Uso de prefixo ISO 639-3 de código de idioma para explicitar língua de atributo HXL `+lll_` ( `+lat_exemplum`, `+epo_ekzemplo`, `+por_exemplo`, ...)

[fititnt]

Ultimamente tenho pensado em testar vantagens de uma abordagem diferente do que o HXL-CPLP-Vocab_Latinum #42. Que, resumidamente

• Evoluiu de #x_lex para #lat_lex
• Ao usar "#lat_lex" assume-se que todos os atributos seriam em Latin
  • #lat_lex +poenam +maximam +mensis, num campo de valor "6", poderia facilmente usar até mesmo Google translator para dizer " The law the maximum penalty of 6 months" / " A lei a pena máxima de 6 meses"!!!
• Veja https://github.com/HXL-CPLP/forum/issues/41#issuecomment-745148572

Nesta abordagem #lat_lex +poenam +maximam +mensis, teriamos #item +lat_lex +lat_poenam +lat_maximam +lat_mensis

1. Principais pontos dessa abordagem

Tecnicamente essa abordagem tem pelo menos os seguintes pontos

• Gera documento HXL válido. Não é necessário alterar o padrão (é um uma conversão mais específica sobre o que o padrão já permite)
• As hashtags,de facto, usadas seriam um número muito menor do que as já existentes no padrão HXL 1.1final -Pelo menos #item e #meta (que, aliás,ambas são latim)
• Impede conflito de termos em latim com atributos comuns; por exemplo o +num (usado para dar dica a implementações que a coluna contém números) tem significado diferente em latim. Isso poderia "confundir" parseadores.
• Abre margem para misturar termos de idiomas diferentes.
  • Criar Hashtags (como #lat_lex) que assumiriam por padrão que os atributos seriam em latim (para "evitar redundância de #lat_lex +lat_termo1 +lat_termk2... com #lat_lex +termo1 +termk2... dependeria de latim ter termos para todas as áreas, mas no mundo real, por exemplo interseção entre leis e computação, alguns termos podem ser em inglês)

1.1. De onde vem o +ttt_ de +lat_ (ISO 639-3:2007, Codes for the representation of names of languages)

Da ISO 639-3 https://iso639-3.sil.org/

Por enquanto creio que damos mais atenção a latim. Esperanto pode tende a ser outra opção, em especial para termos que não existem em latim. Outro ponto é que latim, além de já ser usado em medicina e na áre a de legislação, tem uma vantagem do ponto de vista de processamento de linguagem natural: a ordem das palavras não importa. Então dá margem para certa criatividade.

O que fazer com palavras que não usam Alfabeto latino? Como Árabe e Mandarin?

Pensei a respeito. Neste caso existem dois problemas para implementação imediata dessa abortamento

1.1.1. Problemas

• O HXL 1.1final permite apenas abcdefghijklmnopqrstuvwxyz123456789_
  • Nota: creio que se houvesse demanda eventualmente essa restrição poderia ser removida. Não vejo esse como problema mais significativo (pelo menos a médio prazo)
• Diferente de código para línguas, como o ISO 639-3, não existem códigos ISOs para o tipo de caracteres que uma língua usa
  • Este ponto é realmente complicado. Caso no futuro pessoas queiram sugerir versão além de abcdefghijklmnopqrstuvwxyz123456789_ considerem como sinalizar esse uso
  • Ok, tecnicamente tem, vide https://en.wikipedia.org/wiki/ISO_15924, porém por exemplo Pinyin não tem código.

1.1.2. Potencial solução

• No caso de línguas em que a hashtag criada não tem é principalmente representada por alfabeto latino (logo, não se trata de apenas remover acentos) o ideal seria procurar a forma de romanização mais popular da respectiva língua.

Nota: os exemplos a seguir são rascunhos.

1.1.2.1. Arab

• Vide https://en.wikipedia.org/wiki/Romanization_of_Arabic

Não explorei no momento alternativas de romanização mais usadas para macro língua árabe.

1.1.2.2 Chinese (exemplo: 赤脚医生 -> zho_chijiao_yisheng)

• https://en.wikipedia.org/wiki/Romanization_of_Chinese
• https://en.wikipedia.org/wiki/Comparison_of_Chinese_transcription_systems
• https://en.wikipedia.org/wiki/Pinyin

Creio que um exemplo de termo muito específico da china, que, de certa forma, seria não traduzível (logo, exceto se usarmos algum Wikipedia Q code, poderia ser melhor usar mesmo no idioma original!) é Barefoot doctor

• Chinese: 赤脚医生
• pinyin: chìjiǎo yīshēng
  • chìjiǎo yīshēng = chijiao yisheng
• HXL atributo: zho_chijiao_yisheng (Nota: não use chi!, Isto não é ISO 639-3!)

1.1.2.3 Hindi, Bengali, Marathi, Tamil, Gujarati, Urdu

• https://en.wikipedia.org/wiki/Hindi
• https://en.wikipedia.org/wiki/Bengali_language
• https://en.wikipedia.org/wiki/Marathi_language
• https://en.wikipedia.org/wiki/Devanagari_transliteration

Não explorei no momento alternativas de romanização mais usadas para línguas faladas na Índia.

1.1.2.4 Russian

• https://en.wikipedia.org/wiki/Romanization_of_Russian

[fititnt]

HXL-CPLP-Exemplar_multi-lingua: https://docs.google.com/spreadsheets/d/18XVtarb6KRd1114UtsyAFepiSaALUR5whuXA7yleal8/edit#gid=1584563477

[fititnt]

Talvez não seja a melhor abordagem, porém estou rascunhando HXL-CPLP-Exemplar_multi-lingua como um passo a passo ao estilo crash course de como tagear/usar HXL.

A parte das abas te API são especialmente voltadas para quando no futuro precisar enviar para alguém que estaria usando o proxy publico, saber o que não fazer. Em uma crise como foi o Rompimento de barragem em Brumadinho, creio que algo pré-escrito como isto poderia ajudar, pois definitivamente não haveria tempo para explicar para todos.