Dažninis dabartinės rašomosios lietuvių kalbos žodynas (pirmieji tyrimo rezultatai)

LIETUVIŲ KALBOTYROS KLAUSIMAI XXXIX (1998) Vida ŽILINSKIENĖ Matematikai és Informatikai Intézet, Vilnius A mai írott litván nyelv gyakorisági szótára (az első kutatási eredmények) Már működik a mai írott litván nyelv számítógépes gyakorisági szótára, amely négy funkcionális stílus (szépirodalom, publicisztika, tudományos és szakmai) anyagából készült. A szótár összeállításának módszertanáról és alapelveiről bővebben lásd a tanulmányt (Grumadienė 1995). Valamely nyelv, egy bizonyos funkcionális stílus, író vagy valamely mű lexikai változatosságát az úgynevezett iterációs együtthatóval (a szóelőfordulások és a szavak arányával) értékelik, amely egyúttal a szavak szövegbeli átlagos gyakoriságát is jelenti. Az elvégzett számítások azt mutatják, hogy az említett stílusok, illetve a teljes litván nyelv iterációs együtthatója: szépirodalom – 9,53, publicisztika – 10,51, tudományos stílus – 12,63, szakmai stílus – 20,78, a teljes nyelv – 20,06. Minél kisebb ez az együttható, annál több különböző szót találtak az ugyanannyi szóelőfordulást tartalmazó szövegekben (esetünkben az egyes funkcionális stílusok szövegeiből egyenként 300000 szóelőfordulást vizsgáltak), és annál változatosabb az adott stílus lexikája. A megadott számokból világosan látható, hogy: 1) a szépirodalom lexikája kétszer változatosabb a szakmai stílusénál, 2) a szépirodalom, a publicisztika, sőt a tudományos stílus lexikai változatossága meglehetősen hasonló. A vizsgált szövegekben talált szóalakok változatosságát az egyes stílusok szóelőfordulásainak és szóalakjainak arányát összehasonlítva mérhetjük fel: szépirodalom – 4,34, publicisztika – 4,48, tudományos stílus – 4,83, szaknyelvi – 7,29, az egész nyelv – 7,16. Ezek a számok is egyértelműen azt mutatják, hogy: 1) a szépirodalmi, publicisztikai és tudományos stílusban változatosabb nyelvtani formákat használnak, 2) e tekintetben a szaknyelvi stílus is jelentősen különbözik a többi stílustól. 219 Mivel rendelkezésünkre áll az azonos módszertannal összeállított litván publicisztikai gyakorisági szótár (Žilinskienė 1990), amelyet az 1973–74-es újság- és folyóiratszövegekből számítottak ki, valamint a lett publicisztikai gyakorisági szótár (Jakubaitė 1969), amelyet az 1966–67-es szövegekből számítottak ki, összehasonlíthatjuk iterációs együtthatóikat: az 1993–95-ös litván publicisztikáé – 10,51, az 1973–74-es litván publicisztikáé – 15,38, az 1966–67-es lett publicisztikáé – 18,60. Ezek az együtthatók egyértelműen azt mutatják, hogy a mai litván publicisztika szókészlete változatosabb, mint a húsz évvel korábbi litván publicisztikáé, illetve a csaknem harminc évvel korábbi lett publicisztikáé. Hasonlítsuk össze az egyes stílusok és az egész nyelv tíz leggyakoribb szavát (lásd az 1. táblázatot; ebben és a további táblázatokban a szó mellett álló szám az adott szó gyakoriságát jelöli). 1. táblázat. Az egyes stílusok tíz leggyakoribb szava szépirodalmi | publicisztikai | tudományos | szaknyelvi | az egész nyelv ir* 11442 | ir* 9743 | ir* 11140 | ir* 10990 | ir* 43315 jis 9634 | būti 5825 | būti 6294 | būti 5138 | jis 24613 aš 4580 | jis 5824 | jis 4692 | jis 4463 | būti 21366 į 4216 | tas 3487 | tas 2783 | tas 3286 | tas 13528 būti 4109 | kad* 3235 | šis 2138 | kuris 2273 | į 10715 tas 3972 | į 2719 | kuris 2054 | Lietuva 2195 | kad* 9877 o* 2822 | aš 2602 | į 1941 | šis 2135 | aš 9025 kad* 2811 | kuris 1985 | kad* 1844 | kad* 1992 | kuris 7610 kaip 2219 | o* 1904 | su 1838 | ar 1903 | iš 7162 kas 2136 | su 1897 | iš 1647 | į 1839 | su 7034 Az 1. táblázatban csillaggal (*) jelölt szavak gyakorisága eltér ugyanazon szavaknak a tézisekben (Žilinskienė 1995) közölt gyakoriságától, mert itt az adott lexéma összesített gyakorisága szerepel, míg a tézisekben az adott lexémának a vizsgált szövegekben kizárólag kötőszóként való előfordulási gyakoriságát adták meg. Az 1. táblázatból egyértelműen látható, hogy: 1) a tíz leggyakoribb szó közé funkciószavak, névmások – amelyek statisztikai szempontból rendszerint a funkciószavakhoz hasonlóan viselkednek – és a būti ige kerültek, amelyet a szövegben gyakran segédigeként használnak, 2) a tíz leggyakoribb szó első 220 a százban hat szó (és, ő, lenni, az, hogy, -ba/-be) ugyanaz, csupán a rangjuk (a gyakorisági listákban elfoglalt helyük száma) tér el, természetesen az és kivételével; 3) mindössze egy konkrét jelentésű szó, a Lietuva található a szakmai stílus leggyakoribb szavainak tízes listájában. Hasonlítsuk össze a mai és a régebbi litván publicisztika, valamint a lett publicisztika húsz leggyakoribb szavát (lásd a 2. táblázatot). 2. táblázat. A litván és a lett publicisztika leggyakoribb szavai 1993–95-ös publicisztika | 1973–74-es publicisztika | lett publicisztika | és 9743 | és 11890 | un 10401 | lenni 5825 | ő 5733 | būt 6395 | ő 5824 | lenni 4167 | az 5244 | az 3487 | az 3939 | vagy 3631 | hogy 3235 | -ba/-be 2614 | par 3546 | -ba/-be 2719 | én 2461 | ki 3119 | én 2602 | hogy 2455 | viņš 2610 | amely 1985 | amely 2394 | no 2342 | de 1904 | -val/-vel 2046 | ka 2325 | -val/-vel 1897 | ez 2024 | ari 2304 | -ból/-ből 1890 | minden 1825 | šis 2275 | Lietuva 1839 | munka 1759 | darbs 2059 | ez 1715 | -ból/-ből 1602 | mēs 2030 | minden 1517 | hogyan 1594 | gads 1789 | saját 1463 | év 1563 | de 1643 | de 1273 | de 1538 | uz 1630 | ember 1271 | ember 1421 | kā 1609 | vagy 1213 | nem 1389 | viss 1601 | év 1302 | csak 1277 | padome 1386 | körül 1165 | saját 1263 | savs 1349 A két időszak litván publicisztikáját összehasonlítva azt látjuk, hogy a leggyakoribb szavak használati gyakorisága nagyon hasonló; mindössze három szó (de, vagy, körül), amelyek a 221 mai publicisztika első húsz szava között szerepel, a korábbi publicisztikában lejjebb került (a „de” a 22., a „vagy” a 39., a „körül” pedig a 26. helyen áll) (Žilinskienė 1990), a Lietuva szó pedig a korábbi publicisztikában államnévként volt kódolva, és ott csak az egyes tulajdonnévcsoportok (például keresztnevek, vezetéknevek, államnevek, víznevek stb.) együttes gyakoriságát számították, ezért a szavak gyakoriság szerint csökkenő sorrendű szótárában nem szerepel. A mai publicisztika feldolgozásakor a savo alakot a savas névmás birtokos esetű alakjának tekintették, így nyilvánvalóan a rögzített lexéma a savas volt; a korábbi publicisztika újbóli, így elvégzett számbavételekor a savas gyakorisága 1461 lett volna, és a 17. helyre került volna. Azt is meg kell jegyezni, hogy a második tízes listában már főnevek is megjelentek (év, ember); csak a munka került a mai publicisztikában a harmadik tízes csoportba. A lett publicisztikával összehasonlítva azt láthatjuk, hogy az első tízes listába többnyire ugyanazok a funkciószavak kerültek, valamint ugyanaz a két leggyakoribb főnév; a lett padome azonban még mindig nagyon gyakori (a korábbi litván publicisztikában a taryba 455-ször, a mai publicisztikában pedig 137-szer fordult elő). Hasonlítsuk össze a négy stílus és az egész nyelv leggyakoribb szavainak első százában szereplő főneveket, mellékneveket, számneveket, igéket és határozószókat (lásd a 3. táblázatot). 3. táblázat. Az egyes stílusok leggyakoribb névszói, igéi és határozószói szépirodalmi publicisztikai tudományos szakmai az egész nyelv ember Lietuva munka Litvánia Litvánia szem ember rendszer munka munka kéz év Litvánia dokumentum ember fej munka ember cikk év nap ország kutatás köztársaság jog idő nap rész jog dokumentum ház időszak időszak személy idő szó állam folyamat vállalat nap férfi föld elem törvény állam alkalom Vilnius anyag elnök köztársaság munka idő víz állam rész gyermek élet idő intézmény törvény apa iskola év szervezet cikk láb Oroszország kultúra nyelv vállalat 222 szépirodalom idő nő élet ablak nagy jó publicisztika gyermek litván vállalat alkalom bank törvény világ ház gazdaság Európa rész város nagy új jó fontos tudományos adat litván feltétel mód szám jelentés eset nyelv tudomány forma csoport felszín módszer eredmény tevékenység probléma hely tulajdonság nagy változatos alapvető új fontos szakmai rész szó képviselő bíróság bizottság kérdés ügy határozat rend áru tanács ország alkalmazott tag ember eset kormány szabálysértés intézkedés nap projekt bank ülés forma szerződés idő ár állami magas közigazgatási alapvető fontos minden stílus szó nyelv ország személy rendszer alkalom föld idő hely élet nagy új magas 223 szépirodalom publicisztika tudományos szakmai minden stílus általános társadalmi egy kettő egy első kettő három egy első kettő egy első kettő egy első kettő lenni tudni nem lenni birtokolni mondani tudni menni akarni venni kell mondani nézni nem tudni látni tűnni lenni birtokolni tudni nem lenni mondani kell lenni tudni birtokolni nem lenni alkotni használni meghatározni lenni birtokolni tudni kell nem lenni előirányozni akarni lenni tudni birtokolni nem lenni kell tudni meghatározni akarni alkotni mondani kapni nem tudni így nagyon sok hol itt ott jól akkor nagyon most így ezért itt még már nagyon sok ezért gyakran szintén sok így most ezért gyakran nagyon sok még így már most itt szintén hol ezért csak 224 Ahogy várható volt, a leggyakoribb szavak első százából kiderül, hogy elsősorban a szépirodalom különbözik a nem szépirodalmi stílusoktól: 1) a szépirodalomban a legkevesebb a főnév (18 van belőlük) és a melléknév (2 van belőlük), valamint kétszer annyi az ige (15 van), 2) a publicisztika mind a szófajok arányát, mind a konkrét lexémákat tekintve közelebb áll a szépirodalomhoz (pl. ház, alkalom, gyermek, élet, jó, mondani, itt csak e stílusok leggyakoribb szavainak első százában szerepelnek). Néhány lexéma minden stílus leggyakoribb szavainak első százában azonos: ember, munka, idő, lenni, tudni, nem lenni, birtokolni. A száz leggyakoribb főnév alapján már könnyen meg lehetne mondani, hogy milyen stílusú szövegekből válogatták ezeket a szavakat. Például lehetetlen elképzelni, hogy a szépirodalomban gyakoriak lennének az olyan szavak, mint a kutatás, folyamat, elem, adat, feltétel, jelentés, forma, ahogyan az is elképzelhetetlen, hogy az szem, kéz, fej, gyermek, apa és hasonló szavak gyakran ismétlődjenek a tudományos stílus nyelvében. Ilyen szavak legfeljebb egy-egy konkrét mintában lehetnek gyakoriak, amelyben éppen csak erről írnak. Emellett teljesen nyilvánvaló, hogy a leggyakoribb szavak első százában szereplő igék jelentése nagyon általános, és a szövegekben leggyakrabban segédigeként működnek. Hasonlítsuk össze a mai és a korábbi litván publicisztika, valamint a lett nyelvű publicisztika leggyakoribb szavainak első százában szereplő főneveket, mellékneveket, számneveket és igéket (lásd a 4. táblázatot). 4. táblázat. A litván és lett publicisztika leggyakoribb névszói és igei szavai 1993–95-ös publicisztika 1973–74-es publicisztika lett publicisztika Litvánia munka munka ember év év év ember tanács munka iskola ember ország ország idő nap alkalom párt időszak köztársaság nép állam gazdaság állam föld nap nap Vilnius élet köztársaság idő film föld élet járás hely iskola idő adósság Oroszország város gyár gyermek tudomány kerület litván föld élet 225 1993–95-ös publicisztika 1973–74-es publicisztika lett publicisztika vállalat alkalom bank törvény világ ház gazdaság Európa rész város gyermek nép tanács kérdés világ hely idő tanár termelés szervezet sport diák nő pilsēta jautājums organizācija reize komiteja uzņēmums pasaule vārds cīņa uzdevums mācība spēks strādnieks nagy új jó fontos új nagy jó szovjet fontos fiatal magas szocialista valódi jauns liels labs augsts egy első kettő három egy első pirmais viens divi otrs lenni birtokolni tudni nem lenni mondani kelleni lenni birtokolni tudni kelleni nem lenni tudni dolgozni beszélni akarni mondani būt nebūt varēt kļūt notikt strādāt sākt dot Ez az összehasonlítás éppen azt mutatja meg, mely lexémák jellemzőek leginkább a publicisztikára, vagyis mely lexémák gyakoriak mindkét időszak litván publicisztikájában, valamint a lett publicisztikában 226 a publicisztikában. Végül bizonyos gyakori lexémák (például csak a jelenkori publicisztikában kerültek már a leggyakoribb szavak közé a bankas, įstatymas, míg a korábbi publicisztikában a tarybinis, socialistinis szerepelt) az adott korszak politikai és gazdasági aspektusaira utalnak. Ebben a kutatásban a Litván Tudományos és Felsőoktatási Alap támogatásával összeállított, a mai írott litván nyelv számítógépes gyakorisági szótárának anyagát használták fel. Beérkezett: 1998. 06. 26. LITERATŪRA Grumadienė L. 1995: Dabartinės rašomosios lietuvių kalbos dažnumų žodynas: sandara ir darbo eiga. – Lietuvių kalba: tyrėjai ir tyrimai. Konferencijos pranešimų tezės, Vilnius: Lietuvių kalbos institutas, 18–19. Jakubaitė T. 1969: Jakubaitė T., Gulėvska D., Ozola V., Prūse R., Rubina A., Sika N. Latviešu valodas biežuma vārdnīca. 2, Rīgā: Zinātne. Žilinskienė V. 1990: Lietuvių kalbos dažninis žodynas, Vilnius: Mokslas, 176. Žilinskienė V. 1995: Rašomosios lietuvių kalbos dažninis žodynas. – Lietuvių kalba: tyrėjai ir tyrimai. Konferencijos pranešimų tezės, Vilnius: Lietuvių kalbos institutas, 33–34. HÄUFIGKEITSWÖRTERBUCH DER LITAUISCHEN SCHRIFTSPRACHE (erste Forschungsresultate) Zusammenfassung Dieser Beitrag bietet die Einschätzung der Häufigkeit der Wörter in der Lexik der verschiedenen funktionalen Stile der gegenwärtigen litauischen Schriftsprache nach Iterationskoeffizienten, wobei auf das Verhältnis der Wortformen in den Stilgattungen hingewiesen wird. Verglichen werden, die gebräuchlichsten Wörter in den Stilgattungen und die gebräuchlichsten in der litauischen Publizistik 1993–1995 bzw. 1973–1974 sowie in der lettischen Publizistik. Der Vergleich zeigt, welche Lexeme für die Publizistik besonders kennzeichnend sind und wie sie die politischen bzw. wirtschaftlichen Aspekte einer gewissen Zeitperiode widerspiegeln. 227