Paieškos sistemos „Google“ naudojimo galimybės tiriant kalbos reiškinius

266 Kalbos Kultūra | 81 SKAISTĖ ALEKSANDRAVIČIŪTĖ lietuvių kalbos institutas PAIEŠKOS SISTEMOS GOOGLE NauDoJIMo GalIMYbĖs tIrIaNt Kalbos rEIŠKINIus lietuvių kalbininkai vis dažniau straipsniuose nurodo, kad renkant tam tik rus duomenis – nuo vartosenos pavyzdžių iki skaitinių dažnumo išraiškų – buvo naudotasi kokia nors interneto paieškos sistema. Dažniausiai minima didžiausia Google paieškos sistema, tačiau, deja, nepakankamai pritaikyta kalboms tirti. todėl gana keista, kad paprastai apsiribojama tik nuoroda į Google kaip į vieną iš šaltinių, bet nenurodomas paieškos metodas ir nesigi linama į tam tikrus paieškos sistemos ir kalbos ypatumus, kurie gali palen gvinti arba apsunkinti paiešką, patikslinti arba iškreipti rezultatus. Paieškos metodas svarbus tiek renkant vartosenos pavyzdžius, tiek tiriant įvairių kal bos reiškinių paplitimą, kur svarbios skaitinės išraiškos. Šiame straipsnyje aptariami paieškos eilutės sudarymo principai, atsižvel giant į paieškos sistemos ir lietuvių kalbos ypatumus, lemiančius paieškos sėkmę. straipsnyje remiamasi 2007–2008 m. atliktu santykinio naujųjų sve timžodžių (toliau – Ns) dažnumo tyrimu, kurio pagrindinis tikslas – nusta tyti ribas tarp retais, vidutiniškais ir dažnais laikytinų Ns. Darbas rėmėsi prielaida, kad atliekant tyrimą nustatyti dažnumo atskaitos taškai vėliau pra vers vertinant ir kitų Ns paplitimą vartosenoje. tai galėtų būti naudinga ir kalbos norminimo veikloje, taigi straipsnio tikslas – aprašyti paieškos eilutės sudarymo būdą. atlikto tyrimo medžiaga – 2005–2006 m. spaudoje ir dokumentuose bei 2007 m. internete rasti Ns1 – iš viso 201. sąrašas labai įvairus: jame 33 veiks mažodžiai, 168 vardažodžiai, tarp kurių pasitaikė 25 trūktinos paradig mos (20 vienaskaitinių ir 5 daugiskaitiniai daiktavardžiai), yra ir anglų, ir kitų 1 sąrašas sudarytas pagal Valstybinės kalbos norminimo, vartojimo, ugdymo ir sklaidos 2006– 2015 m. programą naudojantis lietuvių kalbos instituto Kalbos kultūros skyriuje vykdo mo projekto „Naujųjų lietuvių kalbos svetimžodžių vartosenos tyrimas: 1998–2008“ kar toteka. s. alEKsaNDraVIčIūtĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 267 kalbų kilmės Ns. Pastebėtina, kad kai kurie žodžiai, tirti kaip Ns, yra įtraukti į Tarptautinių žodžių žodyną (tŽŽ 2001) ir gali būti laikomi tarp tautiniais žodžiais. Internetas yra itin heterogeniška ir nuolat kintanti erdvė. atliekant tyri mą interneto tinklalapiai nebuvo skirstomi nei pagal temas, nei pagal stilius (nors Google paieškos sistemoje įmanoma ir tai), nes norėta susidaryti ben drą Ns paplitimo visuotinėje vartosenoje vaizdą. Dėl specifinių internetinio diskurso ypatybių šiame straipsnyje kalbama kiek apibendrintai, pabrėžia mas sąlygiškumas, nemaža dėmesio skiriama galimoms paklaidoms ir daug kur vadovaujamasi kalbine nuojauta. Pirmoje straipsnio dalyje pateikiami pagrindiniai paieškos eilutės sudary mo principai, tiek bendrieji, tiek būdingi konkrečiam aprašomam tyrimui. antroje – nurodomi paieškos lauko siaurinimo būdai ir priežastys, kodėl tai reikalinga. 1. PaGrINDINIaI PaIEŠKos EIlutĖs suDarYMo PrINcIPaI Paprastai Google paieška atliekama į paieškos laukelį įrašant pamatinę rūpimo žodžio formą. tokio paieškos būdo iš dalies pakanka renkant vartosenos pa vyzdžius, tačiau tikėtina, kad nemaža jų dalis gali likti nepastebėta, o tai dar mažiau paranku tiriant žodžių dažnumą, kur svarbios skaitinės išraiškos. Problema kyla dėl to, kad Google paieškos sistema iš dalies supranta, jog įrašytas žodis gali turėti kitų formų ir įtraukia jas į rezultatus. tačiau, visų pirma, paieškos algoritmas paprastam naudotojui nėra visiškai aiškus, neaiš ku, kiek ir kokių žodžio formų paklius tarp rezultatų. antra, paieškos siste ma neatpažįsta kalbos dalių. tarkim, įrašius veiksmažodžio bendratį, tarp rezultatų pasitaiko ir tos pačios šaknies daiktavardžių, pavyzdžiui, įrašius žodį autorizuoti, sistema pateiks ir tokių tekstų, kuriuose pavartotas žodis autorizacija. Dėl pastarųjų dviejų priežasčių parankiau atlikti kiek sudėtingesnę, ta čiau kalbos tyrimams naudingesnę paiešką. atliekant įvairius bandymus nu statyta, kad tikslingiausia įrašyti visą žodžio kaitybos paradigmą ar didžiąją jos dalį. Paieškos eilutę riboja tai, kad Google paieškos laukelyje daugiausia telpa 32 reikšminiai žodžiai. 268 Kalbos Kultūra | 81 Patartina žodžio kaitybos formas išskirti kabutėmis, nes tik taip pažymė tas tekstas Google sistemoje suprantamas kaip tiksli citata. Visos žodžio kai tybos formos jungiamos loginiu jungtuku or (angl. arba). Šiuo būdu suda ryta paieškos eilutė atrodo taip: „akreditavimas“ or „akreditavimo“ or „akreditavimui“ or „akreditavimą“ or „akreditavimu“ or „akreditavime“ or „akreditavimai“ or „akreditavimų“ or „akreditavimams“ or „akreditavimus“ or „akreditavimais“ or „akreditavimuose“ Minėtas santykinio Ns dažnumo tyrimas buvo atliktas naudojantis Google paieškos sistemos filtru „puslapiuose lietuvių kalba“, dėl to jau yra tekę susilaukti kritikos. Motyvuota tuo, kad netenkama maždaug dviejų trečda lių informacijos, t. y. maždaug tiek vartosenos pavyzdžių, nes ne visų inter neto svetainių savininkai nurodo kalbinius svetainių metaduomenis. tačiau santykinio žodžių dažnumo tyrimams to visiškai pakanka. be to, nesinaudo jant šiuo filtru yra itin sunku atsiriboti nuo paieškos sistemos pateikiamų tekstų anglų kalba, jie kliudo renkant vartosenos pavyzdžius. todėl many tume, kad paieška tinklalapiuose lietuvių kalba yra tinkamesnė, tik svarbu, kad šio apribojimo visur būtų laikomasi nuosekliai. Skyrybos ženklai Google paieškos sistema vienodai reaguoja į bet kokius skyrybos ženklus, net jei jie pateikiami kabutėse ir turėtų būti suprantami kaip tiksli citata. Vadinasi, paieškos laukelyje įrašytas „account‘as“ bus įvertintas kaip du ats kiri žodžiai ir suplaktas su „account:as“, „account as“ ar su kitais panašiais atvejais. Ši paieškos sistemos ypatybė svarbi dviem atvejais. Pirma, kai Ns sudaro du žodžiai, sistema neleidžia atskirti tokių rašybos variantų, kaip „ex post“ ir „expost“, tai galėtų būti svarbu vertinant brūkšnelio vartojimą. Šiais atvejais dažnumo rezultatai suplakami į vieną, tačiau lyginant bendrą žodžių, o ne atskirų jų rašybos variantų dažnumą paieškoje nėra būtina at skirti tokių formų vieną nuo kitos. antra, kai tiriami Ns rašybos variantai su apostrofu, susiduriama su kiek sudėtingesnėmis problemomis, nes kai kurios lietuviškos galūnės sutampa su: a) kai kuriais anglų kalbos žodžiais (pvz.: as – „kaip“, is – „yra“, us – „mus“); b) kai kuriais lietuvių kalbos žodžiais (jungtuku o, prielinksniu į, jaustukais ei, ai); c) be diakritinių ženklų („šveplai“) užrašytais lietuvių kalbos žodžiais (is – „iš“, as – „aš“). s. alEKsaNDraVIčIūtĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 269 atliekant paiešką pastaruosius netikslumus kontroliuoti yra labai sunku, o ortografinio Ns galūnių sutapimo su lietuviškais žodžiais net neįmanoma. Vis dėlto atvejai, kai po Ns iš karto eina kuris nors minėtų lietuviškų žo džių, sutampančių su kaitybos formanto rašytine išraiška, nėra tokie dažni, kad ryškiai paveiktų tyrimų rezultatus. Paieškos eilutę sudarančių kaitybos formų parinkimas Vardažodžiai tiriant vardažodinių Ns ar jų rašybos variantų dažnumą, į paieškos eilutę daugeliu atvejų buvo įrašoma visa linksnio ir skaičiaus kaitybos paradigma. Išimtį sudarė žodžiai su trūktinomis kaitybos paradigmomis (20 vienaskaiti nių ir 5 daugiskaitiniai daiktavardžiai) ir daugiareikšmiškumo atvejai (pla čiau nagrinėjami antroje straipsnio dalyje). taip pat dėl ortografinio sutapi mo su kitomis kaitybos formomis ir mažo paplitimo neverta atskirai įtrauk ti šauksmininko. taigi, taip galima apimti beveik visą vardažodžių kaitybos paradigmą. Kalbant apie vardažodinių Ns kaitymą, dar reikėtų aptarti problemišką giminės klausimą. Vienur moteriškąją giminę galima būtų laikyti Ns rašy bos variantu, pavyzdžiui, googlė / gūglė / google‘ė / googl‘ė; puzlė / puzzlė / pūzlė; skypė / skaipė. Šiems Ns bendra, kad jie žymi negyvus objektus ir todėl lietuvių kalboje giminėmis nekaitomi, ir tai, kad jų autentiškų formų pabaigoje yra nors ir netariamas, tačiau rašte žymimas baigmuo -e, plg. google, puzzle, skype. tiriant pastebėta, kad moteriškosios giminės formos to kiais atvejais yra gerokai retesnės nei vyriškosios giminės, tai galima aiškin ti optimalumo teorijos prielaida, kad „esant prieštaravimui, renkamasi ma žiausiai žymėta kategorija“ (Vaicekauskienė 2007: 177). būdvardžių ir gyvus objektus žyminčių daiktavardžių vyriškoji ir mote riškoji giminė taip pat nebuvo laikoma atskiromis lemomis, nors ir esama tam tikro reikšmės skirtumo. loreta Vaicekauskienė, išsamiai nagrinėjusi Ns lietuvių kalboje, pažymi, kad „[t]ais atvejais, kai daiktavardžiu galima pavadinti abiejų lyčių asmenis, atrodo, iš pradžių apibendrinama vyriškoji giminė, iš kurios prireikus kartais pasidaroma moteriškosios giminės forma“ (Vaicekauskienė 2007: 175). Vyriškosios ir moteriškosios giminės formos taip pat nebuvo laikomos atskiromis lemomis rengiant Dažninį dabartinės 270 Kalbos Kultūra | 81 rašomosios lietuvių kalbos žodyną (DDrlKŽ 1998: XIV–XV, XVI). suda rant paieškos eilutes reikia į tai atsižvelgti, nes dirbant su paieškos sistema Google neįmanoma atskirti sutampančių vyriškosios ir moteriškosios gimi nės kaitybos formų. Veiksmažodžiai Veiksmažodžių atvejis sudėtingesnis, nes veiksmažodžio gramatinių katego rijų skaičius kur kas didesnis. Kadangi, kaip jau minėta anksčiau, Google paieškos eilutės ilgis yra ribotas, reikia kelti klausimą, kurios veiksmažodžio formos yra reprezentatyviausios dažnumo atžvilgiu ir turėtų būti įtrauktos į paieškos eilutę. savaime suprantama, kad, norint apimti didesnę veiksmažodžių distribu ciją, į paieškos eilutę reikia įrašyti dažniausiai vartojamas formas. tam reikia turėti duomenų apie gramatinių kategorijų dažnumą lietuvių kalboje, pa geidautina, elektroniniame diskurse (ED). Iki šiol plačiau ED, kaip atskirą kalbos atmainą šalia rašytinės ir sakytinės kalbos, nagrinėjo asta ryklienė, bet jos pasirinkta tyrimo metodika neteikia reikalingų duomenų apie gra matinių kategorijų pasiskirstymą ED. Šios autorės darbo tikslas buvo paly ginti ED su rašytine ir sakytine kalba (ryklienė 2001: 3), o kalbos dalių bei žodžių formų kiekybiniai skirtumai rašytinėje kalboje ir ED nagrinėti su gretinus penkiasdešimties dažniausiai šiose kalbos atmainose vartojamų žo džių bei žodžių formų sąvadus (ryklienė 2001: 9). Šiame straipsnyje remiamasi Vidos Žilinskienės ir Erikos rimkutės žo džių formų vartojimo lietuvių kalboje tyrimais. tiesa, šių autorių darbai ski riasi tuo, kad V. Žilinskienė, kitaip nei E. rimkutė, tirdama žodžių formų dažnumą lygina du funkcinius stilius – publicistinį ir dalykinį. laikydamasi nuomonės, kad ED kalba yra artimesnė publicistiniam nei dalykiniam stiliui, šio straipsnio autorė remiasi publicistinio stiliaus gramatinių formų dažnumo statistika. V. Žilinskienės ir E. rimkutės duomenys labai panašūs – tiesioginė veiksmažodžio nuosaka apima 92,12 proc. (Žilinskienė 2002: 110), 91,5 proc. (rimkutė 2006: 35) visos veiksmažodžio distribucijos; asmenuojamosios veiksmažodžio formos – 55,48 proc. (Žilinskienė 2002: 110), 50,7 proc. (rimkutė 2006: 35); bendratis – 15,85 proc. (Žilinskienė 2002: 111). tiesa, E. rimkutė (2006: 35) kiek kitokia forma nurodo bendraties paplitimą – jos teigimu, bendratis apima 33,6 proc. neasmenuojamųjų veiksmažodžio for mų, kurių bendras paplitimas yra 49,3 proc. s. alEKsaNDraVIčIūtĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 271 atsižvelgiant į pastaruosius duomenis, į paieškos eilutę parankiausia įtraukti visas tiesioginės nuosakos asmenuojamąsias veiksmažodžio formas, bendratį ir neveikiamosios rūšies dalyvio vyriškosios giminės daugiskaitos vardininką (palyginti ortografinį sutapimą su bendratimi). Visos 26 grama tinės formos (iš viso 21 reikšminis paieškos žodis, nes sutampa ir visų laikų trečiasis asmuo) sudaro kiek daugiau nei pusę visos veiksmažodžio distribu cijos. Paieškos eilutės pavyzdys: „baninti“ or „baninu“ or „banini“ or „banina“ or „baniname“ or „banina te“ or „baninau“ or „baninai“ or „banino“ or „baninome“ or „baninote“ or „baninsiu“ or „baninsi“ or „banins“ or „baninsime“ or „baninsite“ or „banindavau“ or „banindavai“ or „banindavo“ or „banindavome“ or „ba nindavote“ Kaip jau minėta anksčiau, paieškos sistema Google nekreipia dėmesio į skyrybos ženklus ir rašybos variantus su apostrofu laiko dviem atskirais žodžiais. Kadangi Google paieškos eilutės ilgis yra ribotas, tiriant veiksma žodžių rašybos variantus su apostrofu į paieškos eilutę galima neįtraukti būtojo dažninio laiko kaitybos formų, nes būtasis dažninis laikas tiek V. Žilinskienės, tiek E. rimkutės duomenimis yra rečiausias iš visų veiks mažodžio laikų. Žinoma, esant poreikiui palyginti skirtingų to paties žodžio rašybos variantų dažnumą, galima būtų atlikti platesnę paiešką, t. y. sudaryti kele tą paieškos eilučių. tačiau lyginant žodžių, o ne jų kaitybos formų dažnu mą, aptartas metodas, manytina, yra pakankamas. tik svarbu visur laikytis nuoseklumo ir tuos pačius paieškos kriterijus taikyti visiems veiksma žodžiams. Iš to, kas pasakyta šiame skyrelyje, aišku, kad paieškoje įmanoma aprėpti daugiau ar mažiau visą vardažodžių kaitybos paradigmą, o veiksmažodžių – tik kiek daugiau nei pusę kaitybos paradigmos, todėl netenkama svaraus lyginamojo pagrindo. Žinoma, būtų galima apskaičiuoti tam tikrą veiksma žodžių ir vardažodžių dažnumo santykio koeficientą, tačiau tam reikia atlik ti išsamesnius ED tyrimus. Kol kas lyginti atskirų veiksmažodžių ir vardažo džių dažnumą būtų netikslinga. taigi, skirtinga vardažodžių ir veiksmažo džių kaitybos formų imtis lemia tai, kad dažnumo tyrimuose parankiau juos skirti į dvi grupes. 272 Kalbos Kultūra | 81 Rašybos variantai tiriant vartoseną interneto paieškos būdu atliekamas atvirkštinis veiksmas nei tekstynų metodu, nes sudarant paieškos eilutę reikia tarsi iš anksto nu spėti, kokius rašybos variantus gali turėti kiekvienas žodis. atliekant kalbos reiškinių paiešką internete, reikėtų vengti anglų kal bos kilmės autentiškos rašybos variantų, o atsitiktinai pasitaikiusius paieš kos eilutėse – šalinti. Minėto tyrimo metu pastebėta, kad to nepadarius beveik neįmanoma taip susiaurinti paieškos lauko, kad tarp rezultatų ne patektų anglų kalbos intarpų ar frazių, laikytinų citatomis. Pavyzdžiui, atliekant žodžių baby ar crazy paiešką gaunama labai daug tekstų, kuriuo se minimi dainų pavadinimai: Baby one more time, Crazy ir pan. Panašus ir funky atvejis, nes šiuo Ns įvardijamas net tik muzikos stilius, bet ir seniau labai populiari lietuvių muzikos grupė. Vis dėlto vertinant santykinį tokių žodžių dažnumą į šiuos rašybos variantus reikia atsižvelgti, nes vartoseno je jie gana dažni. tiriami tokie rašybos variantai, kurie vadovaujantis kalbine nuojauta at rodo įmanomi. Prie ortografiškai adaptuojamo svetimžodžio pridedamos darybiškai įmanomos kaitybos galūnės. Kai Ns ortografiškai neadaptuoja mas, kaitybos galūnės pridedamos tiesiog prie nekaitomos Ns formos. Ypa tingesni atvejai, kai nekaitoma Ns forma baigiasi balse, nes, tiriant Ns ra šybos variantus be apostrofo, ji numetama (pasirodė, kad smileas, skypeas, googleas ir į juos panašūs rašybos variantai vartosenoje yra reti). tiriant iki šiol dar nenormintus kalbos reiškinius dažnai gali kilti klau simas, kur riba tarp rašybos klaidos ir rašybos varianto. Šią ribą lemia dažnumo charakteristika. Pavyzdžiui, minėtame Ns tyrime 10 pavartoji mo atvejų ribos nesiekiantys Ns rašybos variantai neįtraukti skaičiuojant bendrą atskiro Ns dažnumą ir laikytini rašybos klaidomis – pavieniais apsirikimais, nerodančiais bendrųjų vartosenos polinkių. tiesa, šis prin cipas taikytas tik 1000 pavartojimo atvejų ribą viršijusiems žodžiams, re tesniems – ne. Vis dėlto kartais gali būti reikšminga ir tai, kad tiriamo kalbos reiškinio internete visai nebuvo rasta arba jis nesiekė 10 pavarto jimo atvejų ribos. Šiais principais sudarytų ir atrinktų rašybos variantų dažnumą žymin čios skaitinės išraiškos sumuojamos ir gaunamas apytikris žodžio dažnu mas. toliau pateikiama lentelė, kurioje paieškos rezultatų apdorojimas ma tyti aiškiau. s. alEKsaNDraVIčIūtĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 273 1 lENtElĖ. Duomenų kaupimo būdas NS ra šybos variantas Paieškos eilutė atskiram rašybos variantui NS rašybos varianto dažnumas puzlas „puzlas“ or „puzlo“ or „puzlui“ or „puzlą“ or „puzlu“ or „puzle“ or „puzlai“ or „puzlų“ or „puzlams“ or „puzlus“ or „puzlais“ or „puzluose“ 6430 puzlė „puzlė“ or „puzlės“ or „puzlei“ or „puzlę“ or „puzlėje“ or „puzlėms“ or „puzles“ or „puzlėmis“ or „puzlėse“ 3210 puzlis „puzlis“ or „puzlio“ or „puzliui“ or „puzlį“ or „puzliu“ or „puzlyje“ or „puzliai“ or „puzlių“ or „puzliams“ or „puzlius“ or „puzliais“ or „puzliuose“ 711 puzzlė „puzzlė or „puzzlės“ or „puzzlei“ or „puzzlę“ or „puzzlė je“ or „puzzlėms“ or „puzzlėmis“ or „puzzlėse“ 458 puzzlis „puzzlis“ or „puzzlio“ or „puzzliui“ or „puzzlį“ or „puzzliu“ or „puzzlyje“ or „puzzliai“ or „puzzlių“ or „puzzliams“ or „puzzlius“ or „puzzliais“ or „puzzliuose“ 315 pūzlė „pūzlė“ or „pūzlės“ or „pūzlei“ or „pūzlę“ or „pūzlėje“ or „pūzlėms“ or „pūzles“ or „pūzlėmis“ or „pūzlėse“ 239 puzzlas „puzzlas“ or „puzzlo“ or „puzzlui“ or „puzzlą“ or „puzz lu“ or „puzzlai“ or „puzzlų“ or „puzzlams“ or „puzzlus“ or „puzzlais“ or „puzzluose“ 167 pūzlis „pūzlis“ or „pūzlio“ or „pūzliui“ or „pūzlį“ or „pūzliu“ or „pūzlyje“ or „pūzliai“ or „pūzlių“ or „pūzliams“ or „pūzlius“ or „pūzliais“ or „pūzliuose“ 101 puzzle‘as „puzzle’as“ or „puzzle’o“ or „puzzle’ui“ or „puzzle’ą“ or „puzzle’u“ or „puzzle’e“ or „puzzle’ai“ or „puzz le’ų“ or „puzzle’ams“ or „puzzle’us“ or „puzzle’ais“ or „puzzle’uose“ are 80 11 711 Kiekvienam tirtam Ns buvo sudaroma panaši lentelė. Pirmoje skiltyje išvardijami visi tirti Ns rašybos variantai, surikiuoti pagal dažnumą, nes 274 Kalbos Kultūra | 81 straipsnyje atsiribojama nuo svarstymų, kuris Ns rašybos variantas galėtų būti laikomas antraštiniu žodžiu (lema). antroje skiltyje pateikiamos kiek vieno rašybos varianto paieškos eilutės jau susiaurinus paieškos lauką, t. y. pašalinus visas daugiareikšmes formas (žr. 2 skyrių). trečioje skiltyje nuro domas kiekvieno rašybos varianto dažnumas (šie duomenys tik tarpiniai), kuris vėliau sudedamas ir gaunamas apytikris tiriamo žodžio dažnumas. tik pastarieji duomenys yra reikšmingi nustatant santykinio Ns dažnumo ribas (lentelėje pateikti duomenys rinkti 2008 m. kovo – balandžio mėn.). 2. PaIEŠKos lauKo sIaurINIMas Dėl rezultatų anglų kalba pertekliaus Problemą dėl angliškų homografinių (sutampančios rašybos) žodžių ir rašy bos variantų su apostrofu iš dalies galima išspręsti naudojantis logine funk cija „išskyrus“, kuri Google sistemoje žymima ženklu „“. tai reiškia, kad paieška nebus atliekama tinklalapiuose, kuriuose pasitaikys po šio ženklo einantis žodis. todėl paieškos eilutės pabaigoje nurodžius vieną dažniausių anglų kalbos žodžių ir pažymėjus jį minėtu ženklu, galima labai sumažinti anglų kalbos atvejų skaičių. Minėtame tyrime visur buvo taikomas apribojimas vienu iš dažniausiai anglų kalboje vartojamų žodžių are2 (yra – esamojo laiko daugiskaitos tre čiasis asmuo), tačiau galimas ir kitoks pasirinkimas. reikia tik atkreipti dė mesį į tai, kad šiam tikslui anglų kalbos žodį reikia rinktis itin atidžiai, nes kai kurie dažniausi anglų kalbos žodžiai gali ortografiškai sutapti ir su kai kuriais lietuvių kalbos žodžiais (angl. it, be), kaitybos galūnėmis (angl. is, as, a, I) ar „šveplos“ rašybos atvejais (angl. is, as, I). be to, nemaža dalis daž niausių anglų kalbos žodžių (a, the, of) atlieka tarnybinę funkciją ir neretai vartojami įvairiuose pavadinimuose, kurie gali pasitaikyti ir lietuviškuose interneto tinklalapiuose. tas pats apribojimas taikytinas ir visais atvejais, kai paieškos eilutę suda ro nekaitoma (autentiškos ar adaptuotos rašybos) Ns forma, nepriklauso mai nuo kalbos, iš kurios konkretus žodis galėjo pasiekti lietuvių kalbą. 2 the 500 Most commonly used Words in the English language: http://www.world-english. org/english500.htm (žiūrėta 2008 06 07). s. alEKsaNDraVIčIūtĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 281 ŠALTINIAI Paieškos sistema www.google.lt the 500 Most commonly used Words in the English language: http://www. world-english.org/english500.htm tŽŽ 2001 – Tarptautinių žodžių žodynas, Vilnius: alma littera. VDu Dabartinės lietuvių kalbos tekstynas: http://donelaitis.vdu.lt lItEratūra DDrlKŽ 1998: l. Grumadienė, V. Žilinskienė. Dažninis dabartinės rašomosios lietuvių kalbos žodynas, Vilnius: lietuvių kalbos institutas. G a ive n i s K., Kei ny s s. 1990: Kalbotyros terminų žodynas, Kaunas: Šviesa. Jakaitienė E. 1980: Lietuvių kalbos leksikologija, Vilnius: Mokslas. Jakaitienė E. 2005: Leksikografija, Vilnius: Mokslo ir enciklopedijų leidy bos institutas. lKE 1999: Lietuvių kalbos enciklopedija, Vilnius: Mokslo ir enciklopedijų leidy bos institutas. rimkutė E. 2002: Homoformos dabartinės lietuvių kalbos tekstyne. – Lituanistica 2(50), 86–101. rimkutė E. 2003: Morfologinio daugiareikšmiškumo tipologija. – Lituanistica 4(56), 60–78. rimkutė E. 2006: Morfologinio daugiareikšmiškumo ribojimas kompiuteriniame tekstyne. Daktaro disertacija, Kaunas. rimkutė E., Grybinaitė a. 2004: Dažniausios lietuvių kalbos morfolo ginio daugiareikšmiškumo rūšys ir jų automatinis vienareikšminimas. – Kalbų studijos 5, 74–78. ryklienė a. 2001: Elektroninis diskursas: kalbos ypatybės ir stilius. Daktaro disertacijos santrauka, Vilnius. Vaicekauskienė l. 2007: Naujieji lietuvių kalbos svetimžodžiai. Kalbos politika ir vartosena, Vilnius: lietuvių kalbos institutas. Žilinskienė V. 2002: Žodžių formų vartojimas lietuvių kalbos dalykinio ir publicistinio stilių duomenimis. – Lituanistica 1(49), 106–116. Gauta 2008 07 08 282 Kalbos Kultūra | 81 POSSIBILITIES OF USING tHE sEarcH sYstEM GOOGLE IN lINGuIstIc rEsEarcH Summary the paper introduces the methodology which can be used to implement Google as a tool for data accumulation and storage and investigating the spread of a linguistic phenomenon in the internet. the method is described in the framework of an in vestigation aimed at identifying relative frequency count of new loanwords between 2007 and 2008. the first section of the article describes the main principles of fill ing in the slot of a query: general as well as specific for a particular descriptive re search. rather than entering only the main word form, a proposal has been launched to enter the whole grammatical paradigm of the word or its major part considering that in the Google query slot the maximum number of key words is 32. the second section identifies the ways to narrow down the search domain and reasons why it should be done. this type of research is bound to face a problem of word and wordform ambiguity. the term of ambiguity has been selected to avoid confusion of more specific terms like homonyms, homographs, homophones etc. Moreover, the explication of the above terms often emphasises the phonetic aspect of the word, which for internet search is irrelevant. the above terms are not suf ficiently precise for some cases of ambiguity, when, for example, the spelling of one word form coincides with another form of the same word. the method of search is instrumental in collecting various examples of lan guage use as well as in investigating their frequency. also the method of relative frequency of loanwords could be applied in language standardisation, e.g. in com piling lists of new loanwords which are considered grave mistakes. sKaIstĖ alEKsaNDraVIčIūtĖ lietuvių kalbos institutas P. Vileišio g. 5, lt10308 Vilnius [email protected]