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

Padrões de múltiplas palavras no corpus de Tecnologia da Informação e Comunicação. Combinações terminológicas no gênero — «Livros didáticos de TIC» MAREK WEBER Universidade de Tecnologia de Białystok PALAVRAS-CHAVE: linguística de corpus, Tecnologia da Informação e Comunicação, sequências lexicais, classificação funcional de sequências lexicais, combinações terminológicas, análise lexical DADOS DO ESTUDO: O CORPUS DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO Os dados do estudo consistem em um corpus eletrônico do amplo domínio da Tecnologia da Informação e Comunicação (TIC), termo abrangente que inclui todas as tecnologias desenvolvidas para o processamento e a transferência de dados. Os textos foram selecionados para representar um recorte transversal do campo da TIC. Eles foram divididos em sete categorias, que podem ser consideradas gêneros dentro do domínio da TIC: Gênero 1: artigos profissionais em TIC; Gênero 2: artigos acadêmicos em TIC; Gênero 3: documentação técnica de aplicações de software em TIC; Gênero 4: documentação técnica de hardware de TIC; Gênero 5: livros didáticos de TIC; Gênero 6: documentação técnica de linguagens de programação e ambientes de programação; Gênero 7: documentação técnica de tecnologias de rede. O corpus contém uma coleção de 973 textos, totalizando quase 24 milhões de palavras. A escolha dos dados para um corpus é uma das preocupações mais importantes para o pesquisador, pois o corpus deve ser representativo do domínio de uso analisado. Como sugere Douglas Biber, a quantidade de textos é crucial para pesquisas em que o estudioso se concentra no texto como unidade primária de análise. Deve-se incluir um número suficiente de textos em cada gênero para dar conta da variação entre categorias e autores (Biber, 2006). Terminologija | 2012 | 19 39 Tabela 1. Composição do corpus de Tecnologia da Informação e Comunicação GêneroNúmero de textosNúmero de tokens (palavras corridas)Artigos profissionais391225551Artigos acadêmicos951272001Documentação técnica de aplicações de software em TIC922472839Documentação técnica de hardware de TIC1002471772Livros didáticos9915315237Documentação técnica de linguagens de programação e ambientes de programação901282175Documentação técnica de tecnologias de rede106725418TOTAL97323764993 PACOTE LEXICAL: O TERMO Sequências recorrentes de palavras que aparecem juntas com uma frequência superior à esperada ao acaso constituem uma parte importante da produção linguística. O termo pacote lexical foi usado pela primeira vez por Douglas Biber, Stig Johansson, Geoffrey Leech, Susan Conrad e Edward Finegan na já clássica Longman grammar of spoken and written English para designar combinações de várias palavras identificadas com base no único critério da frequência (Biber et al. 1999), enquanto Mike Scott as denomina agrupamentos de palavras no manual do aplicativo de software WordSmith Tools versão 4 (1996) e WordSmith Tools versão 5 (2010). A única consideração na identificação de pacotes lexicais é sua frequência. “Agrupamentos são palavras que se encontram repetidamente juntas, na companhia umas das outras, em sequência” (Scott 2010: 337). Scott observa que os agrupamentos de palavras podem envolver prosódia semântica, isto é, a tendência de certos lexemas coocorrerem com outros lexemas específicos (por exemplo, a tendência de cause vir acompanhado de efeitos negativos, como accident, trouble etc.) (Scott 2010: 337). Biber, Johansson, Leech, Conrad e Finegan definem pacotes lexicais como expressões recorrentes, independentemente de suas propriedades estruturais; isto é, são sequências de formas de palavras que coocorrem frequentemente no discurso. Observam ainda que pacotes mais curtos são muitas vezes incorporados em mais de um pacote lexical mais longo (Biber et al. 1999). Também observam que, na maioria dos casos, os pacotes lexicais não constituem unidades estruturais e que a maioria deles são 40 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ não são expressões que os usuários da língua reconheceriam como idiomatismos ou outras expressões lexicais fixas. Biber, Johansson, Leech, Conrad e Finegan estabelecem os seguintes limiares para que sequências de várias palavras sejam consideradas pacotes lexicais: devem ocorrer pelo menos 10 vezes por milhão de palavras e em pelo menos cinco textos (Biber et al. 1999). Biber observa que um resultado surpreendente de uma abordagem baseada na frequência é que os pacotes lexicais apresentam duas características inesperadas (Biber 2006: 134). Em primeiro lugar, a maioria não é idiomática em seu significado; seus sentidos, porém, costumam ser transparentes a partir das formas de palavras individuais. Ken Hyland também aponta que a maioria dos pacotes é semanticamente transparente e “formalmente regular, fornecendo os blocos de construção do discurso coerente” (Hyland 2008: 6). Em segundo lugar, a maioria dos pacotes não constitui estruturas gramaticais completas. Biber, Johansson, Leech, Conrad e Finegan observaram que aproximadamente 15% dos pacotes lexicais em conversas formavam unidades estruturais completas, enquanto apenas aproximadamente 5% dos pacotes lexicais em textos acadêmicos podiam ser considerados frases ou orações completas (Biber et al. 1999: 1000). Uma constatação valiosa de Biber sobre a natureza sintática dos pacotes lexicais é que eles são unidades lexicais que frequentemente atravessam estruturas gramaticais; por exemplo, podem ligar duas frases ou orações de tal modo que as últimas palavras de um pacote sejam as partes iniciais de uma segunda estrutura sintática (Biber 2006: 135). Hyland também enfatiza que os pacotes lexicais, identificados unicamente com base em sua frequência, costumam atravessar unidades estruturais (Hyland 2008: 6). Diversos estudos de corpus dedicaram-se à análise de sequências recorrentes de formas de palavras ininterruptas. Eles demonstram a importância dessas sequências em vários tipos de discurso e também revelam uma variação considerável dos pacotes lexicais em diferentes gêneros e registros (por exemplo, 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 A D A N O E S T U D O Optou-se por concentrar a análise em sequências de 4 palavras porque, por um lado, as frequências das sequências de 4 palavras são substancialmente superiores às das sequências de 5 palavras e, por outro, elas frequentemente contêm sequências de 3 palavras e permitem identificar padrões e estruturas mais evidentes do que as expressões de 3 palavras. Listas de sequências de 4 palavras em cada um dos Terminologija | 2012 | 19 41 sete gêneros de ICT foram geradas usando o WordSmith Tools v. 5.0 — o pacote de software para pesquisar padrões em corpora. Neste estudo, foram estabelecidos os dois seguintes limites: uma frequência mínima de ocorrência de 20 vezes por milhão de palavras e o critério adicional de que uma sequência deveria ocorrer em pelo menos cinco textos. O processo de aplicação dos critérios de corte exigiu cálculos apropriados em cada um dos sete arquivos que continham a lista de sequências de determinado gênero. Os cálculos são descritos nas seguintes etapas: 1. Criar uma coluna adicional denominada “Frequência por milhão” na planilha obtida com o software WordSmith Tools. 2. Inserir o valor do total de palavras em uma célula livre da planilha do Excel dentro de uma determinada categoria. 3. Preencher a primeira célula da coluna “Frequência por milhão” com a seguinte fórmula: Frequência por milhão de palavras = Frequência x 1 000 000 / Total de palavras 4. Copiar a fórmula para as outras células clicando no canto inferior direito da célula preenchida e arrastando-a para baixo até as outras células. 5. Realçar a coluna “Número de textos”. 6. Selecionar o menu “Dados” e escolher o campo “Classificar & Filtrar” na ferramenta de classificação. 7. Escolher a ordem de classificação decrescente. 8. Excluir todas as linhas da tabela cujos valores no campo “Número de textos” sejam inferiores a 5. 9. Realçar a coluna “Frequência por milhão”. 10. Selecionar o menu “Dados” e escolher o campo “Classificar & Filtrar” na ferramenta de classificação. 11. Escolher a ordem de classificação decrescente. 12. Excluir todas as linhas da tabela cujos valores no campo «Frequência por milhão» sejam inferiores a 20. 1886 diferentes combinações foram encontradas no corpus após a aplicação dos critérios de corte acima. O número total de combinações identificadas em todos os dados foi de 197 553. 42 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ Tabela 2. Distribuição das combinações lexicais nos géneros de TIC Género Número total de combinações após a aplicação dos critérios de corte Número de combinações diferentes após a aplicação dos critérios de corte % das palavras corridas em combinações Artigos profissionais 1057 131 1,8 Artigos académicos 5548 120 1,7 Aplicações de software 44669 403 7,2 Hardware 55296 672 8,9 Manuais 72483 119 1,9 Linguagens de programação e ambientes de programação 10984 180 3,4 Tecnologias de rede 7516 261 4,1 Total 197553 1886 A percentagem de palavras corridas em sequências foi obtida multiplicando o número total de ocorrências de um determinado género por 4 (analisam-se sequências de 4 palavras), dividindo o resultado pelo número de palavras corridas nesse género e, em seguida, multiplicando por 100%, de acordo com a fórmula: Na nossa perspetiva, dois parâmetros — a variedade de sequências diferentes e a percentagem de palavras corridas em sequências — podem ser considerados indicadores do grau em que determinado género é formulaico e repetitivo, em comparação com outros géneros. Por outras palavras, o grau de formulaicidade e de repetitividade de um género pode ser medido pela variedade de sequências diferentes empregadas nesse género e pela percentagem de palavras corridas em sequências. Os géneros de ICT podem ser divididos em três grupos segundo o critério da formulaicidade e da repetitividade. O género 3 — «documentação técnica de aplicações de software em ICT» — e o género 4 — «documentação técnica de hardware de ICT» — caracterizam-se por níveis elevados de formulaicidade e repetitividade, pois apresentam padrões comparáveis, recorrendo à maior variedade de sequências diferentes (403 e 672, respetivamente) e à percentagem mais elevada de palavras corridas em sequências (7,2% e 8,9%, respetivamente). Terminologija | 2012 | 19 43 Figura 1: Gêneros com altos graus de formulaicidade e repetitividade Em contraste, o gênero 1 – «artigos profissionais em TIC», o gênero 2 – «artigos acadêmicos em TIC» e o gênero 5 – «livros didáticos em TIC» caracterizam-se por graus relativamente baixos de formulaicidade e repetitividade, pois empregam o menor conjunto de diferentes sequências lexicais (131, 120 e 119, respectivamente) e a menor porcentagem de palavras corridas em sequências (1,8%, 1,7% e 1,9%, respectivamente). Os dois gêneros restantes: o gênero 6 – «documentação técnica de linguagens de programação e ambientes de programação» e o gênero 7 – «documentação técnica de tecnologias de rede» formam o terceiro grupo, com valores de ambos os parâmetros no meio da faixa (números de diferentes sequências: 180 e 261, respectivamente; porcentagem de palavras corridas em sequências: 3,4% e 4,1%, respectivamente). No entanto, vale ter em mente que, como Stanislaw Gozdz-Roszkowski aponta corretamente, comparações diretas só podem ser feitas com segurança entre gêneros com contagens de palavras semelhantes. Para levar essa consideração em conta, o parâmetro porcentagem de palavras corridas em sequências é calculado para cada gênero de modo a refletir as contagens de palavras de cada um dos subcorpora que representam os respectivos gêneros (Gozdz-Roszkowski 2011: 111). CLASSIFICAÇÃO FUNCIONAL DAS SEQUÊNCIAS Um quadro para a análise funcional das sequências obtidas neste corpus foi estabelecido com base nas taxonomias de 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. Com base nas taxonomias mencionadas acima, as sequências lexicais em TIC foram funcionalmente divididas em três grandes categorias, de acordo com seus significados nos textos: centradas na pesquisa, centradas no texto e centradas no participante. As sequências agrupadas na primeira categoria ajudam os autores a organizar suas atividades e experiências no domínio das TIC. As sequências centradas no texto são empregadas para indicar a organização do texto e seu significado. Por fim, as sequências centradas no participante são usadas para sinalizar diferentes atitudes ou avaliações e se concentram no autor ou no leitor do texto. Figura 2: Taxonomia funcional das sequências lexicais Cada uma das três principais categorias funcionais de sequências lexicais foi subdividida em várias subcategorias. As sequências centradas na pesquisa incluem as seguintes subcategorias: Sequências de quantidade (por exemplo, um dos maiores; um grande número de; um dos seguintes; o número de elementos); Sequências de referência temporal (por exemplo, no momento de; fim do ano; as próximas semanas; nas próximas semanas); Sequências de referência a lugar/direção (por exemplo, nos Estados Unidos; da janela principal; parte inferior da janela; na barra de status); Terminologija | 2012 | 19 45 Procedimento bundles – usados para descrever diversas funções relacionadas às TIC (por exemplo, the use of the; the use of a); Indicador de tópico bundles – relacionados à área de pesquisa (por exemplo, proceedings of the IEEE; programming languages and systems; the drop down menu; the following configuration options); Referência multifuncional bundles – bundles que podem ser usados como referência temporal / espacial / textual (por exemplo, the end of the; the start of the; the left of the; at the beginning of); Descrição bundles – especificam características do substantivo seguinte (por exemplo, the complexity of the; the surface of the; the scope of the; the height of the). Bundles centrados no texto incluem as seguintes subcategorias: Elaboração bundles – desenvolvem ainda mais o tópico analisado e o esclarecem (por exemplo, at the same time, as well as the, this means that the, in this case the); Transição bundles – estabelecem conexões aditivas ou contrastivas entre partes dos textos (por exemplo, on the other hand, as opposed to the, in addition to the, in contrast to the); Bundles de enquadramento – “situam argumentos ao especificar condições limitantes” (Hyland 2008: 14) para formular afirmações ou argumentos (por exemplo, in terms of the, in the context of, in the presence of, the contents of the); Condições bundles – expressam condições (por exemplo, if you want to, if you do not, if you have a, if you have an); Resultados bundles – indicam relações lógicas entre elementos em termos de causa e resultado (por exemplo, so that you can, as a result of, as a result the, as a function of); Marcadores estruturais bundles – são usados para remeter a outras partes do texto (por exemplo, as shown in figure, as discussed in section, is shown in ex ample, later in this chapter). Bundles centrados nos participantes incluem as seguintes subcategorias: Engajamento bundles – dirigem-se diretamente aos leitores; “interpelam ativamente os leitores como participantes do discurso em desenvolvimento” (Hyland 2008: 18) (por exemplo, do one of the, select the type of, is recommended that you, select one of the); Posicionamento bundles – transmitem emoções, atitudes, juízos de valor e avaliações; “fornecem uma moldura para a interpretação da proposição seguinte” (Biber, 2006: 139) (por exemplo, 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’ Os feixes de modalidade expressam que algo é provável, permitido ou necessário (por exemplo, deve ser cumprido, pode ser usado para, como se pode ver, em que se pode, pode não ser exibido, pode ser reproduzido ou, deve aceitar qualquer interferência, interferência que possa causar, que possa causar indesejados); Os feixes de previsão expressam a previsão do autor de alguma ação futura (por exemplo, espera-se que seja, você será solicitado, será exibido em, isso abrirá o, será solicitado a). A Tabela 3 apresenta o número de feixes pertencentes às três principais categorias funcionais em cada gênero. Tabela 3: Distribuição dos feixes lexicais pelas categorias funcionais Centrado na pesquisa | Centrado no texto | Centrado no participante | Outros | Artigos profissionais | 45 | 23 | 13 | 45 | Artigos acadêmicos | 48 | 35 | 9 | 28 | Aplicativos de software | 123 | 55 | 122 | 83 | Hardware | 207 | 51 | 138 | 187 | Livros didáticos | 32 | 35 | 18 | 20 | Linguagens de programação e ambientes de programação | 39 | 39 | 26 | 62 | Tecnologias de rede | 91 | 24 | 11 | 91 Figura 3: Classificação dos feixes centrados na pesquisa Terminologija | 2012 | 19 47 Tabela 4: Distribuição dos feixes centrados na pesquisa pelas subcategorias CENTRADO NA PESQUISA Número de gêneros Quantidade Referência temporal Referência a lugar/direção Procedimento Indicador de tópico Referência multifuncional Descrição 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 AGRUPAMENTOS TERMINOLÓGICOS Os agrupamentos terminológicos foram identificados como uma subcategoria de agrupamentos indicadores de tópico e definidos como combinações de várias palavras que contêm termos. Figura 4: Distribuição dos agrupamentos terminológicos pelos 7 gêneros de TIC Como mostra a Tabela 5, o gênero 7 — «documentação técnica de tecnologias de rede» — contém a maior percentagem (18%) e também o maior número de agrupamentos terminológicos: 47. Essa densidade terminológica pode estar associada à natureza altamente especializada e específica do domínio dos textos do gênero 7. A disseminação de conhecimentos altamente especializados exige o uso recorrente de combinações fixas e especializadas de várias palavras. 48 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ Tabela 5: Números e proporções de sequências terminológicas em gêneros de TIC Número do gênero Número de sequências em um gênero Número de sequências terminológicas em um gênero Percentual de sequências terminológicas em um gênero Percentual de sequências terminológicas na categoria CENTRADA NA PESQUISA 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 O segundo maior número de sequências encontra-se no gênero 4 — «documentação técnica de hardware de TIC», totalizando 37. No entanto, a proporção de todas as sequências pertencentes à categoria das sequências terminológicas no gênero 4 é relativamente baixa — apenas 5,5%. Mas deve-se ter em mente que o gênero 4 apresenta, de longe, o maior número de sequências distintas após a aplicação dos critérios de corte — 672 — e o maior percentual de palavras corridas em sequências — 8,9%. O gênero 5 — «livros didáticos de TIC» — apresenta uma proporção relativamente elevada de sequências terminológicas — 11,7%. A Tabela 6 abaixo contém as sequências terminológicas identificadas no gênero 5 — «livros didáticos de TIC». Tabela 6: Sequências terminológicas identificadas no gênero 5 — «livros didáticos de TIC» GÊNERO 5 Sequência Freq. Número de textos Freq. por milhão o java io package 345 12 22.53 o 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 o número de bytes 433 38 28.27 the java lang package 322 9 21.02 x int y int 316 12 20.63 Uma proporção substancial dos livros didáticos (52%) aborda diversos tópicos relacionados à programação em várias linguagens de programação, como Java, C++, C#, Objective-C, PHP e outras. Isso se reflete no número considerável de agrupamentos terminológicos do gênero 5 que contêm linhas de código recorrentes. Por exemplo, agrupamentos terminológicos como STATIC VOID MAIN STRING (967 ocorrências em 39 textos; frequência por milhão 63,14), PUBLIC STATIC VOID MAIN (952 ocorrências em 40 textos; frequência por milhão 62,16) e VOID MAIN STRING ARGS (846 ocorrências em 36 textos; frequência por milhão 55,24) são todos partes de código de programação, incluindo a palavra-chave main. A palavra-chave main refere-se à função principal, responsável pela organização de alto nível da funcionalidade do programa. Funções, também denominadas métodos, são conjuntos de instruções usados para operar sobre dados de entrada, por exemplo, cálculos matemáticos. Em muitas linguagens de programação, a função principal é onde um programa inicia sua execução. Por exemplo, os programas Java começam a ser executados na função principal, que tem o seguinte cabeçalho de método: public static void main (String[] args). A função principal é responsável pela organização de alto nível da funcionalidade do programa. A palavra-chave void significa que o método não tem valor de retorno. Se o método retornasse um valor inteiro, a palavra-chave int seria usada em vez de void. Os dois agrupamentos terminológicos a seguir, PUBLIC STATIC FINAL INT (1306 ocorrências em 21 textos; frequência por milhão 85,27) e PUBLIC FINAL STATIC INT (861 ocorrências em 5 textos; frequência por milhão 56,22), são partes de linhas de código em linguagens de programação, por exemplo, Java. Eles definem o tipo de funções a serem aplicadas. A palavra-chave public significa que o método é visível e pode ser chamado a partir de objetos de outros tipos. A palavra-chave static significa que o método está associado à classe, e não a uma instância (objeto) específica dessa classe. Isso significa que é possível chamar um método estático sem criar um objeto da classe. 50 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ O agrupamento INT X INT Y ocorre 600 vezes em 14 textos, com frequência de 39,18 por milhão de palavras. O agrupamento representa uma declaração de variáveis; neste caso, o tipo das variáveis é inteiro, ou int, abreviadamente. O conjunto dos inteiros é formado pelos números naturais (0, 1, 2, 3,...) e pelos números naturais negativos (−1, −2, −3,...). A palavra-chave frequente Java, nome de uma linguagem de programação, ocorre em 6 agrupamentos: JAVA ENTERPRISE IN A (653 ocorrências em 5 textos; frequência de 42,64 por milhão); IMPORT JAVA IO IMPORT (447 ocorrências em 22 textos; frequência de 29,19 por milhão); THE JAVA IO PACKAGE (345 ocorrências em 12 textos; frequência de 22,53 por milhão); IMPORT JAVA AWT IMPORT (336 ocorrências em 15 textos; frequência de 21,94 por milhão); JAVA IO IMPORT JAVA (328 ocorrências em 20 textos; frequência de 21,42 por milhão) e THE JAVA LANG PACKAGE (322 ocorrências em 9 textos; frequência de 21,02 por milhão). Java ganhou popularidade devido a características como facilidade de uso, compatibilidade entre plataformas e recursos de segurança. Com Java, um programa pode ser executado em muitas plataformas diferentes. Isso significa que não é necessário investir esforços no desenvolvimento de uma versão diferente do software para cada plataforma. Java foi concebida para ser fácil de usar e é considerada mais fácil de escrever, compilar, depurar, executar e aprender do que algumas outras linguagens de programação. A abreviatura AWT, que aparece no agrupamento IMPORT JAVA AWT IMPORT, significa The Abstract Window Toolkit, um conjunto de ferramentas independente de plataforma para janelas, gráficos e interfaces de usuário. O nome completo de JAVA ENTERPRISE, sequência que faz parte do agrupamento frequente JAVA ENTERPRISE IN A, é Java Platform, Enterprise Edition. Designa a plataforma de computação Java empresarial da Oracle, que fornece um ambiente de execução para desenvolver e executar software empresarial, incluindo serviços de rede e Web, bem como outras aplicações de rede de grande escala, escaláveis e seguras. O agrupamento faz parte de uma expressão formulaica mais longa, de 5 palavras (653 ocorrências em 5 textos; frequência de 42,64 por milhão): Java Enterprise in a Nutshell, como ilustrado no exemplo a seguir: Amostra 1: A Sun facilita ainda mais a vida ao fornecer provedores para muitos serviços de nomes. Assim, enquanto o provedor de serviços pode dedicar muito tempo à implementação das interfaces javax.naming.spi, o cliente só precisa fornecer um URL para o provedor e a classe de fábrica de contexto e, em seguida, usar o serviço de nomes. Para saber muito mais sobre JNDI, bem como sobre tópicos relacionados, você pode consultar Java Enterprise in a Nutshell. [Gênero 5 – ‘livros didáticos de ICT’] Terminologija | 2012 | 19 51 A sequência JAVA EDITOR, parte do agrupamento IN THE JAVA EDITOR (75 ocorrências em 5 textos; frequência de 58,49 por milhão), designa uma ferramenta de software concebida para editar e compilar programas escritos em Java, bem como para executá-los. O uso do agrupamento é ilustrado no exemplo a seguir: Amostra 2: Para implementar o assistente de conteúdo, a configuração do visualizador de código-fonte do seu editor deve ser definida para estabelecer o assistente de contabilidade. Isso é feito no exemplo do Java editor dentro de JavaSourceViewerConfiguration. Os erros ortográficos são exibidos no Java editor, e as correções rápidas correspondentes estão disponíveis: também é possível disponibilizar o dicionário para o assistente de conteúdo. Crie suas próprias sugestões de assistência à codificação, semelhantes às propostas no Java editor. Instancie CompletionProposalCollector para obter as mesmas sugestões do editor Java, ou crie uma subclasse dele para combinar suas próprias sugestões. [Gênero 6 – ‘documentação técnica de linguagens de programação e ambientes de programação’] CONCLUSÕES Os resultados sintetizados neste trabalho revelam diferenças substanciais na frequência das formas e funções dos feixes lexicais nos respetivos géneros da linguagem das Tecnologias da Informação e Comunicação. As variações são apresentadas em termos quantitativos e qualitativos. Quantitativamente, o Género 3 – «documentação técnica de aplicações de software em TIC» e o Género 4 – «documentação técnica de hardware de TIC» são os mais formulaicos e repetitivos. Os outros géneros de TIC empregam um número consideravelmente menor de feixes lexicais, que representam proporções marcadamente menores do número total de palavras. Todos os 14 feixes terminológicos presentes no género dos manuais, objeto de análise neste artigo, estão relacionados com vários aspetos da programação. Isto pode ser explicado pelo facto de uma percentagem considerável dos manuais (52%) abordar vários tópicos de programação. 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