Andmelugu ilmus esimesena võrokeelsena 2026. aasta võro-seto-mulgi tähtraamatus.

Andmeampsude sari tutvustab kultuuriandmete kasutusvõimalusi lühemate ja pikemate andmelugude kaudu.

Sissejuhatus

Digihumanitaaria ja andmeteadus loovad võimaluse analüüsida korraga suurt hulka digitaalsel kujul olevat kultuuripärandit, kasutades seda kui andmeid. Eesti Rahvusraamatukogu andmete hulka kuuluvad nii väljaannete kohta käiv info ehk metaandmed (raamatu puhul näiteks selle pealkiri, autor, ilmumisaasta, ilmumiskoht, lehekülgede arv jne) kui ka sisu (kirjalike väljaannete puhul nende täistekst). Metaandmete olemasolu ja täpsus on oluliseks teguriks väljaande leitavusel ja selle kategoriseerimisel. Teksti sisulise uurimise kvaliteedi tõstmiseks on vajalik seda eelnevalt töödelda, väikestele keeltele aga keeletehnoloogia tööriistu napib. Uurimus otsib seega vastuseid kahele teemale: kas ja kuidas on metaandmete kaudu võimalik üles leida võro kirjandust? Kuidas on võimalik rakendada tekstianalüüsi võrokeelsel tekstil? Küsimustele vastamiseks uurin Eesti rahvusbibliograafiat ja ajalehe Uma Leht tekste.

Võro kirjanduse esindatus Eesti rahvusbibliograafias

Eesti rahvusbibliograafia (ERB) on kataloog, mis sisaldab infot Eestis ilmunud, eestikeelsete, eesti autorite loodud või Eestit ja eestlasi käsitlevate väljaannete ehk rahvusteavikute kohta. Väljaanneteks loetakse sealhulgas nii raamatuid, ajakirju, ajalehti, jätkväljaandeid kui ka kaarte, piltteavikuid, noote ning heli- ja videosalvesti. Suurima osa moodustavad ERB-st siiski raamatud, mida praeguseks on kataloogis üle 300 000 kirje. ERB ajalugu ulatub 19. sajandi algusesse, mil ilmus kirikuõpetaja ja keeleuurija J. H. Rosenplänteri loodud eestikeelsete väljaannete ülevaade, kus on info 384 raamatu kohta. Tänapäevane ERB on terviklik ja põhjalik eesti kirjanduse uurimisallikas, kus on andmed hinnanguliselt 95% kõigi teadaolevate rahvusteavikute kohta.

Võib eeldada, et ERB üle 300 000 raamatu seas leidub ka võro kirjandust. Mart Velskri (2021) kohaselt on võro kirjanduse kõige olulisem tunnus, et see on üldjuhul kirjutatud võro keeles. Teiste tunnustena toob Velsker välja, et tavaliselt on võro kirjanduse sihtgrupiks võrokesed, samuti on võro kirjanduse autorid tihti pärit ajalooliselt Võromaalt ning ka teoste sisu Võromaa piirkonna ja identiteediga seotud. Seega on paslik alustada võro kirjanduse filtreerimist uurides teoste keelelisi ja geograafilisi metaandmeid.

ERB-s leiduvatel raamatutel on märgitud teose põhiline keel kataloogimiseks kasutatava MARC (machine-readable cataloging) formaadi keelekoodidega, mis on muuhulgas aluseks ISO 639-2 keelekoodide standardile. Eesti keele koodiks on MARC-standardi järgi „est“, mille juurde on märgitud, et seda koodi kasutatakse kollektiivselt ka seto ja võro keele jaoks. Eraldi on esindatud teisi soome-ugri keeli tähistav keelekood „fiu“, mis koondab enda alla isuri, handi, liivi, lüüdi, mansi, mordva ja vepsa keeli. ERB uurides on „fiu“ koodiga tähistatud peamiselt liivikeelsed tekstid (kokku 22 kirjet).

Kuna aga võro keel on liigitatud eesti keele alla, tuleb võro kirjandust otsida muudmoodi. Iga teose juurde on lisatud ka selle teemat puudutavaid märksõnu, millest enamik on pärit Eesti Märksõnastikust (EMS). Võro keelt otsides kuvatakse märge „võru keel KASUTA Võru murre“. Seto keele asemel soovitatakse kasutada märksõna „Setu murrak“. Teoseid, mille vähemalt üheks märksõnaks on „Võru murre“, on kokku 191, ilukirjanduslikke teoseid on neist veidi alla poole (~47%). Eraldi kategooriaks on žanrimärksõnad, mille seas on märksõna „murdekirjandus“, mis aga ei anna võimalust eristada, millises keeles või murdes on raamat kirjutatud. Seda, millisest geograafilisest asukohast raamat räägib, võib leida geograafiliste märksõnade alt. Ka seal on kasutusel EMS märksõnad, kus on ainukeseks Võrumaa ala tähistavaks märksõnaks „Võrumaa“, mis ei erista ajaloolist ja tänapäevast Võrumaad. Vaid geograafilisele märksõnale toetudes võivad uurimusse sattuda võro kirjanduseks mittesobivad teosed, näiteks raamat pealkirjaga „ELKNÜ Võru rajooniorganisatsiooni XXV konverentsi presiidiumi, sekretariaadi, mandaat- ja redaktsioonikomisjoni koosseisud“.

Selleks, et valida õige lähenemine, on mõistlik tutvuda hetkeolukorraga ja uurida mõne võro kirjandusteose metaandmeid. Velsker jagab võro kirjanduse kujunemisloo ajaliselt neljaks, seega vaatlen igast perioodist üht teost (tulemused on koondatud allpool olevasse tabelisse). Selgub, et tavaliselt ei ole võro kirjanduse kirjeldamisel märgitud Võromaaga seonduvat kohamärksõna, seda isegi näiteks ka Richard Rohu teose „Vana Võrumaa“ puhul. Sageli on märgitud teemamärksõnana „Võru murre“ ja žanrimärksõnana „murdekirjandus“, kuid mitte iga teose puhul.

Kuna eesmärgiks on võro kirjanduse uurimine olemasoleva ERB põhjal, mitte uue põhjaliku andmestiku loomine, siis tuleb teha valik, mille järgi võro kirjandust eristada. Kuna märksõna „murdekirjandus“ jääb liiga laiaks, siis keskendun vaid teostele, millele on lisatud teemamärksõna „Võru murre“. Seega jäävad paratamatult mõned teosed, mille metaandmetes „Võru murret“ pole märgitud, hetkel analüüsist välja.

Raamatute andmetena on märgitud nii raamatu peamine autor kui ka teised teosega seotud isikud, kogumike puhul näiteks koostaja(d), aga ka tõlkija(d), fotograaf(id), kujundaja(d) jne. Peamisi autoreid vaadeldes on kõige viljakam kirjanik Kauksi Ülle, kes on ERB-s esindatud üheksa teosega. Talle järgnevad Häniläne viie teosega ning Triinu Laan, Tiina Nopola ja Raimond Kolk igaüks nelja teosega. Teostega muudmoodi seotud isikute hulgas esineb kõige enam Jüvä Sullõv, kes on teoste juures ära märgitud 34 korda. Sealhulgas võib märkimine toimuda ühe raamatu juures mitu korda, näiteks kui isik on olnud nii toimetaja kui ka eessõna autor. Jüvä Sullõvile järgnevad Mariko Faster (29 märkimist), Karl Pajusalu (23 märkimist) ning Kaile Kabun, Nele Reimann-Otsaru ja Tiia Allas (igaüks 16 märkimist). Tegelikkuses võib isikute mainimissagedus veidi erineda, kuna võro kirjandusega seotud isikute puhul on olukordi, kus erinevate teoste juures võib isiku nimi olla erinevalt märgitud kas eesti või võro kirjakeele reeglite kohaselt (näiteks Mariko Faster ja Fastrõ Mariko).

ERB sisaldab infot ka teose ilmumiskoha kohta. Ülekaalukalt kõige enam on võro kirjandust ilmunud Võrus, mis on vähemalt ühe ilmumiskohana märgitud 104 teosel. Populaarseimate ilmumiskohtadena järgnevad Tallinn (33 raamatut) ja Tartu (26 raamatut). Eestist väljaspool on võro kirjandust ilmunud Stockholmis (Raimond Kolga „Ütsik täht“), Lundis (Raimond Kolga „Kõiv akna all“), Helsingis (Niilo Ikola „Eteläviron verbien persoonapäätteistä“, samuti on Reijo Roosi „Tere kas tohib / Tere kas võisõ“ ilmumiskohaks märgitud Talsingi) ja New Yorgis (Tiit Hennoste toimetatud „Estonian sociolinguistics“). Tulemustest paistab taaskord, et vaid ühele märksõnale toetudes on uurimusse sattunud raamatuid, mida võib võro kirjanduseks lugeda väga tinglikult, näiteks keeleteadust käsitlevad teosed.

Analüüsist paistab, et metaandmed ei paku üht kindlat viisi võro kirjanduse filtreerimiseks. Samas on nii juhiseid kui ka metaandmeid võimalik muuta. Näiteks Rootsis viidi ellu projekt, mille käigus loodi saamide esinemist filmides ja televisioonis koondav kollektsioon (Nilsson, 2024). Projekti käigus täiendati ja lisati kultuuripärandi metaandmeid, sealhulgas infot saami keeltes ja eetilisi soovitusi diskrimineerivate väljendite kasutamisel. Eesti kontekstis on metaandmete muutmine olnud kõige selgemalt vajalik taasiseseisvumisjärgse mäluasutuste desovetiseerimise kontekstis (Pirsko, 2020). Kas see oleks tarvilik ka eesti põlisrahvaste paremaks esindamiseks?

Uma Lehe tekstianalüüs

Võrokeelne Uma Leht on ilmunud alates 2000. aastast, lisaks võro keele korpusele on ajalehe numbrid alates 2008. aastast digitaalsel kujul olemas ka Eesti Rahvusraamatukogu kultuuripärandi portaalis DIGAR. Ajalehe digikujul esinevatele numbritele on tehtud tekstituvastus, mille tulemusel on eraldi kasutatav ajalehe sisuks olev võrokeelne tekst. Uma Lehe tekstituvastus on üldiselt heal tasemel, kuigi paratamatult leidub vigu, näiteks on peenendusmärgiga l´ tihti tuvastatud kui täht ï. Kergema kättesaadavuse tõttu kasutan tekstianalüüsiks ajalehe numbreid 2008. aastast 2023. aasta aprillini.

Tekstianalüüs on üks digihumanitaaria meetoditest, mille hulka kuuluvad näiteks sõnade sageduse ja sageli koosesinevate sõnade tuvastamine. Sellele eelneb teksti puhastamine, mis hõlmab lemmatiseerimist ehk sõnade taandamist nende algvormi (näiteks: on, oli → olema) ja stoppsõnade ehk sisulist tähendust mitteomavate sõnade (näiteks: ja, aga, kokku) eemaldamine. Vahendeid selliste töötluste tegemiseks võro keelele napib, seega teostan minimaalset keeletöötlust (teksti väiketäheliseks muutmine, kirjavahemärkide ja numbrite eemaldamine).

Peale töötlust on Uma Lehe tekstides kõige sagedamini esinevad sõnad järgmised: ja, om, et, ku, ei, a, tuu, olï, ma, ka, uma, sis, pääle, tä, nii, olõ, omma, kah, vai, es. Kui eemaldada 0,1% kõige sagedasemad sõnad (kompenseerides stoppsõnade puudumist), on tulemus järgmine: tege, valla, lugu, keelen, kotsilõ, kodo, pildi, aastat, seen, noid, jäi, nimi, latsi, sinnä, võtta, saava, nätä, kiilt, lännü, tõsõ. Järjestikku esinevatest sõnadest ehk sõnamitmikest on pärast kõige enam esinevate sõnade, ajalehe toimetuse (sh kolleegiumi), rubriikide nimetuste ja nende kirjelduste eemaldamist sagedaseimad järgmised: ruitlasõ olavi, egäl puul, pulga jaan, vanal võromaal, peedosaarõ kaisa, ruusmaa arthur, säinasti ene, lugu juhtu, kõivupuu marju, kuuli raadiost, reimanni hildegardi, säänest asja, minevä kõrra, nõlvaku kaie, kalla urmas. Juba kõige lihtsam tekstianalüüs toob välja teatud mustreid, näiteks ajalehe kaastöölisi, põhjalikum uurimus võib paljastada ajalehe olulisemaid teemasid aastate kaupa või keelenormide muutumist.

Kokkuvõte

Võro kirjanduse ja ajakirjanduse uurimist digitaalsete vahenditega raskendab sobilike metaandmete ja keeletehnoloogia tööriistade vähesus. Teisalt on täidetud kõige olulisem tingimus uurimiseks – materjali (digitaalne) olemasolu. Peagi saab võro kirjanduse märkimiseks, koondamiseks ja nähtavaks tegemiseks kasutada näiteks uuenevat kultuuripärandi portaali DIGAR, kuhu tekib võimalus teha kollektsioone ja neid teistega jagada. Võro keele analüüsi võivad tulevikus lihtsustada eesti keeletehnoloogide loodavad tööriistad või hoopis tehisaru. Igal juhul pakuvad võrokeelsed digitaalsel kujul olemasolevad tekstid uusi võimalusi võro keele ja meele uurimiseks.

Allikad

Nilsson, R. (2024). Sámi Cultural Heritage in Audiovisual Archives – Ethical Reflections on the Sámi Audiovisual Collection. Critical Arts, 1–15. https://doi.org/10.1080/02560046.2024.2430474

Pirsko, P. (2020). Eesti arhiivinduse arengufaasid. Tuna, 1, 2–7. https://tuna.ra.ee/eesti-arhiivinduse-arengufaasid

Velsker, M. (2021). Võru kirjanduse kujunemislugu. Võru instituut.