DATENGRUNDLAGE DER STUDIE: DAS KORPUS DER INFORMATIONS- UND KOMMUNIKATIONSTECHNOLOGIE
Die Datengrundlage der Studie bildet ein elektronisches Korpus aus dem weit gefassten Bereich der Informations- und Kommunikationstechnologie (IKT), einem Oberbegriff für alle Technologien, die zur Verarbeitung und Übertragung von Daten entwickelt wurden. Die Texte wurden so ausgewählt, dass sie einen Querschnitt des IKT-Bereichs repräsentieren. Sie wurden in sieben Kategorien unterteilt, die als Genres innerhalb des IKT-Bereichs betrachtet werden können:
Genre 1: Fachartikel im Bereich IKT;
Genre 2: wissenschaftliche Artikel im Bereich IKT;
Genre 3: technische Dokumentation von Softwareanwendungen im Bereich IKT;
Genre 4: technische Dokumentation von IKT-Hardware;
Genre 5: Lehrbücher zur IKT;
Genre 6: technische Dokumentation von Programmiersprachen und Programmierumgebungen;
Genre 7: technische Dokumentation von Netzwerktechnologien.
Das Korpus umfasst eine Sammlung von 973 Texten mit insgesamt fast 24 Millionen Wörtern. Die Auswahl der Daten für ein Korpus gehört zu den wichtigsten Fragen für Forschende, da das Korpus den untersuchten Sprachgebrauch repräsentativ abbilden sollte. Wie Douglas Biber hervorhebt, ist die Anzahl der Texte für Untersuchungen entscheidend, bei denen die Forschenden den Text als primäre Untersuchungseinheit betrachten. Um Variationen zwischen Kategorien und Autorinnen und Autoren zu berücksichtigen, sollte jedes Genre eine ausreichende Anzahl von Texten umfassen (Biber, 2006).
Terminologija | 2012 | 19
39
Page 2
Tabelle 1. Zusammensetzung des Korpus für Informations- und Kommunikationstechnologie
GenreAnzahl der TexteAnzahl der Tokens (laufende Wörter)Fachartikel391225551Wissenschaftliche Artikel951272001Technische Dokumentation von Softwareanwendungen in der Informations- und Kommunikationstechnologie922472839Technische Dokumentation von Hardware der Informations- und Kommunikationstechnologie1002471772Lehrbücher9915315237Technische Dokumentation von Programmiersprachen und Programmierumgebungen901282175Technische Dokumentation von Netzwerktechnologien106725418GESAMT97323764993
LEXIKALISCHES BÜNDEL: DER BEGRIFF
Wiederkehrende Wortfolgen, die häufiger als zufällig erwartet gemeinsam auftreten, sind ein wichtiger Bestandteil sprachlicher Äußerungen. Der Begriff lexikalisches Bündel wurde erstmals von Douglas Biber, Stig Johansson, Geoffrey Leech, Susan Conrad und Edward Finegan in der heute klassischen Longman grammar of spoken and written English verwendet, um Mehrwortkombinationen zu bezeichnen, die allein anhand des Kriteriums ihrer Häufigkeit identifiziert werden (Biber et al. 1999); Mike Scott bezeichnet sie im Handbuch der Softwareanwendung WordSmith Tools, Version 4 (1996), und WordSmith Tools, Version 5 (2010), als Wortcluster. Bei der Identifizierung lexikalischer Bündel ist ausschließlich ihre Häufigkeit maßgeblich. „Cluster sind Wörter, die wiederholt gemeinsam, in unmittelbarer Folge, vorkommen“ (Scott 2010: 337). Scott weist darauf hin, dass Wortcluster eine semantische Prosodie aufweisen können, d. h. die Tendenz bestimmter Lexeme, gemeinsam mit bestimmten anderen Lexemen aufzutreten (z. B. die Tendenz, dass cause mit negativen Folgen wie accident, trouble usw. einhergeht) (Scott 2010: 337).
Biber, Johansson, Leech, Conrad und Finegan definieren lexikalische Bündel als wiederkehrende Ausdrücke unabhängig von ihren strukturellen Eigenschaften; das heißt, sie sind Wortformfolgen, die im Diskurs häufig gemeinsam auftreten. Sie weisen darauf hin, dass kürzere Bündel oft in mehr als ein längeres lexikalisches Bündel eingebettet sind (Biber et al. 1999). Außerdem stellen sie fest, dass lexikalische Bündel in den meisten Fällen keine Struktureinheiten bilden und die meisten von ihnen
40
Marek Weber
Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’
Page 3
keine Ausdrücke sind, die Sprachverwender als Idiome oder andere feste lexikalische Ausdrücke erkennen würden. Biber, Johansson, Leech, Conrad und Finegan legen folgende Schwellenwerte fest, damit Mehrwortfolgen als lexikalische Bündel gelten: Sie müssen mindestens zehnmal pro einer Million Wörter und in mindestens fünf Texten vorkommen (Biber et al. 1999).
Biber merkt an, dass ein überraschendes Ergebnis eines frequenzbasierten Ansatzes darin besteht, dass lexikalische Bündel zwei unerwartete Eigenschaften aufweisen (Biber 2006: 134). Erstens ist die Bedeutung der meisten von ihnen nicht idiomatisch, sondern lässt sich gewöhnlich aus den einzelnen Wortformen erschließen. Ken Hyland weist ebenfalls darauf hin, dass die meisten Bündel semantisch transparent sind und „formal regulär sind und die Bausteine eines kohärenten Diskurses bilden“ (Hyland 2008: 6).
Zweitens stellen die meisten Bündel keine vollständigen grammatischen Strukturen dar. Biber, Johansson, Leech, Conrad und Finegan stellten fest, dass ungefähr 15% der lexikalischen Bündel in Gesprächen vollständige Struktureinheiten bildeten, während nur ungefähr 5% der lexikalischen Bündel in wissenschaftlicher Prosa als vollständige Phrasen oder Teilsätze betrachtet werden konnten (Biber et al. 1999: 1000). Eine wichtige Erkenntnis Bibers zur syntaktischen Natur lexikalischer Bündel ist, dass es sich um lexikalische Einheiten handelt, die häufig grammatische Strukturen überschreiten; so können sie beispielsweise zwei Phrasen oder Teilsätze überbrücken, sodass die letzten Wörter eines Bündels zugleich den Anfang einer zweiten syntaktischen Struktur bilden (Biber 2006: 135). Hyland betont ebenfalls, dass lexikalische Bündel, die ausschließlich anhand ihrer Häufigkeit identifiziert werden, gewöhnlich strukturelle Einheiten überspannen (Hyland 2008: 6).
Zahlreiche Korpusstudien haben sich der Analyse wiederkehrender Folgen ununterbrochener Wortformen gewidmet. Sie zeigen, wie wichtig diese in verschiedenen Diskursarten sind, und belegen zugleich, dass lexikalische Bündel zwischen unterschiedlichen Genres und Registern beträchtlich variieren (z. B. Biber 2006; Biber, Conrad, Cortes 2004; Hyland 2008; Scott, Tribble 2006; Gozdz-Roszkowski 2011).
I M I N R A H M E N D E R S T U D I E V E R W E N D E T E M E T H O D I K
Die Entscheidung fiel darauf, sich auf die Analyse von Vierwortbündeln zu konzentrieren, da einerseits die Häufigkeit von Vierwortbündeln deutlich höher ist als die von Fünfwortsequenzen und sie andererseits häufig Dreiwortfolgen enthalten und es ermöglichen, deutlichere Muster und Strukturen als bei Dreiwortausdrücken zu identifizieren. Listen mit Vierwortbündeln in jedem der
Terminologija | 2012 | 19
41
Page 4
sieben ICT-Genres wurden mit WordSmith Tools v. 5.0 erstellt – dem Softwarepaket zur Suche nach Mustern in Korpora.
In dieser Studie wurden die folgenden zwei Schwellenwerte festgelegt: eine Mindesthäufigkeit von 20 Vorkommen pro einer Million Wörter sowie das Kriterium, dass ein Bündel in mindestens fünf Texten vorkommen sollte. Die Anwendung der Schwellenkriterien erforderte entsprechende Berechnungen in jeder der sieben Dateien, die die Liste der Bündel eines bestimmten Genres enthielten. Die Berechnungen werden in den folgenden Schritten beschrieben:
1. Erstellen einer zusätzlichen Spalte mit dem Namen „Häufigkeit pro Million“ in der aus der Software WordSmith Tools gewonnenen Tabellenkalkulation.
2. Eintragen der Anzahl der laufenden Wörter in eine freie Zelle einer Excel-Tabelle innerhalb der jeweiligen Kategorie.
3. Eintragen der folgenden Formel in die erste Zelle der Spalte „Häufigkeit pro Million“:
Häufigkeit pro Million Wörter = Häufigkeit x 1 000 000 / laufende Wörter
4. Kopieren der Formel in die übrigen Zellen, indem Sie auf die rechte untere Ecke der ausgefüllten Zelle klicken und sie nach unten in die anderen Zellen ziehen.
5. Markieren der Spalte „Anzahl der Texte“.
6. Das Menü „Daten“ auswählen und im Sortierwerkzeug das Feld „Sortieren & Filtern“ anklicken.
7. Die absteigende Sortierreihenfolge auswählen.
8. Alle Tabellenzeilen löschen, in denen der Wert im Feld „Anzahl der Texte“ unter 5 liegt.
9. Markieren der Spalte „Häufigkeit pro Million“.
10. Das Menü „Daten“ auswählen und im Sortierwerkzeug das Feld „Sortieren & Filtern“ anklicken.
11. Die absteigende Sortierreihenfolge auswählen.
12. Alle Zeilen der Tabelle löschen, für die die Werte im Feld „Häufigkeit pro Million“ unter 20 liegen.
1886 verschiedene Bündel wurden nach Anwendung der oben genannten Schwellenkriterien im Korpus gefunden. Die Gesamtzahl der im gesamten Datensatz identifizierten Bündel belief sich auf 197 553.
42
Marek Weber
Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’
Page 5
Tabelle 2. Verteilung lexikalischer Bündel in ICT-Genres
Genre
Gesamtzahl der Bündel nach Anwendung der Schwellenkriterien
Anzahl verschiedener Bündel nach Anwendung der Schwellenkriterien
% der laufenden Wörter in Bündeln
Fachartikel
1057
131
1,8
Wissenschaftliche Artikel
5548
120
1,7
Softwareanwendungen
44669
403
7,2
Hardware
55296
672
8,9
Lehrbücher
72483
119
1,9
Programmiersprachen und Programmierumgebungen
10984
180
3,4
Netzwerktechnologien
7516
261
4,1
Gesamt
197553
1886
Der Prozentsatz der laufenden Wörter in Bündeln wurde berechnet, indem die Gesamtzahl der Fälle für ein bestimmtes Genre mit 4 multipliziert (es werden 4-Wort-Bündel analysiert), durch die Zahl der laufenden Wörter in dem jeweiligen Genre geteilt und das Ergebnis anschließend gemäß der Formel mit 100% multipliziert wurde:
Unserer Ansicht nach können zwei Parameter – die Bandbreite der verschiedenen Bündel und der Prozentsatz der laufenden Wörter in Bündeln – als Indikatoren dafür gelten, in welchem Maße ein bestimmtes Genre im Vergleich zu anderen Genres formelhaft und repetitiv ist. Anders gesagt, lässt sich der Grad der Formelhaftigkeit und Repetitivität eines Genres anhand der Bandbreite der in diesem Genre verwendeten verschiedenen Bündel und des Prozentsatzes der laufenden Wörter in Bündeln messen.
Die ICT-Genres lassen sich nach dem Kriterium der Formelhaftigkeit und Repetitivität in drei Gruppen einteilen.
Genre 3 – „technische Dokumentation von Softwareanwendungen im ICT-Bereich“ – und Genre 4 – „technische Dokumentation von ICT-Hardware“ – sind durch ein hohes Maß an Formelhaftigkeit und Repetitivität gekennzeichnet, da sie vergleichbare Muster aufweisen, indem sie die größte Bandbreite verschiedener Bündel (403 bzw. 672) und den höchsten Prozentsatz laufender Wörter in Bündeln (7,2% bzw. 8,9%) verwenden.
Terminologija | 2012 | 19 43
Page 6
Abbildung 1: Genres mit hohem Grad an Formelhaftigkeit und Wiederholung
Im Gegensatz dazu sind Genre 1 – „Fachartikel im Bereich ICT“, Genre 2 – „wissenschaftliche Artikel im Bereich ICT“ und Genre 5 – „Lehrbücher im Bereich ICT“ durch relativ geringe Grade an Formelhaftigkeit und Wiederholung gekennzeichnet, da sie die geringste Bandbreite unterschiedlicher Bündel verwenden (131, 120 bzw. 119) und den niedrigsten Prozentsatz laufender Wörter in Bündeln aufweisen (1,8%, 1,7% bzw. 1,9%).
Die beiden verbleibenden Genres – Genre 6, „technische Dokumentation von Programmiersprachen und Programmierumgebungen“, und Genre 7, „technische Dokumentation von Netzwerktechnologien“ – bilden die dritte Gruppe; die Werte beider Parameter liegen im mittleren Bereich (Anzahl unterschiedlicher Bündel: 180 bzw. 261; Prozentsatz laufender Wörter in Bündeln: 3,4% bzw. 4,1%).
Es ist jedoch zu bedenken, dass, wie Stanislaw Gozdz-Roszkowski zu Recht hervorhebt, direkte Vergleiche nur zwischen Genres mit ähnlicher Wortzahl zuverlässig gezogen werden können. Um diesem Umstand Rechnung zu tragen, wird der Parameter Prozentsatz laufender Wörter in Bündeln für jedes Genre so berechnet, dass die Wortzahl der jeweiligen Teilkorpora, die die betreffenden Genres repräsentieren, berücksichtigt wird (Gozdz-Roszkowski 2011: 111).
FUNKTIONALE KLASSIFIKATION VON BÜNDELN
Ein Rahmen für die funktionale Analyse der in diesem Korpus ermittelten Bündel wurde anhand der Taxonomien von Biber (Biber 2006; Biber et al. 2004), Hyland (2008) und Gozdz-Roszkowski (2011) entwickelt.
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’
Page 7
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.
Auf Grundlage der oben genannten Taxonomien wurden lexikalische Bündel im Bereich ICT entsprechend ihrer Bedeutung in den Texten in drei übergeordnete Kategorien unterteilt: forschungszentrierte und textzentrierte sowie teilnehmerzentrierte. Die der ersten Kategorie zugeordneten Bündel helfen den Verfassern, ihre Aktivitäten und Erfahrungen im Bereich ICT zu organisieren. Textzentrierte Bündel dienen dazu, die Gliederung des Textes und seine Bedeutung anzuzeigen. Schließlich werden teilnehmerzentrierte Bündel verwendet, um unterschiedliche Haltungen oder Bewertungen zu signalisieren; sie richten den Fokus auf den Verfasser oder den Leser des Textes.
Jede der drei übergeordneten Funktionskategorien lexikalischer Bündel wurde weiter in mehrere Unterkategorien gegliedert.
Forschungszentrierte Bündel umfassen die folgenden Unterkategorien:
Mengenbündel (z. B. eines der größten; eine große Anzahl von; eines der folgenden; die Anzahl der Elemente);
Zeitbezugsbündel (z. B. zum Zeitpunkt von; Jahresende; die nächsten Wochen; in den kommenden Wochen);
Orts-/Richtungsbezugsbündel (z. B. in den Vereinigten Staaten; des Hauptfensters; am unteren Rand des Fensters; in der Statusleiste);
Terminologija | 2012 | 19 45
Page 8
Verfahrens-Bundles – dienen dazu, verschiedene Funktionen im Zusammenhang mit ICT zu beschreiben (z. B. the use of the; the use of a);
Themenindikator-Bundles – beziehen sich auf das Forschungsgebiet (z. B. proceedings of the IEEE; programming languages and systems; the drop down menu; the following configuration options);
Multifunktionale Referenz-Bundles – Bundles, die als Zeit-, Orts- oder Textreferenz verwendet werden können (z. B. the end of the; the start of the; the left of the; at the beginning of);
Beschreibungs-Bundles – bestimmen Merkmale des folgenden Substantivs (z. B. the complexity of the; the surface of the; the scope of the; the height of the).
Textzentrierte Bundles umfassen die folgenden Unterkategorien:
Erläuterungs-Bundles – führen das analysierte Thema weiter aus und verdeutlichen es (z. B. at the same time, as well as the, this means that the, in this case the);
Übergangs-Bundles – stellen additive oder kontrastierende Verbindungen zwischen Textabschnitten her (z. B. on the other hand, as opposed to the, in addition to the, in contrast to the);
Rahmungsattribute-Bundles – „ordnen Argumente ein, indem sie begrenzende Bedingungen angeben“ (Hyland 2008: 14), um Behauptungen oder Argumente zu formulieren (z. B. in terms of the, in the context of, in the presence of, the contents of the);
Bedingungs-Bundles – drücken Bedingungen aus (z. B. if you want to, if you do not, if you have a, if you have an);
Ergebnis-Bundles – zeigen logische Verbindungen zwischen Elementen in Form von Ursache-Wirkungs-Beziehungen an (z. B. so that you can, as a result of, as a result the, as a function of);
Strukturmarker-Bundles – werden verwendet, um auf andere Textteile zu verweisen (z. B. as shown in figure, as discussed in section, is shown in ex ample, later in this chapter).
Teilnehmerzentrierte Bundles umfassen die folgenden Unterkategorien:
Einbeziehungs-Bundles – wenden sich direkt an die Lesenden; sie „sprechen die Leser aktiv als Teilnehmende am sich entfaltenden Diskurs an“ (Hyland 2008: 18) (z. B. do one of the, select the type of, is recommended that you, select one of the);
Einstellungs-Bundles – vermitteln Emotionen, Einstellungen, Werturteile und Einschätzungen; sie „geben einen Rahmen für die Interpretation der folgenden Aussage vor“ (Biber, 2006: 139) (z. B. 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’
Page 9
Modalitäts-Bündel – drücken aus, dass etwas wahrscheinlich, zulässig oder notwendig ist (z. B. muss erfüllt werden, kann verwendet werden, wie zu sehen ist, in denen man kann, darf nicht angezeigt werden, kann reproduziert werden oder, muss jegliche Interferenz akzeptieren, Interferenz, die verursachen kann, die unerwünschte verursachen kann);
Vorhersage-Bündel – drücken die Vorhersage des Verfassers über eine zukünftige Handlung aus (z. B. wird voraussichtlich sein, Sie werden aufgefordert, wird angezeigt in, dies öffnet, wird gebeten werden zu).
Tabelle 3 zeigt die Anzahl der Bündel, die in jedem Genre zu den drei wichtigsten Funktionskategorien gehören.
Tabelle 3: Verteilung lexikalischer Bündel auf funktionale Kategorien
Tabelle 4: Verteilung forschungszentrierter Bündel auf Unterkategorien
FORSCHUNGSZENTRIERT
Anzahl der Genres
Menge
Zeitbezug
Orts-/Richtungsbezug
Verfahren
Themenindikator
Multifunktionaler Bezug
Beschreibung
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
TERMINOLOGISCHE BÜNDEL
Terminologische Bündel wurden als Unterkategorie von Themenindikator-Bündeln identifiziert und als Mehrwortkombinationen definiert, die Termini enthalten.
Abbildung 4: Verteilung terminologischer Bündel über 7 ICT-Genres
Wie Tabelle 5 zeigt, weist Genre 7 – „technische Dokumentation von Netzwerktechnologien“ – mit 18% den größten Anteil sowie mit 47 die größte Anzahl terminologischer Bündel auf. Eine solche terminologische Dichte könnte mit der hochspezialisierten, domänenspezifischen Natur der Texte in Genre 7 zusammenhängen. Die Vermittlung hochspezialisierten Wissens erfordert die wiederkehrende Verwendung fester und spezialisierter Mehrwortkombinationen.
48
Marek Weber
Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’
Page 11
Tabelle 5: Anzahl und Anteile terminologischer Bündel in ICT-Genres
Genre-Nummer
Anzahl der Bündel in einem Genre
Anzahl terminologischer Bündel in einem Genre
Anteil terminologischer Bündel in einem Genre
Anteil terminologischer Bündel in der Kategorie RESEARCH - CENTERED
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
Die zweithöchste Anzahl von Bündeln findet sich im Genre 4 – „technische Dokumentation von ICT-Hardware“ und beträgt 37. Der Anteil aller Bündel, die zur Kategorie der terminologischen Bündel im Genre 4 gehören, ist jedoch relativ gering – nur 5,5%. Dabei sollte jedoch berücksichtigt werden, dass Genre 4 nach Anwendung der Ausschlusskriterien mit Abstand die höchste Anzahl verschiedener Bündel aufweist – 672 – sowie den höchsten Anteil laufender Wörter in Bündeln – 8,9%.
Das Genre 5 – „Lehrbücher zu ICT“ weist einen relativ hohen Anteil terminologischer Bündel auf – 11,7%. Tabelle 6 unten enthält die im Genre 5 – „Lehrbücher zu ICT“ identifizierten terminologischen Bündel.
Tabelle 6: Im Genre 5 – „Lehrbücher zu ICT“ identifizierte terminologische Bündel
GENRE 5
Bündel
Häufigkeit
Anzahl der Texte
Häufigkeit pro Million
the java io package
345
12
22.53
das Java-Sprachpaket
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
Page 12
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
die Anzahl der bytes
433
38
28.27
the java lang package
322
9
21.02
x int y int
316
12
20.63
Ein erheblicher Anteil der Lehrbücher (52%) behandelt verschiedene Themen im Zusammenhang mit der Programmierung in einer Reihe von Programmiersprachen wie Java, C++, C#, Objective-C, PHP und anderen. Dies spiegelt sich in der beträchtlichen Zahl terminologischer Bündel in Genre 5 wider, die häufig auftretende Codezeilen enthalten. Beispielsweise sind terminologische Bündel wie STATIC VOID MAIN STRING (967 Vorkommen in 39 Texten; Häufigkeit pro Million 63,14), PUBLIC STATIC VOID MAIN (952 Vorkommen in 40 Texten; Häufigkeit pro Million 62,16) und VOID MAIN STRING ARGS allesamt Bestandteile von Programmiercode, einschließlich des Schlüsselworts main. Das Schlüsselwort main bezieht sich auf die Hauptfunktion, die für die übergeordnete Organisation der Funktionalität des Programms zuständig ist. Funktionen, auch Methoden genannt, sind Gruppen von Anweisungen, die zur Verarbeitung von Eingabedaten, z. B. für mathematische Berechnungen, verwendet werden. In vielen Programmiersprachen beginnt die Ausführung eines Programms in der Hauptfunktion. Beispielsweise beginnen Java-Programme ihre Ausführung in der Hauptfunktion, die folgenden Methodenkopf hat: public static void main (String[] args). Die Hauptfunktion ist für die übergeordnete Organisation der Funktionalität des Programms zuständig. Das Schlüsselwort void bedeutet, dass die Methode keinen Rückgabewert hat. Wenn die Methode einen ganzzahligen Wert zurückgäbe, würde anstelle von void das Schlüsselwort int verwendet.
Die folgenden beiden terminologischen Bündel PUBLIC STATIC FINAL INT (1306 Vorkommen in 21 Texten; Häufigkeit pro Million 85,27) und PUBLIC FINAL STATIC INT (861 Vorkommen in 5 Texten; Häufigkeit pro Million 56,22) sind Bestandteile von Codezeilen in Programmiersprachen, z. B. Java. Sie legen den Typ der anzuwendenden Funktionen fest. Das Schlüsselwort public bedeutet, dass die Methode sichtbar ist und von Objekten anderer Typen aufgerufen werden kann. Das Schlüsselwort static bedeutet, dass die Methode der Klasse zugeordnet ist und nicht einer bestimmten Instanz (einem Objekt) dieser Klasse. Das bedeutet, dass eine statische Methode aufgerufen werden kann, ohne ein Objekt der Klasse zu erstellen.
50
Marek Weber
Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’
Page 13
Das Bündel INT X INT Y kommt 600-mal in 14 Texten vor, mit einer Häufigkeit von 39,18 pro Million Wörter. Das Bündel steht für eine Variablendeklaration; der Variablentyp ist in diesem Fall eine Ganzzahl oder kurz int. Die Menge der ganzen Zahlen besteht aus den natürlichen Zahlen (0, 1, 2, 3,...) und den negativen natürlichen Zahlen (−1, −2, −3,...).
Das häufige Schlüsselwort Java, der Name einer Programmiersprache, kommt in sechs Bündeln vor: JAVA ENTERPRISE IN A (653 Vorkommen in 5 Texten; Häufigkeit pro Million 42,64); IMPORT JAVA IO IMPORT (447 Vorkommen in 22 Texten; Häufigkeit pro Million 29,19); THE JAVA IO PACKAGE (345 Vorkommen in 12 Texten; Häufigkeit pro Million 22,53); IMPORT JAVA AWT IMPORT (336 Vorkommen in 15 Texten; Häufigkeit pro Million 21,94); JAVA IO IMPORT JAVA (328 Vorkommen in 20 Texten; Häufigkeit pro Million 21,42) und THE JAVA LANG PACKAGE (322 Vorkommen in 9 Texten; Häufigkeit pro Million 21,02).
Java wurde aufgrund von Eigenschaften wie Benutzerfreundlichkeit, Plattformunabhängigkeit und Sicherheitsfunktionen populär. Mit Java kann ein Programm auf vielen verschiedenen Plattformen ausgeführt werden. Das bedeutet, dass keine Anstrengungen unternommen werden müssen, um für jede Plattform eine eigene Softwareversion zu entwickeln. Java wurde so konzipiert, dass es einfach zu verwenden ist, und gilt als einfacher zu schreiben, zu kompilieren, zu debuggen, auszuführen und zu erlernen als manche andere Programmiersprachen.
Die Abkürzung AWT, die im Bündel IMPORT JAVA AWT IMPORT vorkommt, steht für The Abstract Window Toolkit, ein plattformunabhängiges Toolkit für Fenster, Grafiken und Benutzeroberflächen.
Der vollständige Name von JAVA ENTERPRISE, einer Sequenz, die Teil des häufigen Bündels JAVA ENTERPRISE IN A ist, lautet Java Platform, Enterprise Edition. Damit ist Oracles Java-Computing-Plattform für Unternehmen gemeint, die eine Laufzeitumgebung für die Entwicklung und Ausführung von Unternehmenssoftware bereitstellt, darunter Netzwerk- und Webdienste sowie weitere umfangreiche, skalierbare und sichere Netzwerkanwendungen. Das Bündel ist Teil einer längeren formelhaften Fünf-Wort-Sequenz (653 Vorkommen in 5 Texten; Häufigkeit pro Million 42,64): Java Enterprise in a Nutshell, wie das folgende Beispiel zeigt:
Beispiel 1: Sun macht das Leben noch einfacher, indem es Anbieter für zahlreiche Namensdienste bereitstellt. Während der Dienstanbieter also viel Zeit mit der Implementierung der javax.naming.spi-Schnittstellen verbringen kann, muss der Client lediglich eine URL für den Anbieter und die Kontextfabrikklasse angeben und anschließend den Namensdienst nutzen. Weitere Informationen zu JNDI und verwandten Themen finden Sie in Java Enterprise in a Nutshell. [Genre 5 – „Lehrbücher im Bereich ICT“]
Terminologija | 2012 | 19
51
Page 14
Die Sequenz JAVA EDITOR, die Teil des Bündels IN THE JAVA EDITOR ist (75 Vorkommen in 5 Texten; Häufigkeit pro Million 58,49), bezeichnet ein Softwarewerkzeug, das zum Bearbeiten und Kompilieren von in Java geschriebenen Programmen sowie zu deren Ausführung dient. Die Verwendung des Bündels wird im folgenden Beispiel veranschaulicht:
Beispiel 2: Um die Inhaltshilfe zu implementieren, muss die Quelltext-Viewer-Konfiguration Ihres Editors so konfiguriert sein, dass ein Kontierungsassistent definiert wird. Dies geschieht im Beispiel Java editor innerhalb von JavaSourceViewerConfiguration.
Rechtschreibfehler werden im Java editor angezeigt, und entsprechende Schnellkorrekturen sind verfügbar: Sie können das Wörterbuch auch für die Inhaltshilfe verfügbar machen.
Erstellen Sie eigene Vorschläge für die Codevervollständigung, ähnlich denen des Java editor. Instanziieren Sie CompletionProposalCollector, um dieselben Vorschläge wie im Java-Editor zu erhalten, oder leiten Sie eine Unterklasse davon ab, um eigene Vorschläge einzubringen. [Genre 6 – „Technische Dokumentation zu Programmiersprachen und Programmierumgebungen“]
SCHLUSSFOLGERUNGEN
Die in dieser Arbeit zusammengefassten Ergebnisse zeigen erhebliche Unterschiede in der Häufigkeit der Formen und Funktionen lexikalischer Bündel in den jeweiligen Genres der Sprache der Informations- und Kommunikationstechnologie. Die Variationen werden sowohl quantitativ als auch qualitativ beschrieben. Quantitativ sind Genre 3 – „technische Dokumentation von Softwareanwendungen in der Informations- und Kommunikationstechnologie“ und Genre 4 – „technische Dokumentation von Hardware der Informations- und Kommunikationstechnologie“ am stärksten formelhaft und repetitiv. In den anderen ICT-Genres kommen deutlich weniger lexikalische Bündel vor, und diese machen einen erheblich geringeren Anteil an der Gesamtzahl der Wörter aus. Alle 14 terminologischen Bündel, die in den hier untersuchten Lehrbüchern des Genres auftreten, beziehen sich auf verschiedene Aspekte der Programmierung. Dies lässt sich dadurch erklären, dass ein beträchtlicher Anteil der Lehrbücher (52%) verschiedene Themen der Programmierung behandelt.
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’
Page 15
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]
