Kompiuterinės technologijos atvėrė naujų galimybių lingvistiniams tyrimams: skaitmeniniai tekstynai ir tekstynų analizės programinė įranga palengvino prieigą prie giliausių kalbos struktūrų ir skirtingų kalbos vienetų sąsajų, taip pat suteikė galimybę atskleisti jų vartojimo ypatumus įvairiose srityse ir skirtingais laikotarpiais. Todėl šiandien tekstynais grindžiama natūraliosios kalbos analizė taikoma įvairiose lingvistikos srityse: leksikografijoje, kalbų mokyme, mašininio vertimo kūrime, lingvistinių duomenų bazių sudaryme ir kt.
Terminologijos tyrimai taip pat vis labiau grindžiami tekstynais. Skaitmeniniai tekstynai leidžia terminologams dirbti su dideliu dokumentų kiekiu, stebėti konkrečius specialiosios kalbos ypatumus, rinkti informaciją apie realią terminų vartoseną ir jų raidą, aptikti naujus terminus, kurių nebūtų galima intuityviai numatyti ar atpažinti, taip pat atlikti kelių kalbų duomenų gretinamąją analizę. Tekstynų analizės programinė įranga ir automatinės bei pusiau automatinės terminų išgavimo priemonės taip pat prisideda prie terminijos standartizavimo; pavyzdžiui, sinonimų dažnių skaičiavimas gali suteikti naudingų pasiskirstymo duomenų, rodančių statistiškai labiau pageidaujamus terminus (Khurshid, Rogers 1992: 36). Taigi skaitmeniniai tekstynai leidžia terminologams tikslinti esamose duomenų bazėse pateiktą terminografinę informaciją ir nuolat ją atnaujinti.
86
Oksana Smirnova Sigita Rackevičienė
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 2
Pasak M. Teresa Cabré, M. Amor Montané ir Rogelio Nazar, šiuolaikinės terminologijos tikslas – pateikti terminologinę vertę turinčių leksinių vienetų formaliuosius, semantinius ir funkcinius aprašus, taip pat paaiškinti jų santykį su kitais kalbinės sistemos vienetais. Terminologijos tyrimų objektas – „gyvoji terminija“ (terminija, natūraliai vartojama specializuotuose tekstuose) ir komunikacinis terminų vartojimo aspektas, geriausiai atsiskleidžiantis tekstyne (Cabré, Montané, Nazar 2012).
Tyrimo tikslas, objektas ir uždaviniai. Tyrimo tikslas – taikyti tekstynų lingvistikos metodologiją finansų srities daugiažodžiams terminams, kurių pagrindinis daiktavardinis dėmuo yra žodis „risk“, anglų, prancūzų ir lietuvių kalbomis išrinkti ir jų formaliąją sandarą išanalizuoti.
Šiam tikslui pasiekti iškelti šie uždaviniai:
1) išanalizuoti deskriptyviosios tekstynais grindžiamos terminologijos principus, įskaitant kolokacijų ir koligacijų analizės metodus;
2) sudaryti trijų kalbų (anglų, prancūzų ir lietuvių) ES finansų srities teisės aktų tekstynus ir atrinkti tekstynais grindžiamam tyrimui tinkamą programinę įrangą;
3) iš tiriamų kalbų tekstynų išrinkti dažniausius žodžius ir tolesnei analizei atrinkti dažniausią raktažodį (daiktavardį);
4) atlikti pasirinkto raktažodžio kolokacijų analizę anglų kalbos tekstyne ir iš tekstyno medžiagos išrinkti daugiažodžius terminus, kuriuose pasirinktas raktažodis yra semantinis ir sintaksinis termino branduolys;
5) lygiagrečiajame anglų–prancūzų–lietuvių kalbų tekstyne nustatyti atrinktų angliškų terminų prancūziškus ir lietuviškus atitikmenis;
6) atlikti kiekybinę atrinktų daugiažodžių terminų formaliosios sandaros analizę ir nustatyti, kurie modifikacijos modeliai bei sintaksinės struktūros tiriamose kalbose vyrauja.
Tyrimo duomenys ir aprėptis. Tyrimo tikslams buvo sudaryti keturi ES finansų srities dokumentų tekstynai: trys vienakalbiai tekstynai (anglų, prancūzų ir lietuvių kalbų) ir vienas lygiagretusis tekstynas (EN-FR-LT). Tekstynų apimtis: EN – 802 933 žodžiai, FR – 940 655 žodžiai, LT – 639 279 žodžiai. Iš viso 210 finan-
Terminologija | 2018 | 25
87
Page 3
Iš tekstynų buvo išrinkti finansų srities terminai, kuriuose pagrindinis daiktavardis yra žodis ‘risk’: 70 anglų kalbos terminų ir jų atitikmenys prancūzų bei lietuvių kalbomis. Žodis ‘risk’ pasirinktas remiantis tekstynų duomenimis, kurie parodė, kad šis žodis buvo dažniausias atrinktuose ES dokumentuose.
2. TEORINIAI TYRIMO PRINCIPAI
2.1. Preskriptyvusis ir deskriptyvusis terminologijos tvarkymas
Kompiuterinių technologijų, skirtų natūraliosios kalbos tyrimams, raida aiškiai atskyrė tradicinę terminologiją nuo šiuolaikinės. Terminologų požiūris į termino sampratą, terminų šaltinius, terminų standartizavimą ir kitus terminologijos klausimus labai pasikeitė. Išskiriamos dvi terminologijos tyrimo ir tvarkymo kryptys: preskriptyvioji terminologija ir deskriptyvioji terminologija (Zeller 2005; Bielinskienė et al. 2015).
Preskriptyviosios terminologijos šalininkai daugiausia dėmesio skiria terminijos standartizavimui, grindžiamam terminologijos žodynais, duomenų bazėmis, patvirtintų terminų sąrašais ir standartizavimo principus nusakančiais dokumentais. Preskriptyviojoje terminologijoje termino samprata siejama su sąvokos vieta srities sąvokų hierarchinėje sistemoje ir jos santykiais su kitomis sąvokomis (Pearson 1998: 10; Marcinkevičienė 2000: 6). Pagal preskriptyviosios terminologijos principus vienai sąvokai apibūdinti turėtų būti vartojamas vienas terminas, nes toks atitikimas mažina dviprasmybės tikimybę, palengvina komunikaciją ir kartu padeda plėtoti srities sąvokų hierarchinę sistemą.
Deskriptyvieji terminologai atsiriboja nuo griežto požiūrio į termino sampratą, termino vienareikšmiškumą, sąvokų hierarchinės sistemos plėtojimą ir standartizavimą. Deskriptyviojoje terminologijoje, priešingai nei preskriptyviojoje, kontekstui tenka itin svarbus vaidmuo analizuojant terminą, o terminas laikomas nuo konteksto priklausomu leksiniu vienetu. Jų tikslas – ne formuoti terminą pagal tam tikrus principus, bet fiksuoti jo vartoseną, formų įvairovę skirtinguose tekstuose ir aprašyti jo ypatybes, taip sukuriant pagrindą jo standartizavimui (Bielinskienė et al. 2015: 10–11).
Technologijų raida sukėlė didžiulį įvairių tipų tekstuose pateikiamos informacijos srautą ir kartu nuolat didėjantį juose vartojamų terminų skaičių. Šioje nuolat kintančioje tikrovėje terminolo-
88
Oksana Smirnova
Sigita Rackevičienė
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 4
gai nebegali kontroliuoti sparčios terminologijos raidos, nes terminai kinta greičiau, nei spėjama juos apdoroti. Todėl terminologijos tvarkymui reikia lankstesnio požiūrio, grindžiamo aprašomąja, o ne preskriptyviąja metodologija. Dėmesys nuo terminijos standartizavimo nukrypo į terminologijos analizę tekstynuose (Bielinskinė et al. 2015: 11).
Deskriptyvioji terminologija paskatino Komunikacinės terminologijos teorijos plėtrą. Joje dėmesys telkiamas į gyvąją terminiją, vartojamą specializuotuose diskursuose, ir pabrėžiamas komunikacinis terminų vartojimo aspektas (Cabré, Montané, Nazar 2012). Pagal šią teoriją pagrindinė terminų funkcija – perteikti ekspertines žinias; taigi jie suvokiami „kaip trimatė daugiasienė figūra, turinti kognityvinį komponentą (sąvoką), lingvistinį komponentą (terminą) ir komunikacinį komponentą (situaciją)“ (Cabré, Montané, Nazar 2012: 1).
Komunikacine teorija grindžiami terminologijos tyrimai domisi ne tik standartais nustatyta ar oficialiose duomenų bazėse pateikiama terminija, bet ir (ypač) terminais, kurie iš tiesų vartojami specialiosios paskirties kalbos tekstuose. Taigi komunikacinė teorija „taiko ne tik in vitro požiūrį, bet taip pat domisi in vivo vartojamais terminais“ (Cabré, Montané, Nazar 2012: 1–2). Gyvosios terminijos tyrimai atskleidžia, kad tradicinė termino vienareikšmiškumo samprata (vienas su vienu atitinkantys sąvokos ir konkretūs terminai skirtingose kalbose) nėra pagrįsta realia kalbos vartosena. Variantiškumas (sinonimija, dviprasmiškumas, perifrazės, pertekliškumas) būdingas ne tik bendrosios kalbos vienetams, bet ir terminijai; todėl sąvokas ir terminus reikia tirti „jų dinaminėje sąveikoje“ (Cabré, Montané, Nazar 2012: 2–3).
Dėmesys terminų vartosenai pavertė tekstynus pagrindine šiuolaikinės terminologijos analizės darbo aplinka. Skaitmeniniai tekstynai ir tekstynų analizės programinė įranga suteikė terminologijai gausių išteklių bei priemonių, leidžiančių terminologams išrinkti terminus iš daugybės dokumentų, užfiksuoti naujausius tam tikros srities terminologijos pokyčius, analizuoti jos raidą ir nustatyti tos pačios srities terminų sąvokų sąsajas. Tekstynai leidžia gauti patikimos, statistiniais duomenimis pagrįstos informacijos apie terminų vartoseną natūraliojoje kalboje, kurios anksčiau apskritai nebuvo įmanoma gauti. Todėl tekstynais grindžiama metodologija tapo vyraujančia metodologija, suteikiančia nepakeičiamą terminologijos tyrimų ir tvarkymo priemonių rinkinį (Zeller 2005; Cabré, Montané, Nazar 2012; Bielinskinė et al. 2015).
Terminologija | 2018 | 25
89
Page 5
2.2. Korpusu grindžiamos analizės principai: kolokaciniai ir koligaciniai metodai
Korpusu grindžiama terminų išgava ir analizė atliekama taikant statistinius ir lingvistinius metodus. Šiame tyrime taikomi kolokaciniai ir koligaciniai metodai.
Kolokacijos apibūdina sintagminę leksinių vienetų trauką. Pasak Tomo Leheckos (2015), „kolokacijos samprata grindžiama nuostata, kad kiekvienas kalbos žodis teikia pirmenybę tam tikriems leksiniams kontekstams, o ne kitiems, t. y. kad bet kuris žodis dažniau vartojamas kartu su tam tikrais žodžiais nei su kitais“ (Lehecka 2015: 2). Korpuso duomenų statistinė analizė naudojama žodžių traukos laipsniui įvertinti; jos rezultatai leidžia nustatyti, kurie žodžių junginiai pasitaiko kartu reikšmingai dažniau, nei būtų galima tikėtis atsitiktinai, atsižvelgiant į bendrą žodžių dažnį korpuse (Lehecka 2015: 2). Taip nustatomos reikšmingiausios pasirinktų žodžių kolokacijos analizuojamame korpuse.
Šis metodas dažniausiai taikomas leksinių vienetų kontekstinei semantinei analizei, nes leidžia stebėti visą tiriamųjų žodžių vartojimo kartu su kitais žodžiais įvairovę, nustatyti vyraujančius jungimosi modelius ir taip aprašyti jų reikšmes, remiantis kontekstine aplinka (Atkins, Rundell, Sato 2003: 340–341).
Kolokacinė analizė tapo nepakeičiama leksikografų priemone; ji taip pat plačiai taikoma kompiuterinėje lingvistikoje mašininio vertimo, natūraliosios kalbos apdorojimo ir kitais tikslais (Lehecka 2015).
Kolokacinis metodas dažnai taikomas kartu su koligaciniu metodu. Koligacijos sąvoka apibūdina leksinio vieneto ir gramatinio modelio trauką ir grindžiama nuostata, kad žodžius įprasta vartoti pagal tam tikrus gramatinius modelius, o kitų gramatinių modelių vengiama (Sinclair 1998; Lehecka 2015). Koligacinė analizė gali būti išplėsta ir apimti leksinio vieneto bei vietos frazėje, sakinio dalyje, sakinyje, tekste ar diskurse, kurioje tas leksinis vienetas gali būti vartojamas, sąsają (Hoey 2005: 49–52).
Koligacinė analizė plačiai taikoma kartu su kolokacine analize sinonimų reikšmėms tirti, nes korpusų lingvistikos tyrimai parodė, kad sinonimai dažnai vartojami skirtinguose leksiniuose ir gramatiniuose kontekstuose (Lehecka 2015). Korpusų lingvistikos tyrimai
90
Oksana Smirnova Sigita Rackevičienė
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 6
parodė, kad net skirtingos daugiareikšmių žodžių reikšmės gali pasižymėti skirtingais kolokaciniais ir koligaciniais modeliais (Aston, Burnard 1998). Taigi kolokacinė ir koligacinė analizė įrodė, kad semantika ir gramatika neturėtų būti laikomos nepriklausomomis, o veikiau glaudžiai susijusiomis sistemomis (Lehecka 2015). Analizuojant taip pat reikėtų atsižvelgti į pragmatinį aspektą, nes leksinio vieneto kolokacinės ir koligacinės vartosenos preferencijos įvairiose srityse ir skirtingų tipų tekstuose labai skiriasi (Butler 2004: 157; Newman, Rice 2006).
2.3. Kolokacinio-koligacinio metodo taikymas terminų išskyrimui ir analizei
Kolokacinis-koligacinis metodas taip pat gali būti taikomas daugiažodžiams terminams išskirti; jis ypač tinka terminijai, kurioje vartojami iš anksto pasirinkti raktažodžiai – potencialiai terminologiškai reikšmingi žodžiai, būdingi sričiai, kuriai priklauso tekstynas. Ši metodika grindžiama prielaida, kad sudėtiniai terminai sudaromi iš jau egzistuojančių paprastųjų terminų (Nakagawa 2001).
Tekstynų analizės įrankiai išskiria kartu su iš anksto pasirinktais raktažodžiais vartojamus žodžius ir leidžia nustatyti vyraujančias kolokacijas. Dalis šių kolokacijų yra daiktavardiniai junginiai, kuriuos iš kolokacijų sąrašų reikia atrinkti taikant lingvistinius metodus. Atrinkti daiktavardiniai junginiai naudojami tolesnei tekstyno duomenų analizei ir daugiažodžiams terminams, sudarytiems iš atrinktų daiktavardinių junginių ir galimų papildomų kolokatų, išskirti.
Šiame tyrime išskirti terminai toliau analizuojami taikant koligacinės analizės principus, siekiant atskleisti tiriamų kalbų terminijos formaliosios sandaros modelius ir prisidėti prie kontrastinių daugiakalbių terminų darybos modelių tyrimų (plg. Janulevičienė, Rackevičienė 2014; Mockienė 2016).
3. TEKSTYNŲ SUDARYMAS IR ANALIZĖS PROGRAMINĖS ĮRANGOS PARINKIMAS
Pasak M. Teresa Cabré, M. Amor Montané ir Rogelio Nazar, konkrečios srities dokumentų tekstynas sudaromas trimis tikslais. Pirma, terminologams reikia susipažinti su tai sričiai būdinga kalbos vartosena; antra, tekstynas reikalingas terminams išskirti ir statistinei jų analizei atlikti; ir
Terminologija | 2018 | 25
91
Page 7
galiausiai tekstai naudojami papildomai informacijai apie terminus, pavyzdžiui, semantiniams, sintaksiniams ar kolokaciniams požymiams, gauti (Cabré, Montané, Nazar 2012: 3–4).
Sudarytas tekstynas turi būti pakankamo dydžio ir kokybės, kad būtų laikomas pasirinktos srities reprezentatyviu tekstynu. Tikslių reikalavimų tekstyno dydžiui nėra, tačiau jame turėtų būti kuo daugiau dokumentų, nes kuo tekstynas didesnis, tuo patikimesnes išvadas galima daryti apie terminijos vartoseną šioje srityje (Cabré, Montané, Nazar 2012: 4).
Atsižvelgiant į visus šiuos aspektus, buvo sudaryti ES teisės aktų tekstynai anglų, prancūzų ir lietuvių kalbomis. Teisės aktai atsisiųsti iš Europos Sąjungos oficialiojo leidinio – laisvai internete prieinamo šaltinio. Surinktas 101 teisės aktas, susijęs su ES finansų klausimais ir priimtas 2014–2017 m. Dokumentai konvertuoti į paprastojo teksto formatą ir sulygiuoti, kad būtų galima išskirti terminus ir juos analizuoti.
Tekstams sudaryti ir sulygiuoti bei reikiamiems duomenims iš jų išskirti buvo naudojamos trys programos: AntConc (2014), AntPConc (2017), sukurtos ir sertifikuotos Laurence Anthony, ir NOVA Text Aligner (2014).
AntConc yra nemokamas, įvairiose platformose veikiantis įrankių rinkinys tekstynų lingvistikos tyrimams ir duomenimis grįstam mokymuisi, o AntPConc skirta kelių kalbų lygiagretiesiems tekstynams sudaryti. Abi programos leidžia tyrėjui dirbti su dideliais duomenų kiekiais ir atlikti išsamią daugiakalbę lingvistinę analizę.
AntConc programos naudotojams siūlomi šie įrankiai: Word list, Collocates, Clusters, Keywords, Concordance, Concordance plot, File view tool. Šiame tyrime buvo naudojami keturi AntConc įrankiai:
• Wordlist leido nustatyti dažniausius tekstynų žodžius;
• Collocates leido nustatyti vyraujančius žodžio „risk“ kolokatus ir įvertinti jų sintagminės traukos prie žodžio „risk“ laipsnį;
• Clusters leido nustatyti vyraujančius daugiažodžius terminus, kuriuose žodis „risk“ vartojamas kaip pagrindinis daiktavardis;
• Concordances pateikė daug įvairių pavyzdžių, iliustruojančių terminų vartoseną tekstuose.
1 paveiksle pateikiama programos AntConc ekrano nuotrauka.
92
Oksana Smirnova | Sigita Rackevičienė
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 8
1 pav. Programa AntConc
Prieš sudarant lygiagretųjį tekstyną, atsisiųsti trijų kalbų tekstai buvo rankiniu būdu sulygiuoti naudojant programą NOVA Text Aligner. Sulygiavus tekstus, programa AntPConc buvo sudarytas lygiagretusis tekstynas (žr. 2 pav.).
2 pav. Programa AntPConc
Terminologija | 2018 | 25
93
Page 9
Programa AntPConc leido vienu metu parodyti pavyzdžius iš trijų kalbų: paspaudus pasirinktą sakinį buvo galima matyti jo atitikmenis kitomis kalbomis. Programa taip pat leido skirtingomis spalvomis atskirti raktinius žodžius ir jų kairiuosius ar dešiniuosius kolokatus. Tačiau nebuvo įmanoma matyti dokumento, iš kurio buvo paimtas pavyzdys. Naudojant lygiagretųjį tekstyną, buvo surinkti 70 angliškų terminų prancūziški ir lietuviški atitikmenys.
4. TEKSTYNO ANALIZĖ IR TERMINŲ ATRANKA NAUDOJANT PROGRAMŲ AntConc IR AntPConc ĮRANKIUS
4.1. Dažniausių tekstynų žodžių nustatymas
Siekiant nustatyti dažniausius finansinių dokumentų tekstyno žodžius, buvo naudojamas programos AntConc įrankis Žodžių sąrašas. Jis pateikė žodžių dažnių rezultatus anglų, prancūzų ir lietuvių kalbų tekstynuose, todėl buvo galima palyginti tiriamų kalbų žodžių dažnius ir sudaryti trikalbį 10 dažniausių žodžių sąrašą (žr. 1 lentelę). Žodžių sąrašas taip pat pateikė informacijos apie tekstynuose esančių žodžių formų ir skirtingų žodžių skaičių bei suteikė prieigą prie konteksto, kuriame vartoti terminai (žr. 1 lentelę).
1 lentelė. 10 dažniausių tekstynų žodžių
EN (tekstynas: 802 933 žodžių formos, 9333 skirtingi žodžiai) | FR (tekstynas: 940 655 žodžių formos, 12365 skirtingi žodžiai) | LT (tekstynas: 639 279 žodžių formos, 24727 skirtingi žodžiai)
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 10
EN (tekstynas: 802 933 žodžių žetonai, 9333 žodžių tipai) FR (tekstynas: 940 655 žodžių žetonai, 12365 žodžių tipai) LT (tekstynas: 639 279, 24727 žodžių tipai) 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)
Šios analizės rezultatai rodo, kad visų trijų tiriamų kalbų tekstynuose dažniausi žodžiai yra ‘risk’ ir ‘credit’, o žodis ‘market’ dažnumo sąrašuose užima trečiąją vietą. Visi trys žodžiai, ypač ‘risk’ ir ‘credit’, finansiniuose dokumentuose dažnai vartojami kartu. Tai galima paaiškinti glaudžiu semantiniu šių žodžių ryšiu: savaime suprantama, kad bet koks piniginis sandoris yra susijęs su pavojumi, kitaip tariant, ‘credit’ sukelia ‘risk’. Dažniausiai šie žodžiai vartojami vienaskaita, tačiau tiriamose kalbose vartojama ir daugiskaita. Lietuvių kalboje, kuri yra sintetinė ir turi turtingą kaitybos sistemą, žodžiai vartojami įvairiais gramatiniais linksniais; dažniausias iš jų – vienaskaitos kilmininkas.
Analizės rezultatai leidžia teigti, kad žodžiai ‘risk’, ‘credit’ ir ‘market’ laikytini pagrindines finansų srities sąvokas žyminčiais leksiniais vienetais. Tolesnei terminų atrankai ir analizei pasirinktas žodis ‘risk’, kuris tekstynuose yra dažniausias.
Kadangi tyrimo objektas yra angliški daugiažodžiai terminai su pasirinktu raktažodžiu (žodžiu „rizika“) ir jų atitikmenys prancūzų bei lietuvių kalbomis, tolesnis terminų išrinkimo darbas buvo organizuotas šiais etapais: vyraujančių angliškų žodžio „rizika“ kolokacijų nustatymas; daiktavardinių frazių su žodžiu „rizika“ išrinkimas kaip
Terminologija | 2018 | 25
95
Page 11
atrinkti terminologinę vertę turinčius junginius ir nustatyti jų atitikmenis prancūzų bei lietuvių kalbomis.
4.2. Žodžio ‘risk’ kolokatų nustatymas anglų kalbos tekstyne
Antrajame terminų rinkimo etape buvo nustatytos vyraujančios žodžio ‘risk’ kolokacijos anglų kalbos tekstyne. Šiam tikslui pasiekti pasitelktas AntConc įrankis Collocates. Šis įrankis pateikė pasirinkto raktažodžio kairiuosius ir dešiniuosius kolokatus ir leido analizuoti nelinijinius kalbų šablonus.
Įrankis pateikė bendrą kolokatų dažnį ir jų dažnį žodžio ‘risk’ kairėje bei dešinėje. Jis taip pat pateikė statistinių matų reikšmes (tarpusavio informacijos (MI) balus), kurios parodė sintagminės traukos tarp raktažodžio ir jo kolokatų laipsnį. Kolokacijų analizės rezultatai pateikti 2 lentelėje, kurioje išsamiai nurodyti didžiausius MI balus turintys kolokatai (10 populiariausių).
2 lentelė. 10 populiariausių žodžio ‘risk’ kolokatų anglų kalbos tekstyne
Rezultatai atskleidžia artimiausią žodžio ‘risk’ leksinį kontekstą anglų kalboje ir leidžia numatyti vyraujantį dvižodį daugiažodžių terminų branduolį, apimantį žodį ‘risk’ tiriamame tekstyne.
96
Oksana Smirnova
Sigita Rackevičienė
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 12
4.3. Daiktavardinių frazių, kurių pagrindinis daiktavardis anglų kalbos tekstyne yra žodis „risk“, išskyrimas
Tolesnė tekstyno analizė ir terminų išskyrimas buvo sutelkti į tam tikros formaliosios sandaros kolokacijas – daiktavardines frazes, kuriose pagrindinis daiktavardis yra žodis „risk“. Jos buvo išskirtos iš anglų kalbos tekstyno naudojant įrankius Clusters ir Concordance.
Įrankis Clusters leido ieškoti junginių (žodžių derinių), apimančių žodį „risk“ ir jo kairiuosius bei dešiniuosius kolokatus. Juo buvo galima nustatyti mažiausią ir didžiausią junginių ilgį (žodžių skaičių) bei mažiausią rodomų junginių dažnį. Junginius buvo galima rikiuoti pagal jų dažnį arba pagal tekstynuose esančių failų, kuriuose jie pasitaikė, skaičių.
Daiktavardinėms frazėms, kurių pagrindinis daiktavardis yra žodis „risk“, išskirti buvo nustatyti šie parametrai: junginio ilgis – nuo 2 iki 5 žodžių, rikiavimas pagal dažnį. Taip pat reikėjo pasirinkti raktažodžio poziciją: pirmiausia buvo surikiuoti junginiai, kuriuose raktažodis yra dešinėje, o paskui – tie, kuriuose jis yra kairėje. Pasirinkus parametrą „ieškoti raktažodžio dešinėje“, įrankis pateikė 4814 junginių pavartojimo atvejų ir 181 junginio tipą; pasirinkus parametrą „ieškoti raktažodžio kairėje“ – 4284 junginių pavartojimo atvejus ir 137 junginių tipus.
Iš pateiktų junginių sąrašų rankiniu būdu buvo išskirtos daiktavardinės frazės, kuriose pagrindinis daiktavardis yra žodis „risk“. Platesnis jų kontekstas buvo analizuojamas naudojant įrankį Concordance, kuris leido nustatyti daiktavardinių frazių ribas ir frazes, apimančias tiek kairiuosius, tiek dešiniuosius žodžio „risk“ kolokatus. 3 lentelėje pateikiamos dažniausios daiktavardinės frazės.
3 lentelė. 20 dažniausių daiktavardinių frazių, kurių pagrindinis daiktavardis yra žodis „risk“
Rezultatai rodo, kad daiktavardiniai junginiai, kuriuose žodis „risk“ yra pačioje dešiniausioje pozicijoje, pasitaiko daug dažniau nei daiktavardiniai junginiai, kuriuose žodis „risk“ yra pačioje kairiausioje pozicijoje. Tekstyne rasta tik keletas daiktavardinių junginių, kuriuose yra ir kairiųjų, ir dešiniųjų žodžio „risk“ kolokatų pavyzdžių: atpirkimo sandorių kredito rizika, pakeitimo vertybiniais popieriais pozicijos kredito rizika, rizika trečiosioms šalims.
Tolesniam tyrimui sudarytas 70 dažniausių anglų kalbos daiktavardinių junginių, kuriuose žodis „risk“ yra pagrindinis daiktavardis, sąrašas. Į sąrašą įtraukti tik tie daiktavardiniai junginiai, kurie turėjo terminologinę vertę (žymėjo finansų srities abstrakčiąsias sąvokas). Toliau atliekamoje analizėje jie vadinami daugiažodžiais terminais.
4.4. Atrinktų angliškų terminų prancūziškų ir lietuviškų atitikmenų nustatymas
Paskutiniame terminų išskyrimo etape buvo nustatyti atrinktų angliškų terminų prancūziški ir lietuviški atitikmenys. Šiam tikslui pasiekti naudota lygiagrečiųjų tekstynų analizei skirta programa AntPConc. Į programą įkelti trijų tiriamų kalbų tekstynai. Angliškų terminų ieškant anglų kalbos tekstyne, programa pateikė lygiagrečius prancūzų ir lietuvių tekstų fragmentus, todėl buvo galima rankiniu būdu atrinkti reikiamus atitikmenis. Iš viso nustatyta 70 prancūziškų ir 70 lietuviškų atrinktų angliškų terminų atitikmenų. 4 lentelėje pateikiami 10 dažniausių angliškų terminų ir jų prancūziški bei lietuviški atitikmenys.
Šios analizės rezultatai atskleidė tiriamų kalbų terminų formaliosios sandaros skirtumus, kurie nagrinėjami ir aptariami toliau.
98 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 14
4 lentelė. 10 dažniausių angliškų terminų ir jų atitikmenys prancūzų bei lietuvių kalbomis
ANGLŲ KALBA PRANCŪZŲ KALBA LIETUVIŲ KALBA kredito rizikakredito rizikakredito rizika sisteminė rizika sisteminė rizikasisteminė rizikaoperacinė rizikaoperacinė rizikaoperacinė rizikalikvidumo rizikalikvidumo rizikalikvidumo rizikaspecifinė rizikaspecifinė rizikaspecifinė rizikarinkos rizikarinkos rizikarinkos rizikasandorio šalies kredito rizikasandorio šalies kredito rizikasandorio šalies kredito rizikagautinų sumų rizikagautinų sumų rizikagautinų sumų rizikapalūkanų normos rizikapalūkanų normos rizikapalūkanų normos rizikaverslo rizikaekonominė rizikaverslo rizika
5. SURINKTŲ TERMINŲ FORMALIOSIOS SANDAROS ANALIZĖ
Surinkti terminai buvo toliau analizuojami taikant koligacinės analizės principus, siekiant atskleisti skirtingų kalbų terminijos formaliosios sandaros modelius.
Terminų dėmenys priklauso dviem pagrindinėms kategorijoms: pagrindiniam daiktavardžiui „risk“ ir jo modifikatoriams. Pagal modifikatorių vietą išskirti du modifikavimo modeliai – prepozicinis modifikavimas (kai modifikatoriai eina prieš pagrindinį daiktavardį) ir postpozicinis modifikavimas (kai modifikatoriai eina po pagrindinio daiktavardžio). Į TOP 70 statistinei analizei atrinktų terminų sąrašą nebuvo įtrauktas nė vienas terminas, turintis ir prepozicinių, ir postpozicinių modifikatorių.
Analizuojant terminų darybą daugiausia dėmesio skirta šiems aspektams: terminų dėmenų skaičiui, modifikavimo modeliams ir terminų sintaksinėms struktūroms (modifikatorių vietai ir kalbos dalims). 5 ir 6 lentelėse apibendrinti analizės rezultatai.
Lentelėse pateikti rezultatai rodo, kad tiriamų kalbų terminai pasižymi skirtingais modifikavimo modeliais. Kiekybinė
Terminologija | 2018 | 25
99
Page 15
modifikavimo analizė atlikta siekiant nustatyti vyraujančius modifikavimo modelius tiriamose kalbose; jos rezultatai pateikti 1 diagramoje.
5 lentelė. Terminų prepozicinio modifikavimo modelių sintaksinės struktūros
4 terms, e.g.: risque spécifique de corrélation, risque significatif de corrélation, risque générale de corrélation
–
„risk“ + PP + A
–
15 terms, e.g.: risque de crédit spécifique risque de crédit quotidien, risque sur matière première
–
„risk“ + PP + A + + PP
–
9 terms, e.g.: risque de crédit intrajournalier à 24h, risque de liquidité intrajournalier à 24h
–
1 diagrama. Terminų modifikacijos modeliai
Terminologija | 2018 | 25 1 0 1
Page 17
Rezultatai rodo, kad anglų ir lietuvių kalbose vyrauja prepozicinė modifikacija, o prancūzų kalbai būdinga postpozicinė modifikacija. Prancūzų kalboje neaptikta nė vieno prepozicinės modifikacijos modelio termino, o lietuvių kalboje nenustatyta nė vieno postpozicinės modifikacijos modelio termino. Abiejų tipų buvo tik anglų kalbos terminai, nors terminų su postpoziciniais modifikatoriais skaičius gana nedidelis.
Visus tirtus terminus sudaro vienas ar keli modifikatoriai – daiktavardžiai, būdvardžiai arba prielinksninės konstrukcijos, terminologiniuose vienetuose užimantys skirtingas pozicijas. Analizės rezultatai atskleidžia, kad anglų ir lietuvių kalbų terminus dažniausiai modifikuoja daiktavardžiai ir būdvardžiai, o prancūzų kalbos terminuose žodį ‘risk’ dažniausiai modifikuoja prielinksninės konstrukcijos. Terminus, kuriuos sudaro 3 ar daugiau žodžių, galima toliau klasifikuoti pagal modifikavimo lygmenis (terminai su modifikatoriais, modifikuojančiais pagrindinį daiktavardį, ir terminai su modifikatoriais, modifikuojančiais kitus modifikatorius), tačiau dėl vietos stokos ši analizė straipsnyje nepateikiama.
Lentelėse apibendrinti rezultatai taip pat rodo, kad terminai skiriasi dėmenų skaičiumi. Siekiant nustatyti, koks terminų dėmenų skaičius vyrauja tirtose kalbose, atlikta kiekybinė terminų ilgio analizė; jos rezultatai pateikiami 2 diagramoje.
Diagrama atskleidžia dvi pagrindines tendencijas. Pirma, ES terminų kūrėjai laikosi pagrindinio kalbos ekonomijos reikalavimo (terminų trumpumo): visose trijose kalbose vyrauja dvižodžiai terminai. Antra, tik keli anglų ir prancūzų kalbų terminai sudaryti iš daugiau kaip 2–3 žodžių, o
2 diagrama. Terminų dėmenų skaičius
102
Oksana Smirnova | Sigita Rackevičienė
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 18
Lietuvių kalbos terminai, sudaryti iš 4 ar daugiau žodžių, sudaro reikšmingą atrinktų duomenų dalį (17 iš 70).
Dviejų žodžių terminų vyravimo tendencija sutampa su kitų terminologijos tyrėjų nustatytomis tendencijomis. Agnės Bielinskienės ir kt. atliktas švietimo ir mokslo terminijos automatinio ištraukimo bei apibrėžimo tyrimas parodė, kad dauguma šios srities lietuviškų terminų yra dvižodžiai: jie sudarė daugiau kaip du trečdalius terminų, atrinktų iš specializuoto tekstyno automatiškai ištrauktų terminų kandidatų (Bielinskienė et al. 2015: 62). Liudmilos Mockienės atliktas konstitucinės teisės terminijos kontrastinis tyrimas atskleidė tą pačią tendenciją trijose skirtingose kalbose. Tirtuose anglų, rusų ir lietuvių kalbų konstitucinio pobūdžio teisės aktuose daugumą išrinktų daugiažodžių terminų sudarė du dėmenys: jie sudarė 78,5% anglų kalbos daugiažodžių terminų, 62% rusų kalbos daugiažodžių terminų ir 74,5% lietuvių kalbos daugiažodžių terminų (Mockienė 2016: 43–45). Taigi skirtingų sričių ir kalbų terminų kūrėjai linkę laikytis to paties kalbos ekonomijos ir patogumo vartotojui principo.
6. I Š V A D O S
Programinė įranga AntCont, skirta vienakalbių tekstynų analizei, ir AntPConc, skirta lygiagrečiųjų tekstynų analizei, leido iš specializuotų ES finansų srities dokumentų tekstynų, sukauptų šio tyrimo tikslams, išrinkti anglų, prancūzų ir lietuvių kalbų daugiažodžius terminus, kuriuose žodis ‘risk’ eina pagrindiniu daiktavardžiu. Terminai išrinkti šiais etapais:
• išrinkti angliško, prancūziško ir lietuviško tekstynų raktažodžius (sričiai būdingus ir galimai terminologiškai reikšmingus žodžius, reprezentuojančius tekstynų sritį) ir tolesnei analizei pasirinkti dažniausią raktažodį (žodį ‘risk’);
• išrinkti žodžio ‘risk’ kolokacijas ir daiktavardinius junginius, kuriuose žodis ‘risk’ yra pagrindinis daiktavardis, kartu su kairiaisiais ir (arba) dešiniaisiais kolokatais iš angliško tekstyno;
• iš išrinktų daiktavardinių junginių sąrašo atrinkti leksinius vienetus, turinčius terminologinę vertę;
• lygiagrečiajame anglų–prancūzų–lietuvių kalbų tekstyne nustatyti atrinktų angliškų terminų prancūziškus ir lietuviškus atitikmenis.
Terminologija | 2018 | 25
1 0 3
Page 19
Taikyta metodika pasirodė tinkama veiksmingai terminijai iš daugiakalbių tekstynų išgauti; ją galima naudoti terminų bazių kūrimui ir atnaujinimui arba moksliniams terminų tyrimams.
Surinktų terminų formaliosios sandaros analizė atskleidė keletą svarbių terminų darybos tendencijų tiriamose kalbose:
• anglų ir lietuvių kalbose vyrauja prepozicinė modifikacija, o prancūzų kalbai būdinga postpozicinė modifikacija;
• anglų ir lietuvių kalbų terminuose vyraujantys priklausomieji dėmenys yra daiktavardžiai ir būdvardžiai, o prancūzų kalbos terminuose žodį ‘rizika’ dažniausiai modifikuoja prielinksninės frazės;
• pagal dėmenų skaičių vyrauja dvižodžiai terminai – jų TOP 70 sąrašuose anglų, prancūzų ir lietuvių kalbomis yra daugiausia; tai rodo, kad ES terminų kūrėjai laikosi pagrindinio kalbos ekonomijos reikalavimo – terminų trumpumo;
• tik keletas anglų ir prancūzų kalbų terminų turi daugiau kaip 2–3 žodžius, o lietuviškų TOP 70 sąraše terminai, turintys 4 ar daugiau žodžių, sudaro reikšmingą atrinktų duomenų dalį (17 iš 70).
Formaliosios sandaros analizės rezultatai atskleidžia terminų darybos tendencijas tiriamose kalbose ir pateikia terminologinės informacijos, kuri gali būti naudinga terminų kūrėjams ir vertėjams. Tyrimo metu nustatyti sintaksiniai modeliai gali būti taikomi kuriant automatinius lingvistinius terminų išgavimo metodus, kuriems nereikia iš anksto parinktų raktažodžių.
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
Page 20
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
Page 21
• žodžio rizika kolokacijų ir daiktavardinių junginių su pagrindiniu dėmeniu rizika ir jo kairiaisiais bei dešiniaisiais kolokatais nustatymas angliškame tekstyne;
• 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
