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

39Terminologija | 2012 | 19 Multi-word patterns in the corpus of Information and Communication Technologijos. Terminologinių rinkinių žanras […] […]IKT vadovėliai[…] Marekas Veberis Bialystoko technologijos universitetas (BIT) - Korpus lingvistikos, informacinių ir komunikacinių technologijų, leksikos rinkinių, leksikos rinkinių funkcinė klasifikacija, terminologinių rinkinių, leksikos tikrinimo DATA STUDY, KORPUS INFORMATION AND COMMUNICATION TECHNOLOGY Studijos duomenys susideda iš elektroninio korpuso plačioje informacinių ir komunikacinių technologijų (IKT) srityje. Tekstai buvo atrinkti taip, kad atstovautų IKT srities skerspjūvį. Tekstai buvo suskirstyti į septynias kategorijas, kurias galima laikyti IKT srities žanrais: 2 rūšis: akademiniai straipsniai apie IKT; 3 rūšis: programinės įrangos taikomųjų programų techninė dokumentacija IKT srityje; 4 rūšis: IRT aparatūros techninis dokumentai; 5 rūšis: IKT vadovėliai; 6 rūšis: programavimo kalbų ir programavimo aplinkų techniniai dokumentai; 7 rūšis: tinklo technologijų techniniai dokumentai. Korpusas apima 973 tekstų rinkinį, kurių bendras skaičius yra beveik 24 milijonai žodžių. Korpusų duomenų pasirinkimas yra vienas svarbiausių mokslininko rūpesčių, nes korpusas turi atstovauti analizuojamai naudojimo sritiai. Kaip teigia Douglasas Biberis, tekstų kiekis yra labai svarbus tyrimams, kuriuose mokslininkas sutelkia dėmesį į tekstą kaip pagrindinį tyrimo vienetą. Kiekviename žanre turėtų būti įtrauktas pakankamas tekstų skaičius, kad būtų atsižvelgiama į kategorijų ir autorių skirtumus (Biber, 2006). 40 Marek Weber Daugiakalbių modeliai informacijos korpuse 1. lentelė  andCommunicationTechnology.Terminological  bundlesinthegenre–‘TextbooksinICT’ Informacinių ir komunikacinių technologijų korpuso žanro sudėtis Profesiniai dirbiniai 391 225551 Akademiniai straipsniai 95 1272001 Techniniai programinės dokumentai 92 2472839 įrangos taikomųjų programų IRT aparatūros techniniai dokumentai 100 2471772 Mokomieji knygos 99 15315237 Programinės įrangos techniniai dokumentai, programavimo dokumentai, 106 725418 kalbos ir programavimo aplinka, tinklo technologijų techniniai Iš viso 973 23764993 Žodžių rinkinys: terminas Pasikartojančios žodžių sekos, kurios kartu pasirodo dažniau, nei tikėtasi atsitiktinai, yra svarbi lingvistinės produkcijos dalis. Terminą "leksikalus rinkinys" pirmą kartą naudojo Douglas Biber, Stig Johansson, Geoffrey Leech, Susan Conrad ir Edward Finegan dabar klasikinėje Longman kalbos ir rašytinės anglų kalbos gramatikos knygoje, kad apibūdintų kelių žodžių kombinacijas, identifikuotas remiantis vieninteliu dažnio kriterijumi (Biber et al., 1999), o Mike Scott juos vadina žodžių klasteriais programinės įrangos "WordSmith Tools" 4 versijoje ir "WordSmith Tools 5 versijoje (2010). Vienintelis dalykas, kurį reikia atsižvelgti nustatant leksikinius rinkinius, yra jų dažnis. "Klusteriai yra žodžiai, kurie pakartotinai randami kartu vienas kito kompanijoje, sekos tvarka" (Scott 2010: 337). Scottas atkreipia dėmesį į tą žodį su neigiamais poveikiais, tokiais kaip clusters may involve semantic prosody i.e. the tendency for certain lexemes to co-occur with certain other lexemes (e.g. the tendency for cause to come nelaimingas atsitikimas, bėdos ir t. t.) (Scott 2010: 337). Biberis, Johanssonas, Leechas, Konradas ir Fineganas apibrėžia leksikinius rinkinius kaip pasikartojančias išraiškas, nepriklausomai nuo jų struktūrinių savybių, t. y. jie yra žodžių formų sekos, kurios dažnai pasitaiko diskurse, ir atkreipia dėmesį į tai, kad trumpesni rinkiniai dažnai įtraukiami į daugiau nei vieną ilgesnį leksikinį rinkinį (Biber et al. 1999). Jie taip pat pastebi, kad daugeliu atvejų leksikaliniai rinkiniai nesukuria struktūrinių vienetų ir dauguma jų yra 41Terminologija | 2012 | 19 ne išraiškos, kurias kalbos vartotojai atpažintų kaip idiomus ar kitas fiksuotas leksikines išraiškas. Biber, Johansson, Leech, Conrad ir Finegan nustato šiuos apribojimus, kad daugiažodžių eilutės galėtų būti laikomos leksikaliniais rinkiniais: jos turi pasireikšti bent 10 kartų per milijoną žodžių ir bent penkiuose tekstuose (Biber et al. 1999). Biber pastebi, kad stebėtinas dažnio pagrįsto požiūrio rezultatas yra tai, kad leksikos rinkiniai turi dvi netikėtas savybes (Biber 2006: 134). Pirma, dauguma jų neturi idiomatinės reikšmės, tačiau reikšmės paprastai yra skaidrios atskiroms žodžių formoms. Kenas Hylandas taip pat atkreipia dėmesį į tai, kad dauguma rinkinių yra semantiškai skaidrūs ir "formaliai reguliarūs, suteikdami nuoseklų diskursą" (Hyland 2008: 6). Antra, dauguma rinkinių nėra išsamios gramatinės struktūros. Biber, Johansson, Leech, Conrad ir Finegan pastebėjo, kad maždaug 15 % pokalbio leksikinių rinkinių sudaro išsamius struktūrinį vienetus, o tik maždaug 5 % akademinės prozės leksikinių rinkinių gali būti laikomos išsamiomis frazėmis ar klauzulomis (Biber et al. 1999: 1000). Biberio vertingas atradimas apie leksikinių rinkinių sintaktinį pobūdį yra tai, kad jie yra leksikaliniai vienetai, kurie dažnai peržengia gramatines struktūras, pavyzdžiui, jie gali perkelti dvi frazes ar klauzules taip, kad paskutiniai rinkinio žodžiai yra antrosios sintaktinės struktūros pradinės dalys (Biber 2006: 135). Hylandas taip pat pabrėžia, kad leksikos rinkiniai, identifikuojami tik pagal jų dažnį, paprastai apima struktūrinį vienetą (Hyland 2008: 6). Korpusų tyrimai buvo skirti nepertraukiamų žodžių formų pasikartojančių eilutės analizei ir jie demonstruoja, kaip jie yra svarbūs įvairių tipų diskurse, taip pat jie rodo didelį leksikinių rinkinių skirtinguose žanruose ir registruose (pvz. Biber 2006; Biber, Conrad, Cortes 2004; Hyland 2008; Scott, Tribble 2006; Gozdz-Roszkowski 2011). Studijoje naudojama metodika Sprendimas buvo priimtas sutelkti dėmesį į keturių žodžių rinkinių analizę, nes, iš vienos pusės, keturių žodžių rinkinių dažnis yra žymiai didesnis nei penkių žodžių sekos, o iš kitos pusės, jie dažnai turi trijų žodžių eilutes ir leidžia identifikuoti daugiau akivaizdžių modelių ir struktūrų nei trijų žodžių išraiškos. Keturių žodžių rinkinių sąrašai kiekviename iš 42 Marek Weber Daug žodžių modeliai informacinių technologijų korpuse  andCommunicationTechnology.Terminological  bundlesinthegenre–‘TextbooksinICT’ septynios IKT rūšys buvo sukurtos naudojant "WordSmith Tools v. […] 5.0 programinės įrangos paketas, skirtas korpusų modelių paieškai. Šiame tyrime buvo nustatyti šie du apribojimai: mažiausias pasitaikymo dažnis - 20 kartų per milijoną žodžių ir dar vienas kriterijus, kad rinkinys turėtų pasitaikyti bent penkiuose tekstuose. Tam, kad būtų galima taikyti apribojimų kriterijus, reikėjo atlikti atitinkamus skaičiavimus kiekviename iš septynių failų, kuriuose yra tam tikro žanro rinkinių sąrašas. Apskaičiavimai apibūdinami šiais etapais: 1. "WordSmith Tools" programinės įrangos gautoje skaičiuoklėje sukurti papildomą stulpelį "Frekvencija milijonui". 2. Įterpti veikiančių žodžių vertę į laisvą "Excel" skaičiuoklės ląstelę tam tikroje kategorijoje. 3. "Frekvencija milijone" stulpelio pirmoje ląstelėje užpildyti šią formulę: 4. Kopijuokite formulę į kitas ląsteles, spustelėdami dešiniajame apačioje esančiame užpildyto ląstelės kampe ir traukiant žemyn į kitas ląsteles. 5. "Tekstų skaičiaus" stulpelio pabrėžimas. 6. "Data" meniu pasirinkimas ir "Sort &Filter" lauko pasirinkimas rūšiavimo įrankyje. 7. Atranka mažėjančios rūšiavimo eilės. 8. Ištrinti visas lentelės eilutes, kurių "Tekstų skaičiaus" lauko vertės yra mažesnės nei 5. 9. "Frekvencija milijonui" stulpelio pabrėžimas. 10. "Data" meniu pasirinkimas ir "Sort & Filter" lauko pasirinkimas rūšiavimo įrankyje. 11. Pasirinkimas mažėjančia tvarka. 12. Ištrinti visas lentelės eilutes, kurių "Dažnumas milijone" lauke yra mažesnis nei 20. 1886 korpusas buvo rastas po to, kai buvo taikomi pirmiau minėti apribojimų kriterijai. Bendras visų duomenų identifikuotų rinkinių skaičius buvo 197 553. 43Terminologija | 2012 | 19 lentelė 2. Leksikinių rinkinių pasiskirstymas pagal IKT žanrus Žanras Bendras skaičius Skirtumų skaičius % rinkinių po ent rinkinių po žodžių rinkiniuose, taikant apribojimus taikant apribojimus Profesiniai straipsniai 1057 131 1,8 Akademiniai straipsniai 5548 120 1,7 Programinės įrangos taikymas 44669 403 7,2 Įrankiai 55296 672 8,9 Mokomosios knygos 72483 119 1,9 Programų kūrimas gauges ir programavimo aplinka lan-10984 180 3,4 tinklų technologijos 7516 261 4,1 Iš viso 197553 1886 "Kalbų, esančių rinkiniuose, procentinė dalis buvo nustatyta padauginant bendrą tam tikro žanro atvejų skaičių iš 4 (analizuojami keturių žodžių rinkiniai) ir padalijant jį iš tam tikro žanro žodžių skaičiaus, o po to padauginant iš 100 % pagal formulę: ""Mūsų nuomone, du parametrai - skirtingų rinkinių diapazonas ir žodžių, esančių rinkiniuose, procentinė dalis - gali būti laikomi rodikliais, kiek tam tikras žanras yra formulinis ir pasikartojantis." Kitaip tariant, žanro formulingumo ir pasikartojimo laipsnį galima išmatuoti pagal įvairius žanre naudojamus rinkinius ir skaičiuojamų žodžių procentą rinkiniuose. IRT žanrus galima suskirstyti į tris grupes pagal formulingumo ir pasikartojimo kriterijus. 3 "ICT programinės įrangos taikomųjų programų techniniai dokumentai" ir 4 "ICT aparatūros techniniai dokumentai" žanrai pasižymi dideliu formulingumo ir pasikartojimo laipsniu, nes jie rodo palyginamus modelius, nes naudoja didžiausią skirtingų rinkinių apimtį (403 ir 672 atitinkamai) ir didžiausią žodžių procentinę dalį rinkiniuose (7,2 % ir 8,9 % atitinkamai). Marek Weber Daug žodžių modeliai informacijos korpuse 1 paveikslas Žanrai,  andCommunicationTechnology.Terminological  bundlesinthegenre–‘TextbooksinICT’ turintys didelį formuliškumo ir pakartotumo laipsnį Priešingai, 1 rūšiai […] […] profesiniai straipsniai IKT[…], 2 rūšiai […] […] akademiniai straipsniai IKT[…] ir 5 rūšiai […] tekstinės knygos IKT[…] būdingi santykinai mažas formuliškumo ir pakartotumo laipsnis, nes jose naudojama mažiausia įvairių rinkinių apimtis (1,1, 120 ir 119 atitinkamai) ir mažiausias rinkinių žodžių procentinis skaičius (1,8, 1,7 ir 119). atitinkamai 1,9 proc. Likusios dvi rūšys: 6 rūšis […] "programavimo kalbų ir programavimo aplinkų techniniai dokumentai" ir 7 rūšis […] "tinklų technologijų techniniai dokumentai" sudaro trečiąją grupę, kurioje abiejų parametrų vertės yra intervalo viduryje (skirtingų rinkinių skaičius: atitinkamai 180 ir 261; rinkinių žodžių procentinė dalis atitinkamai 3,4 % ir 4,1 %). Tačiau verta nepamiršti, kad, kaip teisingai atkreipia dėmesį Stanislaw Gozdz-Roszkowski, tiesioginius palyginimus galima saugiai atlikti tik tarp žanrų, kurių žodžių skaičius yra panašus. Kad būtų atsižvelgta į šį aspektą, kiekvienam žanrui apskaičiuojamas parametrų procentinis skaičius, kuris atspindi kiekvienos atitinkamų žanrų atstovaujančios subkorporos žodžių skaičių (Gozdz-Roszkowski 2011: 111). FUNKCIONALUS BUNDLES klasifikavimas Šioje korpuse gautų paketų funkcinės analizės sistema buvo sukurta remiantis Biber's (Biber 2006; Biber et al. 2004), Hyland's (2008) ir Gozdz-Roszkowski's (2011) taksonomijomis. Biberio klasifikacija atsirado iš plačio žodinių ir rašytinių registrų korpuso, kuris apėmė, be kita ko, tokius diskursų tipus kaip: atsitiktiniai pokalbiai, klasės sesijų juostos, klasės mokymas, darbo valandos, studijų grupės, tarnybos susitikimai miesteliu, vadovėliai, kursų rinkiniai, instituciniai tekstai (pvz., universitetų katalogai, brošiūros). 45Terminologija | 2012 | 19 Korpusas Hyland's (2008) tyrime (tyrimas 3,5 mln. žodžių) apima mokslinių tyrimų straipsnius, daktaro disertacijas ir magistro ir magistro disciplines: electrical engineering and microbiology from the applied and pure sciences, and business studies and applied linguistics from the social disertacijas iš keturių mokslų. Gozdz-Roszkowski (2011) išanalizavo Amerikos teisės korpusą, turintį daugiau nei 5,5 milijonų žodžių ir atstovaujantį septyniems Amerikos teisinės kultūros ir švietimo žanrams: akademinius straipsnius, laiškus, sutartis, įstatymus, nuomones, profesinius straipsnius ir vadovėlius. Remiantis pirmiau minėtomis taksonomijomis, IRT leksikos rinkiniai buvo funkciniu požiūriu suskirstyti į tris plačias kategorijas pagal jų reikšmę tekstuose: mokslinių tyrimų orientuotas, tekstas orientuotas ir dalyvis orientuotas. Pirmoje kategorijoje suskirstyti rinkiniai padeda rašytojams organizuoti savo veiklą ir patirtį IKT srityje. Teksto centriniai rinkiniai naudojami, kad būtų nurodyta teksto struktūra ir jo reikšmė. Galiausiai dalyvio orientuoti rinkiniai naudojami skirtingiems požiūriams ar vertinimams signalizuoti ir jie yra sutelkti į teksto rašytoją ar skaitytoją. 2 paveikslas: leksikinių rinkinių funkcinė taksonomija Kiekviena iš trijų pagrindinių leksikinių rinkinių funkcinių kategorijų buvo toliau suskirstyta į keletą subkategorijų. Tyrimų pagrindas yra šios subkategorijos: kiekybiniai rinkiniai (pvz., vienas didžiausių; didelis skaičius; vienas iš šių; elementų skaičius); laiko atskaitos rinkiniai (pvz., metų pabaigoje, per kelias ateinančias savaites, per ateinančias savaites); išdėstyti krypties nuorodų rinkinius (pvz., Jungtinėse Valstijose; pagrindinio lango; lango apačioje; būsenos juostoje); 46 Marek Weber Informacinių procedūrų rinkinių korpusas […] naudojamas apibūdinti  andCommunicationTechnology.Terminological  bundlesinthegenre–‘TextbooksinICT’ įvairias su IRT susijusias funkcijas (pvz., IKT naudojimas); Teminių rodiklių rinkiniai, susiję su mokslinių tyrimų sritimi (pvz., IEEE darbai; programavimo kalbos ir sistemos; ištraukiamasis meniu; šios konfigūracijos parinkties); daugiafunkciniai nuorodų rinkiniai rinkiniai, kurie gali būti naudojami kaip laiko vietos tekstinis nuoroda (pvz., pabaigos; pradžios; kairės pusės; pradžioje); Aprašymo rinkiniai […] nurodo šio vardinio savybes (pvz., jo sudėtingumą; jo paviršių; jo apimtį; jo aukštį). Teksto orientuoti rinkiniai apima šias subkategorijas: Išsamių rinkiniai […] toliau nagrinėja analizuojamą temą ir ją aiškina (pvz., tuo pačiu metu, taip pat, tai reiškia, kad, šiuo atveju, Perėjimo rinkiniai […] suteikia adityvius ar kontrastiškus tekstų dalių ryšius (pvz., kita vertus, priešingai nei, be to, priešingai nei); Atributų rinkinių išdėstymas […] […] argumentų išdėstymas nustatant ribojančias sąlygas […] (Hyland 2008: 14) teiginiams ar argumentams pateikti (pvz., atsižvelgiant į, kontekste, turinį); Sąlygų rinkiniai […] išreiškia sąlygas (pvz., jei norite, jei nenorite, jei turite, jei turite); Rezultatų rinkiniai […] rodo loginius elementų ryšius dėl priežasties ir rezultato santykių požiūriu (pvz., kad galėtumėte, kaip rezultatas, kaip rezultatas, kaip funkcija); Struktūros žymenų rinkiniai […] naudojami nukreipti į kitas teksto dalis (pvz., kaip parodyta paveikslėlyje, kaip aptariama skyriuje, parodyta pavyzdžiu, vėliau šiame skyriuje). Dalyvių orientuoti rinkiniai apima šias subkategorijas: Dalyvavimo rinkiniai […] tiesiogiai nukreipti į skaitytojus; "aktyviai kreiptis į skaitytojus kaip į diskurso dalyvius" (Hyland 2008: 18) (pvz., padaryti vieną iš, pasirinkti tipą, rekomenduojama, kad jūs, pasirinkti vieną iš); Pozicijos rinkiniai […] perteikia emocijas, požiūrį, vertybinius nuosprendžius ir vertinimus; […] suteikti pagrindą interpretuoti šią teiginį[…] (Biber, 2006: 139) (pvz., būtina, nėra garantijos, kad, svarbu, neįmanoma, įmanoma); 3 lentelė: žodynų rinkinių paskirstymas pagal funkcines kategorijas 47Terminologija | 2012 | 19 Modaliteto rinkiniai […] išreiškia, kad kažkas yra tikėtina, leidžiama arba būtina (pvz., turi būti įvykdyta, gali būti naudojama, kaip galima matyti, kurioje galite, negali būti rodoma, gali būti atkurta arba turi priimti bet kokį įsikišimą, įsikišimą, kuris gali sukelti, kuris gali sukelti nepageidaujamą); Pranašų rinkiniai […] išreiškia rašytojo prognozę apie tam tikrą būsimą veiksmą (pvz., tikimasi, kad bus, jums bus paprašyta, bus rodoma, tai bus atidaryta, bus paprašyta). Table 3 shows the numbers of bundles belonging to the three major functional categories in each genre. Tyrimas-- sutelktas Tekstas-- sutelktas Dalyviai-- sutelktas Kiti Profesiniai straipsniai 45 23 13 45 Akademiniai straipsniai 48 35 928 Programinės įrangos taikymas 123 55 122 83 Įrenginiai 207 51 138 187 Mokomieji knygos 32 35 18 20 Programinės kalbos ir 26 62 programavimo aplinka 39 39 tinklų technologijos 91 24 11 91 3 paveikslas: Tyrimų orientuotų rinkinių klasifikavimas