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

Modelli multi-parola nel corpus delle tecnologie dell’informazione e della comunicazione. Unità terminologiche nel genere «Libri di testo di ICT» MAREK WEBER Bialystok University of Technology PAROLE CHIAVE: linguistica dei corpora, tecnologie dell’informazione e della comunicazione, sequenze lessicali, classificazione funzionale delle sequenze lessicali, unità terminologiche, analisi lessicale DATI PER LO STUDIO: IL CORPUS DELLE TECNOLOGIE DELL’INFORMAZIONE E DELLA COMUNICAZIONE I dati dello studio consistono in un corpus elettronico dell’ampio settore delle tecnologie dell’informazione e della comunicazione (ICT), termine ombrello che comprende tutte le tecnologie sviluppate per elaborare e trasferire dati. I testi sono stati selezionati per rappresentare una sezione trasversale del campo delle ICT. I testi sono stati suddivisi in sette categorie, che possono essere considerate generi all’interno del settore delle ICT: Genere 1: articoli professionali sulle ICT; Genere 2: articoli accademici sulle ICT; Genere 3: documentazione tecnica di applicazioni software nell’ambito delle ICT; Genere 4: documentazione tecnica dell’hardware ICT; Genere 5: libri di testo sulle ICT; Genere 6: documentazione tecnica di linguaggi di programmazione e ambienti di programmazione; Genere 7: documentazione tecnica delle tecnologie di rete. Il corpus contiene una raccolta di 973 testi, per un totale di quasi 24 milioni di parole. La scelta dei dati per un corpus è una delle questioni più importanti per il ricercatore, poiché il corpus dovrebbe essere rappresentativo del dominio d’uso analizzato. Come suggerisce Douglas Biber, la quantità di testi è cruciale per le ricerche in cui lo studioso considera il testo come unità primaria di analisi. In ciascun genere dovrebbe essere incluso un numero sufficiente di testi per tenere conto della variazione tra categorie e autori (Biber, 2006). Terminologija | 2012 | 19 39 Tabella 1. Composizione del corpus di Information and Communication Technology GenereNumero di testiNumero di token (parole in sequenza)Articoli professionali391225551Articoli accademici951272001Documentazione tecnica di applicazioni software nell’ICT922472839Documentazione tecnica di hardware ICT1002471772Libri di testo9915315237Documentazione tecnica di linguaggi di programmazione e ambienti di programmazione901282175Documentazione tecnica di tecnologie di rete106725418TOTALE97323764993 UNITÀ LESSICALE: IL TERMINE Le sequenze ricorrenti di parole che compaiono insieme con una frequenza superiore a quella attesa per caso costituiscono una parte importante della produzione linguistica. Il termine unità lessicale fu usato per la prima volta da Douglas Biber, Stig Johansson, Geoffrey Leech, Susan Conrad ed Edward Finegan nella ormai classica Longman grammar of spoken and written English per riferirsi a combinazioni di più parole individuate sulla base del solo criterio della frequenza (Biber et al. 1999), mentre Mike Scott le chiama word clusters nel manuale dell’applicazione software WordSmith Tools versione 4 (1996) e WordSmith Tools versione 5 (2010). L’unico criterio per individuare le unità lessicali è la loro frequenza. «I cluster sono parole che si trovano ripetutamente insieme, in sequenza» (Scott 2010: 337). Scott osserva che i cluster di parole possono presentare una prosodia semantica, cioè la tendenza di determinati lessemi a co-occorrere con altri lessemi specifici (per esempio, la tendenza di cause a essere associato a effetti negativi come accident, trouble, ecc.) (Scott 2010: 337). Biber, Johansson, Leech, Conrad e Finegan definiscono le unità lessicali come espressioni ricorrenti indipendentemente dalle loro proprietà strutturali, ossia sequenze di forme di parole che co-occorrono frequentemente nel discorso, e osservano che le unità più brevi sono spesso incorporate in più di un’unità lessicale più lunga (Biber et al. 1999). Rilevano inoltre che nella maggior parte dei casi le unità lessicali non costituiscono unità strutturali e che la maggior parte di esse non sono 40 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ espressioni che i parlanti riconoscerebbero come modi di dire o altre espressioni lessicali fisse. Biber, Johansson, Leech, Conrad e Finegan stabiliscono le seguenti soglie per qualificare sequenze di più parole come unità lessicali: devono comparire almeno 10 volte per milione di parole e in almeno cinque testi (Biber et al. 1999). Biber osserva che un risultato sorprendente di un approccio basato sulla frequenza è che le unità lessicali presentano due caratteristiche inattese (Biber 2006: 134). In primo luogo, la maggior parte di esse non è idiomatica nel significato, che è invece solitamente trasparente a partire dalle singole forme di parola. Anche Ken Hyland sottolinea che la maggior parte delle unità è semanticamente trasparente e «formalmente regolare, e fornisce gli elementi costitutivi di un discorso coerente» (Hyland 2008: 6). In secondo luogo, la maggior parte delle unità non costituisce strutture grammaticali complete. Biber, Johansson, Leech, Conrad e Finegan hanno osservato che circa il 15% delle unità lessicali nelle conversazioni formava unità strutturali complete, mentre solo circa il 5% delle unità lessicali nella prosa accademica poteva essere considerato costituito da sintagmi o proposizioni completi (Biber et al. 1999: 1000). Un’importante osservazione di Biber sulla natura sintattica delle unità lessicali è che si tratta di unità lessicali che spesso attraversano i confini delle strutture grammaticali; per esempio, possono collegare due sintagmi o proposizioni in modo tale che le ultime parole di un’unità costituiscano l’inizio di una seconda struttura sintattica (Biber 2006: 135). Hyland sottolinea inoltre che le unità lessicali, individuate unicamente sulla base della loro frequenza, si estendono solitamente attraverso unità strutturali (Hyland 2008: 6). Numerosi studi basati su corpora sono stati dedicati all’analisi di sequenze ricorrenti di forme di parola contigue e mostrano quanto siano importanti nei diversi tipi di discorso, oltre a evidenziare la notevole variazione delle unità lessicali nei diversi generi e registri (per es. Biber 2006; Biber, Conrad, Cortes 2004; Hyland 2008; Scott, Tribble 2006; Gozdz-Roszkowski 2011). M E T O D O L O G I A U T I L I Z Z A T A N E L L O S T U D I O Si è deciso di concentrarsi sull’analisi delle sequenze di 4 parole perché, da un lato, le frequenze delle sequenze di 4 parole sono considerevolmente più elevate di quelle delle sequenze di 5 parole e, dall’altro, esse contengono spesso stringhe di 3 parole e consentono di identificare schemi e strutture più evidenti rispetto alle espressioni di 3 parole. Gli elenchi delle sequenze di 4 parole in ciascuno dei Terminologija | 2012 | 19 41 sette generi ICT sono stati generati utilizzando WordSmith Tools v. 5.0, il pacchetto software per la ricerca di schemi nei corpora. In questo studio sono state fissate le seguenti due soglie: una frequenza minima di occorrenza di 20 volte per milione di parole e il criterio aggiuntivo secondo cui una sequenza doveva comparire in almeno cinque testi. L’applicazione dei criteri di soglia ha richiesto calcoli appropriati in ciascuno dei sette file contenenti l’elenco delle sequenze in un determinato genere. I calcoli sono descritti nei passaggi seguenti: 1. Creare una colonna aggiuntiva denominata “Frequenza per milione” nel foglio di calcolo ottenuto dal software WordSmith Tools. 2. Inserire il valore del numero complessivo di parole in una cella libera del foglio di calcolo Excel all’interno della categoria pertinente. 3. Inserire nella prima cella della colonna “Frequenza per milione” la seguente formula: Frequenza per milione di parole = Frequenza x 1 000 000 / Numero complessivo di parole 4. Copiare la formula nelle altre celle facendo clic sull’angolo inferiore destro della cella compilata e trascinandolo verso il basso nelle altre celle. 5. Evidenziare la colonna “Numero di testi”. 6. Scegliere il menu “Dati” e selezionare il campo “Ordina e filtra” nello strumento di ordinamento. 7. Scegliere l’ordine di ordinamento decrescente. 8. Eliminare tutte le righe della tabella in cui i valori del campo “Numero di testi” sono inferiori a 5. 9. Evidenziare la colonna “Frequenza per milione”. 10. Scegliere il menu “Dati” e selezionare il campo “Ordina e filtra” nello strumento di ordinamento. 11. Scegliere l’ordine di ordinamento decrescente. 12. Eliminazione di tutte le righe della tabella per le quali i valori nel campo «Frequenza per milione» sono inferiori a 20. 1886 bundle diversi sono stati individuati nel corpus dopo l’applicazione dei criteri di soglia di cui sopra. Il numero totale di bundle individuati nell’intero insieme di dati ammontava a 197 553. 42 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ Tabella 2. Distribuzione dei bundle lessicali nei generi ICT Genere Numero totale di bundle dopo l’applicazione dei criteri di soglia Numero di bundle diversi dopo l’applicazione dei criteri di soglia % delle parole nel testo costituito da bundle Articoli professionali 1057 131 1,8 Articoli accademici 5548 120 1,7 Applicazioni software 44669 403 7,2 Hardware 55296 672 8,9 Libri di testo 72483 119 1,9 Linguaggi di programmazione e ambienti di programmazione 10984 180 3,4 Tecnologie di rete 7516 261 4,1 Totale 197553 1886 La percentuale di parole correnti contenute nelle sequenze è stata ottenuta moltiplicando per 4 il numero totale di occorrenze per un dato genere (si analizzano sequenze di 4 parole) e dividendo il risultato per il numero di parole correnti in quel genere, quindi moltiplicando per 100% secondo la formula: A nostro avviso, due parametri — l’ampiezza della varietà di sequenze diverse e la percentuale di parole correnti contenute nelle sequenze — possono essere considerati indicatori del grado di formulaicità e ripetitività di un dato genere rispetto ad altri generi. In altre parole, il grado di formulaicità e ripetitività di un genere può essere misurato in base alla varietà di sequenze diverse impiegate nel genere e alla percentuale di parole correnti contenute nelle sequenze. I generi dell’ICT possono essere suddivisi in tre gruppi secondo il criterio della formulaicità e ripetitività. Il genere 3 — «documentazione tecnica delle applicazioni software nell’ICT» — e il genere 4 — «documentazione tecnica dell’hardware ICT» — sono caratterizzati da un elevato grado di formulaicità e ripetitività, poiché presentano schemi comparabili e impiegano la più ampia varietà di sequenze diverse (rispettivamente 403 e 672), nonché la percentuale più alta di parole correnti contenute nelle sequenze (rispettivamente 7,2% e 8,9%). Terminologija | 2012 | 19 43 Figura 1: Generi con elevati gradi di formulaicità e ripetitività Al contrario, il genere 1 – «articoli professionali in ICT», il genere 2 – «articoli accademici in ICT» e il genere 5 – «manuali di testo in ICT» sono caratterizzati da gradi relativamente bassi di formulaicità e ripetitività, poiché impiegano il numero più basso di bundle distinti (rispettivamente 131, 120 e 119) e la percentuale più bassa di parole correnti contenute nei bundle (rispettivamente 1,8%, 1,7% e 1,9%). I restanti due generi: il genere 6 – «documentazione tecnica dei linguaggi di programmazione e degli ambienti di programmazione» e il genere 7 – «documentazione tecnica delle tecnologie di rete» formano il terzo gruppo, con valori di entrambi i parametri nella fascia intermedia (numero di bundle distinti: rispettivamente 180 e 261; percentuale di parole correnti contenute nei bundle: rispettivamente 3,4% e 4,1%). Tuttavia, è opportuno tenere presente che, come osserva giustamente Stanislaw Gozdz-Roszkowski, i confronti diretti possono essere effettuati con sicurezza soltanto tra generi con conteggi di parole simili. Per tener conto di questa considerazione, il parametro percentuale di parole correnti contenute nei bundle viene calcolato per ciascun genere in modo da riflettere il numero di parole di ciascun sottocorpus che rappresenta i rispettivi generi (Gozdz-Roszkowski 2011: 111). CLASSIFICAZIONE FUNZIONALE DEI BUNDLE Un quadro di riferimento per l’analisi funzionale dei bundle individuati in questo corpus è stato elaborato sulla base delle tassonomie di Biber (Biber 2006; Biber et al. 2004), Hyland (2008) e 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. Sulla base delle tassonomie sopra menzionate, i bundle lessicali in ICT sono stati suddivisi funzionalmente in tre ampie categorie in base al loro significato nei testi: incentrati sulla ricerca, incentrati sul testo e incentrati sul partecipante. I bundle raggruppati nella prima categoria aiutano gli autori a organizzare le proprie attività ed esperienze nell’ambito dell’ICT. I bundle incentrati sul testo sono impiegati per indicare l’organizzazione del testo e il suo significato. Infine, i bundle incentrati sul partecipante sono usati per segnalare atteggiamenti o valutazioni diversi e sono focalizzati sull’autore o sul lettore del testo. Figura 2: Tassonomia funzionale dei bundle lessicali Ciascuna delle tre principali categorie funzionali dei bundle lessicali è stata ulteriormente suddivisa in una serie di sottocategorie. I bundle incentrati sulla ricerca includono le seguenti sottocategorie: Bundle di quantità (ad es. uno dei più grandi; un gran numero di; uno dei seguenti; il numero di elementi); Bundle di riferimento temporale (ad es. al momento di; fine dell’anno; le prossime settimane; nelle settimane a venire); Bundle di riferimento a luogo / direzione (ad es. negli Stati Uniti; della finestra principale; parte inferiore della finestra; nella barra di stato); Terminologija | 2012 | 19 45 Procedura bundle – usati per descrivere diverse funzioni relative alle TIC (ad es. the use of the; the use of a); Indicatore tematico bundle – relativi all’area di ricerca (ad es. proceedings of the IEEE; programming languages and systems; the drop down menu; the following configuration options); Riferimento multifunzionale bundle – bundle utilizzabili come riferimenti temporali / spaziali / testuali (ad es. the end of the; the start of the; the left of the; at the beginning of); Descrizione bundle – specificano le caratteristiche del nome che segue (ad es. the complexity of the; the surface of the; the scope of the; the height of the). I bundle incentrati sul testo comprendono le seguenti sottocategorie: Elaborazione bundle – approfondiscono ulteriormente l’argomento analizzato e lo chiariscono (ad es. at the same time, as well as the, this means that the, in this case the); Transizione bundle – creano collegamenti additivi o contrastivi tra parti del testo (ad es. on the other hand, as opposed to the, in addition to the, in contrast to the); Cornici di inquadramento bundle – «collocano gli argomenti specificando condizioni limitanti» (Hyland 2008: 14) per formulare affermazioni o argomentazioni (ad es. in terms of the, in the context of, in the presence of, the contents of the); Condizioni bundle – esprimono condizioni (ad es. if you want to, if you do not, if you have a, if you have an); Risultati bundle – indicano legami logici tra gli elementi in termini di rapporti di causa ed effetto (ad es. so that you can, as a result of, as a result the, as a function of); Marcatori strutturali bundle – servono a rimandare ad altre parti del testo (ad es. as shown in figure, as discussed in section, is shown in ex ample, later in this chapter). I bundle incentrati sui partecipanti comprendono le seguenti sottocategorie: Coinvolgimento bundle – si rivolgono direttamente ai lettori; «si rivolgono attivamente ai lettori come partecipanti al discorso in svolgimento» (Hyland 2008: 18) (ad es. do one of the, select the type of, is recommended that you, select one of the); Posizionamento bundle – comunicano emozioni, atteggiamenti, giudizi di valore e valutazioni; «forniscono una cornice per l’interpretazione della proposizione che segue» (Biber, 2006: 139) (ad es. 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’ I gruppi di parole di modalità esprimono che qualcosa è probabile, consentito o necessario (ad es. deve essere soddisfatto, può essere utilizzato, come si può vedere, in cui è possibile, potrebbe non essere visualizzato, può essere riprodotto oppure, deve accettare qualsiasi interferenza, interferenza che può causare, che può causare effetti indesiderati); I gruppi di parole di previsione esprimono la previsione dell’autore riguardo a un’azione futura (ad es. ci si aspetta che sia, verrà richiesto di, verrà visualizzato in, questo aprirà il, verrà chiesto di). La Tabella 3 mostra il numero di gruppi di parole appartenenti alle tre principali categorie funzionali in ciascun genere. Tabella 3: Distribuzione dei gruppi lessicali nelle categorie funzionali Orientati alla ricerca | Orientati al testo | Orientati ai partecipanti | Altri | Articoli professionali | 45 | 23 | 13 | 45 | Articoli accademici | 48 | 35 | 9 | 28 | Applicazioni software | 123 | 55 | 122 | 83 | Hardware | 207 | 51 | 138 | 187 | Libri di testo | 32 | 35 | 18 | 20 | Linguaggi di programmazione e ambienti di programmazione | 39 | 39 | 26 | 62 | Tecnologie di rete | 91 | 24 | 11 | 91 Figura 3: Classificazione dei gruppi orientati alla ricerca Terminologija | 2012 | 19 47 Tabella 4: Distribuzione dei gruppi orientati alla ricerca nelle sottocategorie ORIENTATI ALLA RICERCA Numero di generi Quantità Riferimento temporale Riferimento a luogo/direzione Procedura Indicatore tematico Riferimento multifunzionale Descrizione 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 UNITÀ TERMINOLOGICHE Le unità terminologiche sono state identificate come una sottocategoria delle unità indicatrici di argomento e definite come combinazioni di più parole che contengono termini. Figura 4: Distribuzione delle unità terminologiche nei 7 generi dell'ICT Come mostra la Tabella 5, il genere 7 – «documentazione tecnica delle tecnologie di rete» – contiene la percentuale più elevata (18%) e il maggior numero di unità terminologiche: 47. Tale densità terminologica potrebbe essere collegata alla natura altamente specializzata e specifica del dominio dei testi appartenenti al genere 7. La divulgazione di conoscenze altamente specializzate richiede l'uso ricorrente di combinazioni fisse e specialistiche di più parole. 48 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ Tabella 5: Numero e proporzione dei gruppi terminologici nei generi dell’ICT Numero del genere Numero di gruppi in un genere Numero di gruppi terminologici in un genere Percentuale di gruppi terminologici in un genere Percentuale di gruppi terminologici nella categoria CENTRATA SULLA RICERCA 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 Il secondo numero più elevato di gruppi si riscontra nel genere 4 – «documentazione tecnica dell’hardware ICT» – per un totale di 37. Tuttavia, la proporzione di tutti i gruppi appartenenti alla categoria dei gruppi terminologici per il genere 4 è relativamente bassa: solo il 5,5%. Va però tenuto presente che, dopo l’applicazione dei criteri di soglia, il genere 4 presenta di gran lunga il numero più elevato di gruppi distinti: 672, nonché la percentuale più alta di parole nei gruppi: 8,9%. Il genere 5 – «manuali di ICT» – presenta una proporzione relativamente elevata di gruppi terminologici: 11,7%. La Tabella 6 seguente contiene i gruppi terminologici individuati nel genere 5 – «manuali di ICT». Tabella 6: Gruppi terminologici individuati nel genere 5 – «manuali di ICT» GENERE 5 Gruppo Freq. Numero di testi Freq. per milione the java io package 345 12 22.53 il pacchetto del linguaggio Java 322 9 21.02 importa Java AWT importa 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 importa java io importa 447 22 29.19 il numero di bytes 433 38 28.27 il java lang package 322 9 21.02 x int y int 316 12 20.63 Una quota consistente dei manuali (52%) riguarda vari argomenti relativi alla programmazione in diversi linguaggi di programmazione, come Java, C++, C#, Objective-C, PHP e altri. Ciò si riflette nel considerevole numero di sequenze terminologiche del genere 5 che contengono righe di codice ricorrenti. Ad esempio, sequenze terminologiche quali STATIC VOID MAIN STRING (967 occorrenze in 39 testi; frequenza per milione 63,14), PUBLIC STATIC VOID MAIN (952 occorrenze in 40 testi; frequenza per milione 62,16) e VOID MAIN STRING ARGS (846 occorrenze in 36 testi; frequenza per milione 55,24) sono tutte parti di codice di programmazione che includono la parola chiave main. La parola chiave main si riferisce alla funzione principale, responsabile dell’organizzazione di alto livello delle funzionalità del programma. Le funzioni, dette anche metodi, sono insiemi di istruzioni utilizzati per operare sui dati di input, ad esempio per eseguire calcoli matematici. In molti linguaggi di programmazione, la funzione principale è il punto in cui un programma avvia l’esecuzione. Ad esempio, i programmi Java iniziano l’esecuzione dalla funzione principale, la cui intestazione del metodo è la seguente: public static void main (String[] args). La funzione principale è responsabile dell’organizzazione di alto livello delle funzionalità del programma. La parola chiave void significa che il metodo non restituisce alcun valore. Se il metodo restituisse un valore intero, al posto di void si userebbe la parola chiave int. Le seguenti due sequenze terminologiche PUBLIC STATIC FINAL INT (1306 occorrenze in 21 testi; frequenza per milione 85,27) e PUBLIC FINAL STATIC INT (861 occorrenze in 5 testi; frequenza per milione 56,22) sono parti di righe di codice in linguaggi di programmazione, ad esempio Java. Definiscono il tipo di funzioni da applicare. La parola chiave public significa che il metodo è visibile e può essere richiamato dagli oggetti di altri tipi. La parola chiave static significa che il metodo è associato alla classe, non a una specifica istanza (oggetto) di quella classe. Ciò significa che è possibile richiamare un metodo statico senza creare un oggetto della classe. 50 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ La sequenza INT X INT Y ricorre 600 volte in 14 testi, con una frequenza per milione di parole pari a 39,18. La sequenza rappresenta una dichiarazione di variabili; in questo caso il tipo delle variabili è intero, o int in breve. L’insieme degli interi è formato dai numeri naturali (0, 1, 2, 3,...) insieme ai numeri naturali negativi (−1, −2, −3,...). La parola chiave frequente Java, nome di un linguaggio di programmazione, ricorre in 6 sequenze: JAVA ENTERPRISE IN A (653 occorrenze in 5 testi; frequenza per milione 42,64); IMPORT JAVA IO IMPORT (447 occorrenze in 22 testi; frequenza per milione 29,19); THE JAVA IO PACKAGE (345 occorrenze in 12 testi; frequenza per milione 22,53); IMPORT JAVA AWT IMPORT (336 occorrenze in 15 testi; frequenza per milione 21,94); JAVA IO IMPORT JAVA (328 occorrenze in 20 testi; frequenza per milione 21,42) e THE JAVA LANG PACKAGE (322 occorrenze in 9 testi; frequenza per milione 21,02). Java ha acquisito popolarità grazie a caratteristiche quali la facilità d’uso, la compatibilità multipiattaforma e le funzionalità di sicurezza. Utilizzando Java, un programma può essere eseguito su molte piattaforme diverse. Ciò significa che non è necessario impegnarsi per sviluppare una versione software distinta per ogni piattaforma. Java è stato progettato per essere facile da usare ed è considerato più facile da scrivere, compilare, correggere, eseguire e imparare rispetto ad alcuni altri linguaggi di programmazione. L’abbreviazione AWT, che compare nella sequenza IMPORT JAVA AWT IMPORT, sta per The Abstract Window Toolkit, un toolkit indipendente dalla piattaforma per la gestione delle finestre, della grafica e dell’interfaccia utente. Il nome completo di JAVA ENTERPRISE, sequenza che fa parte della sequenza frequente JAVA ENTERPRISE IN A, è Java Platform, Enterprise Edition. Indica la piattaforma di calcolo Java per le imprese di Oracle, che fornisce un ambiente di esecuzione per sviluppare ed eseguire software aziendale, inclusi servizi di rete e web e altre applicazioni di rete scalabili, sicure e su larga scala. La sequenza fa parte di un’espressione formulare più lunga di 5 parole (653 occorrenze in 5 testi; frequenza per milione 42,64): Java Enterprise in a Nutshell, come illustrato nell’esempio seguente: Esempio 1: Sun semplifica ulteriormente le cose fornendo provider per numerosi servizi di denominazione. Pertanto, mentre il provider del servizio può dedicare molto tempo all’implementazione delle interfacce javax.naming.spi, al client basta fornire un URL per il provider e la classe factory del contesto, quindi utilizzare il servizio di denominazione. Per approfondire JNDI e argomenti correlati, si può consultare Java Enterprise in a Nutshell. [Genere 5 – «manuali di ICT»] Terminologija | 2012 | 19 51 La sequenza JAVA EDITOR, parte della sequenza IN THE JAVA EDITOR (75 occorrenze in 5 testi; frequenza per milione 58,49), indica uno strumento software progettato per modificare e compilare programmi scritti in Java, oltre che per eseguirli. L’uso della sequenza è illustrato nell’esempio seguente: Esempio 2: Per implementare l’assistenza al contenuto, la configurazione del visualizzatore del codice sorgente del proprio editor deve essere impostata in modo da definire l’assistente contabile. Ciò viene fatto nell’esempio Java editor all’interno di JavaSourceViewerConfiguration. Gli errori ortografici vengono visualizzati nell’editor Java e sono disponibili le correzioni rapide corrispondenti: è possibile rendere il dizionario disponibile anche per l’assistenza al contenuto. Create proposte di assistenza al codice simili a quelle proposte nell’editor Java. Istanziare CompletionProposalCollector per ottenere le stesse proposte dell’editor Java, oppure crearne una sottoclasse per includere le proprie proposte. [Genere 6 – «documentazione tecnica dei linguaggi di programmazione e degli ambienti di programmazione»] CONCLUSIONI I risultati riassunti in questo lavoro rivelano differenze sostanziali nella frequenza delle forme e delle funzioni delle sequenze lessicali nei rispettivi generi della lingua dell’Information and Communication Technology. Le variazioni sono riportate sia in termini quantitativi sia qualitativi. Dal punto di vista quantitativo, il genere 3 – «documentazione tecnica delle applicazioni software nell’ICT» – e il genere 4 – «documentazione tecnica dell’hardware ICT» – sono i più formulari e ripetitivi. Gli altri generi dell’ICT impiegano un numero considerevolmente inferiore di sequenze lessicali, che rappresentano proporzioni nettamente più basse del numero totale di parole. Tutti i 14 raggruppamenti terminologici presenti nei manuali del genere esaminato in questo articolo riguardano vari aspetti della programmazione. Ciò si può spiegare con il fatto che una percentuale considerevole dei manuali (52%) tratta vari argomenti di programmazione. 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