doi.org/10.35321/term28-03

Uso e produttività empirica dei suffissi aggettivali internazionali in slovacco: una nuova analisi

JANA LEVICKÁ

Ľ. Štúr Institute of Linguistics, Slovak Academy of Sciences

ID ORCID: https://orcid.org/0000-0001-6027-604X

RIASSUNTO

Questo articolo presenta la prosecuzione di una ricerca precedente incentrata sull’uso e sulla produttività di cinque suffissi di origine latina in slovacco. L’analisi si concentra sulla produttività effettiva e potenziale attraverso un confronto in due fasi: 1) i token e i lemmi presenti in un corpus generale bilanciato vengono confrontati con quelli presenti in un corpus generale di testi specialistici e accademici; 2) i token e i lemmi presenti nel corpus generale di testi specialistici e accademici vengono confrontati con quelli presenti nei sottocorpora specialistici di testi medici, giuridici, economici e religiosi. Il primo obiettivo della prosecuzione era stabilire se i lemmi a bassa frequenza includessero neologismi in grado di contribuire alle variazioni della produttività tra i diversi ambiti. Il secondo obiettivo era individuare e applicare una misura statistica adeguata che consentisse di confrontare la produttività dei dati dei corpora in corpora di dimensioni diverse.

PAROLE CHIAVE: produttività, aggettivo, suffisso, corpus generale, corpus specialistico, hapax legomena, lemma a bassa frequenza, distribuzioni con un gran numero di eventi rari.

ANNOTAZIONE

Questo articolo presenta la prosecuzione di una ricerca precedente incentrata sull’uso e sulla produttività di cinque suffissi di origine latina in slovacco. Lo studio mira a determinare la produttività effettiva e potenziale mediante un confronto in due fasi: 1) le forme di parola (in inglese tokens) e le forme lessicali di citazione, o lemmi (in inglese lemmas), presenti nel corpus generale bilanciato vengono confrontate con quelle presenti nel corpus generale di testi specialistici e accademici; 2) vengono confrontate le forme di parola e i lemmi presenti nel corpus generale di testi specialistici e accademici e nei sottocorpora specialistici di testi medici, giuridici, economici e religiosi. L’obiettivo principale della prosecuzione dello studio è stabilire se tra i lemmi a bassa frequenza vi siano neologismi che potrebbero contribuire alle differenze di produttività nei diversi ambiti. Lo studio mira inoltre a individuare e applicare una misura statistica che consenta di confrontare la produttività dei dati dei corpora in corpora di dimensioni diverse.

PAROLE CHIAVE: produttività, aggettivo, suffisso, corpus generale, corpus specialistico, hapax, lemma a bassa frequenza, distribuzioni con un gran numero di eventi rari

54

Jana Levická

Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited

1. INTRODUZIONE

La motivazione della nostra ricerca è nata dall’interesse per la sinonimia terminologica e, nell’ambito di questo tema più ampio, per gli aggettivi denominali sinonimici in quanto componenti di termini polirematici.

L’attenzione rivolta agli aggettivi non è una novità nella ricerca terminologica. Analisi dettagliate dedicate agli aggettivi si trovano negli studi di numerosi terminologi, soprattutto degli anni Novanta e Duemila¹. Nella storia della terminologia slovacca, gli studi incentrati sugli aggettivi, stimolati dalla necessità di unificare e coniare terminologie slovacche standardizzate, risalgono agli anni Cinquanta (si veda, ad esempio, Ján Horecký 1956).

L’importanza degli aggettivi nella terminologia e nei linguaggi per scopi specialistici può essere illustrata anche dai dati statistici forniti dai corpora. La maggior parte dei corpora specialistici realizzati nell’ambito del progetto Slovak National Corpus (di seguito, il progetto SNC) presenta una quota di aggettivi superiore a quella del corpus di riferimento (prim-7.0-frk), ossia il corpus composto in parti uguali da testi letterari, specialistici e giornalistici². Come si può osservare nella Tabella 1, tale differenza ammonta a quasi il 2%, fatta eccezione per il corpus religioso (blf-2.0), in cui la quota di aggettivi è pressoché uguale a quella del corpus di riferimento (7,46%). La seconda riga della Tabella 1 presenta la quota dei gerundi, anch’essi impiegati con funzioni distintive e classificatorie nei termini polirematici slovacchi. Nell’ambito dell’annotazione morfologica del progetto SNC, questi sono classificati come gruppo specifico e per questo vengono contrassegnati separatamente dai verbi (Garabík et al. 2004).

La coesistenza e la concorrenza degli aggettivi sono state individuate e analizzate nel contesto della lingua in generale (ad es. Nábelková 1996). Tuttavia, il loro ingresso nei termini polirematici rappresenta un argomento ancora relativamente poco studiato. Un fenomeno comune che dà luogo alla sinonimia e alla concorrenza tra aggettivi è la coesistenza di aggettivi di origine latina e dei loro equivalenti (slovacchi) (vnútrožilový – intravenózny «intravenoso»). Quest’ultimo gruppo comprende anche un sottogruppo in cui la stessa radice internazionale si combina con un suffisso slovacco e con uno di origine etimologica latina o internazionale (ad es. bakteriálny – baktérioový «batterico»). Talvolta si osserva una variazione tra due suffissi internazionali con la stessa in-

¹ Si vedano, ad esempio, H. Assadi e D. Bourigault 1995; S. Normand e D. Bourigault 2001; B. Daille 2001; F. Maniez 2001; M.-C. L’Homme 2002, 2003; oppure I. Carrière 2008.

² Ulteriori dettagli sui corpora utilizzati per l’analisi presentata sono disponibili nella Parte 3.2.

Terminologija | 2021 | 28

55

Tabella 1. Numero di token e quote di aggettivi e gerundi nei corpora di riferimento e specialistici del progetto SNC

CORPUS

CORPUS DI RIFERIMENTO

SOTTOCORPUS SCIENTIFICO

SOTTOCORPUS MEDICO

SOTTOCORPUS GIURIDICO

CORPUS RELIGIOSO

CORPUS ECONOMICO

Numero di token nel corpus

253,137,609

149,581,785

7,099,555

33,600,183

65,920,357

164,987,015

Numero di aggettivi nei token

19,090,396 7.54%

13,415,554 8.97%

660,025 9.3%

4,841,400 9.88%

4,914,860 7.46%

15,540,381 9.42%

Numero di gerundi nei token

3,174,567 1.25%

2,394,914 1.6%

112,164 1.58%

1,267,598 2.59%

761,719 1.16%

2,154,124 1.31%

può derivare una radice internazionale (ad es. hypersonórny – hypersonický, kontradiktorický – kontradiktórny).

Questo studio, incentrato sull’uso di suffissi specifici nella lingua slovacca, intende stabilire se alcuni di essi favoriscano maggiormente tale coesistenza o ricorrano più spesso negli aggettivi terminologici, motivo per cui il concetto di produttività morfologica risulta pertinente in questo caso.

I suffissi selezionati per l’analisi rappresentano un gruppo ristretto impiegato per coniare aggettivi denominali nell’ampia gamma dei suffissi aggettivali slovacchi³. Quanto alla loro composizione, i cinque suffissi sono costituiti da un suffisso aggettivale internazionale (adattato) combinato con l’equivalente slovacco semanticamente -ný/ny: -álny, -árny, -itný, -ívny, -ózny, perciò la loro natura aggettivale risulta in qualche modo moltiplicata. È evidente che tutti e cinque i suffissi di origine latina sono stati usati per coniare aggettivi da nomi latini (-alis con la variante -aris, -ītus, -ōsus) o da verbi (-ōrius). Vale tuttavia la pena sottolineare che molti aggettivi slovacchi con i suffissi analizzati sono entrati

³ Martin Ološtiak and Lucia Ološtiaková (2015: 230) mention as many as 38 suffixes, though 25 suffixes in their sample – derived from the Slovník koreňových morfém slovenčiny comprising 66 500 lexical units – represent only 1% of adjectives.

56

Jana Levická

Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited

nel lessico slovacco non solo direttamente dal latino, ma più spesso attraverso il francese o l’inglese negli ultimi decenni (Horecký 1999), e hanno subito un processo di adattamento mediante il suffisso aggettivale slovacco sopracitato. È significativo che questo prestito e il successivo adattamento siano stati resi possibili e favoriti da fattori extralinguistici. Per ragioni prevalentemente storiche, lo slovacco è stato molto aperto a nuove parole di origine latina e, di conseguenza, la quota di parole di origine latina è elevata anche nel lessico generale dello slovacco (Horecký 1999: 81). Oggi, grazie all’impatto dei mass media, di Internet e dei social media, questo processo combinato di formazione delle parole, che unisce prestito e derivazione, è estremamente produttivo e quindi di grande pertinenza per uno studio linguistico e terminologico.

Il nostro articolo costituisce il seguito della nostra precedente ricerca sullo stesso tema, attualmente in corso di stampa (Levičká 2021). Per consentire il confronto e favorire la chiarezza per il lettore, abbiamo ritenuto necessario includere una sintesi delle argomentazioni e dei risultati precedenti, integrata da nuove considerazioni e da un quadro teorico. Pertanto, alcune tabelle (1–4), già apparse nel nostro primo articolo, vengono riproposte qui.

2. FONDAMENTI TEORICI

Il concetto teorico di produttività morfologica è stato sviluppato da numerosi ricercatori e studiosi. Una panoramica del pensiero teorico e degli studi precedenti del XX^th secolo è stata sintetizzata e commentata in diversi studi e articoli, ad esempio da Jesús Fernández-Dominguez (2013) e Victoria Hulse (2011). Qui ci concentreremo soltanto su alcune considerazioni teoriche che ci hanno ispirato e hanno influenzato la scelta del nostro approccio e della nostra metodologia.

La definizione più antica qui citata fu formulata nel 1948 dal linguista americano Dwight L. Bolinger (citato in Säily 2018: 198), secondo il quale la produttività era la «disponibilità statisticamente determinabile⁴ con cui un elemento entra in nuove combinazioni».

In 1961, Dutch linguist Henk Schulting (quoted by Stefan Evert and Anke Lüdeling 2001: 165) defined productivity as “the possibility for language users to coin unintentionally and, in principle, unlimited numbers of new formations, by using the morphological procedure that lies behind the form-meaning correspondence of some known words”.

⁴ Le frasi o le parole evidenziate in grassetto rappresentano gli aspetti chiave della nostra ricerca.

Terminologija | 2021 | 28

57

Ultimo, ma non meno importante, vorremmo fare riferimento agli studi sulla formazione delle parole del linguista ceco Miloš Dokulil, che nel 1962 presentò una teoria complessa della produttività della formazione delle parole nella sua opera Teorie tvoření slov. Innanzitutto, Dokulil definì in generale la produttività di un dispositivo linguistico come la «capacità di questo dispositivo linguistico (sia esso una base, un affisso o uno schema di formazione delle parole) di partecipare attivamente alla coniazione di nuove parole» (1962: 78). Precisò che tale capacità può essere assoluta, cioè la sua utilizzabilità nella coniazione di nuove parole in qualsiasi momento e nell’ambito di qualsiasi schema di formazione delle parole, oppure relativa, condizionata anche semanticamente o, piuttosto, stilisticamente, nonché dallo schema di formazione delle parole. Nella teoria di Dokulil, la produttività è un «concetto di natura sincronica, mentre l’attuazione di questa capacità – la coniazione di nuove parole secondo regole specifiche – è, al contrario, un concetto di natura diacronica» (1962: 80). Dokulil distingueva inoltre tra produttività sistemica e produttività empirica (detta anche «parole» o «produttività reale» da František Štícha 2012)), che fornisce un’«idea generale dello sfruttamento complessivo di uno specifico schema di formazione delle parole o dispositivo linguistico nel sistema di una lingua in un dato momento» (Dokulil 1962: 80). Dokulil riteneva che persino i «dati approssimativi relativi all’uso quantitativo di un dato processo o elemento di formazione delle parole siano di fondamentale importanza per il quadro complessivo di una lingua in generale e, in particolare, per le caratteristiche del suo lessico» (Item: 77).

Tra i linguisti cechi contemporanei che si basano sulla teoria della produttività di Dokulil e ne verificano le ipotesi mediante dati di corpus (si vedano, ad esempio, Štícha 2002, 2007, 2009, 2012 o Magda Ševčíková 2014), Štícha suggerisce di analizzare la produttività empirica/parole non solo in corpora di grandi dimensioni, ma anche mediante una serie di corpora di dimensioni e composizione diverse (2012: 104).

Si potrebbe sostenere che le ipotesi di Dokulil sulla produttività relativa trovino riscontro negli studi di Harald Baayen e di altri, i cui metodi e approcci verranno esaminati più avanti in questa analisi. Nel 1999, Baayen e i suoi colleghi Ingo Plag e Christiane Dalton-Puffer scrissero che «le affermazioni sulla produttività di un dato affisso vengono generalmente formulate senza distinguere la produttività in base al tipo di discorso, sebbene si supponga comunemente che certi tipi di suffissi derivazionali siano più pertinenti in alcuni tipi di testi che in altri» (1999: 209).

Grazie alla disponibilità di corpora di grandi dimensioni, è possibile misurare, individuare e analizzare la produttività di uno schema o elemento di formazione delle parole non solo nella lingua generale in un dato momento, ma anche in domini e registri specializzati.

58

Jana Levická

Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited

3. RICERCHE PRECEDENTI

In linea con il ragionamento e le ipotesi dei linguisti citati nella sezione precedente, all’inizio della nostra ricerca abbiamo formulato tre domande di ricerca fondamentali, volte a individuare la produttività morfologica dei suffissi aggettivali:

1) La produttività morfologica dei singoli suffissi aggettivali del gruppo selezionato è diversa nei testi generali e specializzati? E tali differenze sono statisticamente significative?

2) La produttività morfologica dei singoli suffissi aggettivali del gruppo selezionato può variare in funzione del dominio specifico? Alcuni di questi cinque suffissi sono più «adatti» a contribuire alla codifica di concetti specifici di un settore o dominio?

3) Quali metodi sono pertinenti per questa specifica analisi dei dati di corpus?

Innanzitutto, data la specificità di questo tipo di schema di formazione delle parole base latina + suffisso latino + suffisso etimologicamente autoctono, abbiamo deciso di tralasciare l’analisi qualitativa che avrebbe esaminato i limiti e le regole che disciplinano la combinazione delle singole basi latine con uno dei suffissi aggettivali selezionati nel contesto della lingua slovacca.

Sebbene l’approccio quantitativo non possa fornire un quadro completo dello stato di produttività di un suffisso o di qualsiasi altra forma morfologica, il suo vantaggio per questo tipo di ricerca consiste nel presentare la prospettiva e il contesto d’uso delle parole coniate secondo uno schema specifico, insieme a confronti specifici con forme semanticamente e funzionalmente equivalenti. È generalmente accettato che, nelle analisi della produttività morfologica, l’approccio quantitativo rappresenti un metodo complementare di notevole importanza rispetto alla ricerca qualitativa (si veda, ad esempio, Evert and Lüdeling 2001). Come afferma Plag: «le nozioni quantitative e qualitative di produttività [...] sono strettamente correlate. Pertanto, l’idea di potenzialità, centrale nelle definizioni qualitative di produttività, può essere espressa in termini statistici di probabilità» (citato da Naccarato 2016: 135). Analogamente, Baayen e i suoi coautori sostengono che la produttività «sembra essere un concetto scalare [...] con alcuni affissi è più probabile incontrare parole di nuova formazione che con altri; ciò fa della produttività una nozione probabilistica suscettibile di analisi statistica» (1999: 10).

Terminologija | 2021 | 28 59

3.1. Metodi statistici

Nella fase 1 della nostra analisi abbiamo seguito il percorso metodologico consolidato di Harald Baayen e dei suoi colleghi e seguaci (1991, 1992, 1993, 1994, 1996, 1997). Abbiamo individuato la cosiddetta produttività realizzata, ossia la frequenza d’uso degli aggettivi coniati con i suffissi selezionati, nonché il numero di aggettivi distinti coniati con tali suffissi nei diversi corpora. Queste statistiche dei corpora delineano la produttività dei suffissi in relazione alla situazione linguistica passata e presente.

Il passo successivo è stato determinare la produttività potenziale dei suffissi analizzati, ossia stimare il tasso con cui ci si aspetta che compaiano nuovi tipi⁵. Baayen (2009: 7) suggerisce di calcolarla come rapporto tra gli hapax legomena⁶ con l’affisso X e tutti i token con l’affisso X presenti in un corpus. L’uso degli hapax legomena per il calcolo della produttività è stato ampiamente criticato, poiché questo gruppo non rappresenta direttamente le nuove coniazioni che dovrebbero riflettere la produttività di un elemento o di uno schema. Plag, Dalton-Puffer e Baayen sostengono che la produttività potenziale sia una misura probabilistica e che, all’aumentare delle dimensioni di un corpus, «la proporzione di neologismi tra gli hapax legomena aumenta ed è stato dimostrato che è proprio tra gli hapax legomena che compare il maggior numero di neologismi» (1999: 12). Nella fase precedente della nostra ricerca abbiamo deciso di non utilizzare il metodo hapax/token, adottando invece il metodo hapax/type, in linea con il ragionamento di van Marle (1992), secondo cui la frequenza dei token non è una variabile altrettanto rilevante quanto il numero di lemmi per misurare la produttività. Tuttavia, il limite più serio imposto da questa misura è l’impossibilità di confrontare i dati statistici di corpora di dimensioni diverse (Naccarato 2016: 133). Torneremo su questa considerazione nella Parte 5.

3.2. Corpora utilizzati nell’analisi⁷

Tutti e tre i corpora e i tre sottocorpora utilizzati in questa analisi sono stati pubblicati dal Dipartimento dell’SNC nel periodo 2013–2020 e sono accessibili a tutti gli utenti registrati.

⁵ Nella linguistica dei corpora, i tipi rappresentano parole uniche e sono sinonimi di lemmi (Baker et al. 2006).

⁶ Gli hapax legomena (espressione di origine greca che significa «detto una volta»), abbreviati anche in hapax, sono parole che ricorrono una sola volta in un determinato corpus (Baker et al. 2006).

⁷ Gran parte di questa sezione proviene dall’articolo che descrive la fase precedente della nostra ricerca (Levická 2021); tuttavia, questa ripetizione è necessaria per spiegare la natura dei dati del corpus.

60

Jana Levická

Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited

Il primo corpus di riferimento (prim-7.0-frk), con oltre 253 milioni di token, è composto in parti uguali da testi giornalistici, specialistici e letterari (il 64.12% è stato originariamente scritto in slovacco, mentre il 29.51% è costituito da traduzioni), scritti nel periodo 1991–2015. Il corpus è stato utilizzato per la compilazione di due dizionari di frequenza dello slovacco (2017, 2018), nonché del dizionario inverso (2018).

Il secondo corpus, prim-9.0-public-prf, è un sottocorpus accessibile al pubblico del corpus primario del progetto SNC (di seguito denominato sottocorpus scientifico). Compilato a partire da testi specialistici, accademici e di divulgazione, questo sottocorpus comprende oltre 149 milioni di token e documenta il discorso generale della scienza e della ricerca, compreso il giornalismo specialistico. I suoi testi sono stati scritti tra il 1955 e il 2019. La percentuale di testi scritti tra il 1955 e il 1991 è pari all’8.7% (oltre 13 milioni di token).

Il più piccolo (sotto)corpus tra tutti quelli esaminati è il risultato del filtraggio del corpus primario del progetto SNC [9], versione 9.0. È costituito da testi appartenenti al settore della medicina, scritti tra il 1976 e il 2019, e comprende poco più di 7 milioni di token. La percentuale di testi scritti tra il 1955 e il 1991 è pari all’1.09%. Nel seguito del testo ci riferiremo ad esso come al sottocorpus medico.

Per disporre di una fonte comparabile, proveniente dagli altri corpora specialistici e dal corpus di riferimento, il corpus specialistico legal-1.1 (di seguito denominato sottocorpus giuridico), realizzato in collaborazione con il Ministero della Giustizia slovacco, è stato ridotto ai testi legislativi prodotti nel periodo 1991–2011. I suoi quasi 49 milioni di token sono stati così ridotti a 33.5 milioni.

Il corpus specialistico blf-2.0, incentrato sul dominio religioso, è stato pubblicato nel 2014. I suoi testi comprendono quasi 66 milioni di token, scritti tra il 1989 e il 2014 (di seguito denominato corpus religioso). È composto per oltre l’80% da riviste e quotidiani tematici. Analogamente, il corpus specialistico ecn-2.0-public (di seguito denominato corpus economico), dedicato al settore dell’economia, include una quota pari al 96.24% di testi specialistici pubblicati in riviste e quotidiani tematici. I testi di questo corpus risalgono al periodo 1992–2014 e comprendono quasi 165 milioni di token.

Occorre tuttavia notare che questi corpora sono eterogenei e coprono un’ampia varietà di testi.

Terminologija | 2021 | 28

6 1

Per quanto riguarda la ricerca nei corpora, non abbiamo basato le interrogazioni sull’annotazione morfologica fornita per ciascun (sotto)corpus incluso nell’analisi, poiché, nel caso delle parole di origine latina, l’annotazione si è rivelata inadeguata e imprecisa. Abbiamo quindi optato per una semplice ricerca della specifica terminazione di un token, ad es. [lemma=“. *álny“], abbinata al filtraggio automatico delle parole che presentano casualmente la stessa sequenza di caratteri (cfr. Parte 4.1).

3.3. Risultati della fase precedente

Nella fase precedente, i dati statistici ricavati dai corpora ci hanno permesso di stilare una graduatoria della produttività realizzata dei suffissi analizzati. Il suffisso -álny è senza dubbio il più utilizzato in tutti i (sotto)corpora, mentre -órny si colloca all’estremo opposto dell’asse delle frequenze in 5 (sotto)corpora. Come si evince dalle frequenze d’uso normalizzate di quattro dei cinque suffissi, questi compaiono più spesso nei testi specialistici e accademici (sottocorpus scientifico) rispetto al corpus di riferimento. È inoltre degno di nota che le frequenze normalizzate dei suffissi nel sottocorpus medico siano pari o considerevolmente superiori all’ipm del sottocorpus scientifico, mentre l’ipm dei suffissi (occorrenze per milione) nel corpus religioso è nettamente inferiore a quello del corpus di riferimento. Ciò può essere spiegato in parte dal tipo di testi inclusi in quei (sotto)corpora.

Tabella 2. Frequenza e frequenza normalizzata (IPM, occorrenze per milione) dei suffissi analizzati nei rispettivi (sotto)corpora. I corpora sono ordinati dal più piccolo al più grande

SUFFIX CORPUS MEDICO CORPUS GIURIDICO CORPUS RELIGIOSO SOTTOCORPUS SCIENTIFICO CORPUS ECONOMICO CORPUS DI RIFERIMENTO Token Token Token Token Token Token IPM IPM IPM IPM IPM IPM -álny 31,408 102,863 128,472 537,682 597 005 547,742 4423.94 3061.38 1948.9 3594.57 3618.5 2163.81 -árny 4,529 25,980 14,253 94,586 38,178 84,780 637.93 773.21 216.22 634.14 231.40 334.92 -itný 2,683 2,256 9,176 30,402 52,574 44,655 377.91 67.14 139.20 203.25 318.66 176.41

62 Jana Levická Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited

SUFFISSO SOTTOCORPUS MEDICO SOTTOCORPUS GIURIDICO SOTTOCORPUS RELIGIOSO SOTTOCORPUS SCIENTIFICO CORPUS ECONOMICO CORPUS DI RIFERIMENTO Token Token Token Token Token Token IPM IPM IPM IPM IPM IPM -ózny 1,416 482 2,321 8,863 9,440 16,531 199.45 14.35 35.21 59.25 57.22 65.30 -órny 884 1,959 620 4,537 2,039 4,672 124.51 58.30 9.41 30.33 12.36 18.46

L’ordinamento dei corpora nella Tabella 3, che mostra il numero di parole diverse coniate con i suffissi analizzati, ci consente di confrontare la variabilità delle coniazioni, dapprima tra lingua generale e specialistica e, in secondo luogo, dal corpus medico più piccolo fino al corpus economico più grande. La tabella mostra la produttività realizzata di Baayen dei suffissi analizzati. In tutti i (sotto)corpora -álny è il suffisso usato più frequentemente, che compare nel maggior numero di tipi; il minor numero di tipi o lemmi è stato individuato con il suffisso -órny. I suffissi -itný e -órny sembrano sovrapporsi nella maggior parte dei (sotto)corpora; la loro distinzione più sottile richiede un test di significatività. Tuttavia, un confronto effettivo tra i corpora non è possibile, poiché la tabella presenta conteggi assoluti dei tipi.

Tabella 3. Numero di lemmi in un dato (sotto)corpus

SUFFISSO CORPUS DI RIFERIMENTO SOTTOCORPUS SCIENTIFICO SOTTOCORPUS MEDICO SOTTOCORPUS GIURIDICO CORPUS RELIGIOSO CORPUS ECONOMICO -álny 1,003 1,178 519 322 611 744 -árny 300 365 179 99 141 200 -itný 90 98 36 41 55 117 -ózny 115 119 72 40 52 82 -órny 25 33 13 10 20 26

I risultati relativi alla stima della produttività potenziale presentati nella Tabella 4 sono piuttosto vari, come indica l’ordinamento dei suffissi.

Terminologija | 2021 | 28

63

Tabella 4. Rapporti hapax/tipo in un dato (sotto)corpus. I suffissi in ciascuna sottotabella sono elencati in ordine decrescente del rapporto

RAPPORTO HAPAX/TIPO

corpus di riferimento

sottocorpus scientifico

sottocorpus medico

-ózny

0.252173913

-órny

0.228571429

-ózny

0.208333333

-árny

0.201342282

-árny

0.210382514

-itný

0.138888889

-ale

0.173956262

-ale

0.209499576

-ale

0.129094412

-oso

0.122222222

-oso

0.201680672

-ario

0.1

-orio

0.12

-oso

0.195876289

-orio

0.076923077

sottocorpus giuridico

corpus religioso

corpus economico

-orio

0.1

-orio

0.2

-oso

0.237288136

-oso

0.075

-álny

0.188180404

-ózny

0.228915663

-álny

0.052795031

-árny

0.145833333

-órny

0.185185185

-árny

0.05

-ózny

0.134615385

-álny

0.177954847

-itný

0

-itný

0.090909091

-árny

0.142156863

Il suffisso più produttivo in ben tre corpora è -órny. Nei restanti tre (sotto)corpora, la classifica è guidata due volte da -ózny e una volta da -itný. Inoltre, lo stesso suffisso -órny sembra essere potenzialmente il meno produttivo in generale e nei testi medici. In ben tre (sotto)corpora, è il suffisso -itný a occupare l’ultimo posto nella classifica di produttività. Analogamente, l’ultimo posto nella classifica di produttività dei testi economici è occupato dal suffisso -árny.

4. DOMANDE DI RICERCA DELL’ANALISI PRESENTATA

La fase precedente della nostra ricerca ha evidenziato differenze significative nella produttività morfologica dei suffissi analizzati, a seconda sia del tipo di lingua sia degli ambiti. Tuttavia, a una domanda è stata data soltanto una risposta parziale, dalla quale ne è scaturita una nuova:

1. Vale la pena analizzare le lemme a bassa frequenza ai fini dell’individuazione dei neologismi? In effetti, diversi ricercatori suggeriscono che la distribuzione della frequenza delle parole degli affissi produttivi dovrebbe essere nettamente spostata verso le lemme a bassa frequenza, che comprendono nuove coniazioni.

64

Jana Levická

Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited

2. Come abbiamo già sottolineato nelle sezioni precedenti, i risultati relativi alla produttività potenziale dei suffissi analizzati non possono essere confrontati tra corpora. È pertanto necessario individuare un metodo statistico adeguato che consenta tale confronto.

4.1. Pulizia manuale dei dati

Sia la fase precedente sia quella attuale della nostra analisi si basano su dati ripuliti manualmente. Diversi ricercatori hanno sottolineato l’importanza di questo processo tedioso e dispendioso in termini di tempo. Evert e Lüdeling hanno affermato (e dimostrato) che si tratta di un prerequisito per una valutazione statistica di qualità, non soltanto quando si impiegano misure più sofisticate (2001: 168). La pulizia manuale è particolarmente importante per tre ragioni: la prima deriva dalla natura dei dati dei corpora. Innanzitutto, i dati dei corpora contengono di norma una quota piuttosto elevata di refusi, specialmente tra le lemme a bassa frequenza. In secondo luogo, i corpora presentano errori ortografici, che ricorrono in particolare nelle parole di origine latina. In terzo luogo, è stato necessario accorpare le lemme con il suffisso X che differiscono soltanto per l’uso o il mancato uso del trattino, nonché le lemme con iniziale maiuscola e minuscola (che non sono nomi propri), distinte dalla lemmatizzazione automatica utilizzata nel progetto SNC. Il risultato di questa fase della pulizia manuale è riportato nella Tabella 5, dove la quota media di hapax per i suffissi analizzati varia dal 24 al 30% del numero complessivo di lemme con un dato suffisso. Tuttavia, nel caso di -itný nei testi giuridici è rimasto meno del 5% delle lemme (possibili neologismi); al contrario, nei testi religiosi e scientifici generali è rimasto il 40% o più con il suffisso -órny e nei testi economici e, sorprendentemente, nei testi del corpus di riferimento con il suffisso -ózny. Queste quote potrebbero essere indicative della (in)produttività di un dato corpus. Come sostengono Baayen e coautori, il numero di hapax per gli elementi produttivi può arrivare fino alla metà della dimensione del vocabolario osservato in un «corpus sufficientemente ampio» (1999: 11).

La seconda ragione della pulizia manuale era filtrare i dati estratti dai corpora per ottenere elenchi contenenti neologismi con i suffissi analizzati. Abbiamo pertanto escluso le lemme che 1) contengono casualmente la stessa sequenza di caratteri dei suffissi analizzati; 2) si trovano nei dizionari generali slovacchi e nel Dizionario delle parole straniere⁸, cioè

⁸ Abbiamo utilizzato lo strumento di ricerca integrato del portale dei dizionari https://slovnik.juls.savba.sk/.

Terminologija | 2021 | 28

65

Tabella 5. Rapporto degli hapax (potenziali neologismi) in un determinato (sotto)corpus dopo la prima fase di revisione manuale

RAPPORTO DEGLI HAPAX CON UN SUFFISSO SPECIFICO DOPO LA PRIMA FASE DI REVISIONE MANUALE

suffisso

sottocorpus medico

sottocorpus giuridico

corpus religioso

sottocorpus scientifico

corpus economico

corpus di riferimento

-álny

30.8%

24.2%

29.5%

32.7%

29.7%

30%

-árny

29.6%

25.3%

33.3%

35.1%

31%

36%

-itný

36.1%

4.9%

25.5%

29.6%

31.6%

26.7%

-ózny

34.7%

32.5%

38.5%

30.3%

45.1%

42.6%

-órny

30.8%

30%

40%

42.4%

38.5%

28%

pertanto non sono neologismi; 3) sono stati trovati nei due corpora SNC più estesi⁹ – tali lemmi devono essere comparsi in almeno uno dei due almeno tre volte, a condizione che le occorrenze provengano da tre fonti diverse e da tre anni diversi. Quest’ultimo criterio di filtraggio è stato stabilito perché le parole oggetto della nostra analisi, formate con uno dei suffissi esaminati, tendono a essere termini di ambiti specialistici e non disponiamo di dizionari specialistici slovacchi aggiornati. Va riconosciuto che gli elenchi di lemmi così ottenuti rappresentano soltanto potenziali neologismi. I risultati sono riportati nelle colonne intitolate Rapporto dei potenziali neologismi tra gli hapax nelle tabelle 6 e 7. Rispetto alla Tabella 5, la quota di potenziali neologismi si è ridotta considerevolmente.

4.2. Neologismi nei lemmi a bassa frequenza

Per rispondere alla prima domanda di ricerca, abbiamo applicato la stessa procedura di filtraggio utilizzata per l’elenco degli hapax. Nelle tabelle 6 e 7 riportiamo le percentuali (calcolate sul numero complessivo di lemmi con un determinato suffisso, cfr. Tabella 3) di potenziali neologismi tra i lemmi a bassa frequenza che compaiono 4–2 volte nei (sotto)testi, e accanto le percentuali di potenziali neologismi nel gruppo degli hapax.

Sebbene la quota di potenziali neologismi registri piccoli aumenti nei testi specialistici e accademici per ogni suffisso analizzato, a causa dell’inclusione

⁹Per il momento, questi sono i corpora più ampi del progetto SNC: il corpus generale prim-9.0-juls-all e il corpus giuridico legal-1.1.

66

Jana Levická

Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited

di potenziali neologismi dal gruppo dei lemmi a bassa frequenza, la percentuale di potenziali neologismi nel corpus di riferimento è aumentata solo in misura molto modesta per quattro suffissi, mentre quella del quinto — -órny — è rimasta stabile. Ciò era prevedibile, poiché è più probabile che nuove formazioni con i suffissi analizzati compaiano nei testi specialistici.

Tabella 6. Rapporto dei potenziali neologismi nel gruppo dei lemmi a bassa frequenza (4–1 occorrenze) e nel gruppo degli hapax sul totale dei tipi dopo la pulizia nel corpus generale e nel sottocorpus scientifico generale

SUFFISSO

CORPUS DI RIFERIMENTO

SOTTOCORPUS SCIENTIFICO

Rapporto dei potenziali neologismi nei lemmi a bassa frequenza (4–1)

Rapporto dei potenziali neologismi negli hapax

Rapporto dei potenziali neologismi nei lemmi a bassa frequenza (4–1)

Rapporto dei potenziali neologismi negli hapax

-álny

20.5%

17.3%

27.2%

21%

-árny

24.5%

20%

27.1%

21.1%

-itný

13.3%

12.2%

26.5%

19.4%

-ózny

27.8%

25.2%

24.4%

20.2%

-órny

12%

12%

27.3%

24.2%

Per quanto riguarda i potenziali neologismi specifici dei diversi settori, la percentuale più alta, come nel sottocorpus scientifico, si riscontra nel corpus economico, dove il suffisso -itný rappresenta ben il 35% dei potenziali neologismi. Nel corpus, i restanti suffissi raggiungono circa il 25% dei potenziali neologismi tra i lemmi a bassa frequenza. D’altra parte, la percentuale più bassa di potenziali neologismi è stata individuata nei testi giuridici. Vale inoltre la pena menzionare i casi in cui la percentuale è raddoppiata includendo il gruppo dei lemmi a bassa frequenza: -órny nei testi medici, -árny nei testi giuridici e -itný nei testi religiosi. Allo stesso tempo, non sorprende che il suffisso -ózny sia in cima alla classifica nei testi medici, poiché è un suffisso tipicamente medico. Tuttavia, nei testi economici si è riscontrata una percentuale quasi identica di nuovi lemmi potenziali con -ózny. Non si è verificato alcun aumento dei potenziali neologismi per il suffisso -itný nei testi medici e giuridici, né per il suffisso -órny nei testi giuridici.

Terminologija | 2021 | 28 67

Tabella 7. Rapporto dei potenziali neologismi nel gruppo dei lemmi a bassa frequenza (4–1 occorrenze) e nel gruppo degli hapax sul numero complessivo di tipi dopo la ripulitura, nei testi specialistici dei quattro settori

SUF–FIX | SOTTOCORPUS MEDICO | SOTTOCORPUS GIURIDICO | CORPUS RELIGIOSO | CORPUS ECONOMICO Rapporto dei potenziali neologismi nei lemmi a bassa frequenza (4–1) | Rapporto dei potenziali neologismi negli hapax | Rapporto dei potenziali neologismi nei lemmi a bassa frequenza (4–1) | Rapporto dei potenziali neologismi negli hapax | Rapporto dei potenziali neologismi nei lemmi a bassa frequenza (4–1) | Rapporto dei potenziali neologismi negli hapax | Rapporto dei potenziali neologismi nei lemmi a bassa frequenza (4–1) | Rapporto dei potenziali neologismi negli hapax -áľny | 16.8% | 12.9% | 7.8% | 5.3% | 26.5% | 19.7% | 26.5% | 18% -árny | 12.8% | 10.1% | 12.1% | 5.1% | 19.9% | 15% | 22.5% | 14.5% -itný | 13.9% | 13.9% | 0% | 0% | 18.2% | 9.1% | 35.1% | 23.1% -ózny | 26.4% | 20.8% | 10% | 7.5% | 21.2% | 13.5% | 25.6% | 23.2% -órny | 15.4% | 7.7% | 10% | 10% | 30% | 20% | 23.1% | 19.2%

Per maggiore chiarezza, aggiungiamo anche un’altra tabella che mostra le percentuali di potenziali neologismi nel gruppo dei lemmi a bassa frequenza.

Tabella 8. Differenza percentuale dei potenziali neologismi tra il gruppo dei lemmi a bassa frequenza (4–1 occorrenze) e il gruppo degli hapax sul numero complessivo di tipi dopo la ripulitura

RAPPORTO DEI POTENZIALI NEOLOGISMI TRA I LEMMI A BASSA FREQUENZA (4–2 OCC.) suffisso | corpus di riferimento | sottocorpus scientifico | sottocorpus medico | sottocorpus giuridico | corpus religioso | corpus economico -áľny | 3.2% | 6.2% | 3.9% | 2.5% | 6.8% | 8.5% -árny | 4.5% | 6% | 2.7% | 7% | 4.9% | 8% -itný | 1.1% | 7.1% | 0% | 0% | 9.1% | 12% -ózny | 2.6% | 4.2% | 5.6% | 2.5% | 7.7% | 2.4% -órny | 0% | 3.1% | 7.7% | 0% | 10% | 3.9%

Infine, l’ultima tabella mostra la classifica dei suffissi nei rispettivi (sotto)corpora, ottenuta applicando nuovamente la formula adattata della fase precedente: rapporto tra i lemmi a bassa frequenza con un dato suffisso e il numero di tipi con

68

Jana Levická

Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited

Tabella 9. Differenza nel rapporto tra i potenziali neologismi e il numero di tipi nel gruppo delle lemmi a bassa frequenza (4–1 occorrenze). Rispetto alla Tabella 4, è cambiata la graduatoria dei suffissi evidenziati

RAPPORTO LEMMI A BASSA FREQUENZA/TIPI corpus di riferimento sottocorpus scientifico sottocorpus medico -ózny 0.2689075 -órny 0.2727272 -ózny 0.2638888 -árny 0.2466666 -álny 0.2716468 -álny 0.1682785 -álny 0.2053838 -árny 0.2712328 -órny 0.1538461 -itný 0.1333333 -itný 0.2653061 -itný 0.1388888 -órny 0.12 -ózny 0.2436974 -árny 0.1284916 sottocorpus giuridico corpus religioso corpus economico -árny 0.1212121 -órny 0.3 -itný 0.3504273 -órny 0.1 -álny 0.2651391 -álny 0.2647849 -ózny 0.1 -ózny 0.2115384 -ózny 0.2560975 -álny 0.0776397 -árny 0.1985815 -órny 0.2307692 -itný 0 -itný 0.1818181 -árny 0.225

un determinato suffisso. Rispetto alla Tabella 4, la graduatoria è cambiata in tutti i (sotto)corpora, tranne che nel corpus di riferimento. Pertanto, sembra che l’inclusione dei lemmi a bassa frequenza si sia rivelata utile.

Il suffisso -órny è il più produttivo in due corpora (rispetto ai tre della Tabella 4), mentre -ózny è rimasto al vertice di due graduatorie e -itný al vertice della graduatoria nel corpus economico. Nel corpus giuridico, il suffisso più produttivo sembra essere -árny, mentre questo stesso suffisso è contemporaneamente il meno produttivo nei testi medici ed economici. L’ultima posizione nelle graduatorie di produttività è occupata dal suffisso -órny sia nel corpus di riferimento sia nei testi medici, dal suffisso -ózny nei testi scientifici generali, mentre il suffisso -itný è rimasto il meno produttivo nei corpora giuridici e religiosi.

5. CONFRONTO DELLA PRODUTTIVITÀ TRA (SOTTO)CORPORA

Come abbiamo osservato nella Parte 3.1, le misure statistiche basate sulle frequenze grezze e sul conteggio dei tipi ci hanno impedito di confrontare i risultati precedenti provenienti da diversi (sotto)corpora. Se accettiamo l’affermazione, o piuttosto l’ipotesi, secondo cui la produttività di qualsiasi elemento o schema di formazione delle parole

Terminologija | 2021 | 28

69

può essere dedotta dalle nuove coniazioni (e, allo stesso tempo, nella Parte 4.2 abbiamo dimostrato che queste nuove coniazioni possono comparire non solo nei gruppi di hapax, ma anche tra i tipi a bassa frequenza), è possibile basare ulteriori analisi sulle distribuzioni di frequenza delle parole e sugli spettri di frequenza. Per «spettro di frequenza» intendiamo un elenco che indica quanti tipi di una lista di frequenza si osservano (Baroni 2009: 807).

From the perspective of word-frequency distribution, Evert and Lüdeling (2001: 166), in line with Schultink’s definition, claim that “a productive pattern is, in theory, characterised by an infinite vocabulary (cf. the notion of un-limitedness in Schultink’s definition), whereas a totally unproductive pattern is expected to have a finite, and often quite small, vocabulary”. They point out that “low frequency types (including hapax legomena, but also types occurring two, three, etc. times) account for a major part of the vocabulary” of productive patterns and conclude that this kind of comparison cannot be based on standard statistical models (2001: 167).

A questo scopo di modellizzazione statistica, Baayen ha introdotto nel 2001 le cosiddette distribuzioni LNRE¹⁰. Il vantaggio di questi modelli specializzati consiste nella possibilità di estrapolare le statistiche tipo-token da un campione specifico a quantità maggiori di token e di stimare così i potenziali neologismi al di fuori di tale campione. Si basano sulle dimensioni del vocabolario previste, ottenute contando i tipi a bassa frequenza nel corpus.

Uno dei risultati di questa modellizzazione sono le curve di crescita del vocabolario, o più precisamente le curve di crescita tipo-token, che contano il numero di tipi in funzione del numero di token. La forma tipica di questa curva per un processo improduttivo inizia con un aumento, ma poi «si appiattisce e converge verso un valore costante, la dimensione completa del vocabolario» (2001: 168). Al contrario, uno schema produttivo tipico presenta un vocabolario infinito, cioè la curva sembra crescere indefinitamente.

Utilizzando le distribuzioni LNRE, è possibile stimare il numero di tipi in quantità maggiori di testi, e persino il numero di tipi

¹⁰ La teoria LNRE (teoria del grande numero di eventi rari, come ambito autonomo della statistica) ha origine nel 1988, quando lo statistico georgiano Estate Khmaladze pubblicò The statistical analysis of a large number of rare events. Come scrisse il suo allievo Giorgi Kvizhinadze: «La caratteristica comune degli esempi che presenteremo qui di seguito è che, insieme a diversi eventi frequenti, vi è anche un numero molto elevato di eventi molto rari, diciamo con frequenza 0,1,2. La quantità complessiva di questi eventi rari rispetto al numero di osservazioni non è in genere elevata, ma il numero di tali eventi tra tutti gli eventi diversi osservati è sempre molto significativo. Questi eventi rari sono solitamente molto importanti. Per esempio, il numero di parole usate una sola volta nel libro può essere considerato non essenziale per il libro, ma è del tutto evidente che queste parole sono assolutamente importanti, perché costituiscono metà del vocabolario dell’autore» (2010).

70

Jana Levická

Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited

di uno schema di formazione delle parole nell’intera «popolazione», ossia in una lingua in quanto tale. Al tempo stesso, è possibile stimare o prevedere il numero di tipi nei campioni della stessa dimensione estratti da corpora più ampi. Come menzionato nella Parte 4.1, questa procedura statistica richiede anche conteggi accurati di tipi e token; in caso contrario, il calcolo della dimensione stimata del vocabolario, o del numero di tipi, sarebbe errato: invece di appiattirsi e convergere verso un valore costante, la curva potrebbe continuare a crescere.

5.1. Le distribuzioni LNRE

Abbiamo deciso di applicare i modelli LNRE per identificare¹¹ la produttività in corpora di dimensioni diverse, in parte perché è disponibile online anche uno strumento open source, ZipfR, sviluppato da Evert e Marco Baroni (2007). Questo strumento open source include diversi modelli, tra i quali abbiamo utilizzato il modello finito di Zipf-Mandelbrot (fZM), basato sulla legge di Zipf-Mandelbrot¹². Come affermano gli autori, il suo utilizzo va oltre la linguistica. ZipfR accetta diversi formati di input, tra cui semplici elenchi di frequenza e campioni in formato testo semplice, con un token per riga. Abbiamo potuto utilizzare gli elenchi di frequenza della nostra ricerca precedente, sottoposti alla pulizia manuale della fase 1^st (cfr. Parte 4.1), il che ha rappresentato un ulteriore vantaggio di questo metodo.

I nostri elenchi di frequenza sono stati sottoposti a 4 operazioni di base (Evert, Baroni 2007):

(i) stima dei parametri, nella quale i parametri del modello LNRE M sono determinati a partire da un campione di addestramento di dimensione data, confrontando lo spettro di frequenza atteso con quello osservato;

(ii) valutazione della bontà di adattamento basata sulla matrice di covarianza del numero di tipi e del numero di tipi che compaiono esattamente m volte;

(iii) interpolazione ed estrapolazione della crescita del vocabolario, utilizzando i valori attesi;

(iv) previsione dello spettro di frequenza atteso per una dimensione arbitraria del campione.

Come osservato da Evert e Baroni (2007), questa modellizzazione non si concentra sulle frequenze dei singoli tipi di parola, «bensì sulla distribuzione di tali frequenze (in un campione) e delle probabilità (nella popolazione)».

¹¹ Desideriamo ringraziare il nostro collega Ján Mášik per il prezioso aiuto, grazie al quale è stata resa possibile l’implementazione del modello fZM sui dati del nostro corpus.

¹² Per una descrizione esaustiva della legge di Zipf-Mandelbrot, si rimanda, ad esempio, a Baroni 2009.

Terminologija | 2021 | 28 71

5.2. Applicazione delle distribuzioni LNRE e valutazione

Lo strumento ZipfR ci ha fornito gli spettri di frequenza delle parole e le curve tipo-token per ciascun suffisso in ogni (sotto)corpus. Per ragioni di spazio, presentiamo soltanto i grafici delle curve tipo-token, adattate in modo da avere la stessa scala sull’asse x. L’asse y differisce, poiché dipende dal numero effettivo di tipi per uno specifico suffisso in un determinato (sotto)corpus, e ne è il risultato. Proponiamo di confrontare le coppie di grafici e infine di valutare la produttività dei suffissi nei dati del nostro corpus.

L’asse x rappresenta il numero di token, mentre l’asse y mostra il numero (atteso) di tipi diversi prodotti dallo schema di formazione delle parole che presenta uno dei suffissi analizzati.

Entrambi i corpora, quello di riferimento e quello scientifico, mostrano la stessa graduatoria dei suffissi, al cui vertice si trova il suffisso -álny e in fondo il suffisso -órny. Nel corpus di riferimento, la curva di tre suffissi -álny, -árny, -ózny cresce e indica quindi la loro produttività, mentre le curve di -itný e, in particolare, di -órny si appiattiscono. Nel sottocorpus scientifico, due suffissi possono essere considerati produttivi: -álny e -árny. Le curve degli altri tre (-ózny, -itný, -órny) crescono molto lentamente, ma mostrano la tendenza ad appiattirsi verso la fine dell’intervallo dell’asse x rappresentato nel grafico.

I grafici del sottocorpus medico e del corpus giuridico mostrano un solo suffisso produttivo: -álny¹³. Nel sottocorpus medico, sia -árny sia -ózny si appiattiscono molto rapidamente (possibilmente raggiungendo la dimensione massima del vocabolario); invece, -itný e -órny crescono lentamente, ma con regolarità: superano il valore di 100 tipi e forse si appiattiscono al di sotto del valore di 200 tipi.

Nei testi giuridici il suffisso -álny si avvicina al valore di 350 tipi, mentre nei testi medici raggiunge il valore di 800 tipi (cfr. la scala sull’asse y). Tuttavia, nel corpus giuridico la graduatoria differisce leggermente: il suffisso -itný è al terzo posto, superando il suffisso -ózny, che appare quasi del tutto improduttivo, con una curva parallela all’asse x. L’ultimo suffisso, -órny, mostra una crescita molto lenta e una successiva tendenza ad appiattirsi.

Mentre il grafico del corpus religioso mostra tre suffissi produttivi -álny, -árny e -ózny, è degno di nota che tutti e 5 i suffissi analizzati sembrino produttivi nei testi economici. La graduatoria dei suffissi rimane invariata in entrambi i corpora.

¹³ Questi due grafici non riportano la curva di interpolazione per il suffisso -álny. Ciò è dovuto all’adattamento e all’unificazione della scala dell’asse x per tutti i (sotto)corpora, che non hanno consentito di creare questo tipo di curva.

7 2

Jana Levická

Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited

Fig. 1. Curve di crescita del vocabolario dei suffissi analizzati nel corpus di riferimento

Fig. 2. Curve di crescita del vocabolario dei suffissi analizzati nel sottocorpus scientifico

Fig. 3. Curve di crescita del vocabolario dei suffissi analizzati nel corpus medico

Fig. 4. Curve di crescita del vocabolario dei suffissi analizzati nel corpus giuridico

Nel corpus religioso, entrambe le curve di –itný e –órny si appiattiscono ben al di sotto della soglia dei 100 tipi.

Riassumendo i risultati sopra menzionati riguardanti la produttività dei suffissi analizzati nei dati del nostro corpus, possiamo affermare che il suffisso più produttivo è –álny, che occupa il primo posto in tutti i (sotto)corpora. La sua produttività sembra essere massima nel sottocorpus di testi scientifici e accademici e nel sottocorpus medico, seguiti dal corpus di riferimento (la curva si dirige verso la soglia dei 700 tipi), dal corpus religioso

Terminologija | 2021 | 28

73

Fig. 5. Curve di crescita del vocabolario dei suffissi analizzati nel corpus religioso

Fig. 6. Curve di crescita del vocabolario dei suffissi analizzati nel corpus economico

il corpus (la curva supera la soglia dei 600 tipi), il corpus economico (la curva si dirige verso la soglia dei 500 tipi) e infine il corpus giuridico (nel suo punto massimo, la curva si avvicina alla soglia dei 350 tipi).

Il suffisso -árny è al secondo posto e presenta produttività in 4 dei 6 (sotto)corpora. L'andamento delle curve suggerisce che sia improduttivo nei testi giuridici e medici. La produttività massima di questo suffisso si osserva nel sottocorpus di testi scientifici e accademici (la curva supera la soglia dei 400 tipi), poi nel corpus di riferimento (la curva supera la soglia dei 300 tipi), mentre nei testi religiosi ed economici la curva si avvicina alla soglia dei 300 tipi.

Analogamente, il suffisso -ózny sembra essere produttivo in 4 dei 6 corpora. È interessante notare che sembra essere improduttivo negli stessi (sotto)corpora del suffisso -árny, ossia nei corpora giuridico e medico. È più produttivo nei testi economici, dove la curva supera ampiamente la soglia dei 200 tipi, poi nel corpus di riferimento, dove la curva supera la stessa soglia; nei due corpora rimanenti la curva raggiunge appena tale soglia, ma sembra appiattirsi in corrispondenza di essa (prim-9.0-public-prf), oppure si dirige soltanto verso questa soglia nel corpus religioso.

Anche il suffisso -itný sembra essere produttivo in 4 dei 6 corpora. Le curve appiattite, indicative di improduttività, si osservano nei grafici dei corpora giuridico e religioso. È più produttivo nei testi economici, dove la curva supera ampiamente la soglia dei 100 tipi; nei tre (sotto)corpora rimanenti supera questa soglia e poi si mantiene al di sotto.

74

Jana Levická

Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited

Anche il suffisso finale nella classificazione -órny è produttivo in 4 corpora su 6. La sua improduttività è stata rilevata nei corpora di riferimento e religiosi. La produttività è massima nei testi medici ed economici, dove la curva supera il punto dei 100 tipi; nei testi accademici e scientifici la curva si avvicina a tale punto, mentre nei testi giuridici supera appena il punto dei 25 tipi.

In conclusione, si può affermare che i suffissi analizzati sono più produttivi nei testi scientifici e accademici o nei testi di un dominio specialistico (economia o medicina), il che non sorprende, considerandone l’etimologia. La loro produttività, o meglio il grado di produttività, differisce considerevolmente tra i (sotto)corpora. L’osservazione forse più interessante è l’improduttività di tre suffissi nel dominio giuridico e la produttività più bassa dei restanti due suffissi nello stesso dominio. Ciò potrebbe indicare che i testi giuridici non favoriscono la creatività lessicale nella coniazione di nuovi aggettivi di questo tipo.

Rispetto alla Parte 4, la differenza nella classificazione dei suffissi può essere spiegata in parte dal fenomeno osservato da Václav Cvrček (2012) relativo al rapporto hapax/tipi. Secondo gli esperimenti di Cvrček, tale rapporto tende a diminuire dal suo valore massimo, pari a 1, fino al minimo locale (ibid: 5). Tuttavia, dopo questo punto, il rapporto ricomincia ad aumentare. Cvrček lo definisce «una sorta di principio quantitativo generale delle grandi raccolte di testi» (ibid: 14). La forma della funzione hapax/tipi sembra essere all’incirca la stessa anche per lingue tipologicamente diverse; tuttavia, la dimensione di un campione testuale dipende dal tipo di lingua. Per raggiungere il punto minimo del rapporto hapax/tipi, Cvrček afferma che un corpus inglese dovrebbe comprendere almeno 3 milioni di token, mentre un corpus ceco (e riteniamo anche slovacco, data la relazione tipologica tra le due lingue) dovrebbe comprenderne ben 58 milioni. Poiché due sottocorpora della nostra analisi sono più piccoli del limite indicato da Cvrček, il loro rapporto hapax/tipi si colloca nella parte decrescente della funzione hapax/tipi.

6. CONCLUSIONE

Nel seguito della nostra ricerca, incentrata sulla produttività di suffissi selezionati in corpora e domini diversi, siamo riusciti a rispondere a entrambe le domande presentate nella Parte 4.

1. Siamo riusciti a dimostrare che le lemmi a bassa frequenza estratte da un corpus includono anche potenziali neologismi e che, sebbene la loro distribuzione

Terminologija | 2021 | 28

75

possa variare nei dati del corpus, esse possono modificare la classificazione della produttività basata sulla formula hapax/tipi.

2. Abbiamo individuato e applicato una modellizzazione statistica per valutare la produttività tra corpora: le distribuzioni LNRE. Inserendo i dati dei nostri corpora nello strumento open source, abbiamo ottenuto una rappresentazione visiva della modellizzazione della produttività, che ci ha permesso di affermare che la produttività dei suffissi analizzati differisce non solo nel confronto tra testi generali e scientifici, ma anche tra diversi domini specialistici. Riteniamo che la modellizzazione mostri chiaramente il reale potenziale di ciascuno dei suffissi analizzati di generare nuovi tipi nel rispettivo dominio.

Tuttavia, i risultati e le classificazioni delle Parti 4 e 5 di questo articolo sono in gran parte incomparabili tra loro, poiché la prima si basa direttamente sui dati grezzi — il conteggio dei tipi e degli hapax o dei tipi a bassa frequenza in uno specifico (sotto)corpus — mentre la seconda si basa sugli spettri di frequenza attesi per ogni (sotto)corpus. In breve, mentre la prima rappresenta dati effettivi, la seconda mira a stimare la produttività di un elemento nella lingua specifica in quanto tale. Pertanto, nei corpora più ampi di testi medici e giuridici, dovremmo individuare più hapax, il che potrebbe portare a una classificazione diversa dei suffissi. Le nostre ipotesi potrebbero essere verificate in futuro analizzando corpora più estesi, che comprendano un campione rappresentativo dei tipi di testo pertinenti ai domini specifici, poiché anche i generi testuali possono influire sulla produttività morfologica di un elemento.

Considerato che neppure il corpus più ampio potrebbe comprendere tutte le parole, riteniamo più ragionevole valutare la produttività morfologica di qualsiasi elemento mediante metodi più sofisticati rispetto al semplice conteggio di tipi o token.

In conclusione, si può affermare che siamo in grado di individuare la produttività passata di uno schema o elemento di formazione delle parole. Possiamo anche fornire diverse stime del suo sfruttamento futuro, ossia della produttività potenziale di Baayen. Inoltre, anche se completiamo le misure statistiche con un’analisi qualitativa, dovremmo considerare un ulteriore fatto: come sostiene giustamente Fernández-Domínguez, le previsioni probabilistiche della produttività morfologica dovrebbero essere considerate nel contesto di fattori extralinguistici e, in particolare, di quelli legati alle esigenze di denominazione di una comunità linguistica. «Se non esiste alcuna esigenza di denominazione, non può aver luogo alcuna formazione di parole produttiva» (Fernández-Domínguez 2013: 438).

76

Jana Levická

Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited

RINGRAZIAMENTI

Il contributo è stato redatto nell’ambito del progetto Slovak National Corpus, sostenuto dall’Accademia slovacca delle scienze, dal Ministero dell’Istruzione, della Scienza, della Ricerca e dello Sport della Repubblica slovacca, dal Ministero della Cultura della Repubblica slovacca e dall’Istituto di linguistica Ľudovít Štúr dell’Accademia slovacca delle scienze.

ELENCO DELLE FONTI

Slovenský národný korpus. Korpus prim-7.0-frk. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2018. Consultabile all’indirizzo: https://korpus.sk.

Slovenský národný korpus. Korpus prim-9.0-public-prf. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2020. Consultabile all’indirizzo: https://korpus.sk.

Slovenský národný korpus. Korpus prim-9.0-juls-all. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2020. Consultabile all’indirizzo: https://korpus.sk.

Slovenský národný korpus. Korpus legal-1.1. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2013. Consultabile all’indirizzo: https://korpus.sk.

Slovenský národný korpus. Korpus blf-2.0. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2014. Consultabile all’indirizzo: https://korpus.sk.

Slovenský národný korpus. Korpus ecn-2.0-public. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2016. Consultabile all’indirizzo: https://korpus.sk.

Portale dei dizionari dell’Istituto di linguistica Ľ. Štúr dell’Accademia slovacca delle scienze https://slovnik.juls.savba.sk/.

Il pacchetto ZipfR. Disponibile all’indirizzo: http://zipf.r-forge.r-project.org/.

REFERENCES

Assadi Houssem, Bourigault Didier 1995: Classification d’adjectifs extraits d’un corpus pour l’aide à la modélisation de connaissances. – Troisièmes journées internationales d’analyse des données textuelles, 313–320.

Baayen R. Harald, Lieber Rochelle 1991: Productivity and English derivation: a corpus-based study. – Linguistics 29, 801–843.

Baayen R. Harald 1992: Quantitative aspects of morphological productivity. – Yearbook of Morphology 1991, eds. G. E. Booij, J. van Marle, Dordrecht: Kluwer Academic Publishers, 109–149.

Baayen R. Harald 1993: On frequency, transparency, and productivity. – Yearbook of Morphology 1992, eds. G. E. Booij, J. van Marle, Dordrecht: Kluwer Academic Publishers, 181–208.

Baayen R. Harald 1994: Productivity in production. – Language and Cognitive Processes 9, 447–469.

Baayen R. Harald, Renouf Antoinette 1996: Chronicling The Times: Productive Lexical Innovations in an English Newspaper. – Language 72, 69–96.

Baayen R. Harald, Lieber Rochelle 1997: Word frequency distributions and lexical semantics. – Computers and the Humanities 30, 281–291.

Baayen R. Harald 2009: Corpus linguistics in morphology: morphological productivity. – Corpus Linguistics. An international handbook, eds. A. Lüdeling, M. Kyto, Berlin, Mouton De Gruyter, 900–919.

Baker Paul, Hardie Andrew, McEnery Tony 2006: A Glossary of Corpus Linguistics, Edinburgh: Edinburgh University Press Ltd. Available at: https://pdfs.semanticscholar.org/856a/9640311005ff8a97ab98976c9209aa12120a.pdf.

Baroni Marco 2009: Distributions in text. – Corpus Linguistics. An international handbook, eds. A. Lüdeling, M. Kyto, Berlin, Mouton De Gruyter, 803–822. Available at: https://home.sslmit.unibo.it/~baroni/publications/hsk_39_dist_rev2.pdf.

Carrière Isabelle 2008: Méditerm: encodage des adjectifs médicaux. – Corpus et dictionnaires de langues de spécialités, eds. F. Manize, P. Dury, N. Arlin, C. Rougemont, Grenoble: Presses Universitaires de Grenoble, 175–196.

Cvrček Václav 2012: How Large is the Core of Language. – Corpus Linguistics 2011 [online], Birmingham. Available at: https://www.birmingham.ac.uk/Documents/college-artslaw/corpus/conference-archives/2011/Paper-145.pdf.

Daille Béatrice 2001: Qualitative terminology extraction: Identifying relational adjectives. – Recent advances in computational terminology, eds. D. Bourigault, C. Jacquemin, M.-C. L’Homme, Amsterdam: John Benjamins Publishing Co, 149–166.

Terminologija | 2021 | 28

77

Dokulil Miloš 1962: Teorie tvoření slov, Praha: Nakladatelství ČSAV.

Evert Stefan, Lüdeling Anke 1991: Constraining psycholinguistic models of morphological processing and representation: the role of productivity. – Yearbook of morphology 1991, eds. G. Booij, J. van Marle, Dordrecht: Kluwer Academic Publishers, 165–183.

Evert Stefan, Baroni Marco 2007: The zipfR library: Words and other rare events in R. Presentation at useR! 2006: The Second R User Conference, Vienna, Austria. Available at: https://zipfr.r-forge.r-project.org.

Evert Stefan 2004: A simple LNRE model for random character sequences. – Proceedings of JADT 2004, 411–422.

Fernández-Domínguez Jesús 2013: Morphological Productivity Measurement: Exploring Qualitative versus Quantitative Approaches. – English Studies 94, 4, 422–447.

Garabík Radovan, Gianitsová Lucia, Horák Alexander, Šimková Mária 2004: Tokenizácia, lematizácia a morfologická anotácia Slovenského národného korpusu: internal document for manual morphological annotation. Unpublished. Available at: https://korpus.sk/attachments/publications/2004-garabik-gianitsova-horak-simkova-tokenizacia.pdf.

Horecký Ján 1956: Základy slovenskej terminológie, Bratislava: VEDA.

Horecký Ján 1999: Internacionalizácia a europeizácia slovenský. – Internacionalizácia v súčasných slovenských jazykoch: za a proti, ed. J. Bosák, Bratislava: Veda, 80–82.

Hulse Victoria 2011: Productivity in morphological negation: a corpus based approach, The University of Manchester. Available at: https://www.research.manchester.ac.uk/portal/en/theses/productivity-in-morphological-negation--a-corpusbased-approach(266d2241-a266-4b99-8fab-e19571381d8f).html.

Kvizinadze Giorgi 2010: Large number of rare events: Diversity analysis in multiple choice questionnaires and related topics, Victoria University of Wellington doctor thesis. Available at https://core.ac.uk/download/pdf/41336663.pdf

Levická Jana 2021: Usage and empirical productivity of international adjectival suffixes in Slovak based on general and specialised corpora. – Jazykovedný časopis 72, 2 (in print).

L’Homme Marie-Claude 2002: Fonctions lexicales pour représenter les relations entre termes. – Traitement automatique des langues 43, 1, 19–41.

L’Homme Marie-Claude 2003: Adjectifs dérivés sémantiques dans la structuration des terminologies. – Journées d’étude Terminologie, Ontologie et représentation des connaissance, Lyon.

Maniez François 2002: Distinguer les termes des collocations: études sur corpus du patron < Adjectif – Nom > en anglais médical. – Actes du colloque TALN de Nancy 1, 24–27 juin 2002, 345–350.

van Marle Jaap 1992: The relationship between Morphological Productivity and Frequency: A Comment on Baayen’s Performance-Orientated Conception of Morphological Productivity. – Yearbook of Morphology 1991, eds. G. Booij, J. van Marle, Dordrecht: Kluwer Academic Publishers, 151–163.

Nábělková Mira 1996: Variantnosť ako prvok dynamiky v adjektívnej paradigme. – Slovenská reč 61, 257–266.

Naccarato Chiara 2016: A corpus-based quantitative approach to the study of morphological productivity in diachrony: The case of samo-compounds in Russian. – A Blend of MaLT Hanna Christ, eds. D. Klenovšak, L. Sönning, V. Werner, Bamberg: University of Bamberg Press, 133–153.

Normand Sylvie, Bourigault Didier 2001: Analysing adjectives used in a histopathology corpus with NLP tools. – Terminology 7, 2, 155–164.

Plag Ingo, Dalton-Puffer Christiane, Baayen Harald 1999: Morphological productivity across speech and writing. – English Language and Linguistics 3, 2, 209–228.

Säily Tanja 2018: Change or variation? Productivity of the suffixes -ness and -ity. – Patterns of Change in 18ᵗʰ Century English. A Sociolinguistic Approach, eds. T. Nevalainen, M. Palander-Collin, T. Säily, Amsterdam: John Benjamins, 197–218.

Ševčíková Magda 2014: Zjišťování slovotvorné produktivity z korpusových dat: přípony odvozující názvy vlastností. – Naše řeč 97, 228–240.

Štícha František 2012: Jak v epoše elektronických korpusů následovat Miloše Dokulila (Miloši Dokulilovi ke stému výročí narození). – Jazykovědné aktuality 49, 95–107.

Štícha František 2002: K Dokulilovu pojmu slovotvorné produktivity (z hlediska korpusové analýzy). – Čeština doma a ve světě 4, 302–310.

Štícha František 2007: Korpusové statistiky a slovotvorná produktivita. – Grammar & Corpora/Gramatika a korpus 2005, eds. F. Štícha, J. Šimandl, Praha: Academia, 250–257.

Štícha František 2009: Slovotvorná produktivita a gramatickosť: gradační expresivní adjektiva s prefixy pra-, pře- a vele- v současné psané češtině. – Eslavística Complutense 9, 145–170.

78

Jana Levická

Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited

NAUJAS ŽVILGSNIS Į TARPtautinių BŪDVARDŽIŲ PRIESAGŲ VARTOJIMĄ IR EMPIRINĮ PRODUKTYVUMĄ SLOVAKŲ KALBOJE

Santrauka

Šio straipsnio objektas – morfologinis penkių lotynų kalbos priesagų, dažnai vartojamų slovakų kalbos būdvardžiams sudaryti, produktyvumas. Straipsnyje aprašomas tyrimas yra ankstesnio tekstynų duomenimis paremto tyrimo tęsinys. Tyrime buvo nustatyti reikšmingi priesagų vartojimo ir produktyvumo skirtumai skirtingose srityse. Analizei atlikti naudojami šeši tekstynai ir patekstyniai apima ir bendrąjį tekstyną, ir specialiuosius tekstynus (medicinos, teisės, ekonomikos ir ypač religijos srities). Ankstesnės statistinės analizės atspirties taškas buvo neologizmų dalis hapakso lemų grupėje su analizuojamomis priesagomis. Klausimas, ar tarp retai vartojamų lemų yra neologizmų, liko atviras. Beje, keli tyrėjai teigia, kad produktyviausias priesagas turinčių žodžių dažnumo pasiskirstymas turėtų būti nukreiptas į retai vartojamas lemas, sudarančias naujažodžius. Tokiu atveju statistinis morfologinio tiriamų priesagų produktyvumo įvertinimas galėtų būti kitoks. Be to, ankstesnės analizės rezultatai negalėjo būti palyginti tarp skirtingų tekstynų (patekstynių), nes jie rėmėsi pirminiais duomenimis, labai priklausomais nuo tekstyno (patekstynio) dydžio. Todėl antrasis šio tyrimo tikslas buvo nustatyti tinkamą statistinį metodą, kurį taikant toks palyginimas būtų įmanomas.

Tiek ankstesnis, tiek dabartinis analizės etapai rėmėsi rankiniu būdu ištrinamais tekstyno duomenimis, t. y. lemų vartojimo dažnumo sąrašais, kuriuose nėra nei „tekstyno triukšmo“, nei bendrinės slovakų kalbos žodynuose jau esančių žodžių. Straipsnyje pateiktos analizės rezultatai rodo, kad tarp tekstyne rastų retai vartojamų lemų yra ir neologizmų, ir nors jų pasiskirstymas tekstyno duomenyse gali įvairuoti, jie gali pakeisti produktyvumo eiliškumą pagal hapakso žodžių santykį su visais žodžiais (angl. hapax / type formula).

Antroje analizės dalyje buvo identifikuojami ir taikomi statistiniai modeliai, vadinami LNRE (angl. large number of rare events, liet. didelis retų įvykių skaičius) pasiskirstymais. Naudojantis atvirojo kodo įrankiu, buvo sukurtas vaizdinis priesagos produktyvumo modelis, kuriame atsiskleidžia analizuotų priesagų skirtumai, pirma, tarp mokslinių ir bendrųjų tekstų ir, antra, tarp specialiųjų sričių tekstų. Taigi, šis modelis įrodo realų kiekvienos analizuotos priesagos potencialą sudaryti naujus žodžius atitinkamose srityse.

Gauta 2021-07-08

Jana Levická Ľ. Štúr Institute of Linguistics Slovak Academy of Sciences Panská 26 811 01, Bratislava, Slovakia E-mail janal@ korpus.sk

Terminologija | 2021 | 28

79