„Dabartinės rašomosios lietuvių kalbos dažninis žodynas“ ir jo bazė

ACTA LINGUISTICA LITHUANICA XLVI (2002), 19 – 37 Частотний словник сучасної писемної литовської мови та його база LAIMA GRUMADIENĖ Інститут литовської мови Електронних баз даних для литовської мови небагато. Найбільшими є Частотний словник сучасної писемної литовської мови, укладений В. Жилінскене та Л. Грумадене, і Корпус литовської мови Каунаського університету. Перший докладно представлено тут: розглянуто принципи його укладання та можливі способи використання, а також стисло охарактеризовано опубліковані досі праці зі статистичної лінгвістики, засновані на ньому. Основні проблеми, пов’язані з базами даних сучасної литовської мови, такі: (1) їхня недостатня диференційованість (вони відображають лише писемне, а не усне мовлення), (2) їх не використовують оптимально, оскільки литовській науковій спільноті бракує підготовки, необхідної для роботи з такими інструментами, і (3) праця науковців, які їх укладають, отримує надто мало суспільного визнання та не цінується як оригінальне наукове досягнення. 1. СТАРІННЯ ЕЛЕКТРОННИХ БАЗ ДАНИХ І ЇХНЯ «НЕПОТРІБНІСТЬ» Саме тепер литовське мовознавство ніби застигло в тигрячому стрибку: праці, що вирізняються і постали переважно під впливом структуралізму, вже написано, однак у повітрі виразно витає очікування нових, не менш значущих праць. Для цього потрібні не лише інший погляд на мовні явища, а й нові, ще не випробувані методи та засоби роботи. У наш час інформаційних технологій нові засоби праці мовознавців нерідко пов’язані з електронними базами даних, а ті — з лінгвостатистичними виданнями. Здавалося б, само собою зрозуміло, що вони відрізняються одне від одного, адже електронні бази динамічні, з ними можна працювати самостійно, тоді як видання статичні й становлять лише сукупність даних, поданих на розсуд авторів. Однак раніше, а подекуди й тепер, у Литві такі бази та видання ототожнювали або ототожнюють. Про це свідчить історія зворотних (також званих інверсійними) словників. Перший литовський зворотний словник, підготовлений американцем Девідом Ф. Робінсоном (1976) на основі видання DLKŽ 1954 року, охоплював близько 45 000 слів; можливо, він навіть не мав власної електронної бази — принаймні автор про неї не згадує. Крім того, в ті часи така електронна база в Литві була б просто недоступною, адже сам словник мало хто й гортав, оскільки його надрукували невеликим накладом в Америці. Житель Шяуляя Юозас Корсакас (1991) за принципом вибірки підготував Інверсійний словник литовської мови 20 | LAIMA GRUMADIENĖ словник, що охоплював майже 22 000 слів, також ґрунтувався на DLKŽ, але вже на виданні 1972 року. Роботу виконували, використовуючи створену власноруч електронну базу даних, однак вона не є загальнодоступною (імовірно, з технічних причин), тож доступна лише у вигляді друкованої книги. Зворотний словник сучасної литовської мови Віди Жилінскене (1995) — це не просто переписаний DLKŽ, адже слова подано у зворотному порядку, згрупувавши за частинами мови, а також додано статистичний аналіз. Нині він доступний переважно лише в друкованій формі, хоча існує й електронна версія. Нею скористалися досить обмежено (робоча група під керівництвом Е. Якайтене під час укладання литовсько-норвезького словника, а також у статтях Дайви Мурмулайтите (1998, 1999 та ін.)). До речі, цей словник і аналіз підготовлено з використанням комп’ютерної версії DLKŽ (видання 1993 року) та її статистичного аналізу, а не на основі Частотного словника сучасної писемної литовської мови (Grumadienė, Žilinskienė 1997; 1998), як зазначає у своєму огляді Рута Марцинкявічене (2000a: 16). Електронну версію DLKŽ (видання 1993 року), підготовлену спільними зусиллями науковців Інституту математики та інформатики й Інституту литовської мови, було надруковано невеликим накладом (1995), оскільки просто не було права поширювати видання в електронному форматі. Тепер Інститут литовської мови знову взявся за комп’ютеризацію DLKŽ, цього разу видання 2000 року (керівник — Стасіс Кейніс), отримавши фінансову підтримку від Литовського наукового фонду. Як відомо, видання DLKŽ 1993 і 2000 років мало чим відрізняються, тому варто звернути увагу на те, що вирішили не використовувати попередню електронну версію лише тому, що її створено в уже морально застарілому середовищі DOS і базі FOX-PRO: знову вдалися до комп’ютерних засобів, щоб зчитати вже наявний електронний текст, який потребував лише незначних виправлень, збільшивши цим витрати праці й кошти. Можливо, статистичний аналіз також проводитимуть заново? Але ж не лише комп’ютерна версія видання DLKŽ 1993 року морально старіє — так само старіють і численні електронні бази даних, тому очевидно, що треба подбати про їхнє підтримання. Чи не спіткає така сама доля, як електронну версію DLKŽ (1993), і Банк термінів, який спільно готують згадані інститути? Отже, лінгвостатистичні видання й досі цінують значно вище, ніж дорогі електронні бази даних, що відкривають багато нових можливостей для роботи. Литуаністи мають домовитися щодо електронних баз даних, у яких використовуються спеціальні знаки, наприклад, для старих текстів і транскрибованих діалектних текстів, адже вже тепер доводиться заново набирати статті з прикладами такого типу, якщо з тієї чи іншої причини вирішують подавати їх не, скажімо, до видань Інституту литовської мови, а до якоїсь редакції видань Вільнюського університету. Діалектні словники й тексти діалектів, що видаються нині, хоча й існують в електронній формі, є лише ознакою модернізації друкарень, бо використовувати їхні тексти як електронну базу даних неможливо. Отже, за відсутності домовленості литуаністів щодо єдиної системи кодування (наприклад, UNICODE чи іншої) загальнодоступне використання електронних банків даних значно ускладнюється, не кажучи вже про те, що можливості застосовувати для їхнього аналізу електронні технології та програми дуже обмежені, а іноді й відсутні. Невже їх у нас так багато, що ми вже не спроможні охопити їх усі? Проблема полягає в тому, що ні мовознавці, ні фахівці з інформатики, які їм допомагають, досі належним чином не усвідомили: бази даних мають бути динамічними; робота з ними має давати змогу застосовувати численні нові програми й технології, що постійно з’являються; вони повинні мати можливість конвертації у новішу комп’ютерну версію. Досі більшість електронних баз даних, що створюються в Литві, укладають так, ніби це ті самі картки з DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 21 даними мови, лише зібраними за допомогою комп’ютерної клавіатури. Незабаром ці дані можуть зрівнятися з клинописом, висіченим на камені: на екранах комп’ютерів нового покоління будуть видні лише «прапорці» та «квадратики», дешифрувати які, наче читати руни, зможуть лінгвісти майбутнього. Досі дискусії з цього питання були безрезультатними, але, мабуть, не варто втрачати надії: знову слід запросити до дискусії та пошуку згоди. До речі, варто звернути увагу на терміни: ЕЛЕКТРОННА БАЗА, БАНК, ТЕКСТОВИЙ КОРПУС (КОРПУС), АРХІВ. Наймодніший із них — ТЕКСТОВИЙ КОРПУС (КОРПУС). Його визначають по-різному, але спільним для всіх визначень є те, що ТЕКСТОВИМ КОРПУСОМ вважається зібрання текстів в електронній формі, тому нерідко майже все, що раніше називали базами даних, почали називати корпусами (адже розмір окремих текстів не регламентується). Термін БАНК найчастіше пов’язують із термінологією: зазвичай банки термінів не називають корпусами. Нині термін АРХІВ дедалі частіше пов’язують із часовим виміром: електронне зібрання старих даних можна назвати архівом або базою. Отже, найнейтральнішим терміном залишається ЕЛЕКТРОННА БАЗА ДАНИХ, тому тут він і вживається найчастіше (пор. Kennedy 1998: 3 і далі). 2. ЕЛЕКТРОННІ БАЗИ ДАНИХ СУЧАСНОЇ ЛИТОВСЬКОЇ МОВИ ТА ЛІНГВОСТАТИСТИЧНІ ВИДАННЯ Немає надлишку баз даних сучасної литовської мови в електронній формі. Відповідно, небагато й лінгвостатистичних видань; дещо частіше застосовують лише лінгвостатистичні методи. Тут вирізняється єдина фонетика та фонологія, що спирається на її результати. Можливо, це сталося через саму природу фонетики, тобто через те, що часте повторення тих самих одиниць — звуків — прямо спонукає до висновків, заснованих на статистиці; а можливо, через суб’єктивні чинники, тобто через появу дослідників із новаторським мисленням: передусім Алекса Ґірденіса та його учнів, а також Антанаса Пакеріса. Так чи інакше, обидва ці чинники зумовили стрибок у литовській фонетиці та фонології і навіть своєрідний відрив від інших галузей мовознавства. Щоправда, сама фонетика є проміжною галуззю між точними науками та лінгвістикою. Наступною за частотністю повторюваних одиниць галуззю мовознавства є морфологія. Отже, логічно було б припустити, що передусім саме в цій галузі вже мала б виникнути потреба оперувати і лінгвостатистичними даними, і електронними базами даних. Поки що цього не сталося, хоча такі праці й засоби для роботи вже є. Першу лінгвостатистичну працю з лексики та морфології в Литві, використовуючи ЕОМ, підготувала Vida Žilinskienė (1990). Її Lietuvių kalbos dažninis žodynas ґрунтується на даних одного з функціональних стилів — публіцистики; у ній проаналізовано 300 000 слововживань (тобто як тих самих лексем, так і різних; останніх було 18 776, оскільки відповідно до загальноприйнятих правил укладання частотних словників від подальшого дослідження відмовилися 11 956 власних назв). Усі суцільні тексти, що складалися з фрагментів (вибірок) по 1000 слововживань, було морфологічно проаналізовано, акцентовано, а потім перфоровано й завантажено до нині вже морально застарілої та непридатної для використання ЕОМ «Minsk-22». Електронний банк даних існує, але скористатися ним тепер було б дуже важко. На жаль, лінгвостатистичний аналіз текстів однієї з форм сучасної литовської мови — публіцистики — з лексикологічного, морфологічного та акцентологічного погляду досі належним чином не використано ані в наукових, ані в практичних цілях, зокрема для написання підручників і навчальних словників. Однією з праць, підготовлених із застосуванням електронних засобів (за участю в міжнародній програмі CHILD) і присвячених синхронній морфології, може бути докторська дисертація Inetos Savickienės (1999), присвячена морфології дитячого мовлення. 22 | LAIMA GRUMADIENĖ прикладом праці з синхронної морфології, розглянутої в межах міжнародної програми CHILD, може бути докторська дисертація Inetos Savickienės (1999), присвячена морфології дитячого мовлення. До речі, слід зазначити, що праці, засновані на лінгвостатистичних даних інших рівнів, стилістики та почасти синтаксису, одиниці яких мають значно нижчу частотність, з’явилися вже кілька десятиліть тому; насамперед це праці Audronės Bitinienės (1983, 1997, 1998 та ін.). Уже є й окремі спроби досліджувати сучасну лексику на основі лінгвостатистичних даних. Останнім часом такі праці найчастіше виконують на базі корпусу сучасної литовської мови Університету Вітовта Великого (близько 60 000 000 слововживань) (наприклад, дослідження колокацій, проведені Rūtos Marcinkevičienės (2000a; 2000b), докторська дисертація Jurgitos Mikelionienės (2000) про неологізми тощо). На основі невеликих електронних баз даних готують дедалі більше праць із лексики, іноді досить спеціалізованих; наприклад, докторська дисертація Astos Ryklienės (2000) про лексику, якою послуговуються користувачі інтернету, та її праця. Однак загалом таких праць небагато, і студентство мало долучилося до цього процесу (за винятком, мабуть, Університету Вітовта Великого). Група під керівництвом Antano Pakerio у Вільнюському педагогічному університеті завершує створення електронної бази для дослідження лексики; можливо, тоді й тут побільшає студентських праць такого типу. У цій статті обмежимося описом засобів, необхідних для дослідження сучасної писемної литовської мови, тому не розглядатимемо вже започатковану серію досліджень давніх писемних пам’яток, що спираються на власну електронну базу даних Інституту литовської мови. Поява власних електронних баз даних, безперечно, надасть нового поштовху литовській діалектології: в Інституті литовської мови вже готуються створити Центр діалектів, де в електронній формі записуватимуть діалектне мовлення та готуватимуть розшифровані й транскрибовані з цих записів тексти. У тому самому інституті розпочато роботу зі створення електронних баз даних з ономастики та топоніміки. Електронна база даних великого Lietuvių kalbos žodyno, яку вже готують, має стати справжнім поворотним моментом у литовській лексикографії; великі сподівання покладають і на електронну базу даних Bendrinės lietuvių kalbos žodyno. Викладачі Вільнюського університету під керівництвом Evaldos Jakaitienės долучилися до одного з проєктів Європейського Союзу та готують електронний так званий універсальний список литовських слів, на основі якого має розпочатися нова серія двомовних словників. Певною мірою це начебто конкурує з редакційною фірмою Bendrinės lietuvių kalbos žodyno. Переважно зусиллями Державної комісії з литовської мови, заохоченої Європейським Союзом, розпочато підготовку електронних так званих Terminų ar Svetimžodžių portfeliai — своєрідних списків найновіших і дуже часто вживаних термінів та словосполучень із різних галузей. Європейський Союз поширює їх серед усіх своїх членів і кандидатів, щоб мови могли пристосуватися та підготуватися до майбутньої хвилі перекладів, а також до машинного перекладу. Група науковців Вільнюського університету (керівниця Meilutė Ramonienė) започаткувала створення електронних баз даних сучасного усного мовлення на основі записів радіо- й телевізійного мовлення, як це робиться і для польської мови. У тому самому університеті готуються створити електронну базу слов’янізмів (керівник Vytautas Kardelis), що має містити як аудіозаписи, так і відібрані з них і транскрибовані приклади. Як показує досвід, на результати можна сподіватися лише після того, як навчишся працювати з даними такого типу й набудеш навичок користування новими можливостями. Для цього потрібні лабораторії, де цього навчалися б, найкраще — змалку. Сама природа електронних баз даних передбачає відкритість; упорядковані бази мають бути доступними всім, кому вони потрібні. Найбільші зібрання даних литовської мови містяться в Інституті литовської мови- DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 23 тут, тому, модернізуючись, саме він мав би стати найбільшим центром створення електронних баз даних литовської мови, джерелом їхнього відкритого використання, центром притягання та поширення робіт і ідей такого типу — можливо, цю роль і відіграватиме Центр литуаністики, який створюють у базі Інституту литовської мови? Ті електронні бази даних, які потраплять в інтернет, стануть ще відкритішими. До речі, місце, де користуватися комп’ютером, коли з’являється можливість під’єднатися до інтернету, стає несуттєвим; важливо лише те, що потрапило в інтернет. Але це плани на майбутнє. Досі в Литві не узаконено видавання лінгвостатистичних праць в електронному вигляді, не врегульовано питання авторських прав, тому такі праці, надруковані на папері, досі актуальні. Однак електронні бази даних і лінгвостатистичні видання суттєво відрізняються; останні — лише верхівка айсберга. Далі тут розглядається конкретне питання: співвідношення електронних баз даних сучасної писемної литовської мови та лінгвостатистичних словників. Останні не можуть існувати без бази, проте можливості, які надають бази, аж ніяк не обмежуються лише виданням словників. 3. ЕЛЕКТРОННІ БАЗИ ДАНИХ СУЧАСНОЇ ПИСЕМНОЇ ЛИТОВСЬКОЇ МОВИ ТА ЧАСТОТНІ СЛОВНИКИ Електронні мовні бази даних, безперечно, відрізняються від інших зібрань мовних даних передусім своєю електронною формою та специфікою використання пов’язаних із нею комп’ютерних технологій. Поява електронних баз даних відкрила цілком нові можливості для дослідження мови, але самі вони не пов’язані лише з появою сучасних електронних носіїв. Те, що різними засобами отримують по суті аналогічні результати — передусім характеристики частотності граматичних форм і лексем, — свідчить про значну спільність сучасних електронних баз даних та їхніх набагато давніших аналогів. У Франції видавництво Larousse ще від 1956 р. почало використовувати для укладання словників машинну картотеку словників (на електронних обчислювальних машинах старого покоління, ESM) (Rozencveig 1986: 82). Питання про те, як слід укладати сучасні електронні мовні бази даних, постало, з одного боку, тому, що поява нових технологій дала змогу опрацьовувати великі обсяги інформації; тоді почав збільшуватися обсяг тексту, призначеного для ілюстрування одного слова (тобто його контексту). Так виникли нові можливості для дослідження валентностей слова, а згодом і більших мовних одиниць, а отже, і синтаксису та семантики. Захопилися дедалі більшими текстовими фрагментами, зрештою перейшли навіть до цілих завершених текстів, доки цьому не поклали край ціни придбання авторських прав на твори. З іншого боку, поява комп’ютерів, мабуть, за своїм впливом дорівнювала винаходу Гутенберга, а найважливіше — їхнє безпрецедентно швидке поширення. Тож із геометричною прогресією зростали різноманітні віддалені зв’язки між людьми — як із тими, хто розмовляє тією самою мовою, так і з носіями інших мов, — і виникло нагальне суспільне замовлення на отримання різнопланової статистичної інформації, пов’язаної з мовою, щоб автоматизувати якомога більше процесів спілкування: навчання мов, перекладу, розпізнавання, стиснення й передавання інформації тощо. Литовське мовознавство не залишилося осторонь цього загального процесу, лише, звісно, значно відстало в часі. У світі протягом усього XX століття, особливо в його другій половині, начебто вже готувалися до нового стрибка. Передусім це були частотні словники мов. Перші з’явилися ще в XIX ст. 24 | LAIMA GRUMADIENĖ наприкінці — на початку XX ст. Найпершим був словник німецької мови, який стенограф Ф. Кедінг (1898), користуючись картотекою карток, уклав на основі 11 000 000 слововживань. Значно пізніше Г. Вандер Беке (1929) видав частотний словник французької мови такого типу. Г. Ітон (1934) уклав порівняльний словник першої тисячі найчастотніших слів чотирма мовами — англійською, французькою, німецькою та іспанською. Перший частотний словник англійської мови уклали Е. Торндайк і Л. Лордж (1944), іспанської — В. Гарсія Ос (1953). Перший частотний словник російської мови в Америці уклав Г. Джосселсон (1953), а Н. П. Вакар (1966), також в Америці, видав частотний словник російської розмовної мови радянського періоду, але по суті його укладено лише на основі мови драматичних творів. Е. Штайнфельдт (Štejnfel’dt 1963) видав у Таллінні частотний словник мови Пушкіна. Спираючись на корпус обсягом 1 000 000 слів, наполовину сформований із художньої літератури та так званої інформаційної прози (публіцистики, канцелярських документів і наукової літератури), Л. Ленггрен (1993) уклав в Уппсалі частотний словник російської мови. Перші частотні словники не лише російської, а й румунської та італійської мов також уклали в Америці — А. Жюйллан, П. М. Едвардс, І. Жюйллан (1965), А. Жюйллан і В. Траверса (1973) (до речі, А. Жюйллан та Е. Ч. Родрігес (1964) там же вже уклали ще один частотний словник іспанської мови, а згодом такий словник уклали також Дж. Р. Аламеда і Ф. Куэтос (1995)). Цілу низку частотних словників було укладено на основі концепції функціональних стилів мови Празького лінгвістичного гуртка, а також розуміння літературної мови Борисом Ларіним: першим, як і належить, був словник чеської мови — спочатку окремих функціональних стилів, а згодом і загальний, — укладений колективом авторів під керівництвом Марії Тєсітелової (Й. Єлінек, Й. В. Бечка та ін.; див. Těsitelová 1983). Латвійці також узялися рано, як і чехи спочатку уклавши словники окремих функціональних стилів, а згодом — загальний словник у двох частинах: Т. Якубайте, Д. Крістовска, Д. Ґулевска, В. Озола, Р. Прусе, А. Рубіне, Н. Сіка (1966–1976). Тієї ж методики дотримувалися В. А. Аграєв, В. В. Бородін, В. М. Муратова, Е. В. Тісенко під керівництвом Л. Н. Засоріної (1977), укладаючи частотний словник сучасної російської мови на основі 1 000 000 слововживань із чотирьох функціональних стилів. Частотний словник білоруської мови охоплює лише один функціональний стиль — художню літературу; його уклали Н. С. Мажейка та А. Й. Супрун (Mažeika, Suprun 1976). Лише публіцистичний стиль охоплює також частотний словник болгарської мови (Todorova, Pančovska 2001). Перший частотний словник литовської мови, укладений В. Жилінскене (1990), також охоплював лише один функціональний стиль — публіцистику; у роботі використовували ту саму чеську методику та активно співпрацювали з латвійцями. З часом у світі, хоча литовська мова цим похвалитися не може, з’явилися найрізноманітніші частотні словники: мови окремих авторів, функціональних стилів, регіональних різновидів мови, писемного й усного мовлення тощо. Частотні словники «мови загалом» втратили практичну функціональність, оскільки виникла потреба задовольняти конкретні цілі, а отже, слова потрібно було добирати з текстів певної галузі, а не з усієї їх сукупності. З іншого боку, проблема укладання частотних словників «перейшла в інший вимір», коли американські біхевіористи й позитивісти, шукаючи приклади вживання, почали створювати електронні корпуси текстів: електронні технології розвивалися швидко, тож стало можливо не лише накопичувати, а й опрацьовувати величезні масиви текстів. Початком корпусної лінгвістики вважають 1961 рік, коли Нельсон Френсіс і Генрі Кучера оголосили про створення й розпочали укладання відомого електронного корпусу писемної мови Brown’o (Brown university), а Джон Сінклер — корпусу LOB (Lancaster-Oslo/Birmingham) того самого формату — DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 25 …текстового корпусу; ще 1959 року Randolphas Quirkas анонсував корпус текстів писемного й усного мовлення SEU (Survey of English Usage), а його роботу продовжив Janas Svartvikas, який в університеті Лунда взявся створювати корпус усного мовлення LLC (London-Lund Corpus of Spoken English). Обсяг усіх згаданих корпусів на той час становив приблизно 1–1,15 млн слововживань; згодом з’явилося більше подібних корпусів (див. Aijmer, Altenberg 1991: 1tt.). Обсяг корпусів другого покоління обчислюють десятками мільйонів, третього — вже сотнями й тисячами мільйонів. У світі залишається актуальною проблема сумісності комп’ютерного програмного забезпечення та окремих робочих програм: накопичено вже надзвичайно великі корпуси — сотні мільйонів слів (це, по суті, електронна форма бібліотек), але як зручно ними користуватися, як підрахувати найпростіші частоти, як не загубитися в океані слів? І зрештою, чи завжди кількість визначає якість? Укладаючи найрізноманітніші частотні словники, неодноразово переконувалися, що половина досліджуваних слів ужита лише один раз. Тому щоразу, беручись до роботи, слід добре обміркувати, чи справді поставлені завдання вимагають працювати з величезним обсягом матеріалу в пошуках найрідкісніших слів. Іноді, коли досліджують певні граматичні закономірності або закономірності словотвору, справді недоцільно надмірно збільшувати обсяг досліджуваної сукупності; цілком доречно оцінити це й статистичними критеріями, адже вони покажуть імовірність того, коли вибірка є достатньою для репрезентативних висновків. Особливо слід зважати на те, з яких текстів формується досліджувана сукупність, тобто як створюється модель досліджуваного об’єкта. У литовському мовознавстві чи не найбільше запитань у цьому аспекті нині викликає проблема того, що вважати літературною литовською мовою, якими частками в ній мають бути представлені функціональні стилі мови або виділені за іншими критеріями мовні шари. Ось згаданий корпус Університету Вітовта Великого укладено за одними принципами відбору, а Частотний словник сучасної писемної литовської мови — за іншими, тому й результати виходять різними. Треба дуже уважно й об’єктивно оцінювати статистичні дані, отримані з різних корпусів, наприклад, щодо окремих частин мови. Помічено, що в уже написаних або тих, що пишуться, працях такого типу недостатньо уваги приділяють тому, які тексти досліджувалися, а узагальнення роблять про «сучасну литовську мову». Робота з числами вимагає точності, інакше висновки виявляються оманливими. Електронний корпус Частотного словника сучасної писемної литовської мови, про який ідеться у статті (1,2 млн слововживань), належить до корпусів першого покоління (типу Brown, LOB) — обсягом понад мільйон слів. Із цими відомими корпусами його пов’язує ще одна спільна риса: як і небагато пізніших корпусів у світі, наш корпус анотований. Комп’ютерні технології створили для аналітичних мов особливі можливості: спеціальні, але доволі поширені програми (особливо відома програма Оксфордського університету — Oxford Concordance Program, а також KWIC, KAYE, CLAN, OCP, WordCruncher та ін.) дають змогу відносно легко підготувати списки найчастотніших слів і подати їхні конкорданси (Leech 1991: 10; Utka 2000). Такими програмами зазвичай користуються й дослідники корпусу сучасної литовської мови Університету Вітовта Великого, але тоді можна аналізувати лише слова, тобто лексику, оскільки бракує відомостей про закінчення слова, а воно, як відомо, для литовської мови надзвичайно важливе. Отже, зі синтетичними мовами складніше: адже за допомогою описаних програм складають списки словоформ, а не лем. Потрібна чимала додаткова робота, перш ніж словоформи буде зведено до спільного знаменника й перетворено на леми. Такі списки слів, що містять і граматичний аналіз, уже називають анотованими; у світі їх небагато, їх високо цінують, бо вони потребують значних трудових витрат, а тому є 26 | LAIMA GRUMADIENĖ дуже дорогими (ми з V. Žilinskiene підрахували, що в нашому випадку лише добір текстів, їх набір на комп’ютерній клавіатурі, напівавтоматизований морфологічний аналіз (так зване ЛЕМАТИЗУВАННЯ), редагування та введення даних у комп’ютер потребували б від однієї людини шести років праці). Для підрахунків і подальшого виправлення помилок знову потрібно кілька років, адже будь-яка неточність під час математичних операцій може призвести до абсурду. Загалом частотні словники, особливо з появою електронних корпусів, тепер можна укладати по-різному й для різних цілей — залежно від того, що шукаєш. Головна причина, чому укладають дедалі нові частотні словники, особливо ті, що претендують називатися, наприклад, словниками сучасної n мови, полягає в тому, що основною умовою лінгвостатистики, як і статистики загалом, є те, що вибірка має бути репрезентативною моделлю досліджуваної сукупності, або множини. Словом, постійно виникає сумнів, чи справді досліджена вибірка відображає заплановану сукупність. Наприклад, частотний словник сучасної литовської мови, укладений на основі Корпусу сучасної литовської мови Університету Вітовта Великого, що містить аж 60 млн уживань слів, був би іншим, ніж уже видані словники Л. Грумадієне та В. Жилінскене (1997, 1998), оскільки його результати відображали б сукупність текстів, основу якої становить мова 70% періодичних, 26% неперіодичних і 4% перекладних видань (Marcinkevičienė 2000a: 16). Тексти, відібрані для згаданих виданих словників, спиралися на цілком інші засади: це оригінальні, неперекладні тексти чотирьох функціональних стилів мови — публіцистичного, канцелярського, художнього й наукового. Так вчинили тому, що литовська літературна мова, особливо писемна, досі формується, унормовується й кодифікується в дусі ідей Празького лінгвістичного гуртка (до речі, слід звернути увагу на те, що нині сам термін «СТИЛЬ» різними лінгвістичними школами визначається доволі по-різному). Дотримувалися принципів укладачів інших частотних словників, передусім чеських, російських і латиських, які також поділяли викладене вище розуміння літературної мови як суми функціональних стилів мови; було застосовано їхній досвід, тож, як і вони, обрали вибірки по 300 000 уживань слів із чотирьох функціональних стилів, оскільки вважалося, що для писемної литовської мови принципи укладання корпусу Університету Вітовта Великого (який, до речі, з’явився пізніше за наш) ще передчасні й ближчі до американського розуміння літературної (або стандартної, як там заведено) мови. У базі даних частотного словника сучасної писемної литовської мови часом бракує побутової лексики, бо забувають, що її сформовано лише на основі публічної писемної мови: у ній немає ні приватних листів, щоденників, ні написів на стінах тощо. Проте й тепер до словника потрапили слова розмовної мови, серед них не лише чужомовні запозичення й діалектизми, а й приклади пейоративної лексики, неприйнятної в літературній мові, через що авторки словника постійно зазнають докорів. Постає питання, що вважати художньою літературою: ці слова були в текстах художньої літератури (оригінальних текстах, надрукованих у Литві накладом понад 100 примірників і відредагованих), а постулат укладання частотного словника полягає в тому, щоб не вилучати жодного повнозначного слова, якщо воно не є власною назвою, числом, скороченням або коректорською помилкою. До речі, дані показують, що у вибірках по 300 000 уживань слів для кожного з чотирьох функціональних стилів у публіцистичному стилі виявлено 284 687 повнозначних слів (15 313 так званих «відходів»), у діловому стилі — 279 505 (згаданих вище причин не потрапити до словника було для 20 495), у науковому — 278 311 (21 689), у художньому — 290 561 (9 439). Серце не дозволило вилучити власну назву Литва, тому вона як виняток стала єдиною власною назвою, що потрапила до словника (як виявилося, це 16-те за частотністю слово, перше серед іменників, його частота — 5151 у 614 вибірках: тут визначальними були офіційні документи, DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 27 назви установ тощо, у яких це слово часто траплялося у формі родового відмінка). Умовно до власних назв можна віднести й назви релігійних та інших свят (які часто вживаються і як загальні назви), наприклад, Йонінес, Кучіос, Жоліне, або назви сторін світу Схід, Захід, Південь, Північ. Дотримуючись принципу репрезентативності, для кожного із зазначених стилів добирали лише такі тексти, які належать до чистого стилю: відмовилися від підручникових текстів, що вважалися прикордонними, наукової публіцистики, публіцистики для вузького кола читачів, драматургії, поезії тощо. Тексти публіцистичного стилю відібрала Vida Žilinskienė; до них увійшли тексти 19 центральних щоденних і щотижневих газет та широко читаних журналів за 1994–1995 роки, що представляли п’ять тематичних груп: 1) політика, 2) промисловість і сільське господарство, 3) освіта і право, 4) мистецтво та 5) розваги (спорт, гороскопи, прогнози погоди). Тексти офіційно-ділового стилю відібрали Pranas Kniūkšta і Danutė Vainauskienė з видань і документів 1990–1995 років за сімома тематичними групами: 1) закони та супровідні до них документи, коментарі, 2) правові документи, 3) довідники й документи з економіки та бізнесу, 4) видання з політології, документи партій, 5) стандарти та статистичні видання, 6) джерела інформації (бібліографії, каталоги, словники), 7) документи окремих соціальних сфер (національної оборони, соціального захисту, освіти, культури тощо). Тексти наукового стилю відібрала Irena Andriukaitienė з наукових видань, опублікованих у Литві в 1990–1995 роках, або з праць, схвалених науковими установами, за вісьмома тематичними групами (галузями науки): 1) аграрні науки, 2) природничі, 3) гуманітарні, 4) математичні, 5) медичні, 6) соціальні, 7) технічні, 8) теологічні. Тексти художнього стилю відібрала Laima Grumadienė з прозових творів художньої літератури, виданих у Литві в 1985–1990 роках (за незначними винятками); шість їхніх «тематичних» груп розподілено за місцем народження письменників: 1) жемайти, 2) східні аукштайти, 3) західні аукштайти, 4) південні аукштайти, 5) містяни, 6) емігранти (на справжнє місце народження останніх не зважали). Було вирішено, що саме ці тексти можуть репрезентувати сучасну писемну литовську мову. З них у випадковому порядку (сторінки й рядки обирали за таблицею випадкових чисел) вибирали по одному фрагменту обсягом 1000 уживань слів, так звану вибірку, і набирали його на клавіатурі комп’ютера (це займало приблизно дві години). Після цього вибірки лематизували, тобто морфологічно аналізували за допомогою програми MAN (Морфологічного аналізу та нормалізації), розробленої Vytautas Zinkevičius. Автор спеціально пристосував її для цієї роботи на основі своєї раніше створеної комп’ютерної програми коригування написання слів, а 2000 року, на замовлення Університету Вітовта Великого, дещо вдосконалив її, переніс на вищу версію та назвав лематизатором (Zinkevičius 2000). Ця робота мала приблизно такий вигляд: отримували комп’ютерну роздруківку, з якої треба було «повикидати» непотрібні (підкреслення моє) рядки. Наприклад, уже опрацьований людиною, а не лише машиною фрагмент тексту (…) мене вся ця комедія (…) роздруківка така: РИС. 1. ПРИКЛАД ЛЕМАТИЗАЦІЇ ТЕКСТУ я думати я род. в. займ. одн. Р я дієсл. мин. дійсн. спос. неособ. чол. рід одн. Н 28 | LAIMA GRUMADIENĖ увесь увесь займ. жін. рід одн. Р увесь займ. жін. рід одн. О увесь займ. жін. рід одн. М увесь займ. присл. цей ця займ. вказ. жін. рід одн. Р комедія комедія ім. жін. рід одн. Р комедія ім. жін. рід одн. О комедія ім. жін. рід одн. наз. в. У першому рядку залишається відновлене заголовне слово, у другому (у решті, яку не викреслено) — форма слова з граматичними характеристиками. Така робота з 1000 словами триває близько 4 годин, але швидшого способу морфологічно проаналізувати литовські слова, мабуть, поки що немає. Після цього шукають омоніми й омофони, вибірки коригують програмою MAN-K Вітаутаса Зінкявічюса та об’єднують у комп’ютері — усе це триває ще годину. Загалом так було опрацьовано 1 200 вибірок по 1000 слововживань. Після виконання цієї величезної роботи дані надалі оброблялися за допомогою обчислювальних програм, підготовлених Валентінасом Черняускасом і Снєгуоле Мешкаускене (обоє з Інституту математики та інформатики): було підраховано різні частоти. До друку підготували три словники, два з них уже видано (Grumadienė, Žilinskienė 1997; 1998), а третій, сподіваємося, побачить світ цього року. Перші два словники — це частотні списки заголовних слів. Перший упорядковано за спаданням частоти, другий — за абеткою. До них увійшло відповідно 38 337 різних слів. Третій — словник словоформ — у кілька разів більший (31 друк. арк.), містить приблизно 150 000 словоформ і відображає вживання різних слів, а також тих самих слів у різних граматичних формах (його слід подавати як за абеткою, так і у зворотному порядку). Підготовлено ще кілька десятків по-різному впорядкованих частотних словників для використання в електронній формі: для всіх чотирьох стилів, усіх тематичних груп кожного стилю тощо (як заголовних слів, так і словоформ). Порівняння деяких статистичних даних уже тепер показує, що в литовській писемній мові найбільше вживається різних іменників — з усіх різних слів аж 45,25% становлять іменники; багато дієслів і дієслівних форм — 32,65%; значною є й частка прикметників — 15,31%; різних прислівників виявлено 5,03%. На інші частини мови припадає менше половини відсотка кожної (разом їх лише 0,88%). Але це ще не означає, що їхній розподіл у тексті саме такий. Інший показник — частотність тих самих слів у тексті — свідчить, що відсоток основних частин мови та прислівників помітно зменшується на користь службових частин мови й займенників, адже в текстах на них уже припадає понад чверть — 26,71%. Слід звертати увагу не лише на показник частотності, а й на кількість появ слова або словоформи в окремих вибірках: так можна визначити, чи зумовлена частота якогось слова випадковим потраплянням одного тексту з численними повтореннями цього слова, чи все ж його частотність не випадкова, оскільки розподіл у різних вибірках є рівномірним. DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 29 Лексичну різноманітність оцінюють за коефіцієнтом ітерації (співвідношенням кількості слововживань і заголовних слів), який у згаданому словнику дорівнює 20,06 (отже, що менше це значення, то більше виявлено різних слів). Із підрахованих, але не опублікованих словників заголовних слів і словоформ для кожного з чотирьох функціональних стилів (про деякі помічені в них лінгвостатистичні особливості вже писала V. Žilinskienė (1998, 2001, друк. та ін.)) видно, що, наприклад, лексика художньої літератури вдвічі різноманітніша за лексику текстів офіційно-ділового стилю (коефіцієнти ітерації відповідно дорівнюють 9,53 і 20,78). Найцікавіше тут те, що коефіцієнт ітерації всіх чотирьох стилів разом лише ненабагато відрізняється від показника офіційно-ділового стилю, але дуже сильно — від показника художнього стилю (для публіцистики він дорівнює 10,51, для наукового стилю — 12,63). Ці показники є вагомим аргументом під час визначення принципів укладання, наприклад, словника загальнолітературної мови: у яких частках мають бути представлені функціональні стилі мови; чи взагалі слід і надалі дотримуватися практики пов’язування загальнолітературної мови з функціональними стилями; якщо так, то необхідно враховувати статистичні показники функціональних стилів тощо. Цікаві дані отримано зіставленням списку найчастотніших слів, укладеного на основі корпусу текстів Університету Вітаутаса Великого (у ньому слова фіксували й підраховували у тих формах, у яких вони трапляються в тексті, не відновлюючи їхні заголовні форми, на відміну від Dabartinės rašomosios lietuvių kalbos dažniniame žodyne). Порівнявши 50 найчастотніших незмінюваних слів і словоформ змінюваних слів у 60-мільйонному корпусі литовських текстів (Utka 2000: 278) із першими 50 заголовними словами Dažninio žodyno (Grumadienė, Žilinskienė 1997: 3), можна наочно переконатися, що вони загалом збігаються. Лише в першому частотному списку дещо менше різних слів, оскільки там наведено різні форми того самого слова, наприклад, buvo, būti; jis, jo, jų, jos, jie, тоді як у другому списку, тобто у словнику, їх відповідно представляють būti і jis. До Dažninį žodyną, згідно з принципами укладання словників такого типу, не включено скорочень, але зі скорочень m, d, a, що траплялися у згаданому списку найчастотніших слів, — відповідно metai, diena, amžius — зіставлення з даними Dažninio žodyno показує, що перші два слова частотні й у словнику — посідають 30-те та 57-ме місця за частотністю, тобто рангом (слова з однаковою частотністю вважаються словами одного рангу), тоді як amžius потрапляє лише до третьої сотні. До речі, і скорочення, і повне слово досить часто вживаються також у дещо відмінних значеннях. Як підтверджує практика укладання частотних словників багатьох синтетичних мов, найчастотнішими у Dabartinės rašomosios lietuvių kalbos dažniniame žodyne є деякі сполучники (ir, kad, o, kaip, ar, bet, bei, kai тощо), прийменники (į, iš, su, nuo, apie, po, už, dėl, per, prie тощо), займенники (jis, tas, aš, kuris, šis, visas, kitas, savas, toks, kas, tu тощо), частки (ir, ne, tik тощо); найпопулярніші дієслова — būti, galėti, turėti, nebūti, reikėti, žinoti, nustatyti тощо, а іменники — Lietuva, darbas, žmogus, metai тощо. Серед числівників найчастотніші vienas, pirmas, du, а серед прикметників, що потрапили до першої сотні найчастотніших слів, — dideli, naujas, aukštas, įvairus, svarbus, pagrindinis. До речі, дані аналітичних мов також свідчать, що, наприклад, у текстах англійською мовою займенник I, сполучник and і артикль the становлять 10% текстів (Hillerich www: eduplace.com). Важливим є й питання слів міжнародного походження — скільки їх і які саме слід включати до словника загальнолітературної мови? Корисним може бути й знання того, що, наприклад, у списку заголовних слів Dabartinės rašomosios lietuvių kalbos dažninio žodyno (1998, XXXIV–XXXVI) виявлено 27,52% слів міжнародного походження, і що в текстах вони займали 13,34% обсягу; корисними можуть бути й самі списки цих слів. 30 | LAIMA GRUMADIENĖ Готуючи нову граматику литовської мови, важливо знати й статистику словоформ: слова якого типу і як відмінюються, чому, а також чому одні слова мають велику різноманітність граматичних форм, а інші — ні. Таких даних багато в словнику словоформ, який готують до друку. Про стиль публіцистики цікаві дані вже опублікувала V. Žilinskienė (2001). Виявляється, що на три відмінки іменників припадає 82,29% усіх випадків уживання іменників (род. — 38,91%, наз. — 26,62%, знах. — 16,76%; а те, що, наприклад, дав. уживається лише у 3,88% випадків, можливо, вже свідчить про тенденції до аналітизму?). Прикметники, до речі, найчастіше вживаються в наз. відмінку — у 36,93% випадків. З’ясувалося, що переважає однина іменників — 68,86% усіх уживань. У публіцистичних текстах порівняно мало виявлено дієприслівників (2,34%) і напівдієприслівників (1,84%), тоді як дієприкметників — аж 24,46%; інфінітив ужито у 15,85% випадків. Цікаві й незвичні результати, особливо для педагогів і фахівців, які готують підручники, навчальні програми та словники, отримано після ознайомлення з трьома підготовленими й виданими V. Žilinskienė та L. Grumadienė (1998; 1999a; 1999b) мінімальними литовсько-російськими словниками для кваліфікаційних категорій володіння державною мовою, а також із шістьма іншими аналогічними литовсько-англійськими та литовсько-польськими словниками, які підготовлено, але ще не видано. Тут ще раз слід звернути увагу на те, що вибірки зібрано з текстів писемної литовської мови, тож слів розмовної мови тут може бракувати. Ці словнички призначені для вивчення писемної мови, оскільки кваліфікаційні вимоги до володіння державною мовою пов’язані з її публічним використанням, передусім в офіційних ситуаціях, особливо в державних установах; тому тут потрібна не побутова, а нейтральна й фахова лексика: вимагається вміння читати й писати ділові документи, розуміти тексти засобів масової інформації. У майбутньому планується укласти мінімальні словники розмовної мови. У Литві видано підручник Vytautas Šernas (1994) Як раціональніше вивчати мови, у якому є також мінімальний двомовний англійсько-литовський словник: перекладено відомий Basic English, опублікований Ch. K. Ogden у 1942 році й укладений із 850 слів (його, до речі, можна знайти і в 3-му томі Encyclopaedia Britannica). З часом одні слова застарівають, інші з’являються, тож список із тих 850 слів може відповідно змінюватися. Визначаючи вимоги до трьох кваліфікаційних категорій володіння державною литовською мовою, врахували й думку авторів Частотного словника сучасної писемної литовської мови щодо обсягу мінімальних словників: вирішили, що вимогам I категорії відповідатиме знання приблизно 800 слів, II категорії — приблизно 1200, III категорії — приблизно 2500 слів. Враховано як загальноприйнятий постулат Ogden про 850 слів, так і результати досліджень частотності у власній та інших мовах, а також аналогічну практику інших країн. Те, що ці підрахунки не взято зі стелі, видно й із трьох таблиць у додатку, де чітко показано, яку частку текстів становлять відповідно 800, 1200 і 2500 найчастотніших слів писемної литовської мови: 56,66%, 65,70% і 78,04%. Стає звичним, що нині всі великі словники подають позначки найчастотніших слів мови. Наприклад, в англійському словнику COBUILD (www.antimoon.com) 680 найчастотніших слів позначено відповідно від одного до чотирьох ромбів. В англійському словнику Longman 3000 найчастотніших слів позначено відповідно як S1, S2 (S — spoken English), W1, W2 (W — written English). В англійському словнику Macmillan найчастотніші слова друкують червоним кольором, а частотність інших позначають відповідно від однієї до трьох зірочок. Схоже, наближається час, коли й литовській лексикографії доведеться цим зайнятися. DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 31 4. ВИСНОВКИ Електронних баз даних сучасної литовської мови небагато; найбільші з них — Частотний словник сучасної писемної литовської мови V. Žilinskienė та L. Grumadienė (морфологічно анотований і статистично опрацьований, 1 200 000 слововживань) і Корпус литовської мови Університету Вітовта Великого (неанотований, близько 60 000 000 слововживань). У литуаністиці ще немає належної практики користування ані електронними базами даних сучасної мови, ані лінгвостатистичними виданнями. Насамперед у закладах вищої освіти Литви надто мало привчають до такої роботи, але є й інший бік проблеми — надто мало загальнодоступних електронних баз даних литовської мови. Однією з причин відставання є й те, що електронні бази даних не визнаються авторською працею. Одна з найактуальніших проблем у Литві, пов’язаних з електронними базами даних, — слабкість концепції їх укладання: часто передбачається користуватися електронними базами даних лише як текстом в електронному форматі, не плануючи застосовувати комп’ютерні технології для обробки даних. 32 | LAIMA GRUMADIENĖ ТАБЛИЦЯ 1: ЧАСТОТНІСТЬ СЛІВ ЗА МОВНИМИ ЧАСТИНАМИ ТА ЗАГАЛЬНА ЧАСТОТНІСТЬ У МІНІМАЛЬНОМУ СЛОВНИКУ КВАЛІФІКАЦІЙНИХ КАТЕГОРІЙ ВОЛОДІННЯ ДЕРЖАВНОЮ ЛИТОВСЬКОЮ МОВОЮ Ранг Частота ім. дієсл прикм присл інше 1–10 39582-7001 – 21262 – – 52221 14,38% 35,31% 11–20 6877-4274 – 10582 – – 21221 19,96% 40,02% 21–30 4113-2989 10763 – – – 11048 28,95% 29,71% 31–40 2950-2637 – – – 5619 – 20,35% 41–50 2631-2053 – 6843 2053 4782 2113 30,50% 9,15% 21,32% 9,42% 51–60 2015-1781 9284 – – 3867 – 45,22% 18,83% 61–70 1754-1557 10014 1739 – – 1593 60,41% 10,49% 9,62% 71–80 1548-1461 6036 3046 1507 3009 – 40,04% 20,20% 10,00% 19,96% 81–90 1460-1373 1422 2828 1373 2888 2792 10,03% 19,94% 9,68% 20,36% 19,68% 91–100 1351-1148 7421 1305 – 1232 1159 54,63% 9,61% 9,07% 8,53% 101–150 1442-905 23551 12523 7419 3116 943 43,03% 22,88% 13,55% 5,69% 1,72% 151–200 900-706 22744 10742 870 4203 1583 52,48% 24,79% 2,01% 9,70% 3,65% 201–250 702-564 14059 6315 4906 3178 3148 42,09% 18,90% 14,69% 9,51% 9,42% 251–300 562-462 17325 7962 1451 3605 1041 49,59% 22,79% 4,15% 10,32% 2,98% DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 33 ЧАСТОТНИЙ АНАЛІЗ МІНІМАЛЬНОГО СЛОВНИКА КВАЛІФІКАЦІЙНИХ КАТЕГОРІЙ: скр дієпр дієприсл інф част; спол Сума – 25050 49371 – – 147904 16,93% 33,38% 12,33% – – 16902 4320 – 53025 31,87% 8,15% 4,42% – 7156 4102 4113 – 37182 19,25% 11,03% 11,06% 3,10% 2641 8282 8281 2791 – 27614 9,56% 29,99% 29,99% 10,11% 2,30% 2116 4526 – – – 22433 9,43% 20,18% 1,87% – 3589 3793 – – 20533 17,48% 18,47% 1,71% 1557 1673 – – – 16576 9,39% 10,09% 1,38% – – 1478 – – 15076 9,80% 1,26% – 1427 – 1454 – 14184 10,06% 10,25% 1,18% – – 1237 1230 – 13584 9,11% 9,05% 1,13% 1007 2164 2986 1028 – 54737 1,84% 3,95% 5,46% 1,88% 4,56% 738 – 900 1557 – 43337 1,70% 2,08% 3,59% 3,61% – – 574 1225 – 33405 1,72% 3,67% 2,78% – 1035 512 2007 – 34938 2,96% 1,47% 5,74% 2,91% 34 | LAIMA GRUMADIENĖ Ранг Частота ім. дієсл. прикм. присл. займ. 301–350 460-374 19646 10424 2420 2073 393 54,28% 28,80% 6,69% 5,73% 1,09% 351–400 373-313 18504 7550 3381 1347 654 53,04% 21,64% 9,69% 3,86% 1,87% 401–450 312-260 19156 7865 3976 522 304 57,20% 23,49% 11,87% 1,56% 0,91% 451–500 259-205 21718 9987 4806 2486 471 53,17% 24,45% 11,76% 6,08% 1,15% Мінімальний словник для першої кваліфікаційної категорії володіння державною литовською мовою (близько 800 ТАБЛИЦЯ 2: ЧАСТОТНІСТЬ ЧАСТИН МОВИ ТА ЗАГАЛЬНА ЧАСТОТНІСТЬ СЛІВ ДЛЯ II КВАЛІФІКАЦІЙНОЇ КАТЕГОРІЇ ВОЛОДІННЯ ДЕРЖАВНОЮ ЛИТОВСЬКОЮ МОВОЮ Ранг Частота ім. дієсл. прикм. присл. займ. 501–550 204-155 22494 13153 7023 2481 525 46,97% 27,46% 14,66% 5,18% 1,10% 551–600 154-106 30834 17197 6221 4419 151 50,91% 28,39% 10,27% 7,29% 0,25% Мінімальний словник для другої кваліфікаційної категорії володіння державною литовською мовою (близько 1200 ТАБЛИЦЯ 3: ЧАСТОТНІСТЬ ЧАСТИН МОВИ ТА ЗАГАЛЬНА ЧАСТОТНІСТЬ СЛІВ ДЛЯ III КВАЛІФІКАЦІЙНОЇ КАТЕГОРІЇ ВОЛОДІННЯ ДЕРЖАВНОЮ ЛИТОВСЬКОЮ МОВОЮ Ранг Частота ім. дієсл. прикм. присл. займ. 601–650 105-56 45751 20328 12145 5822 433 52,31% 23,25% 13,88% 6,66% 0,50% Мінімальний словник для третьої кваліфікаційної категорії володіння державною литовською мовою (близько 2500 DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 35 скт прл jng dll ішт; jst Сума 426 – – 812 – 36194 1,17% 2,24% 3,02% – – 1407 2043 – 34886 4,03% 5,87% 2,91% 276 – 272 1118 – 33489 0,82% 0,81% 3,34% 2,79% 255 224 210 700 – 40857 0,62% 0,55% 0,51% 1,71% – 3,40% слів) охоплюють 56,66% тексту (вибірка з 1,2 млн уживань слів). 56,66% ЛІНГВОСТАТИСТИЧНИЙ АНАЛІЗ КАТЕГОРІЙ МІНІМАЛЬНОГО СЛОВНИКА: скт прл jng dll ішт; jst Сума 530 342 177 795 371 47891 1,11% 0,71% 0,37% 1,66% 0,78% 3,99% 520 275 132 713 109 60571 0,86% 0,45% 0,22% 1,18% 0,18% 5,05% слів) охоплюють 65,70% тексту (вибірка з 1,2 млн уживань слів). 9,04% Усього: (=65,70%) ЛІНГВОСТАТИСТИЧНИЙ АНАЛІЗ КАТЕГОРІЙ МІНІМАЛЬНОГО СЛОВНИКА: скт прл jng dll ішт; jst Сума 460 341 372 1697 102 87446 0,52% 0,40% 0,42% 1,94% 0,12% 7,29% слів) охоплюють 78,04% тексту (вибірка з 1,2 млн уживань слів). 7,29% Усього: (=78,04%) 36 | LAIMA GRUMADIENĖ LITERATŪRA AJMER, K., ALTENBERG, B. 1991: Introduction. Ajmer, K., Altenberg, B., eds., English Corpus Linguistics. Studies in Honour of Jan Svartvik, London–New York: Longman. ALAMEDA, J. R., CUETOS, F. 1995: Diccionario de frecuencias de las unidades lingüísticas del castellano, Universidad de Oviedo. BITINIENĖ, A. 1983: Mokslinis stilius, Vilnius: Aukštojo ir specialiojo mokslo ministerija. BITINIENĖ, A. 1997: Funkciniai stiliai: sakinio ilgis ir struktūra, Vilnius: Vilniaus pedagoginio universiteto leidykla. BITINIENĖ, A. 1998: Administracinis stilius ir jo sakinio ilgis. Kalbotyra 47 (1), 17–28. EATON, H. 1934: Comparative frequency list on the first thousand words in English, French, German and Spanish. Coleman, A., ed., Experiments and Studies in Modern Language Teaching, Chicago. GARCIA HOZ, V. 1953: Vocabulario usual, comun y fundamental. Madrid: Consejo Superior de Investigaciones Cientificas – Instituto „San José de Calasanz“. GRUMADIENĖ, L., ŽILINSKIENĖ, V. 1997: Dabartinės rašomosios lietuvių kalbos dažninis žodynas (mažėjančio dažnio tvarka), Vilnius: Matematikos ir informatikos institutas, Lietuvių kalbos institutas. GRUMADIENĖ, L., ŽILINSKIENĖ, V. 1998: Dabartinės rašomosios lietuvių kalbos dažninis žodynas (abėcėlės tvarka), Vilnius: Matematikos ir informatikos institutas, Lietuvių kalbos institutas. HILLERICH, R., www: eduplace. com: High-frequency words and vocabulary. JAKUBAITĖ, T. e.a. 1966–1976: Latviešu valodas biežuma vārdnīca, 1.–4. sējumi, Rīga: Zinātne. JOSSELSON, H. 1953: The Russian Word Count and Frequency Analysis of Grammatical Categories of Standard Literary Russian, Detroit: Periodical Service Co. JUILLAND, A., RODRIGUES, E. Ch. 1964: Frequency Dictionary of Spanish words, The Hague: Mouton. JUILLAND, A., EDWARDS, P. M., JUILLAND, I. 1965: Frequency Dictionary of Roumanian Words, The Hague: Mouton. JUILLAND, A., TRAVERSA, V. 1973: Frequency Dictionary of Italian Words, The Hague: Mouton. KAEDING, F. 1898: Häufigkeitswörterbuch der deutschen Sprache, Steigliz bei Berlin (Selbstverlag). KEINYS, S., red. 1993: Dabartinės lietuvių kalbos žodynas, Vilnius: Mokslo ir enciklopedijų leidykla. KEINYS, S., red. 2000: Dabartinės lietuvių kalbos žodynas, Vilnius: Mokslo ir enciklopedijų leidykla. KENNEDY, G. 1998: An Introduction to Corpus Linguistics, London–New York: Longman. KORSAKAS, J. 1991: Lietuvių kalbos inversinis žodynas, Kaunas: Šviesa. KRUOPAS, J., red. 1954: Dabartinės lietuvių kalbos žodynas, Vilnius: Valstybinė politinės ir mokslinės literatūros leidykla. KRUOPAS, J., red., 1972: Dabartinės lietuvių kalbos žodynas, Vilnius: Mintis. LEECH, G. 1991: The state of the art in corpus linguistics, Ajmer, K., Altenberg, B., eds., English Corpus Linguistics. Studies in Honour of Jan Svartvik, London–New York: Longman. LÖNGREN, L. 1993: Частотный словарь современного русского языка. Uppsala. (Acta Universitatis Upsaliensis, Studia Slavica Upsaliensia 32.) MARCINKEVIČIENĖ, R. 2000a: Tekstynų lingvistika (teorija ir praktika). Darbai ir dienos 24, 7–64. MARCINKEVIČIENĖ, R. 2000b: Patterns of word usage in corpus linguistics. Kalbotyra 49 (3), 71–80. MAŽEJKA, N. S. (Мажэйка, Н. С.), SUPRUN, A. Ja. 1976: Частотны слоўнік беларускай мовы (мастацкая проза), Мінск: Выдавецтва БДУ імя У. Леніна. MIKELIONIENĖ, J. 2000: Naujoji lietuvių kalbos leksika (1991–1996 m. kompiuterinio periodikos tekstyno pagrindu). Daktaro disertacija, Kaunas: Vytauto Didžiojo universitetas. MURMULAITYTĖ, D. 1998: Žodžių sąsajos žymėjimas „Dabartinės lietuvių kalbos žodyne“ (santrumpos žr. vartojimas). Lietuvių kalbotyros klausimai 39, 240–247. MURMULAITYTĖ, D. 1999: „Bendrinės lietuvių kalbos žodyno“ kompiuterizavimo klausimu. Lituanistica 2 (38), 92–98. RYKLIENĖ, A. 2000: Bendravimas internetu: kalbėjimas rašant. Darbai ir dienos 24, 99–107. DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 37 ROBINSON, D. F. 1976: Lithuanian Reverse Dictionary, Michigan: Slavica Publishers Inc. ROZENCVEJG, V. Ju. 1986: Опыт создания национальных лексикографических служб за рубежом. Караулов Ю. Н., ред., Машинный фонд русского языка: идеи и суждения, Москва: Наука, 75–83. SAVICKIENĖ, I. 1999: Lietuvio vaiko daiktavardžio morfologija. Daktaro disertacija, Kaunas: Vytauto Didžiojo universitetas. ŠERNAS, V. 1994: Kaip racionaliau mokytis kalbų (Basic English), Vilnius: Žodynas. ŠTEJNFEL’DT, E. A. 1963: Частотный словарь современного русского литературного языка, Таллин. TĚŠITELOVÁ, M. e.a. 1983: Frekvenční slovník češtiny věcného stylu, Praha: Academia–Nakladatelství Československé Akademie Věd. THORNDIKE, E., LORGE, L. 1944: A Teacher’s Word Book of the Twenty Thousand Words Found Most Frequently and Widely in General Reading for Children and Young People, New York: Appleton-Century Crofts. TODOROVA, E., PANČOVSKA, R. 2001: Честотен речник на българската публицистика (1944–1989), София: Пенсофт. UTKA, A. 2000: Kalbinė įranga ir jos galimybės. Darbai ir dienos 24, 275–285. VACAR, N. P. 1966: A Word Count of Spoken Russian. The Soviet Usage, Ohio: Ohio State University Press. VANDER BEKE, G. 1929: French Word Book, New York: Macmillan. ZASORINA, L. N., ред., 1977: Частотный словарь русского языка, Москва: Издательство «Русский язык». ZINKEVIČIUS, V. 2000: Lemiuoklis – morfologinei analizei. Darbai ir dienos 24, 246–273. ŽILINSKIENĖ, V. 1990: Lietuvių kalbos dažninis žodynas, Vilnius: Mokslas. ŽILINSKIENĖ, V. 1995: Atgalinis dabartinės lietuvių kalbos žodynas, Vilnius: Matematikos ir informatikos institutas. ŽILINSKIENĖ, V. 1998: Dažninis dabartinės rašomosios lietuvių kalbos žodynas (pirmieji tyrimo rezultatai). Lietuvių kalbotyros klausimai 39, 219–227. ŽILINSKIENĖ, V., GRUMADIENĖ, L. 1998: Valstybinės kalbos mokėjimo kvalifikacinių kategorijų lietuvių–rusų kalbų minimalusis žodynas (pirmoji kvalifikacinė kategorija), Kaunas: Šviesa. ŽILINSKIENĖ, V., GRUMADIENĖ, L. 1999a: Valstybinės kalbos mokėjimo kvalifikacinių kategorijų lietuvių–rusų kalbų minimalusis žodynas (antroji kvalifikacinė kategorija), Vilnius: UAB „Nacionalinių tyrimų centro“ leidykla. ŽILINSKIENĖ, V., GRUMADIENĖ, L. 1999b: Valstybinės kalbos mokėjimo kvalifikacinių kategorijų lietuvių–rusų kalbų minimalusis žodynas (trečioji kvalifikacinė kategorija), Vilnius: UAB „Nacionalinių tyrimų centro“ leidykla. ŽILINSKIENĖ, V. 2001: Lietuvių ir latvių kalbų publicistikos leksikos ir morfologijos raida statistiniu požiūriu. Linguistica Lettica 9, 155–168. ŽILINSKIENĖ, V. spausd.: Lietuvių kalbos dalykinio stiliaus morfologijos statistinės charakteristikos ir jų lyginimas su atitinkamomis publicistikos charakteristikomis. Lituanistica. Laima Grumadienė Lietuvių kalbos institutas P. Vileišio g. 5, LT–2055 Vilnius, Lietuva [email protected] Gauta 2002 04 19