Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’

Structures à plusieurs mots dans le corpus des technologies de l’information et de la communication. Groupes terminologiques dans le genre — « Manuels en TIC » MAREK WEBER Bialystok University of Technology MOTS-CLÉS: linguistique de corpus, technologies de l’information et de la communication, séquences lexicales, classification fonctionnelle des séquences lexicales, groupes terminologiques, examen lexical DONNÉES DE L’ÉTUDE: LE CORPUS DES TECHNOLOGIES DE L’INFORMATION ET DE LA COMMUNICATION Les données de l’étude sont constituées d’un corpus électronique couvrant le vaste domaine des technologies de l’information et de la communication (TIC), terme générique qui englobe toutes les technologies développées aux fins du traitement et du transfert des données. Les textes ont été sélectionnés de manière à représenter un échantillon transversal du domaine des TIC. Ils ont été répartis en sept catégories, qui peuvent être considérées comme des genres au sein du domaine des TIC: Genre 1: articles professionnels en TIC; Genre 2: articles universitaires en TIC; Genre 3: documentation technique des applications logicielles en TIC; Genre 4: documentation technique du matériel informatique des TIC; Genre 5: manuels en TIC; Genre 6: documentation technique des langages de programmation et des environnements de programmation; Genre 7: documentation technique des technologies réseau. Le corpus comprend un ensemble de 973 textes, totalisant près de 24 millions de mots. Le choix des données constituant un corpus est l’une des préoccupations les plus importantes du chercheur, car le corpus doit être représentatif du domaine d’usage analysé. Comme le suggère Douglas Biber, le nombre de textes est crucial pour les recherches dans lesquelles le chercheur considère le texte comme l’unité principale d’analyse. Un nombre suffisant de textes doit être inclus dans chaque genre afin de tenir compte des variations entre les catégories et les auteurs (Biber, 2006). Terminologija | 2012 | 19 39 Tableau 1. Composition du corpus des technologies de l’information et de la communication GenreNombre de textesNombre de tokens (mots courants)Articles professionnels391225551Articles universitaires951272001Documentation technique d’applications logicielles en TIC922472839Documentation technique du matériel TIC1002471772Manuels9915315237Documentation technique des langages de programmation et des environnements de programmation901282175Documentation technique des technologies de réseau106725418TOTAL97323764993 PAQUET LEXICAL: LE TERME Les séquences récurrentes de mots qui apparaissent ensemble plus fréquemment que ne le laisserait prévoir le hasard constituent une part importante de la production linguistique. Le terme lexical bundle a été employé pour la première fois par Douglas Biber, Stig Johansson, Geoffrey Leech, Susan Conrad et Edward Finegan dans l’ouvrage désormais classique Longman grammar of spoken and written English pour désigner des combinaisons de plusieurs mots identifiées selon le seul critère de la fréquence (Biber et al. 1999), tandis que Mike Scott les appelle word clusters dans le manuel de l’application logicielle WordSmith Tools version 4 (1996) et WordSmith Tools version 5 (2010). La fréquence est le seul critère pris en compte pour identifier les paquets lexicaux. « Les clusters sont des mots que l’on retrouve régulièrement ensemble, en séquence » (Scott 2010: 337). Scott souligne que les clusters de mots peuvent présenter une prosodie sémantique, c’est-à-dire la tendance de certains lexèmes à coapparaître avec d’autres lexèmes particuliers (par exemple, la tendance de cause à être associé à des effets négatifs tels que accident, trouble, etc.) (Scott 2010: 337). Biber, Johansson, Leech, Conrad et Finegan définissent les lexical bundles comme des expressions récurrentes, indépendamment de leurs propriétés structurelles; il s’agit de séquences de formes de mots qui coapparaissent fréquemment dans le discours. Ils soulignent que les paquets plus courts sont souvent intégrés à plusieurs paquets lexicaux plus longs (Biber et al. 1999). Ils observent également que, dans la plupart des cas, les paquets lexicaux ne constituent pas des unités structurelles et que la plupart d’entre eux sont 40 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ des expressions que les utilisateurs de la langue ne reconnaîtraient pas comme des idiotismes ou d’autres expressions lexicales figées. Biber, Johansson, Leech, Conrad et Finegan établissent les seuils suivants pour qu’une séquence de plusieurs mots soit considérée comme un paquet lexical: elle doit apparaître au moins 10 fois par million de mots et dans au moins cinq textes (Biber et al. 1999). Biber fait remarquer qu’un résultat surprenant d’une approche fondée sur la fréquence est que les paquets lexicaux présentent deux caractéristiques inattendues (Biber 2006: 134). Premièrement, la plupart d’entre eux ne sont pas idiomatiques par leur sens; leur signification est généralement transparente à partir des formes de mots qui les composent. Ken Hyland souligne également que la plupart des paquets sont sémantiquement transparents et « formellement réguliers, fournissant les éléments constitutifs d’un discours cohérent » (Hyland 2008: 6). Deuxièmement, la plupart des paquets ne constituent pas des structures grammaticales complètes. Biber, Johansson, Leech, Conrad et Finegan ont observé qu’environ 15% des paquets lexicaux dans la conversation formaient des unités structurelles complètes, alors que seuls environ 5% de ceux présents dans la prose universitaire pouvaient être considérés comme des syntagmes ou des propositions complets (Biber et al. 1999: 1000). Une observation importante de Biber sur la nature syntaxique des paquets lexicaux est qu’il s’agit d’unités lexicales qui traversent fréquemment les frontières entre structures grammaticales; par exemple, ils peuvent relier deux syntagmes ou propositions, de telle sorte que les derniers mots d’un paquet constituent le début d’une seconde structure syntaxique (Biber 2006: 135). Hyland souligne également que les paquets lexicaux, identifiés uniquement sur la base de leur fréquence, chevauchent généralement plusieurs unités structurelles (Hyland 2008: 6). De nombreuses études de corpus ont été consacrées à l’analyse de chaînes récurrentes de formes de mots contiguës. Elles montrent l’importance de ces chaînes dans divers types de discours et mettent en évidence la variation considérable des paquets lexicaux selon les genres et les registres (par exemple, Biber 2006; Biber, Conrad, Cortes 2004; Hyland 2008; Scott, Tribble 2006; Gozdz-Roszkowski 2011). M É T H O D O L O G I E U T I L I S É E D A N S L ’ É T U D E La décision a été prise de concentrer l’analyse sur les séquences de 4 mots car, d’une part, les fréquences des séquences de 4 mots sont nettement supérieures à celles des séquences de 5 mots et, d’autre part, elles contiennent souvent des chaînes de 3 mots et permettent d’identifier des configurations et des structures plus apparentes que les expressions de 3 mots. Les listes de séquences de 4 mots dans chacun des Terminologija | 2012 | 19 41 sept genres liés aux TIC ont été générées à l’aide de WordSmith Tools v. 5.0 – le progiciel de recherche de configurations dans les corpus. Les deux seuils suivants ont été fixés dans cette étude: une fréquence minimale de 20 occurrences par million de mots, et le critère selon lequel une séquence devait apparaître dans au moins cinq textes. L’application des critères de seuil a nécessité des calculs appropriés dans chacun des sept fichiers contenant la liste des séquences d’un genre donné. Les calculs sont décrits dans les étapes suivantes: 1. Création d’une colonne supplémentaire intitulée « Fréquence par million » dans le tableur obtenu à partir du logiciel WordSmith Tools. 2. Saisie du nombre de mots courant dans une cellule libre d’un tableur Excel de la catégorie concernée. 3. Saisie de la formule suivante dans la première cellule de la colonne « Fréquence par million »: Fréquence par million de mots = Fréquence x 1 000 000 / Nombre de mots courant 4. Copie de la formule dans les autres cellules en cliquant sur le coin inférieur droit de la cellule remplie, puis en faisant glisser vers le bas jusqu’aux autres cellules. 5. Sélection de la colonne « Nombre de textes ». 6. Sélection du menu « Données », puis du champ « Trier et filtrer » dans l’outil de tri. 7. Choix de l’ordre de tri décroissant. 8. Suppression de toutes les lignes du tableau pour lesquelles la valeur du champ « Nombre de textes » est inférieure à 5. 9. Sélection de la colonne « Fréquence par million ». 10. Sélection du menu « Données », puis du champ « Trier et filtrer » dans l’outil de tri. 11. Choix de l’ordre de tri décroissant. 12. Suppression de toutes les lignes du tableau pour lesquelles les valeurs du champ « Fréquence par million » sont inférieures à 20. 1886 groupes différents ont été trouvés dans le corpus après application des critères de seuil ci-dessus. Le nombre total de groupes identifiés dans l’ensemble des données s’élevait à 197 553. 42 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ Tableau 2. Distribution des groupes lexicaux dans les genres des TIC Genre Nombre total de groupes après application des critères de seuil Nombre de groupes différents après application des critères de seuil % des mots du texte courant appartenant aux groupes Articles professionnels 1057 131 1,8 Articles universitaires 5548 120 1,7 Applications logicielles 44669 403 7,2 Matériel informatique 55296 672 8,9 Manuels 72483 119 1,9 Langages de programmation et environnements de programmation 10984 180 3,4 Technologies de réseau 7516 261 4,1 Total 197553 1886 Le pourcentage de mots courants dans les séquences a été obtenu en multipliant par 4 le nombre total d’occurrences pour un genre donné (les séquences de 4 mots sont analysées), en divisant le résultat par le nombre de mots courants dans ce genre, puis en multipliant par 100%, selon la formule: À notre avis, deux paramètres — l’étendue des différentes séquences et le pourcentage de mots courants dans les séquences — peuvent être considérés comme des indicateurs du degré auquel un genre donné est stéréotypé et répétitif par rapport aux autres genres. En d’autres termes, le degré de caractère stéréotypé et de répétitivité d’un genre peut être mesuré par l’étendue des différentes séquences employées dans ce genre et par le pourcentage de mots courants dans les séquences. Les genres des TIC peuvent être répartis en trois groupes selon le critère du caractère stéréotypé et de la répétitivité. Le genre 3 — « documentation technique des applications logicielles dans les TIC » — et le genre 4 — « documentation technique du matériel informatique des TIC » — se caractérisent par des degrés élevés de caractère stéréotypé et de répétitivité, car ils présentent des profils comparables, avec la plus grande variété de séquences différentes (403 et 672, respectivement) et le pourcentage le plus élevé de mots courants dans les séquences (7,2% et 8,9%, respectivement). Terminologija | 2012 | 19 43 Figure 1: Genres présentant un degré élevé de formulaicité et de répétitivité En revanche, le genre 1 – « articles professionnels en TIC », le genre 2 – « articles universitaires en TIC » et le genre 5 – « manuels en TIC » se caractérisent par des degrés relativement faibles de formulaicité et de répétitivité, car ils présentent la plus faible variété de séquences récurrentes (131, 120 et 119 respectivement) et le plus faible pourcentage de mots courants dans ces séquences (1,8%, 1,7% et 1,9% respectivement). Les deux genres restants, le genre 6 – « documentation technique sur les langages et environnements de programmation » et le genre 7 – « documentation technique sur les technologies réseau », constituent le troisième groupe, dont les valeurs des deux paramètres se situent au milieu de la fourchette (nombres de séquences récurrentes différentes: 180 et 261 respectivement; pourcentage de mots courants dans ces séquences: 3,4% et 4,1% respectivement). Cependant, il convient de garder à l’esprit que, comme le souligne à juste titre Stanislaw Gozdz-Roszkowski, les comparaisons directes ne peuvent être effectuées de manière fiable qu’entre des genres dont le nombre de mots est similaire. Afin de tenir compte de cette considération, le paramètre pourcentage de mots courants dans les séquences récurrentes est calculé pour chaque genre de façon à refléter le nombre de mots de chacun des sous-corpus représentant les genres respectifs (Gozdz-Roszkowski 2011: 111). CLASSIFICATION FONCTIONNELLE DES SÉQUENCES RÉCURRENTES Un cadre d’analyse fonctionnelle des séquences récurrentes obtenues dans ce corpus a été établi à partir des taxonomies de Biber (Biber 2006; Biber et al. 2004), de Hyland (2008) et de Gozdz-Roszkowski (2011). Biber’s (2006) classification resulted from the scrutiny of a broad corpus of spoken and written registers which covered among others such types of discourse as: casual conversations, class sessions tapes, classroom teaching, office hours, study groups, on-campus service encounters, textbooks, course packs, institutional texts (e.g. university catalogs, brochures). 44 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ The corpus in Hyland’s (2008) study (size 3,5 million words) comprises research articles, PhD dissertations and MA/MSc theses from four disciplines: electrical engineering and microbiology from the applied and pure sciences, and business studies and applied linguistics from the social sciences. Gozdz-Roszkowski (2011) analyzed a corpus of American Law containing over 5,5 million words and representing seven genres within American legal culture and education: academic articles, briefs, contracts, legislation, opinions, professional articles and textbooks. En s’appuyant sur les taxonomies susmentionnées, les séquences lexicales récurrentes en TIC ont été réparties fonctionnellement en trois grandes catégories selon leur sens dans les textes: centrées sur la recherche, centrées sur le texte et centrées sur les participants. Les séquences regroupées dans la première catégorie aident les auteurs à organiser leurs activités et leurs expériences dans le domaine des TIC. Les séquences centrées sur le texte servent à indiquer l’organisation du texte et son sens. Enfin, les séquences centrées sur les participants servent à signaler différentes attitudes ou évaluations et portent sur l’auteur ou le lecteur du texte. Figure 2: Taxonomie fonctionnelle des séquences lexicales récurrentes Chacune des trois grandes catégories fonctionnelles de séquences lexicales récurrentes a été subdivisée en plusieurs sous-catégories. Les séquences centrées sur la recherche comprennent les sous-catégories suivantes: Séquences de quantité (par exemple, l’un des plus grands; un grand nombre de; l’un des éléments suivants; le nombre d’éléments); Séquences de référence temporelle (par exemple, au moment de; à la fin de l’année; au cours des prochaines semaines; dans les semaines à venir); Séquences de référence spatiale / directionnelle (par exemple, aux États-Unis; de la fenêtre principale; en bas de la fenêtre; dans la barre d’état); Terminologija | 2012 | 19 45 Les séquences de procédure décrivent diverses fonctions liées aux TIC (p. ex. the use of the; the use of a); Les séquences indicatrices de thème concernent le domaine de recherche (p. ex. proceedings of the IEEE; programming languages and systems; the drop down menu; the following configuration options); Les séquences de référence multifonctionnelles peuvent servir de référence temporelle, spatiale ou textuelle (p. ex. the end of the; the start of the; the left of the; at the beginning of); Les séquences descriptives précisent les caractéristiques du nom qui suit (p. ex. the complexity of the; the surface of the; the scope of the; the height of the). Les séquences centrées sur le texte comprennent les sous-catégories suivantes: Les séquences d’élaboration développent davantage le sujet analysé et le clarifient (p. ex. at the same time, as well as the, this means that the, in this case the); Les séquences de transition établissent des liens d’addition ou d’opposition entre différentes parties du texte (p. ex. on the other hand, as opposed to the, in addition to the, in contrast to the); Les séquences de cadrage « situent les arguments en précisant des conditions limitatives » (Hyland 2008: 14) pour formuler des affirmations ou des arguments (p. ex. in terms of the, in the context of, in the presence of, the contents of the); Les séquences conditionnelles expriment des conditions (p. ex. if you want to, if you do not, if you have a, if you have an); Les séquences de résultat indiquent les liens logiques entre les éléments en termes de relations de cause à effet (p. ex. so that you can, as a result of, as a result the, as a function of); Les séquences de repérage structurel renvoient à d’autres parties du texte (p. ex. as shown in figure, as discussed in section, is shown in ex ample, later in this chapter). Les séquences centrées sur le participant comprennent les sous-catégories suivantes: Les séquences d’engagement s’adressent directement aux lecteurs; elles « interpellent activement les lecteurs en tant que participants au discours en cours » (Hyland 2008: 18) (p. ex. do one of the, select the type of, is recommended that you, select one of the); Les séquences de prise de position expriment des émotions, des attitudes, des jugements de valeur et des évaluations; elles « fournissent un cadre pour l’interprétation de la proposition qui suit » (Biber, 2006: 139) (p. ex. it is necessary to, is no guarantee that, it is important to, it is not possible, it is possible to); 46 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ Les bundles de modalité expriment qu’une chose est probable, permise ou nécessaire (par exemple, doit être satisfait, peut être utilisé pour, comme on peut le voir, dans lequel vous pouvez, peut ne pas être affiché, peut être reproduit ou, doit accepter toute interférence, interférence susceptible de causer, susceptible de causer des effets indésirables); Les bundles de prédiction expriment la prédiction de l’auteur concernant une action future (par exemple, devrait être, vous serez invité à, sera affiché dans, cela ouvrira le, il vous sera demandé de). Le tableau 3 présente le nombre de bundles relevant des trois principales catégories fonctionnelles dans chaque genre. Tableau 3: Répartition des bundles lexicaux selon les catégories fonctionnelles Centrés sur la recherche | Centrés sur le texte | Centrés sur le participant | Autres | Articles professionnels | 45 | 23 | 13 | 45 | Articles universitaires | 48 | 35 | 9 | 28 | Applications logicielles | 123 | 55 | 122 | 83 | Matériel informatique | 207 | 51 | 138 | 187 | Manuels | 32 | 35 | 18 | 20 | Langages de programmation et environnements de programmation | 39 | 39 | 26 | 62 | Technologies réseau | 91 | 24 | 11 | 91 Figure 3: Classification des bundles centrés sur la recherche Terminologija | 2012 | 19 47 Tableau 4: Répartition des bundles centrés sur la recherche selon les sous-catégories CENTRÉS SUR LA RECHERCHE Nombre de genres Quantité Référence temporelle Référence au lieu/à la direction Procédure Indicateur de thème Référence multifonctionnelle Description 1 4 7 4 0 27 3 0 2 7 0 3 1 34 0 3 3 4 1 63 0 40 8 7 4 3 11 33 2 154 0 4 5 4 0 4 1 16 3 4 6 6 0 2 1 15 3 12 7 6 0 5 2 73 2 3 COMBINATIONS TERMINOLOGIQUES Les combinaisons terminologiques ont été identifiées comme une sous-catégorie de combinaisons indicatrices de thème et définies comme des associations de plusieurs mots contenant des termes. Figure 4: Répartition des combinaisons terminologiques dans 7 genres des TIC Comme le montre le tableau 5, le genre 7 — « documentation technique sur les technologies de réseau » — présente la plus forte proportion (18%) ainsi que le plus grand nombre de combinaisons terminologiques: 47. Une telle densité terminologique pourrait être liée à la nature hautement spécialisée et propre au domaine des textes du genre 7. La diffusion de connaissances hautement spécialisées exige l’emploi récurrent d’associations de plusieurs mots fixes et spécialisés. 48 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ Tableau 5: Nombre et proportion de groupes terminologiques dans les genres des TIC Numéro du genre Nombre de groupes dans un genre Nombre de groupes terminologiques dans un genre Pourcentage de groupes terminologiques dans un genre Pourcentage de groupes terminologiques dans la catégorie ORIENTÉE VERS LA RECHERCHE 1 131 1 0.7 2.2 2 120 8 6.6 16.6 3 403 13 3.2 10.5 4 672 37 5.5 17.8 5 119 14 11.7 66.6 6 180 13 7.2 38.2 7 261 47 18.0 50.0 Le deuxième plus grand nombre de groupes se trouve dans le genre 4 – « documentation technique du matériel informatique », avec un total de 37. Cependant, la proportion de l’ensemble des groupes appartenant à la catégorie des groupes terminologiques pour le genre 4 est relativement faible – seulement 5,5%. Il faut toutefois garder à l’esprit que le genre 4 présente, de loin, le plus grand nombre de groupes différents après application des critères de seuil – 672 – ainsi que le pourcentage le plus élevé de mots courants apparaissant dans des groupes – 8,9%. Le genre 5 – « manuels de TIC » – présente une proportion relativement élevée de groupes terminologiques: 11,7%. Le tableau 6 ci-dessous présente les groupes terminologiques repérés dans le genre 5 – « manuels de TIC ». Tableau 6: Groupes terminologiques identifiés dans le genre 5 – « manuels de TIC » GENRE 5 Groupe Fréq. Nombre de textes Fréq. par million le java io package 345 12 22.53 le java lang package 322 9 21.02 import java awt import 336 15 21.94 public static final int 1306 21 85.27 static void main string 967 39 63.14 public static void main 952 40 62.16 public final static int 861 5 56.22 void main string args 846 36 55.24 Terminologija | 2012 | 19 4 9 GENRE 5 int x int y 600 14 39.18 public instance methods public 539 5 35.19 import java io import 447 22 29.19 the number of bytes 433 38 28.27 the java lang package 322 9 21.02 x int y int 316 12 20.63 Une proportion importante des manuels (52%) porte sur divers sujets liés à la programmation dans plusieurs langages de programmation, tels que Java, C++, C#, Objective-C, PHP et d’autres. Cela se reflète dans le nombre considérable de faisceaux terminologiques du genre 5 qui contiennent des lignes de code fréquemment rencontrées. Par exemple, les faisceaux terminologiques tels que STATIC VOID MAIN STRING (967 occurrences dans 39 textes; fréquence par million: 63,14), PUBLIC STATIC VOID MAIN (952 occurrences dans 40 textes; fréquence par million: 62,16) et VOID MAIN STRING ARGS sont tous des éléments de code de programmation comprenant le mot-clé main. Le mot-clé main désigne la fonction principale, responsable de l’organisation de haut niveau des fonctionnalités du programme. Les fonctions, également appelées méthodes, sont des ensembles d’instructions servant à traiter des données d’entrée, par exemple pour effectuer des calculs mathématiques. Dans de nombreux langages de programmation, la fonction principale est le point de départ de l’exécution d’un programme. Par exemple, les programmes Java commencent leur exécution à la fonction principale, dont l’en-tête de méthode est le suivant: public static void main (String[] args). La fonction principale est responsable de l’organisation de haut niveau des fonctionnalités du programme. Le mot-clé void signifie que la méthode ne renvoie aucune valeur. Si la méthode renvoyait une valeur entière, le mot-clé int serait utilisé à la place de void. Les deux faisceaux terminologiques suivants, PUBLIC STATIC FINAL INT (1306 occurrences dans 21 textes; fréquence par million: 85,27) et PUBLIC FINAL STATIC INT (861 occurrences dans 5 textes; fréquence par million: 56,22), sont des éléments de lignes de code dans les langages de programmation, par exemple Java. Ils définissent le type des fonctions à appliquer. Le mot-clé public signifie que la méthode est visible et peut être appelée depuis des objets d’autres types. Le mot-clé static signifie que la méthode est associée à la classe, et non à une instance (un objet) spécifique de cette classe. Cela signifie qu’il est possible d’appeler une méthode statique sans créer d’objet de la classe. 50 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ Le bundle INT X INT Y apparaît 600 fois dans 14 textes, avec une fréquence de 39,18 par million de mots. Ce bundle représente une déclaration de variables, dont le type est ici un entier, ou int en abrégé. L’ensemble des entiers est formé des nombres naturels (0, 1, 2, 3,...) et des nombres naturels négatifs (−1, −2, −3,...). Le mot-clé fréquent Java, nom d’un langage de programmation, apparaît dans 6 bundles: JAVA ENTERPRISE IN A (653 occurrences dans 5 textes; fréquence de 42,64 par million); IMPORT JAVA IO IMPORT (447 occurrences dans 22 textes; fréquence de 29,19 par million); THE JAVA IO PACKAGE (345 occurrences dans 12 textes; fréquence de 22,53 par million); IMPORT JAVA AWT IMPORT (336 occurrences dans 15 textes; fréquence de 21,94 par million); JAVA IO IMPORT JAVA (328 occurrences dans 20 textes; fréquence de 21,42 par million) et THE JAVA LANG PACKAGE (322 occurrences dans 9 textes; fréquence de 21,02 par million). Java a gagné en popularité grâce à des caractéristiques telles que sa facilité d’utilisation, sa compatibilité multiplateforme et ses fonctions de sécurité. Avec Java, un même programme peut être exécuté sur de nombreuses plateformes différentes. Il n’est donc pas nécessaire de consacrer des efforts au développement d’une version distincte du logiciel pour chaque plateforme. Java a été conçu pour être facile à utiliser et est considéré comme plus facile à écrire, compiler, déboguer, exécuter et apprendre que certains autres langages de programmation. L’abréviation AWT, qui apparaît dans le bundle IMPORT JAVA AWT IMPORT, signifie The Abstract Window Toolkit, une boîte à outils indépendante de la plateforme pour les fenêtres, les graphiques et les interfaces utilisateur. Le nom complet de JAVA ENTERPRISE, séquence faisant partie du bundle fréquent JAVA ENTERPRISE IN A, est Java Platform, Enterprise Edition. Ce nom désigne la plateforme informatique Java d’entreprise d’Oracle, qui fournit un environnement d’exécution pour développer et exécuter des logiciels d’entreprise, notamment des services réseau et Web ainsi que d’autres applications réseau de grande envergure, évolutives et sécurisées. Le bundle fait partie d’une expression formulaïque plus longue de cinq mots (653 occurrences dans 5 textes; fréquence de 42,64 par million): Java Enterprise in a Nutshell, comme l’illustre l’exemple suivant: Exemple 1: Sun facilite encore davantage les choses en fournissant des fournisseurs pour de nombreux services de nommage. Ainsi, tandis que le fournisseur de services consacre beaucoup de temps à implémenter les interfaces javax.naming.spi, le client n’a qu’à fournir une URL pour le fournisseur et la classe de fabrique de contexte, puis à utiliser le service de nommage. Pour en apprendre beaucoup plus sur JNDI, ainsi que sur des sujets connexes, vous pouvez vous procurer Java Enterprise in a Nutshell. [Genre 5 – « manuels scolaires en TIC »] Terminologija | 2012 | 19 51 La séquence JAVA EDITOR, qui fait partie du bundle IN THE JAVA EDITOR (75 occurrences dans 5 textes; fréquence de 58,49 par million), désigne un outil logiciel conçu pour modifier et compiler des programmes écrits en Java, ainsi que pour les exécuter. L’utilisation du bundle est illustrée dans l’exemple suivant: Exemple 2: Pour implémenter l’assistance à la saisie de contenu, la configuration de l’afficheur de code source de votre éditeur doit être configurée de manière à définir l’assistant de comptabilité. Cela se fait dans l’exemple Java editor, dans JavaSourceViewerConfiguration. Les erreurs d’orthographe sont affichées dans l’éditeur Java et les corrections rapides correspondantes sont disponibles: vous pouvez également rendre le dictionnaire accessible à l’assistance à la saisie de contenu. Créez vos propres propositions d’assistance au codage, semblables à celles proposées dans l’éditeur Java. Instanciez CompletionProposalCollector pour obtenir les mêmes propositions que celles de l’éditeur Java, ou créez-en une sous-classe afin d’y intégrer vos propres propositions. [Genre 6 – « documentation technique des langages de programmation et des environnements de programmation »] CONCLUSIONS Les résultats résumés dans ce travail révèlent des différences substantielles dans la fréquence des formes et des fonctions des séquences lexicales entre les genres respectifs de la langue des technologies de l’information et de la communication. Ces variations sont présentées en termes quantitatifs et qualitatifs. Du point de vue quantitatif, le genre 3 – « documentation technique des applications logicielles en TIC » et le genre 4 – « documentation technique du matériel informatique en TIC » sont les plus formulaires et répétitifs. Les autres genres des TIC emploient un nombre considérablement inférieur de séquences lexicales, lesquelles représentent des proportions nettement plus faibles du nombre total de mots. Les 14 séquences terminologiques relevées dans les manuels, genre examiné dans cet article, portent sur divers aspects de la programmation. Cela s’explique par le fait qu’une proportion considérable des manuels (52%) traite de divers sujets liés à la programmation. REFERENCES Biber D. 2006: University language: A corpus-based study of spoken and written registers, Philadelphia/Amsterdam: John Benjamins Publishing Company. Biber D., Conrad S., Cortes V. 2004: If you look at …: Lexical bundles in university teaching and textbooks, Applied Linguistics, 25L, 371–405. Biber D., Conrad S., Cortes V. 2003: Lexical bundles in speech and writing: an initial taxonomy. – Corpus Linguistics by the Lune: A festschrift for Geoffrey Leech, Wilson A., Rayson P. and McEnery T. (eds.), Frankfurt/Main: Peter Lang. Biber D., Johansson S., Leech G., Conrad S. and Finegan E. (1999): Longman grammar of spoken and written English, Harlow: Pearson. 52 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ Hyland K. 2008: As can be seen: Lexical bundles and disciplinary variation. – English for Specific Purposes 27 (2008), 4–21. Gozdz-Roszkowski S. 2011: Patterns of linguistic variation in American legal English, Frankfurt/Main: Peter Lang. Gozdz-Roszkowski S. (ed.) 2011: Explorations across languages and corpora, PALC 2009, Frankfurt/Main: Peter Lang. Scott M. 1996: WordSmith Tools 4 manual, Oxford University Press. Scott M. 2010: WordSmith Tools 5 manual, Oxford University Press. Scott M., Tribble C. 2006: Textual patterns, Philadelphia/Amsterdam: John Benjamins Publishing Company. DAUGIAŽODŽIAI MODELIAI INFORMACINIŲ IR KOMUNIKACINIŲ TECHNOLOGIJŲ TEKSTYNE. TERMINOLOGINĖS SAMPLAIKOS IKT VADOVĖLIUOSE Pagrindinis straipsnio tikslas – informacinių ir komunikacinių technologijų (IKT) kalboje pasikartojančių tam tikrų lingvistinių modelių tyrimas pasinaudojant tekstynų lingvistikos naujovėmis. Straipsnyje nagrinėjamos keturžodės samplaikos iš 24 milijonų žodžių IKT srities tekstyno, suskirstyto į 7 kategorijas (žanrus): profesiniai straipsniai, moksliniai straipsniai, programinės įrangos dokumentacija, aparatinės įrangos dokumentacija, vadovėliai, programavimo kalbų ir aplinkos dokumentacija ir tinklo technologijų dokumentacija. Atliekant tyrimą buvo nutarta apsiriboti keturžodėmis samplaikomis. Naudojant modelių paieškos tekstynuose programų paketą WordSmith Tools v. 5.0 sudaryti kiekvieno iš septynių IKT srities tekstų žanrų keturžodžių samplaikų sąrašai. Pasirinktos dvejopos ribos: mažiausias samplaikos dažnumas turi būti 20 kartų milijonui žodžių ir samplaika turi būti rasta mažiausiai 5 tekstuose. Pritaikius tokius apribojimus tekstyne rastos 1886 skirtingos samplaikos. Bendras duomenų rinkinyje nustatytų samplaikų skaičius – 197 553. Pagal reikšmę tekste samplaikos suskirstytos į tris plačias funkcines kategorijas: orientuotas į tyrimus, į tekstą ir į dalyvį. Pirmai kategorijai priskirtos samplaikos toliau išskirstytos į keletą subkategorijų: kiekybės, laiko, vietos / krypties, procesų, temos, daugiafunkcių nuorodų, apibūdinimo. Terminologinės samplaikos buvo priskirtos temos rodiklio subkategorijai ir apibrėžtos kaip keliažodžiai junginiai, kuriuose yra terminų. Straipsnyje nagrinėjamos terminologinės samplaikos, rastos IKT vadovėliuose. Didelė vadovėlių dalis (52%) skirta įvairiems programavimo klausimams. Tai paaiškina faktą, kad visos 14 šio žanro terminologinių samplaikų susijusios su įvairiais programavimo aspektais. Gauta 2012-10-30 Marek Weber Bialystok University of Technology ul. Wiejska 45A, Bialystok, Poland E-mail [email protected] Terminologija | 2012 | 19 53