Analisi basata sui corpora dei termini multi-parola che includono la parola ‘Rischio’ in inglese, francese e lituano

OKSANA SMIRNOVA

Università Mykolas Romeris, Lituania

SIGITA RACKEVIČIENĖ

Università Mykolas Romeris, Lituania

PAROLE CHIAVE: terminologia descrittiva, analisi basata sui corpora, termini finanziari, estrazione terminologica, modelli di formazione dei termini

1. INTRODUZIONE

Le tecnologie computazionali hanno aperto nuove possibilità alla ricerca linguistica: i corpora digitali e i software di analisi dei corpora hanno facilitato l’accesso alle strutture più profonde della lingua e alle relazioni tra le diverse unità linguistiche, nonché la scoperta delle peculiarità del loro uso in diversi ambiti e in periodi di tempo differenti. Pertanto, l’analisi basata sui corpora del linguaggio naturale è oggi applicata in un’ampia gamma di aree linguistiche: lessicografia, insegnamento delle lingue, sviluppo della traduzione automatica, compilazione di banche dati linguistiche, ecc.

Anche la ricerca terminologica è diventata in larga misura basata sui corpora. I corpora digitali consentono ai terminologi di lavorare su una grande quantità di documenti, osservare caratteristiche specifiche di una lingua specialistica, raccogliere informazioni sull’uso effettivo dei termini e sulla loro evoluzione, individuare nuovi termini che non sarebbe stato possibile percepire intuitivamente o prevedere, nonché svolgere analisi contrastive di dati appartenenti a più lingue. Anche i software di analisi dei corpora e gli strumenti automatici e semiautomatici di estrazione dei termini contribuiscono alla standardizzazione terminologica; per esempio, il conteggio della frequenza dei sinonimi può fornire utili evidenze distributive che indicano quali termini siano statisticamente preferiti (Khurshid, Rogers 1992: 36). I corpora digitali consentono dunque ai terminologi di rivedere le informazioni terminografiche sui termini contenute nelle banche dati esistenti e di aggiornarle costantemente.

86

Oksana Smirnova Sigita Rackevičienė

Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian

Secondo M. Teresa Cabré, M. Amor Montané e Rogelio Nazar, l’obiettivo della terminologia moderna è produrre descrizioni formali, semantiche e funzionali delle unità lessicali aventi valore terminologico, nonché spiegare la loro relazione con il resto delle unità del sistema linguistico. L’oggetto della ricerca terminologica è «la terminologia viva» (la terminologia che ricorre naturalmente nei testi specialistici) e l’aspetto comunicativo dell’uso dei termini, che trova la sua migliore esemplificazione in un corpus (Cabré, Montané, Nazar 2012).

Scopo, oggetto e obiettivi della ricerca. Lo scopo della ricerca è applicare la metodologia della linguistica dei corpora per l’estrazione e l’analisi della struttura formale dei termini finanziari polirematici contenenti la parola «rischio» come testa nominale in inglese, francese e lituano.

Per raggiungere questo scopo sono stati definiti i seguenti obiettivi:

1) analizzare i principi della terminologia descrittiva basata sui corpora, compresi i metodi di analisi collocazionale e colligazionale;

2) compilare corpora degli atti giuridici dell’UE relativi al settore finanziario in tre lingue (inglese, francese e lituano) e selezionare il software adatto alla ricerca basata sui corpora;

3) estrarre dai corpora le parole più frequenti nelle lingue oggetto di studio e selezionare la parola chiave (nome) più frequente per l’analisi successiva;

4) svolgere un’analisi collocazionale della parola chiave selezionata nel corpus inglese ed estrarre dal materiale del corpus inglese termini polirematici che includono la parola chiave selezionata come testa semantica e sintattica dei termini;

5) stabilire gli equivalenti francesi e lituani dei termini inglesi selezionati nel corpus parallelo inglese-francese-lituano;

6) effettuare un’analisi quantitativa della struttura formale dei termini polirematici selezionati e determinare quali schemi di modificazione e strutture sintattiche siano predominanti nelle lingue oggetto di studio.

Dati e ambito della ricerca. Ai fini della ricerca sono stati compilati quattro corpora di documenti dell’UE relativi al settore finanziario: tre corpora monolingui (inglese, francese e lituano) e un corpus parallelo (EN-FR-LT). Le dimensioni dei corpora sono le seguenti: EN 802 933 parole, FR 940 655 parole, LT 639 279 parole. In totale, 210 termini finanziari-

Terminologija | 2018 | 25

87

Dai corpora sono stati estratti termini finanziari contenenti la parola ‘risk’ come sostantivo testa: 70 termini inglesi e i loro equivalenti in francese e lituano. La scelta della parola ‘risk’ è stata determinata dai dati del corpus, che hanno rivelato che questa parola era la più frequente nei documenti dell’UE selezionati.

2. PRINCIPI TEORICI DELLA RICERCA

2.1. Gestione prescrittiva e descrittiva della terminologia

L’evoluzione delle tecnologie computazionali per la ricerca sul linguaggio naturale ha chiaramente differenziato la terminologia tradizionale da quella moderna. L’atteggiamento dei terminologi nei confronti della concezione del termine, delle fonti terminologiche, della normalizzazione dei termini e di altre questioni terminologiche è cambiato considerevolmente. Sono stati distinti due orientamenti della ricerca e della gestione terminologica: terminologia prescrittiva e terminologia descrittiva (Zeller 2005; Bielinskienė et al. 2015).

I sostenitori della terminologia prescrittiva si concentrano sulla normalizzazione terminologica basata su dizionari terminologici, banche dati, elenchi di terminologia approvata e documenti sui principi di normalizzazione. Nella terminologia prescrittiva, la concezione di un termine si basa sulla posizione del concetto da esso descritto nel sistema concettuale gerarchico del settore e sulla sua relazione con altri concetti (Pearson 1998: 10; Marcinkevičienė 2000: 6). Secondo i principi della terminologia prescrittiva, per descrivere un concetto dovrebbe essere usato un solo termine: tale corrispondenza biunivoca riduce la probabilità di ambiguità, agevola la comunicazione e, al contempo, lo sviluppo del sistema concettuale gerarchico di un settore.

I terminologi descrittivi prendono le distanze dall’atteggiamento rigoroso nei confronti della concezione del termine, della sua univocità, dello sviluppo di un sistema concettuale gerarchico e della normalizzazione. Nella terminologia descrittiva, a differenza di quella prescrittiva, il contesto svolge un ruolo fondamentale nell’analisi di un termine, che è considerato un’unità lessicale dipendente dal contesto. L’obiettivo non è formare un termine secondo determinati principi, bensì registrarne l’uso, la varietà delle forme nei diversi testi e descriverne le peculiarità, gettando così le basi per la sua normalizzazione (Bielinskienė et al. 2015: 10–11).

Lo sviluppo delle tecnologie ha generato un enorme flusso di informazioni presentate in diversi tipi di testi e, al contempo, un numero costantemente crescente di termini utilizzati al loro interno. In questa realtà in continua evoluzione, i termino-

88

Oksana Smirnova

Sigita Rackevičienė

Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian

logi non sono più in grado di controllare il rapido sviluppo della terminologia, poiché i termini cambiano più velocemente di quanto sia possibile elaborarli. Pertanto, la gestione terminologica richiede un approccio più flessibile, basato su una metodologia descrittiva anziché prescrittiva. L’attenzione si è spostata dalla normalizzazione della terminologia all’analisi della terminologia nei corpora (Bielinskinė et al. 2015: 11).

La terminologia descrittiva ha portato allo sviluppo della Teoria comunicativa della terminologia, che pone l’attenzione sulla terminologia viva utilizzata nei discorsi specialistici e sottolinea l’aspetto comunicativo dell’uso dei termini (Cabré, Montané, Nazar 2012). Secondo questa teoria, il ruolo principale dei termini è comunicare il sapere specialistico; perciò sono concepiti «come un poliedro a tre facce, con una componente cognitiva (il concetto), una componente linguistica (il termine) e una componente comunicativa (la situazione)» (Cabré, Montané, Nazar 2012: 1).

Gli studi terminologici basati sulla teoria comunicativa non si interessano soltanto alla terminologia stabilita da norme o reperibile in banche dati ufficiali, ma anche (e in particolare) ai termini effettivamente utilizzati nei testi delle lingue per scopi specifici. Pertanto, la teoria comunicativa «non adotta soltanto un approccio in vitro, ma si interessa anche ai termini in vivo» (Cabré, Montané, Nazar 2012: 1–2). La ricerca sulla terminologia viva rivela che la nozione tradizionale di univocità del termine (corrispondenza biunivoca tra un concetto e termini specifici nelle diverse lingue) non trova fondamento nella lingua reale. La variazione (sinonimia, ambiguità, perifrasi, ridondanza) è caratteristica non solo delle unità della lingua generale, ma anche della terminologia; pertanto, concetti e termini devono essere studiati «nella loro interazione dinamica» (Cabré, Montané, Nazar 2012: 2–3).

L’attenzione rivolta all’uso dei termini ha reso i corpora il principale spazio di lavoro dell’analisi terminologica moderna. I corpora digitali e i software per l’analisi dei corpora hanno arricchito la terminologia di risorse e strumenti che consentono ai terminologi di estrarre termini da un gran numero di documenti, cogliere i cambiamenti più recenti nella terminologia di un settore specifico, analizzarne l’evoluzione e stabilire le interconnessioni concettuali tra i termini dello stesso settore. I corpora consentono di ottenere informazioni affidabili, basate su dati statistici e prima del tutto indisponibili, sull’uso dei termini nella lingua naturale. Pertanto, la metodologia corpus-driven è diventata la metodologia prevalente, fornendo un insieme di strumenti indispensabile per la ricerca e la gestione terminologica (Zeller 2005; Cabré, Montané, Nazar 2012; Bielinskinė et al. 2015).

Terminologija | 2018 | 25

89

2.2. Principi di analisi basata sui corpora: metodi collocazionali e colligazionali

L’estrazione e l’analisi terminologica basate sui corpora vengono effettuate mediante metodi statistici e linguistici. Nella presente ricerca si applicano metodi collocazionali e colligazionali.

Le collocazioni si riferiscono all’attrazione sintagmatica tra unità lessicali. Secondo Tomas Lehecka (2015), «il concetto di collocazione si basa sull’idea che ogni parola di una lingua prediliga determinati contesti lessicali rispetto ad altri, ossia che una parola tenda a co-occorrere con alcune parole più spesso che con altre» (Lehecka 2015: 2). L’analisi statistica dei dati dei corpora viene utilizzata per misurare il grado di attrazione tra le parole; i suoi risultati consentono di determinare quali combinazioni di parole ricorrono insieme con una frequenza significativamente superiore a quella attesa per caso, tenuto conto della frequenza complessiva delle parole nel corpus (Lehecka 2015: 2). In questo modo si individuano le collocazioni più significative delle parole selezionate nel corpus analizzato.

Questo metodo viene utilizzato soprattutto per l’analisi semantica contestuale delle unità lessicali, poiché consente di osservare l’intera varietà di parole che co-occorrono con quelle indagate, di individuare gli schemi di co-occorrenza predominanti e quindi di descriverne i significati sulla base del contesto in cui si presentano (Atkins, Rundell, Sato 2003: 340–341).

L’analisi collocazionale è diventata uno strumento indispensabile per i lessicografi; viene inoltre ampiamente applicata nella linguistica computazionale per la traduzione automatica, l’elaborazione del linguaggio naturale e altri ambiti (Lehecka 2015).

Il metodo collocazionale viene spesso utilizzato in combinazione con quello colligazionale. Il concetto di colligazione si riferisce all’attrazione tra un’unità lessicale e uno schema grammaticale e si basa sull’idea che le parole prediligano determinati schemi grammaticali ed evitino altri (Sinclair 1998; Lehecka 2015). L’analisi colligazionale può essere ampliata fino a comprendere la relazione tra l’unità lessicale e la posizione in una frase, una proposizione, una frase complessa, un testo o un discorso in cui essa può essere utilizzata (Hoey 2005: 49–52).

L’analisi colligazionale è stata ampiamente impiegata insieme a quella collocazionale per studiare i significati dei quasi sinonimi, poiché gli studi di linguistica dei corpora hanno rivelato che questi vengono spesso usati in contesti lessicali e grammaticali diversi (Lehecka 2015). Le indagini di linguistica dei corpora

90

Oksana Smirnova Sigita Rackevičienė

Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian

hanno dimostrato che anche i diversi significati delle parole polisemiche possono presentare schemi collocazionali e colligazionali differenti (Aston, Burnard 1998). Pertanto, le analisi collocazionali e colligazionali hanno dimostrato che semantica e grammatica non devono essere trattate come sistemi indipendenti, bensì come sistemi strettamente interconnessi (Lehecka 2015). Nelle analisi va preso in considerazione anche l’aspetto pragmatico, poiché le preferenze collocazionali e colligazionali di un’unità lessicale variano notevolmente tra domini e tipi di testo diversi (Butler 2004: 157; Newman, Rice 2006).

2.3. Applicazione del metodo collocazionale-colligazionale all’estrazione e all’analisi terminologica

Il metodo collocazionale-colligazionale può essere utilizzato anche per estrarre termini multi-parola; è particolarmente adatto all’estrazione di terminologia che include parole chiave preselezionate, ossia parole potenzialmente rilevanti dal punto di vista terminologico e caratteristiche del dominio cui appartiene il corpus. Questa metodologia si basa sull’assunto che i termini complessi siano costituiti da termini semplici già esistenti (Nakagawa 2001).

Gli strumenti di analisi dei corpora estraggono le parole che cooccorrono con le parole chiave preselezionate e consentono di individuare le collocazioni dominanti. Una parte di queste collocazioni è costituita da sintagmi nominali, che devono essere selezionati dagli elenchi di collocazioni mediante metodi linguistici. I sintagmi nominali selezionati vengono utilizzati per un’ulteriore analisi dei dati del corpus e per estrarre termini multi-parola costituiti dai sintagmi nominali selezionati e, potenzialmente, da collocati aggiuntivi.

Nel presente studio, i termini estratti vengono ulteriormente analizzati applicando i principi dell’analisi colligazionale, allo scopo di individuare i modelli della struttura formale della terminologia nelle lingue esaminate e di contribuire agli studi contrastivi multilingui sui modelli di formazione dei termini (cfr. Janulevičienė, Rackevičienė 2014; Mockienė 2016).

3. SVILUPPO DEI CORPORA E SCELTA DEL SOFTWARE PER L’ANALISI

Secondo M. Teresa Cabré, M. Amor Montané e Rogelio Nazar, la compilazione di un corpus di documenti appartenenti a un dominio specifico ha tre scopi. In primo luogo, i terminologi devono familiarizzare con il tipo di lingua del dominio; in secondo luogo, è necessario un corpus per estrarre la terminologia e condurre analisi statistiche dei termini; e

Terminologija | 2018 | 25

91

infine, i testi vengono utilizzati per ottenere informazioni complementari sui termini, come indizi semantici, sintattici o collocazionali (Cabré, Montané, Nazar 2012: 3–4).

Il corpus compilato dovrebbe avere dimensioni e qualità sufficienti per essere considerato rappresentativo del dominio scelto. Non esistono requisiti precisi riguardo alle dimensioni di un corpus; tuttavia, dovrebbe contenere il maggior numero possibile di documenti, perché più è ampio, più affidabili saranno le conclusioni sull’uso della terminologia nel dominio (Cabré, Montané, Nazar 2012: 4).

Tenendo conto di tutti questi aspetti, sono stati compilati corpora degli atti giuridici dell’UE in inglese, francese e lituano. Gli atti giuridici sono stati scaricati dalla Gazzetta ufficiale dell’Unione europea, una fonte online consultabile gratuitamente. Sono stati raccolti 101 atti giuridici riguardanti questioni finanziarie dell’UE e adottati nel periodo 2014–2017. I documenti sono stati convertiti in testo semplice e allineati per estrarre i termini e analizzarli.

Per compilare e allineare i testi e ricavarne i dati necessari sono stati utilizzati tre programmi: AntConc (2014), AntPConc (2017), creato e certificato da Laurence Anthony, e NOVA Text Aligner (2014).

AntConc è un toolkit freeware multipiattaforma per la ricerca linguistica sui corpora e l’apprendimento basato sui dati, mentre AntPConc è concepito per creare un corpus parallelo in più lingue. Entrambi i programmi consentono al ricercatore di gestire grandi quantità di dati e di condurre un’analisi linguistica multilingue approfondita.

Gli strumenti messi a disposizione degli utenti dal programma AntConc sono i seguenti: Word list, Collocates, Clusters, Keywords, Concordance, Concordance plot, File view tool. Nel presente studio sono stati utilizzati quattro strumenti di AntConc:

• Wordlist ha permesso di individuare le parole più frequenti nei corpora;

• Collocates ha permesso di individuare i collocati dominanti della parola ‘risk’ e di misurare il grado della loro attrazione sintagmatica verso la parola ‘risk’;

• Clusters ha consentito di individuare i termini multi-parola dominanti contenenti la parola ‘risk’ in funzione di sostantivo testa;

• Concordances ha fornito un’ampia varietà di esempi che illustrano l’uso dei termini nei testi.

Un’istantanea del programma AntConc è presentata nella Figura 1.

92

Oksana Smirnova | Sigita Rackevičienė

Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian

Figura 1. Programma AntConc

Prima di compilare un corpus parallelo, i testi scaricati nelle tre lingue sono stati allineati manualmente con l’ausilio del programma NOVA Text Aligner. Dopo l’allineamento dei testi, è stato creato un corpus parallelo utilizzando il programma AntPConc (si veda la Figura 2).

Figura 2. Programma AntPConc

Terminologija | 2018 | 25

93

Il programma AntPConc consentiva di visualizzare contemporaneamente gli esempi nelle tre lingue: era possibile fare clic su una frase scelta per vedere gli equivalenti nelle altre lingue. Il programma consentiva inoltre di distinguere le parole chiave e i loro collocati a sinistra o a destra mediante colori diversi. Tuttavia, non era possibile vedere il documento da cui era stato estratto l’esempio. Utilizzando il corpus parallelo, sono stati estratti gli equivalenti francesi e lituani di 70 termini inglesi.

4. ANALISI DEL CORPUS ED ESTRAZIONE DEI TERMINI CON GLI STRUMENTI DEI PROGRAMMI AntConc E AntPConc

4.1. Individuazione delle parole più frequenti nei corpora

Per determinare le parole più frequenti nel corpus dei documenti finanziari, è stato utilizzato lo strumento Word list del programma AntConc. Esso ha fornito i dati sulla frequenza delle parole nei corpora inglese, francese e lituano, consentendo di confrontare le frequenze nelle lingue esaminate e di elaborare un elenco trilingue delle 10 parole più frequenti (si veda la Tabella 1). Word list ha inoltre fornito informazioni sul numero di token e tipi di parola presenti nei corpora e ha dato accesso ai contesti in cui i termini erano utilizzati (si veda la Tabella 1).

Tabella 1. Le 10 parole più frequenti nei corpora

EN (corpus: 802 933 token di parola, 9333 tipi di parola) | FR (corpus: 940 655 token di parola, 12365 tipi di parola) | LT (corpus: 639 279, 24727 tipi di parola)

1. | risk (3252), risks (592) | risque (2855), risques (997) | rizikos (2549), riziką (1063), rizika (536), rizikai (355), rizikas (4)

2. | credit (3183), credits (18) | credit (3307), credits (222) | kredito (3103), kreditų (52), kreditų (29), kreditą (28), kreditas (8), kreditai (6), kreditais (4), kredítus (3), kreditams (2)

3. | market (1642), markets (424) | marché (1631), marches (484) | rinkos (1355), rinkų (310), rinka (229), rinkoje (226), rinką (76), rinkose (75), rinkai (51), rinkoms (18), rinkas (7), rinkomis (2)

94

Oksana Smirnova | Sigita Rackevičienė

Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian

EN (corpus: 802 933 token di parola, 9333 forme di parola) FR (corpus: 940 655 token di parola, 12365 forme di parola) LT (corpus: 639 279, 24727 forme di parola) 4. amount (1545) montant (1672) suma, sumos (684) 5. instruments (1448) instruments (1489) priemones (1542), priemonių (1393), priemones (649) 6. value (1356) valeur (1754) vertės, vertė (599) 7. securities (1275) titres (1229), titrisation (503) vertybinių popierių (1095), vertybinio popieriaus (691) 8. services (1275) services (1778) paslaugų, paslaugas (485) 9. capital (1093) capital (660) kapitalo (1143) 10. funds (1087) fonds (2773) lėšų (877)

I risultati di questa analisi rivelano che le parole più frequenti nei corpora di tutte e tre le lingue esaminate sono «risk» e «credit», mentre la parola «market» occupa il terzo posto negli elenchi di frequenza. Tutte e tre le parole, e in particolare «risk» e «credit», ricorrono spesso insieme nei documenti finanziari. Ciò potrebbe essere spiegato dalla stretta relazione semantica tra queste parole: è superfluo dire che qualsiasi transazione monetaria implica un pericolo; in altre parole, «credit» genera «risk». Il numero grammaticale più comune delle parole è il singolare, sebbene nelle lingue esaminate si usi anche il plurale. In lituano, lingua sintetica con un ricco sistema flessivo, le parole sono usate in diversi casi grammaticali, il più frequente dei quali è il genitivo singolare.

I risultati dell’analisi consentono di affermare che le parole «risk», «credit» e «market» vanno considerate elementi lessicali che denotano i concetti fondamentali del settore finanziario. La parola «risk», la più frequente nei corpora, è stata scelta per la successiva estrazione e analisi dei termini.

Poiché l’oggetto della ricerca è costituito dai termini inglesi multi-parola che includono la parola chiave selezionata (la parola «risk») e dai loro equivalenti in francese e lituano, le successive operazioni di estrazione dei termini sono state organizzate nelle seguenti fasi: individuazione delle collocazioni dominanti della parola «risk» in inglese; estrazione dei sintagmi nominali con la parola «risk» come

Terminologija | 2018 | 25

95

testa nominale, selezione dei sintagmi con valore terminologico e individuazione dei loro equivalenti francesi e lituani.

4.2. Individuazione dei collocati della parola ‘risk’ nel corpus inglese

Nella seconda fase dell’estrazione dei termini sono state individuate le collocazioni dominanti della parola ‘risk’ nel corpus inglese. Questo obiettivo è stato perseguito con l’ausilio dello strumento Collocates di AntConc. Lo strumento ha fornito i collocati a sinistra e a destra della parola chiave selezionata e ha consentito di analizzare i modelli non sequenziali nelle lingue.

Lo strumento ha fornito le frequenze totali dei collocati e le rispettive frequenze a sinistra e a destra della parola ‘risk’. Ha inoltre fornito i valori delle misure statistiche (punteggi di informazione mutua (MI)), che indicavano il grado di attrazione sintagmatica tra la parola chiave e i suoi collocati. I risultati dell’analisi collocazionale sono presentati nella Tabella 2, che fornisce dati esaustivi sui collocati con i punteggi MI più elevati (i primi 10).

Tabella 2. I primi 10 collocati della parola ‘risk’ nel corpus inglese

Frequenza totale | Freq. (sinistra) | Freq. (destra) | Punteggio MI 1. dilution | 51 | 37 | 14 | 8.1 2. mitigation | 100 | 9 | 91 | 8.01 3. weights | 65 | 4 | 61 | 7.7 4. systemic | 120 | 119 | 1 | 7.7 5. profile | 87 | 1 | 86 | 7.48 6. low | 68 | 62 | 6 | 7.2 7. assigned | 127 | 95 | 32 | 6.89 8. exposure | 491 | 71 | 420 | 6.4 9. specific | 177 | 148 | 29 | 6.3 10. operational | 129 | 114 | 15 | 5.99

I risultati rivelano il contesto lessicale più vicino della parola ‘risk’ in inglese e consentono di individuare il nucleo dominante di due parole dei termini multi-parola che includono la parola ‘risk’ nel corpus esaminato.

96

Oksana Smirnova

Sigita Rackevičienė

Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian

4.3. Estrazione di sintagmi nominali comprendenti la parola ‘risk’ come nome testa nel corpus inglese

L’ulteriore analisi del corpus e l’estrazione dei termini si sono concentrate sulle collocazioni caratterizzate da una determinata struttura formale: i sintagmi nominali comprendenti la parola ‘risk’ come nome testa. Sono stati estratti dal corpus inglese utilizzando gli strumenti Clusters e Concordance.

Lo strumento Clusters ha consentito di cercare i cluster (combinazioni di parole) comprendenti la parola ‘risk’ con i suoi collocati a sinistra e a destra. Ha permesso di selezionare la lunghezza minima e massima (numero di parole) dei cluster e la frequenza minima dei cluster visualizzati. I cluster ordinati potevano essere visualizzati in base alla loro frequenza oppure al numero di file dei corpora in cui comparivano.

Per estrarre i sintagmi nominali comprendenti la parola ‘risk’ come nome testa, sono stati impostati i seguenti parametri: dimensione del cluster da 2 a 5, ordinamento per frequenza. È stato inoltre necessario selezionare la posizione della parola chiave: dapprima sono stati ordinati i cluster con la parola chiave a destra, quindi quelli con la parola chiave a sinistra. Con il parametro «cerca la parola chiave a destra», lo strumento ha visualizzato 4814 occorrenze di cluster e 181 tipi di cluster; con il parametro «cerca la parola chiave a sinistra», 4284 occorrenze di cluster e 137 tipi di cluster.

Dagli elenchi di cluster visualizzati sono stati estratti manualmente i sintagmi nominali comprendenti la parola ‘risk’ come nome testa. Il loro contesto più ampio è stato analizzato mediante lo strumento Concordance, che ha consentito di determinare i confini dei sintagmi nominali, compresi quelli che includono sia i collocati a sinistra sia quelli a destra della parola ‘risk’. La Tabella 3 presenta i sintagmi nominali più frequenti.

Tabella 3. I 20 sintagmi nominali più frequenti comprendenti la parola ‘risk’ come nome testa

Sintagmi nominali (‘risk’ a destra)

Freq.

Sintagmi nominali (‘risk’ a sinistra)

Freq.

1. rischio di credito

471

1. rischio di leva finanziaria eccessiva

18

2. rischio sistemico

113

2. rischio dello strumento di debito

12

3. rischio operativo

102

3. rischio di perdita

12

4. rischio di liquidità

97

4. rischio di trattenimento della capacità

10

Terminologija | 2018 | 25

97

Frasi nominali («risk» a destra) | Freq. | Frasi nominali («risk» a sinistra) | Freq. 5. rischio specifico | 86 | 5. rischio per terzi | 8 6. rischio di mercato | 76 | 6. rischio relativo al credito acquistato | 7 7. rischio di credito della controparte | 41 | 7. rischio di variazione del prezzo | 7 8. rischio di diluizione | 33 | 8. rischio di interruzione | 6 9. rischio di tasso d'interesse | 32 | 9. rischio per la stabilità finanziaria | 2 10. rischio d'impresa | 26 | 10. rischio di un debitore | 2

I risultati rivelano che le frasi nominali contenenti la parola «rischio» nella posizione più a destra sono molto più frequenti delle frasi nominali contenenti la parola «rischio» nella posizione più a sinistra. Nel corpus sono stati trovati solo alcuni esempi di frasi nominali contenenti collocati sia a sinistra sia a destra della parola «rischio»: rischio di credito delle operazioni riacquistate, rischio di credito della posizione di cartolarizzazione, rischio di credito per terzi.

Per le ricerche successive è stato compilato un elenco delle TOP 70 frasi nominali inglesi contenenti la parola «rischio» come sostantivo testa. Nell’elenco sono state incluse solo le frasi nominali che avevano valore terminologico (designavano concetti astratti del settore finanziario). Nell’analisi successiva sono definite termini plurilessicali.

4.4. Individuazione degli equivalenti francesi e lituani dei termini inglesi selezionati

Nella fase finale dell’estrazione dei termini sono stati individuati gli equivalenti francesi e lituani dei termini inglesi selezionati. A tal fine è stato utilizzato il software AntPConc, sviluppato per l’analisi di corpora paralleli. I corpora delle tre lingue esaminate sono stati caricati nel programma. Quando i termini inglesi selezionati venivano cercati nel corpus inglese, il programma mostrava le stringhe parallele dei testi francesi e lituani, consentendo così di selezionare manualmente gli equivalenti necessari. In totale sono stati individuati 70 equivalenti francesi e 70 lituani dei termini inglesi selezionati. La Tabella 4 presenta le TOP 10 dei termini inglesi e i loro equivalenti francesi e lituani.

I risultati di questa analisi hanno rivelato le differenze formali dei termini nelle lingue esaminate, che vengono analizzate e discusse di seguito.

98 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian

Tabella 4. I 10 principali termini inglesi e i loro equivalenti in francese e lituano

EN FR LT rischio di credito risque de crédit kredito rizika rischio sistemico risque systémique sisteminė rizika rischio operativo risque opérationnel operacinė rizika rischio di liquidità risque de liquidité likvidumo rizika rischio specifico risque spécifique specifinė rizika rischio di mercato risque de marché rinkos rizika rischio di credito della controparte risque de crédit de contrepartie sandorio šalies kredito rizika rischio di diluizione risque de dilution gautinų sumų rizika rischio di tasso d’interesse risque de taux d’intérêt palūkanų normos rizika rischio d’impresa risque économique verslo rizika

5. ANALISI DELLA STRUTTURA FORMALE DEI TERMINI ESTRATTI

I termini estratti sono stati ulteriormente analizzati applicando i principi dell’analisi colligazionale, al fine di individuare i modelli di struttura formale della terminologia nelle diverse lingue.

I costituenti dei termini appartengono a due categorie principali: il sostantivo testa «risk» e i suoi modificatori. In base alla posizione dei modificatori, sono stati individuati due schemi di modificazione: la modificazione prenominale (in cui i modificatori precedono il sostantivo testa) e la modificazione postnominale (in cui i modificatori seguono il sostantivo testa). Nell’elenco dei 70 termini principali selezionati per l’analisi statistica non è stato incluso alcun termine contenente sia modificatori prenominali sia postnominali.

L’analisi si è concentrata sui seguenti aspetti della formazione dei termini: numero dei costituenti, schemi di modificazione e strutture sintattiche (posizione e classi di parole dei modificatori). Le Tabelle 5 e 6 presentano i risultati riassuntivi dell’analisi.

I risultati riportati nelle tabelle mostrano che i termini presentano schemi di modificazione diversi nelle lingue esaminate. L’analisi quantitativa

Terminologija | 2018 | 25

99

della modificazione è stata condotta per individuare gli schemi di modificazione prevalenti nelle lingue esaminate; i risultati sono presentati nel Diagramma 1.

Tabella 5. Strutture sintattiche degli schemi di modificazione prenominale dei termini

Strutture sintattiche

EN

FR

LT

N + ‘rischio’

19 termini, ad es.: rischio di credito, rischio di concentrazione, rischio di liquidità, rischio d’impresa.

–

18 termini, ad es.: rischio del creditore, rischio delle transazioni, rischio di custodia.

A + ‘rischio’

18 termini, ad es.: rischio imprenditoriale, rischio interno, rischio potenziale.

–

17 termini, ad es.: rischio sistemico, rischio operativo, rischio di investimento

N + N + ‘rischio’

3 termini: rischio di credito e di liquidità, rischio di tasso d'interesse, rischio di credito della controparte

–

9 termini, ad es.: rischio di credito giornaliero, rischio di tasso d'interesse, rischio della controparte

A + N + ‘rischio’

12 termini, ad es.: rischio di credito significativo, rischio di credito specifico, rischio di cambio.

–

9 termini, ad es.: rischio di credito ridotto, rischio di credito specifico, rischio dei crediti

A/Num + N + + N + ‘rischio’

1 termine: rischio minimo di credito e di mercato

–

12 termini, ad es.: rischio minimo di credito e di mercato, rischio di liquidità overnight, rischio di credito overnight

A + A + N + + ‘rischio’

4 termini, ad es.: rischio di credito specifico e generale, rischio di credito infragiornaliero e overnight, rischio di liquidità infragiornaliera e overnight

–

5 termini, ad es.: rischio specifico di decisioni errate, rischio dei crediti acquisiti, rischio di credito generale e specifico

100

Oksana Smirnova Sigita Rackevičienė

Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian

Tabella 6. Strutture sintattiche degli schemi di modificazione postnominale dei termini

Strutture sintattiche

EN

FR

LT

«risk» + PP

13 termini, ad es.: risk of the institution, risk to financial system, risk of loss

22 termini, ad es.: risque de crédit, risque de concentration, risque de modèle

–

«risk» + A

–

20 termini, ad es.: risque intrajournalier, risque interne, risque spécifique

–

«risk» + A + PP

–

4 termini, ad es.: risque spécifique de corrélation, risque significatif de corrélation, risque générale de corrélation

–

«risk» + PP + A

–

15 termini, ad es.: risque de crédit spécifique risque de crédit quotidien, risque sur matière première

–

«risk» + PP + A + + PP

–

9 termini, ad es.: risque de crédit intrajournalier à 24h, risque de liquidité intrajournalier à 24h

–

Diagramma 1. Schemi di modifica dei termini

Terminologija | 2018 | 25 1 0 1

I risultati mostrano che la modificazione prenominale è predominante in inglese e lituano, mentre la modificazione postnominale è caratteristica del francese. In francese non sono stati individuati termini con modificazione prenominale e in lituano non sono stati rilevati termini con modificazione postnominale. Solo i termini inglesi presentano entrambi i tipi, sebbene il numero di termini con modificatori postnominali sia piuttosto basso.

Tutti i termini esaminati includono uno o più modificatori, costituiti da sostantivi, aggettivi o sintagmi preposizionali, che occupano posizioni diverse nelle unità terminologiche. I risultati dell’analisi rivelano che i modificatori predominanti nei termini inglesi e lituani sono sostantivi e aggettivi, mentre nei termini francesi la parola ‘risk’ è modificata soprattutto da sintagmi preposizionali. I termini costituiti da 3 o più parole possono essere ulteriormente classificati in base ai livelli di modificazione (termini che includono modificatori riferiti al sostantivo testa e termini che includono modificatori riferiti ad altri modificatori), ma, per ragioni di spazio, questa analisi non è presentata nel presente articolo.

I risultati riassunti nelle tabelle mostrano inoltre che i termini differiscono per numero di costituenti. È stata condotta un’analisi quantitativa della lunghezza dei termini per stabilire il numero predominante di costituenti terminologici nelle lingue esaminate; i risultati sono presentati nel Diagramma 2.

Il diagramma rivela due tendenze principali. In primo luogo, i responsabili della creazione dei termini dell’UE rispettano il principio fondamentale dell’economia linguistica (brevità dei termini): in tutte e tre le lingue prevalgono i termini composti da due parole. In secondo luogo, solo pochi termini inglesi e francesi hanno più di 2–3 parole, mentre nei

Diagramma 2. Numero di costituenti terminologici

102

Oksana Smirnova | Sigita Rackevičienė

Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian

i termini lituani composti da 4 o più parole costituiscono una parte significativa dei dati selezionati (17 su 70).

La tendenza alla prevalenza dei termini composti da due parole coincide con quelle osservate da altri studiosi di terminologia. La ricerca sull’estrazione automatica e sulla definizione della terminologia dell’istruzione e della scienza condotta da Agnė Bielinskienė et al. ha rivelato che la maggior parte dei termini lituani in questo ambito è composta da due parole: essi rappresentavano più di due terzi dei termini selezionati tra i candidati terminologici estratti automaticamente da un corpus specializzato (Bielinskienė et al. 2015: 62). La ricerca contrastiva sulla terminologia del diritto costituzionale condotta da Liudmila Mockienė ha rilevato la stessa tendenza in tre lingue diverse. Negli atti giuridici di natura costituzionale esaminati, in inglese, russo e lituano, la maggior parte dei termini polirematici estratti era costituita da due elementi: essi rappresentavano il 78.5% dei termini polirematici inglesi, il 62% di quelli russi e il 74.5% di quelli lituani (Mockienė 2016: 43–45). Pertanto, i responsabili della creazione di termini in diversi ambiti e lingue tendono ad attenersi allo stesso principio di economia linguistica e facilità d’uso.

6. C O N C L U S I O N I

I software AntCont, utilizzato per l’analisi di corpora monolingui, e AntPConc, utilizzato per l’analisi di corpora paralleli, hanno consentito di estrarre dai corpora specializzati di documenti dell’UE relativi al settore finanziario, compilati ai fini della ricerca, termini polirematici inglesi, francesi e lituani comprendenti la parola ‘risk’ come sostantivo testa. L’estrazione è stata condotta nelle seguenti fasi:

• estrazione delle parole chiave dai corpora inglese, francese e lituano (parole potenzialmente rilevanti dal punto di vista terminologico e caratteristiche del settore rappresentato dai corpora) e selezione della parola chiave più frequente (la parola ‘risk’) per l’analisi successiva;

• estrazione delle collocazioni della parola ‘risk’ e dei sintagmi nominali comprendenti la parola ‘risk’ come sostantivo testa, con collocati a sinistra e/o a destra, dal corpus inglese;

• selezione, dall’elenco dei sintagmi nominali estratti, delle unità lessicali aventi valore terminologico;

• individuazione degli equivalenti francesi e lituani dei termini inglesi selezionati nel corpus parallelo inglese-francese-lituano.

Terminologija | 2018 | 25

1 0 3

La metodologia applicata si è dimostrata adatta all’estrazione efficace di terminologia multilingue, utilizzabile per sviluppare o aggiornare banche dati terminologiche oppure per l’analisi scientifica dei termini.

L’analisi della struttura formale dei termini estratti ha rivelato alcune importanti tendenze nella formazione dei termini nelle lingue esaminate:

• la modificazione prenominale è predominante in inglese e in lituano, mentre la modificazione postnominale è caratteristica del francese;

• i modificatori predominanti dei termini inglesi e lituani sono nomi e aggettivi, mentre nei termini francesi la parola ‘risk’ è modificata soprattutto da sintagmi preposizionali;

• la tipologia di termine prevalente in base al numero di componenti è quella dei termini composti da due parole: essi costituiscono il gruppo più numeroso nelle liste TOP 70 in inglese, francese e lituano; ciò dimostra che gli esperti dell’UE che elaborano i termini rispettano il requisito fondamentale dell’economia linguistica (la brevità dei termini);

• solo pochi termini inglesi e francesi hanno più di 2–3 parole, mentre nella lista TOP 70 lituana i termini composti da 4 o più parole costituiscono una parte significativa dei dati selezionati (17 su 70).

I risultati dell’analisi della struttura formale mettono in luce le tendenze nella formazione dei termini nelle lingue esaminate e forniscono informazioni terminologiche che potrebbero essere utili agli esperti che elaborano i termini e ai traduttori. I modelli sintattici individuati nella ricerca possono essere utilizzati per sviluppare metodi linguistici automatici di estrazione dei termini senza parole chiave preselezionate.

REFERENCES

Aston G., Burnard L. 1998: The BNC Handbook. Exploring the British National Corpus with SARA, Edinburgh: Edinburgh University Press.

Atkins S., Rundell M., Sato H. 2003: The contribution of FrameNet to practical lexicography. – International Journal of Lexicography 16(3), 333–357.

Bielinskienė A., Boizou L, Grigonytė G., Kovalevskaitė J., Rimkutė E., Utka A. 2015: Lietuvių kalbos terminų automatinis atpažinimas ir apibrėžimas. Monografija, Kaunas: Vytauto Didžiojo universitetas.

Butler C. S. 2004: Corpus studies and functional linguistic theories. – Functions of Language 11(2), 147–186.

Cabré M. T., Montané M. A., Nazar R. 2012: Corpus-based Terminology Processing. TKE 2012 Tutorial. Available at http://terminus.iula.upf.edu/tke2012/.

Hoey M. 2005: Lexical Priming: A New Theory of Words and Language, London: Routledge.

Janulevičienė V., Rackevičienė S. 2014: Formation of criminal law terms in English, Lithuanian and Norwegian. – LSP journal – Language for special purposes, professional communication, knowledge management and cognition 15(1), 4–20.

104

Oksana Smirnova | Sigita Rackevičienė

Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian

Lehecka T. 2015: Collocation and colligation. – Handbook of Pragmatics Online. J.-O. Östman, & J. Verschuren (Eds.), Amsterdam: John Benjamins Publishing Company, 1–23.

Khurshid A., Rogers M. 1992: Terminology management: a corpus-based approach. – Translating and the Computer 14, 33–44.

Marcinkevičienė R. 2000: Terminografija ir tekstynas. – Terminologija 6, 5–23.

Mockienė L. 2016: Formation of terminology of constitutional law in English, Lithuanian and Russian. Doctoral Thesis, Vilnius: Mykolas Romeris University.

Nakagawa H. 2001: Experimental evaluation of ranking and selection methods in term extraction. – Recent Advances in Computational Terminology. D. Bourigault, Ch. Jacquemin and M.-C. L’Homme (Eds.), Amsterdam/Philadelphia: John Benjamins Publishing Company, 303–325.

Newman J., Rice S. 2006: Transitivity schemas of English EAT and DRINK in the BNC. – Corpora in Cognitive Linguistics: Corpus-Based Approaches to Syntax and Lexis. S.T. Gries and A. Stefanowitsch (Eds.), Berlin/New York: Mouton de Gruyter, 225–260.

Pearson J. 1998: Terms in Context, Amsterdam/Philadelphia: John Benjamins Publishing Company.

Sinclair J. 1998: The lexical item. – Contrastive Lexical Semantics. E. Weigand (Ed.), Amsterdam: John Benjamins Publishing Company, 1–24.

Zeller I. 2005: Automatinis terminų atpažinimas ir apdorojimas. Daktaro disertacija, Kaunas: Vytauto Didžiojo universitetas, Vilnius: Lietuvių kalbos institutas.

SOURCES

Official Journal of European Union: https://eur-lex.europa.eu/oj/direct-access.html

COMPUTER SOFTWARE USED FOR THE ANALYSIS

Anthony L. 2014: AntConc (Version 3.4.4w) [Computer Software]. Tokyo, Japan: Waseda University. Available at http://www.antlab.sci.waseda.ac.jp

Anthony L. 2017: AntPConc (Version 1.2.0) [Computer Software]. Tokyo, Japan: Waseda University. Available at http://www.antlab.sci.waseda.ac.jp

Supernova-soft. NOVA Text Aligner. Available at https://nova-text-aligner.soft112.com/.

ANGLŲ, PRANCŪZŲ IR LIETUVIŲ KALBŲ DAUGIAŽODŽIŲ TERMINŲ SU ŽODŽIU RIZIKA ANALIZĖ TEKSTYNŲ LINGVISTIKOS METODAIS

Straipsnyje pristatomi deskriptyviosios terminologijos tyrimo principai bei empirinis daugiažodžių terminų su žodžiu rizika tyrimas, kurio tikslas – taikant tekstynų lingvistikos metodus, surinkti terminus iš ES finansų srities dokumentų tekstynų ir atlikti jų formaliosios sandaros analizę.

Tyrimo tikslams buvo sukaupti keturi tekstynai: finansų srities dokumentų anglų kalba (802 933 žodžiai), prancūzų kalba (940 655 žodžiai) ir lietuvių kalba (639 279 žodžiai) bei lygiagretusis anglų–prancūzų–lietuvių kalbų tekstynas. Iš tekstynų surinkta 210 terminų, kuriuose žodis rizika eina pagrindiniu dėmeniu: 70 angliškų terminų ir po tiek pat jų atitikmenų prancūzų ir lietuvių kalbomis. Žodžio rizika pasirinkimą lėmė tai, kad šis žodis buvo dažniausias visų trijų kalbų tekstynuose.

Terminų atpažinimui ir surinkimui buvo naudojamos dvi kompiuterinės programos – AntConc ir AntPConc. Dirbta tokiais etapais:

• dažniausių žodžių, galinčių būti terminų branduoliu, angliškame, prancūziškame ir lietuviškame tekstynuose nustatymas ir vieno iš jų (žodžio rizika) atrinkimas tolesnei analizei;

Terminologija | 2018 | 25

105

• žodžio rizika kolokacijų ir daiktavardinių junginių su pagrindiniu dėmeniu rizika ir jo kairiaisiais bei dešiniaisiais kolokatais nustatymas angliškame tekstyne;

• daiktavardinių junginių, laikytinų daugiažodžiais terminais, atrinkimas;

• atrinktų angliškų terminų prancūziškų ir lietuviškų atitikmenų nustatymas.

Pritaikyta metodologija leido rezultatyviai surinkti daugiažodžius terminus iš daugiakalbių tekstynų. Tai duoda pagrindą teigti, kad ji gali būti taikoma terminų kaupimui bei tyrimams.

Surinktų terminų formaliosios sandaros analizė atskleidė keletą svarbių terminų darybos tendencijų tiriamose kalbose:

• vyraujantis terminų tipas pagal dėmenų skaičių visose trijose tiriamose kalbose yra dvižodžiai terminai; tai rodo, kad ES terminų kūrėjai laikosi kalbos ekonomijos principo ir stengiasi kurti kuo trumpesnius daugiažodžius terminus;

• tik keletas angliškų ir prancūziškų terminų turi daugiau kaip 2–3 dėmenis; tuo tarpu lietuviški terminai, susidedantys iš 4 ir daugiau dėmenų, sudaro beveik ketvirtadalį surinktų terminų;

• anglų ir lietuvių kalbų terminų darybos modeliuose vyrauja prepozicinė ir postpozicinė modifikacija, o prancūzų kalbos – postpozicinė modifikacija;

• daugumos anglų ir lietuvių kalbų terminų priklausomieji dėmenys yra daiktavardžiai ir būdvardžiai, o prancūzų kalboje – prielinksninės konstrukcijos.

Formaliosios sandaros analizės rezultatai suteikia informacijos, kuri gali būti naudinga terminų kūrėjams ir vertėjams. Tyrimo metu nustatyti sintaksinių struktūrų modeliai gali būti taikomi, kuriant kompiuterinius lingvistinius metodus automatiniam terminų atpažinimui be iš anksto pasirinktų raktažodžių.

Gauta 2018-05-21

Oksana Smirnova Mykolo Romerio universitetas Ateities g. 20, LT-08303 Vilnius E. paštas [email protected]

Sigita Rackevičienė Mykolo Romerio universitetas Ateities g. 20, LT-08303 Vilnius E. paštas [email protected]

106 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian