over for fluktuationer. Situationen er med personaletilpasningen bragt under kontrol, og der er ikke udsigt til underskud i Økonomisk resultat i 2002 (mio. kr.) Bevilling (nettotal) 3,6 Andre indtægter 9,9 Udgifter 14,0 Resultat til videreførsel -0,5 Når man ser på målopfyldelsen, er det overordnet gået godt. Flere mål var allerede opfyldt for hele perioden i 2001, og endnu nogle stykker er nu kommet til. Et væsentligt mål for Centret - nemlig udvikling af nye kompetencer og ansættelse af nye specialister - kan imidlertid ikke opfyldes på grund af manglende bevillingsmæssige forudsætninger. Disse mål blev formuleret af det internationale evalueringspanel i 2000 efter en grundig gennemgang af Centrets formål og indsats. Det er derfor yderst beklageligt at de ikke opfyldes. Det sidste aspekt vedrørende årets resultater, handler om Danmarks Forskningsråds Gennemgang af Sektorforskningen. DFR foreslog i maj at CST skulle fusioneres med et universitet og ophøre som sektorforskningsinstitution. Ministeriet har mod årets slutning besluttet at bekræfte denne indstilling. Året igennem har CSTs ledelse og bestyrelse brugt utroligt mange kræfter på at rapportere mv., dels til DFR, dels til ministeriet. Endvidere har der været holdt møder med interesserede universiteter. 1.4 Forventninger til de kommende år I 2003 vil CST forhandle med en række danske universiteter om fusion for at finde den bedste løsning. Fusionen forventes at finde sted i Der gøres opmærksom på at det vil kræve en betydelig indsats af både ledelse og medarbejdere. 6

7 CST regner med at kunne opfylde hovedparten af målene i resultatkontrakten. Men for det første må bortses fra de mål der forudsatte ekspansion, for det andet betyder reduktionen af medarbejderstaben med over 20% en del, for det tredje koster de omstruktureringer der følger af en fusion, både tid og kræfter. Endelig er der med det forøgede fokus på uddannelse flyttet ressourcer fra andre opgaver. De mål der forventes vanskeligheder med at opfylde, behandles i afsnit nedenfor. 2 Målrapportering 2.1 Resultatmål 2001 til 2004 I Centrets resultatkontrakt er der opstillet 11 emneområder med i alt 37 detaljerede mål. Nedenfor er der på overordnet niveau redegjort for status for 11 emneområder ved udgangen en af Numrene refererer til resultatkontrakten. En mere detaljeret rapportering kan ses i bilag 1 på Det ses af oversigten at Centrets målopfyldelse er god. Økonomi og resurseforbrug for de enkelte emneområder er i overensstemmelse med Centrets interne budget. Emneområder Status Ord og ordbaser Opfyldt Formel sprogbeskrivelse og grammatik Opfyldt Statistisk baseret datalingvistisk forskning Ikke opfyldt Maskinoversættelse Delvist opfyldt Andre integrerede sprogteknologiske anvendelser Opfyldt 3.4 Videnskabelige publikationer Opfyldt 3.5 Forskeruddannelse Opfyldt 3.6 Undervisning Opfyldt 3.7 Formidling, både videnskabeligt og bredt Opfyldt 4.2 Personalepolitik Undervejs 5.0 Anvendelse af IT Opfyldt 7

8 2.2 Analyse af udvalgte resultatmål CSTs faglige opgaver falder inden for to hovedområder 1) Sprogteknologiske basisteknologier - Ord og ordbaser, Formel sprogbeskrivelse og grammatik, samt Statistisk baseret datalingvistisk forskning. 2) Integrerede sprogteknologiske anvendelser: Maskinoversættelse, Anden integreret sprogteknologi Ord og ordbaser: STO-projektet Ordbogsdatabaser indgår i næsten enhver form for avanceret sprogteknologisk programmel, og dette er baggrunden for at IT- og Forskningsministeriet i 2000 besluttede at afsætte midler som bidrag til opbygningen af en grundlæggende dansk ordbogsdatabase. STO-projektet har nu afviklet næsten to projektår i samarbejde med flere relevante institutioner fra det datalingvistiske miljø, nemlig Institut for Datalingvistik ved Handelshøjskolen i København, Institut for Almen og Anvendt Sprogvidenskab (IAAS) ved Københavns Universitet, samt Institut for Erhvervskommunikation, Syddansk Universitet, Kolding. CST står for ledelse og administration af projektet ved siden af en række store og centrale faglige opgaver. Projektet har på alle delområder udvist en fin fremdrift i løbet af de første to projektår. Projektet er forud for planen hvad angår kodning af ord med morfologi, idet STO-basen i løbet af dette år nåede op på mere end (målet er ) enheder kodet med morfologiske oplysninger, hvoraf også er forsynet med syntaktiske oplysninger Andre udvalgte faglige aktiviteter De aktiviteter som vi gennemgår i dette afsnit, hører hjemme under 'Anden integreret sprogteknologi'. En af de vigtige faglige aktiviteter er forbedring af informationssøgning ved hjælp af sprogteknologi. OntoQuery-projektet er et tværfagligt projekt støttet af IT-forskningsprogrammet under forskningsrådene; i projektet samarbejder forskere fra RUC og DTU (datalogi og ingeniørvidenskab) med forskere fra HHK og CST (datalingvistik og sprogteknologi) om at udvikle teorier og metoder til indholdsbaseret informationssøgning. CST arbejder specielt med den sprogteknologiske del af projektet, og de semantiske ordbogskodninger der er udarbejdet i et tidligere EU-projekt, indgår her. Projektet fik en god midtvejsevaluering i 2001, idet der dog blev peget på at man burde satse mere på tidsskriftartikler. Der er nu flere tidsskriftartikler i trykken. CSTs arbejde med projektet har givet anledning til flere nye projekter: dels et EU-projekt, og dels dele af et dansk projekt støttet af Center for IT-forskning. Hertil kommer andre projekter og aktiviteter, som er undervejs med de samme partnere. CST føler anledning til at nævne dette emneområde, fordi det er et godt eksempel på værdien af 1) tværfagligt samarbejde, 2) kvalitet og 3) valg af et emne som viser sig at have gode udviklingsmuligheder. Samtidig er det et emne som både indeholder grundforsknings- og anvendelsesorienterede aspekter og således bidrager til opfyldelsen af missionen Formidling, både videnskabeligt og bredt Arrangementer, foredrag, virksomhedsbesøg, publikationer, aktive web-sider, deltagelse i faglige udvalg mv. er alle væsentlige virkemidler både i den videnskabelige og den brede formidling, samt i 8

9 præsentationen af budskabet om de forretningsmæssige muligheder der ligger i sprogteknologien. Se en detaljeret gennemgang af disse aktiviteter i bilag 2 på CST leder det store EU-projekt EUROMAP Language Technologies, hvis formål det er at udbrede kendskabet til sprogteknologien og dens muligheder, blandt andet ved at indsamle viden og videreformidle den. Projektet, som slutter i begyndelsen af 2003, har i hele EU haft stor betydning, og det har lokalt betydet en ekstra saltvandsindsprøjtning til formidlingsarbejdet. Ved det afsluttende projekt-review fik projektet en vældig god evaluering. Der er tale om en meget stor indsats, som vil blive savnet i de kommende år, også i Danmark hvor CST ikke vil have de samme ressourcer til denne type arbejde. CST har haft stor succes i 2002 med en varieret vifte af arrangementer som var godt besøgt af en bred deltagerskare der spænder over erhvervsliv, myndigheder, organisationer, forskere, brugere og studerende. Der er ingen tvivl om at CST både nationalt og internationalt har et godt ry med hensyn til formidling og arrangementer. Der er i 2002 gennemført 3 større arrangementer (Sprogteknologisk Forum, EURALEX, samt workshop på IST-konferencen) i Danmark. Ved de formidlende foredrag har over 600 personer hørt om sprogteknologi. Ved egne og andres arrangementer har CST organiseret demonstrationer af sprogteknologiske forskningsresultater og prototyper. I international sammenhæng har Centret ydet et meget væsentligt bidrag som arrangør, formand for programkomiteen og redaktør af proceedings ved EURALEX 2002 i København (280 deltagere), som formand for organisationskomiteen for LangTech2002-konferencen i Berlin (330 deltagere) og som arrangør af en workshop om sprogteknologi på IST-konferencen i København (230 deltagere) Mål der næppe opfyldes i perioden I dette afsnit rapporteres om mål der ikke forventes at kunne opfyldes inden for rammerne af denne kontrakt, dvs Mål vedr Formel sprogbeskrivelse og grammatik: der er ikke indgået aftale med et privat firma om udnyttelse af Scarrie-resultaterne. Der har været kontakt med firmaer, men af forskellige grunde er det ikke blevet til noget. Den vigtigste grund er at resultaterne næppe er direkte kommercialiserbare; der skal arbejdes lidt videre med dem, og det skal finansieres. CST håber stadig at finde anvendelse for disse resultater. Mål vedr kommaprogram: Der har ikke været ressourcer til at gennemføre undersøgelsen om hvad et kommaprogram ville kræve, og det er muligt at dette mål må opgives. Grunden hertil er, at CST kun kan gå ind i en aktivitet hvis den er eksternt finansieret. Mål vedr Statistisk progbehandling: Da forudsætningen for at opfylde disse mål ikke er til stede, jf. ovenfor, bliver målene ikke opfyldt. 3 Regnskab Driftsregnskab for 2002 Sammenfattende har det været et år hvor det ikke har været muligt at få økonomien til at hænge sammen. Efter en årrække med investeringer i egne projekter finansieret af videreførselsmidlerne, havde 9

10 Centret planlagt 2002 som et år hvor indtægter og udgifter skulle gå lige op, således at disse midler forblev urørt. Det samlede resultat for året endte imidlertid med et underskud på 0,5 mio. kr. som har måttet dækkes af videreførselsmidlerne. Det negative resultat skyldes uforudsete vanskeligheder i forhold til såvel opnåelse som fastholdelse af eksternt finansierede opgaver, se ovenfor afsnit 1.3. CSTs tre finansieringskilder er: en basisbevilling, indtægter fra indtægtsdækket virksomhed, og tilskud til forskningsprojekter under tilskudsfinansieret forskningsvirksomhed. Størrelsesforholdet mellem de tre kilder i 2002 er ca. 35%, 4%, 61%. De tre kilder er slået sammen i skemaet nedenfor. Resultatopgørelse for Center for Sprogteknologi 2002 (løbende priser) (mio. kr.) Regnskab Budget Regnskab Difference Budget Indtægter - inkl. bevilling 12,5 10,7 12,7 2,0 10,9 Lønudgifter 9,0 7,6 8,9 1,3 7,6 Øvrige driftsudgifter 4,5 3,1 5,1 2,0 3,3 Øvrige Indtægter 0,2 0,0 0,8 0,8 0,0 Samlet resultat -0,1 0,0-0,5-0,5 0,0 3.2 Bevillingsafregning og akkumuleret resultat Bevillingsafregning for Center for Sprogteknologi (mio. kr.) Lønsum Øvrig drift I alt Bevilling 3,0 0,6 3,6 Regnskab 3,0 1,1 4,1 Årets over/underskud 0,0-0,5-0,5 Akkumuleret overskud ultimo ,3 1,6 1,9 Årets overskud/underskud 0,0-0,5-0,5 Akkumuleret overskud ultimo ,3 1,1 1,4 Akkumuleret resultat (mio. kr.) primosaldo året resultat ultimo saldo løn øvrig i alt løn øvrig i alt løn øvrig i alt ,1 7,1 0,4-1,4-1,0 0,4 5,7 6, ,4 5,7 6,1-0,3-1,2-1,5 0,1 4,5 4, ,1 4,5 4,6 0-1,7-1,7 0,1 2,8 2, ,1 2,8 2,9 0,2-1,2-1,0 0,3 1,6 1, ,3 1,6 1,9 0-0,5-0,5 0,3 1,1 1,4 I perioden var der hvert år budgetteret med investering af videreførselsmidler til særlige initiativer. Gennemførelsen af initiativerne har været til gavn for Centrets forskning og for sprogteknologien i Danmark. For 2002 var der ikke planlagt aktiviteter finansieret via opsparingen. Midlerne er reserveret til en kontraktlig forpligtelse i forbindelse med udløb af en åremålsansættelse (skøn 0,4-0,5 mio. kr. i 2003) og til nødvendig buffer for at kunne medfinansiere projekter i tilstrækkeligt omfang og 10

11 til at kunne imødegå uforudsete vanskeligheder. Dette sidste har været tilfældet i 2002 hvor Centret har måttet bruge yderligere 0,5 mio. kr. 3.3 Indtægtsdækket virksomhed og tilskudsfinansieret forskning Indtægtsdækket virksomhed med akkumuleret resultat Resultatopgørelsen, se afsnit 3.2 ovenfor, viser et driftsunderskud på 0,5 mio. kr. Det er en afvigelse på 0,8 mio. kr. fra CSTs interne budget, hvor der var planlagt et overskud på 0,3 mio. kr. som skulle medfinansiere forskningsaktiviteter. Ud af det samlede driftsunderskud er 0,4 mio. kr. via driften overført fra opsparingen til medfinansiering af forskningsopgaver og dækning af lønomkostninger på grund af manglende opgaver, mens 0,1 mio. kr. er gået fra opsparingen til dækning af driftsunderskud på indtægtsdækket virksomhed. I opstillingen af det akkumulerede resultat nedenfor ses at den indtægtsdækkede virksomhed i 2001, i overensstemmelse med budgettet, bidrog til finansiering af forskningsaktiviteter, samt at den i de foregående år bidrog til Centrets opsparing. Indtægtsdækket virksomhed, akkumuleret resultat (mio. kr.) primosaldo året resultat ultimosaldo ,4 0,1 2, ,5 0,3 2, ,8 (1,2) 1, ,6 (0,5) 1,1 Tilskudsfinansieret forskningsvirksomhed Tilskudsfinansieret forskning er ikke en aktivitet der giver et økonomisk overskud Centret. Bevillingsgivere modtager regnskab for de afholdte udgifter, og evt. uforbrugte midler skal tilbagebetales. Regnskabsprincippet er omkostningsbaseret, og der forekommer derfor heller ikke overskud i regnskabet i løbet af projektperioden. Resultatopgørelsen, se afsnit 3.2 ovenfor, viser at det samlede aktivitetsniveau på området var på 9,3 mio. kr., inklusive de ovenfor nævnte 0,4 mio. kr. som er overført fra videreførselsmidlerne til medfinansiering af forskningsaktiviteter. Denne medfinansiering var planlagt dækket af et budgetteret overskud fra den indtægtsdækkede virksomhed, som altså ikke blev skabt. De eksterne bevillinger fra fondskilder og fra opsparingen fordeler sig som vist i skemaet nedenfor. Finansieringskilder for tilskudsfinansieret forskningsvirksomhed i 2002 (mio. kr.) Danske statslige, nordiske og andre 6,0 EU 2,9 Overført fra videreførselsmidlerne 0,4 I alt 9,3 Det samlede aktivitetsniveau er noget højere end forudsat i finansloven. Dette skyldes ligesom sidste år at flere af de eksternt finansierede kontrakter indeholdt høje betalinger til projektpartnere og 11

12 underleverandører. Dette påvirker både udgifter og indtægter så de bliver større end hvis de kun indeholdt de aktiviteter der udføres af CSTs egne medarbejdere. Dette er fx tilfældet i STO-projektet som finansieres af danske midler, hvor der er udbetalt godt 1,0 mio. kr. til danske samarbejdspartnere for deres andel af arbejdet. Det er er ligeledes tilfældet for en del af EU-midlerne, i alt ca. 0,8 mio. kr. til underleverandører, og for en del af de nordiske midler hvoraf der er udbetalt ca. 0,5 mio. kr. til samarbejdspartnere til dækning af rejse- og seminarudgifter i forbindelse med nordisk forskningssamarbejde. 3.4 Personale Nedenstående skema viser det samlede antal årsværk der er rapporteret timer for på CST, samt til- og afgang for fast ansatte medarbejdere. R 1999 R 2000 R 2001 R 2002 B 2003 Antal årsværk 19,6 32,8 22,3 20,52 18,4 Antal medarb Til- og afgang

13 4 Fremlæggelse og påtegning Fremlæggelsen af denne årsrapport for 2002 sker i henhold til Finansministeriets bekendtgørelse nr. 188 af 18. marts 2001 om statens regnskabsvæsen. Årsrapporten giver et retvisende billede af Centrets økonomiske og faglige resultater. Bente Maegaard Direktør Jens Langeland-Knudsen Formand for bestyrelsen Denne årsrapport er bestyrelsens årsberetning, jf. vedtægterne. Påtegning af Ministeriet for Videnskab, Teknologi og Udvikling sker i overensstemmelse med ovennævnte fremlæggelse. Niels R. Korsby Kontorchef 13