ΔΕΔΟΜΕΝΑ ΤΗΣ ΜΕΛΕΤΗΣ, ΤΟ ΣΩΜΑ ΚΕΙΜΕΝΩΝ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ
Τα δεδομένα της μελέτης αποτελούνται από ένα ηλεκτρονικό σώμα κειμένων του ευρέος πεδίου της Τεχνολογίας Πληροφορικής και Επικοινωνιών (ΤΠΕ), ενός όρου-ομπρέλα που περιλαμβάνει όλες τις τεχνολογίες οι οποίες αναπτύχθηκαν για την επεξεργασία και τη μεταφορά δεδομένων. Τα κείμενα επιλέχθηκαν ώστε να αντιπροσωπεύουν ένα διατομεακό δείγμα του πεδίου των ΤΠΕ. Τα κείμενα χωρίστηκαν σε επτά κατηγορίες, οι οποίες μπορούν να θεωρηθούν είδη εντός του πεδίου των ΤΠΕ:
Είδος 1: επαγγελματικά άρθρα στις ΤΠΕ;
Είδος 2: ακαδημαϊκά άρθρα στις ΤΠΕ;
Είδος 3: τεχνική τεκμηρίωση εφαρμογών λογισμικού στις ΤΠΕ;
Είδος 4: τεχνική τεκμηρίωση υλικού ΤΠΕ;
Είδος 5: εγχειρίδια στις ΤΠΕ;
Είδος 6: τεχνική τεκμηρίωση γλωσσών προγραμματισμού και περιβαλλόντων προγραμματισμού;
Είδος 7: τεχνική τεκμηρίωση τεχνολογιών δικτύων.
Το σώμα κειμένων περιλαμβάνει συλλογή 973 κειμένων, συνολικά σχεδόν 24 εκατομμυρίων λέξεων. Η επιλογή των δεδομένων για ένα σώμα κειμένων αποτελεί ένα από τα σημαντικότερα ζητήματα για τον ερευνητή, καθώς το σώμα πρέπει να είναι αντιπροσωπευτικό του αναλυόμενου πεδίου χρήσης. Όπως επισημαίνει ο Douglas Biber, η ποσότητα των κειμένων είναι καθοριστική για την έρευνα στην οποία ο μελετητής εστιάζει στο κείμενο ως πρωταρχική μονάδα διερεύνησης. Σε κάθε είδος πρέπει να συμπεριληφθεί επαρκής αριθμός κειμένων, ώστε να ληφθούν υπόψη οι διαφορές μεταξύ κατηγοριών και συγγραφέων (Biber, 2006).
Terminologija | 2012 | 19
39
Page 2
Πίνακας 1. Σύνθεση του σώματος κειμένων Τεχνολογίας της Πληροφορίας και της Επικοινωνίας
Οι επαναλαμβανόμενες ακολουθίες λέξεων που εμφανίζονται μαζί συχνότερα απ’ όσο θα αναμενόταν τυχαία αποτελούν σημαντικό μέρος της γλωσσικής παραγωγής. Ο όρος λεξικό σύμπλεγμα χρησιμοποιήθηκε για πρώτη φορά από τους Douglas Biber, Stig Johansson, Geoffrey Leech, Susan Conrad και Edward Finegan στο πλέον κλασικό έργο τους Longman grammar of spoken and written English για να αναφερθούν σε συνδυασμούς πολλών λέξεων που προσδιορίζονται με μοναδικό κριτήριο τη συχνότητά τους (Biber et al. 1999), ενώ ο Mike Scott τους αποκαλεί word clusters στο εγχειρίδιο της εφαρμογής λογισμικού WordSmith Tools έκδοση 4 (1996) και WordSmith Tools έκδοση 5 (2010). Η μόνη παράμετρος για τον εντοπισμό των λεξικών συμπλεγμάτων είναι η συχνότητά τους. «Τα συμπλέγματα είναι λέξεις που απαντούν επανειλημμένα μαζί, η μία δίπλα στην άλλη, σε ακολουθία» (Scott 2010: 337). Ο Scott επισημαίνει ότι τα συμπλέγματα λέξεων μπορεί να περιλαμβάνουν σημασιολογική προσωδία, δηλαδή την τάση ορισμένα λεξήματα να συνεμφανίζονται με συγκεκριμένα άλλα λεξήματα (π.χ. την τάση του cause να συνοδεύεται από αρνητικές συνέπειες, όπως accident, trouble κ.λπ.) (Scott 2010: 337).
Οι Biber, Johansson, Leech, Conrad και Finegan ορίζουν τα λεξικά συμπλέγματα ως επαναλαμβανόμενες εκφράσεις ανεξάρτητα από τις δομικές τους ιδιότητες, δηλαδή ως ακολουθίες λεξικών τύπων που συνεμφανίζονται συχνά στον λόγο, και επισημαίνουν ότι τα βραχύτερα συμπλέγματα συχνά ενσωματώνονται σε περισσότερα από ένα μεγαλύτερα λεξικά συμπλέγματα (Biber et al. 1999). Παρατηρούν επίσης ότι, στις περισσότερες περιπτώσεις, τα λεξικά συμπλέγματα δεν αποτελούν δομικές μονάδες και τα περισσότερα από αυτά είναι
40
Marek Weber
Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’
Page 3
δεν είναι εκφράσεις που οι χρήστες της γλώσσας θα αναγνώριζαν ως ιδιωματισμούς ή άλλες πάγιες λεξικές εκφράσεις. Οι Biber, Johansson, Leech, Conrad και Finegan ορίζουν τα ακόλουθα κατώφλια ώστε οι πολυλεκτικές ακολουθίες να θεωρούνται λεξικά συμπλέγματα: πρέπει να εμφανίζονται τουλάχιστον 10 φορές ανά εκατομμύριο λέξεις και σε τουλάχιστον πέντε κείμενα (Biber et al. 1999).
Ο Biber σημειώνει ότι ένα απροσδόκητο αποτέλεσμα της προσέγγισης που βασίζεται στη συχνότητα είναι ότι τα λεξικά συμπλέγματα έχουν δύο απρόσμενα χαρακτηριστικά (Biber 2006: 134). Πρώτον, τα περισσότερα δεν είναι ιδιωματικά ως προς τη σημασία τους, αλλά οι σημασίες τους είναι συνήθως διαφανείς από τους επιμέρους λεξικούς τύπους. Ο Ken Hyland επισημαίνει επίσης ότι τα περισσότερα συμπλέγματα είναι σημασιολογικά διαφανή και «μορφολογικά κανονικά, παρέχοντας τα δομικά στοιχεία του συνεκτικού λόγου» (Hyland 2008: 6).
Δεύτερον, τα περισσότερα συμπλέγματα δεν αποτελούν ολοκληρωμένες γραμματικές δομές. Οι Biber, Johansson, Leech, Conrad και Finegan παρατήρησαν ότι περίπου το 15% των λεξικών συμπλεγμάτων στον προφορικό λόγο αποτελούσαν ολοκληρωμένες δομικές μονάδες, ενώ μόνο περίπου το 5% των λεξικών συμπλεγμάτων στον ακαδημαϊκό γραπτό λόγο μπορούσαν να θεωρηθούν ολοκληρωμένες φράσεις ή προτάσεις (Biber et al. 1999: 1000). Ένα πολύτιμο εύρημα του Biber σχετικά με τη συντακτική φύση των λεξικών συμπλεγμάτων είναι ότι πρόκειται για λεξικές μονάδες που συχνά διασχίζουν γραμματικές δομές· για παράδειγμα, μπορούν να γεφυρώνουν δύο φράσεις ή προτάσεις με τέτοιον τρόπο ώστε οι τελευταίες λέξεις ενός συμπλέγματος να αποτελούν τα αρχικά μέρη μιας δεύτερης συντακτικής δομής (Biber 2006: 135). Ο Hyland τονίζει επίσης ότι τα λεξικά συμπλέγματα, καθώς εντοπίζονται αποκλειστικά βάσει της συχνότητάς τους, συνήθως εκτείνονται πέρα από δομικές μονάδες (Hyland 2008: 6).
Πολλές μελέτες σωμάτων κειμένων έχουν αφιερωθεί στην ανάλυση επαναλαμβανόμενων αδιάλειπτων ακολουθιών λεξικών τύπων και καταδεικνύουν τη σημασία τους σε διάφορους τύπους λόγου, καθώς και τη σημαντική διαφοροποίηση των λεξικών συμπλεγμάτων σε διαφορετικά είδη και υφολογικά επίπεδα (π.χ. Biber 2006· Biber, Conrad, Cortes 2004· Hyland 2008· Scott, Tribble 2006· Gozdz-Roszkowski 2011).
Μ Ε Θ Ο Δ Ο Λ Ο Γ Ι Α Π Ο Υ Χ Ρ Η Σ Ι Μ Ο Π Ο Ι Η Θ Η Κ Ε Σ Τ Η Μ Ε Λ Ε Τ Η
Η απόφαση ήταν να επικεντρωθεί η ανάλυση σε τετραλεκτικές ακολουθίες, επειδή, αφενός, οι συχνότητες εμφάνισης των ακολουθιών τεσσάρων λέξεων είναι σημαντικά υψηλότερες από εκείνες των ακολουθιών πέντε λέξεων και, αφετέρου, συχνά περιέχουν ακολουθίες τριών λέξεων και επιτρέπουν τον εντοπισμό πιο εμφανών μοτίβων και δομών από ό,τι οι εκφράσεις τριών λέξεων. Κατάλογοι τετραλεκτικών ακολουθιών σε καθένα από τα
Terminologija | 2012 | 19
41
Page 4
επτά είδη κειμένων ΤΠΕ δημιουργήθηκαν με τη χρήση του WordSmith Tools έκδ. 5.0 – του πακέτου λογισμικού για την αναζήτηση μοτίβων σε σώματα κειμένων.
Στην παρούσα μελέτη ορίστηκαν τα ακόλουθα δύο κατώτατα όρια: ελάχιστη συχνότητα εμφάνισης 20 φορές ανά εκατομμύριο λέξεις και το κριτήριο ότι μια ακολουθία πρέπει να εμφανίζεται σε τουλάχιστον πέντε κείμενα. Η διαδικασία εφαρμογής των κριτηρίων αποκοπής απαιτούσε κατάλληλους υπολογισμούς σε καθένα από τα επτά αρχεία που περιείχαν τον κατάλογο ακολουθιών ενός δεδομένου είδους κειμένου. Οι υπολογισμοί περιγράφονται στα ακόλουθα βήματα:
1. Δημιουργία πρόσθετης στήλης με την ονομασία «Συχνότητα ανά εκατομμύριο» στο υπολογιστικό φύλλο που προέκυψε από το λογισμικό WordSmith Tools.
2. Εισαγωγή της τιμής του συνολικού αριθμού λέξεων σε ένα κενό κελί υπολογιστικού φύλλου Excel, εντός της δεδομένης κατηγορίας.
3. Συμπλήρωση του πρώτου κελιού της στήλης «Συχνότητα ανά εκατομμύριο» με τον ακόλουθο τύπο:
Συχνότητα ανά εκατομμύριο λέξεων = Συχνότητα x 1 000 000 / Συνολικός αριθμός λέξεων
4. Αντιγραφή του τύπου στα υπόλοιπα κελιά, κάνοντας κλικ στην κάτω δεξιά γωνία του συμπληρωμένου κελιού και σύροντάς την προς τα κάτω στα άλλα κελιά.
5. Επισήμανση της στήλης «Αριθμός κειμένων».
6. Επιλογή του μενού «Δεδομένα» και του πεδίου «Ταξινόμηση & Φιλτράρισμα» στο εργαλείο ταξινόμησης.
7. Επιλογή φθίνουσας σειράς ταξινόμησης.
8. Διαγραφή όλων των γραμμών του πίνακα στις οποίες οι τιμές του πεδίου «Αριθμός κειμένων» είναι μικρότερες από 5.
9. Επισήμανση της στήλης «Συχνότητα ανά εκατομμύριο».
10. Επιλογή του μενού «Δεδομένα» και του πεδίου «Ταξινόμηση & Φιλτράρισμα» στο εργαλείο ταξινόμησης.
11. Επιλογή φθίνουσας σειράς ταξινόμησης.
12. Διαγραφή όλων των γραμμών του πίνακα για τις οποίες οι τιμές στο πεδίο «Συχνότητα ανά εκατομμύριο» είναι χαμηλότερες από 20.
1886 διαφορετικές δέσμες εντοπίστηκαν στο σώμα κειμένων μετά την εφαρμογή των παραπάνω κριτηρίων αποκοπής. Ο συνολικός αριθμός δεσμών που εντοπίστηκαν σε ολόκληρο το σύνολο δεδομένων ανήλθε σε 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
Πίνακας 2. Κατανομή των λεξικών δεσμών στα είδη ΤΠΕ
Είδος
Συνολικός αριθμός δεσμών μετά την εφαρμογή των κριτηρίων αποκοπής
Αριθμός διαφορετικών δεσμών μετά την εφαρμογή των κριτηρίων αποκοπής
% των λέξεων του κειμένου που περιλαμβάνονται σε δέσμες
Επαγγελματικά άρθρα
1057
131
1,8
Ακαδημαϊκά άρθρα
5548
120
1,7
Εφαρμογές λογισμικού
44669
403
7,2
Υλικό
55296
672
8,9
Εγχειρίδια
72483
119
1,9
Γλώσσες προγραμματισμού και περιβάλλοντα προγραμματισμού
10984
180
3,4
Τεχνολογίες δικτύων
7516
261
4,1
Σύνολο
197553
1886
Το ποσοστό των λέξεων του συνεχούς κειμένου που περιλαμβάνονται σε πολυλεκτικά συμπλέγματα υπολογίστηκε πολλαπλασιάζοντας τον συνολικό αριθμό περιπτώσεων για ένα δεδομένο είδος κειμένου επί 4 (αναλύονται συμπλέγματα 4 λέξεων), διαιρώντας το αποτέλεσμα με τον αριθμό των λέξεων του συνεχούς κειμένου στο συγκεκριμένο είδος και στη συνέχεια πολλαπλασιάζοντάς το επί 100%, σύμφωνα με τον τύπο:
Κατά την άποψή μας, δύο παράμετροι —το εύρος των διαφορετικών πολυλεκτικών συμπλεγμάτων και το ποσοστό των λέξεων του συνεχούς κειμένου που περιλαμβάνονται σε αυτά— μπορούν να θεωρηθούν δείκτες του βαθμού στον οποίο ένα δεδομένο είδος κειμένου είναι τυποποιημένο και επαναληπτικό σε σύγκριση με άλλα είδη. Με άλλα λόγια, ο βαθμός τυποποίησης και επαναληπτικότητας ενός είδους μπορεί να μετρηθεί με βάση το εύρος των διαφορετικών πολυλεκτικών συμπλεγμάτων που χρησιμοποιούνται σε αυτό και το ποσοστό των λέξεων του συνεχούς κειμένου που περιλαμβάνονται σε τέτοια συμπλέγματα.
Τα είδη κειμένου ΤΠΕ μπορούν να διαιρεθούν σε τρεις ομάδες σύμφωνα με το κριτήριο της τυποποίησης και επαναληπτικότητας.
Το είδος 3 —«τεχνική τεκμηρίωση εφαρμογών λογισμικού στις ΤΠΕ»— και το είδος 4 —«τεχνική τεκμηρίωση υλικού ΤΠΕ»— χαρακτηρίζονται από υψηλό βαθμό τυποποίησης και επαναληπτικότητας, καθώς παρουσιάζουν συγκρίσιμα πρότυπα, χρησιμοποιώντας το μεγαλύτερο εύρος διαφορετικών πολυλεκτικών συμπλεγμάτων (403 και 672 αντίστοιχα) και το υψηλότερο ποσοστό λέξεων του συνεχούς κειμένου σε συμπλέγματα (7,2% και 8,9% αντίστοιχα).
Terminologija | 2012 | 19 43
Page 6
Σχήμα 1: Είδη λόγου με υψηλό βαθμό τυποποίησης και επαναληπτικότητας
Αντίθετα, το είδος 1 – «επαγγελματικά άρθρα στον τομέα των ΤΠΕ», το είδος 2 – «ακαδημαϊκά άρθρα στον τομέα των ΤΠΕ» και το είδος 5 – «εγχειρίδια στον τομέα των ΤΠΕ» χαρακτηρίζονται από σχετικά χαμηλό βαθμό τυποποίησης και επαναληπτικότητας, καθώς χρησιμοποιούν το μικρότερο εύρος διαφορετικών δεσμών (131, 120 και 119 αντίστοιχα) και το χαμηλότερο ποσοστό λέξεων συνεχούς κειμένου σε δέσμες (1,8%, 1,7% και 1,9% αντίστοιχα).
Τα υπόλοιπα δύο είδη: το είδος 6 – «τεχνική τεκμηρίωση γλωσσών προγραμματισμού και περιβαλλόντων προγραμματισμού» και το είδος 7 – «τεχνική τεκμηρίωση τεχνολογιών δικτύων» αποτελούν την τρίτη ομάδα, με τις τιμές και των δύο παραμέτρων να βρίσκονται στη μέση του εύρους (αριθμός διαφορετικών δεσμών: 180 και 261 αντίστοιχα· ποσοστό λέξεων συνεχούς κειμένου σε δέσμες: 3,4% και 4,1% αντίστοιχα).
Ωστόσο, αξίζει να έχουμε κατά νου ότι, όπως ορθά επισημαίνει ο Stanislaw Gozdz-Roszkowski, άμεσες συγκρίσεις μπορούν να γίνουν με ασφάλεια μόνο μεταξύ ειδών με παρόμοιο αριθμό λέξεων. Για να ληφθεί υπόψη αυτός ο παράγοντας, η παράμετρος ποσοστό λέξεων συνεχούς κειμένου σε δέσμες υπολογίζεται για κάθε είδος με τρόπο που να αντικατοπτρίζει τον αριθμό λέξεων καθενός από τα υποσώματα που αντιπροσωπεύουν τα αντίστοιχα είδη (Gozdz-Roszkowski 2011: 111).
ΛΕΙΤΟΥΡΓΙΚΗ ΤΑΞΙΝΟΜΗΣΗ ΤΩΝ ΔΕΣΜΩΝ
Ένα πλαίσιο για τη λειτουργική ανάλυση των δεσμών που προέκυψαν από αυτό το σώμα κειμένων διαμορφώθηκε με βάση τις ταξινομίες των Biber (Biber 2006· Biber et al. 2004), Hyland (2008) και 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’
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.
Με βάση τις προαναφερθείσες ταξινομίες, οι λεξικές δέσμες στον τομέα των ΤΠΕ χωρίστηκαν λειτουργικά σε τρεις ευρείες κατηγορίες, ανάλογα με τη σημασία τους στα κείμενα: προσανατολισμένες στην έρευνα, κειμενοκεντρικές και προσανατολισμένες στους συμμετέχοντες. Οι δέσμες της πρώτης κατηγορίας βοηθούν τους συγγραφείς να οργανώνουν τις δραστηριότητες και τις εμπειρίες τους στον τομέα των ΤΠΕ. Οι κειμενοκεντρικές δέσμες χρησιμοποιούνται για να υποδηλώσουν την οργάνωση του κειμένου και τη σημασία του. Τέλος, οι δέσμες που είναι προσανατολισμένες στους συμμετέχοντες χρησιμοποιούνται για να δηλώσουν διαφορετικές στάσεις ή αξιολογήσεις και εστιάζουν στον συγγραφέα ή τον αναγνώστη του κειμένου.
Σχήμα 2: Λειτουργική ταξινομία των λεξικών δεσμών
Καθεμία από τις τρεις κύριες λειτουργικές κατηγορίες λεξικών δεσμών υποδιαιρέθηκε περαιτέρω σε αρκετές υποκατηγορίες.
Οι προσανατολισμένες στην έρευνα δέσμες περιλαμβάνουν τις ακόλουθες υποκατηγορίες:
Δέσμες ποσότητας (π.χ. one of the biggest; a large number of; one of the following; the number of elements);
Δέσμες χρονικής αναφοράς (π.χ. at the time of; end of the year; the next few weeks; in the coming weeks);
Δέσμες αναφοράς τόπου / κατεύθυνσης (π.χ. in the United States; of the main window; bottom of the window; in the status bar);
Terminologija | 2012 | 19 45
Page 8
Διαδικασία δέσμες – χρησιμοποιούνται για να περιγράψουν διάφορες λειτουργίες που σχετίζονται με τις ΤΠΕ (π.χ. the use of the; the use of a)·
Δείκτης θέματος δέσμες – αφορούν τον ερευνητικό τομέα (π.χ. proceedings of the IEEE; programming languages and systems; the drop down menu; the following configuration options)·
Δέσμες πολυλειτουργικής αναφοράς – δέσμες που μπορούν να χρησιμοποιηθούν ως χρονικές / χωρικές / κειμενικές αναφορές (π.χ. the end of the; the start of the; the left of the; at the beginning of)·
Περιγραφή δέσμες – προσδιορίζουν τα χαρακτηριστικά του επόμενου ουσιαστικού (π.χ. the complexity of the; the surface of the; the scope of the; the height of the).
Οι κειμενοκεντρικές δέσμες περιλαμβάνουν τις ακόλουθες υποκατηγορίες:
Επεξηγηματικές δέσμες – αναπτύσσουν περαιτέρω το υπό ανάλυση θέμα και το αποσαφηνίζουν (π.χ. at the same time, as well as the, this means that the, in this case the)·
Μεταβατικές δέσμες – παρέχουν προσθετικές ή αντιθετικές συνδέσεις μεταξύ τμημάτων κειμένου (π.χ. on the other hand, as opposed to the, in addition to the, in contrast to the)·
Δέσμες πλαισίωσης – «τοποθετούν τα επιχειρήματα σε πλαίσιο προσδιορίζοντας περιοριστικές συνθήκες» (Hyland 2008: 14), προκειμένου να διατυπωθούν ισχυρισμοί ή επιχειρήματα (π.χ. in terms of the, in the context of, in the presence of, the contents of the)·
Υποθετικές δέσμες – εκφράζουν συνθήκες (π.χ. if you want to, if you do not, if you have a, if you have an)·
Αποτελεσματικές δέσμες – υποδεικνύουν λογικές συνδέσεις μεταξύ στοιχείων με όρους σχέσεων αιτίας και αποτελέσματος (π.χ. so that you can, as a result of, as a result the, as a function of)·
Δέσμες δομικών δεικτών – χρησιμοποιούνται για να παραπέμπουν σε άλλα μέρη του κειμένου (π.χ. as shown in figure, as discussed in section, is shown in ex ample, later in this chapter).
Οι συμμετοχοκεντρικές δέσμες περιλαμβάνουν τις ακόλουθες υποκατηγορίες:
Δέσμες εμπλοκής – απευθύνονται άμεσα στους αναγνώστες· «απευθύνονται ενεργά στους αναγνώστες ως συμμετέχοντες στην εξελισσόμενη discourse» (Hyland 2008: 18) (π.χ. do one of the, select the type of, is recommended that you, select one of the)·
Δέσμες στάσης – μεταφέρουν συναισθήματα, στάσεις, αξιολογικές κρίσεις και εκτιμήσεις· «παρέχουν ένα πλαίσιο για την ερμηνεία της ακόλουθης πρότασης» (Biber, 2006: 139) (π.χ. 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
Δέσμες τροπικότητας – εκφράζουν ότι κάτι είναι πιθανό, επιτρεπτό ή αναγκαίο (π.χ. πρέπει να εκπληρωθεί ένα, μπορεί να χρησιμοποιηθεί για, όπως μπορεί να φανεί, στο οποίο μπορείτε, ενδέχεται να μην εμφανίζεται, μπορεί να αναπαραχθεί ή, πρέπει να αποδέχεται κάθε παρεμβολή, παρεμβολή που ενδέχεται να προκαλέσει, που ενδέχεται να προκαλέσει ανεπιθύμητη);
Δέσμες πρόβλεψης – εκφράζουν την πρόβλεψη του συγγραφέα για κάποια μελλοντική ενέργεια (π.χ. αναμένεται να είναι, θα σας ζητηθεί, θα εμφανιστεί σε, αυτό θα ανοίξει το, θα σας ζητηθεί να).
Ο Πίνακας 3 παρουσιάζει τον αριθμό των δεσμών που ανήκουν στις τρεις κύριες λειτουργικές κατηγορίες σε κάθε είδος.
Πίνακας 3: Κατανομή των λεξικών δεσμών στις λειτουργικές κατηγορίες
Σχήμα 3: Ταξινόμηση των δεσμών με προσανατολισμό στην έρευνα
Terminologija | 2012 | 19
47
Page 10
Πίνακας 4: Κατανομή των δεσμών με προσανατολισμό στην έρευνα στις υποκατηγορίες
ΠΡΟΣΑΝΑΤΟΛΙΣΜΕΝΕΣ ΣΤΗΝ ΕΡΕΥΝΑ
Αριθμός ειδών
Ποσότητα
Αναφορά στον χρόνο
Αναφορά σε τόπο/κατεύθυνση
Διαδικασία
Δείκτης θέματος
Πολυλειτουργική αναφορά
Περιγραφή
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
ΟΡΟΛΟΓΙΚΕΣ ΔΕΣΜΕΣ
Οι ορολογικές δέσμες έχουν αναγνωριστεί ως υποκατηγορία των δεσμών που λειτουργούν ως δείκτες θεμάτων και έχουν οριστεί ως πολυλεκτικοί συνδυασμοί που περιέχουν όρους.
Σχήμα 4: Κατανομή των ορολογικών δεσμών σε 7 είδη ICT
Όπως δείχνει ο Πίνακας 5, το είδος 7 – «τεχνική τεκμηρίωση τεχνολογιών δικτύων» – περιέχει το μεγαλύτερο ποσοστό (18%) καθώς και τον μεγαλύτερο αριθμό ορολογικών δεσμών – 47. Αυτή η ορολογική πυκνότητα θα μπορούσε να συνδέεται με τον ιδιαίτερα εξειδικευμένο και ειδικό για τον τομέα χαρακτήρα των κειμένων του είδους 7. Η διάδοση εξειδικευμένης γνώσης απαιτεί την επαναλαμβανόμενη χρήση παγιωμένων και εξειδικευμένων πολυλεκτικών συνδυασμών.
48
Marek Weber
Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’
Page 11
Πίνακας 5: Αριθμοί και αναλογίες των ορολογικών πολυλεκτικών ακολουθιών στους κλάδους ΤΠΕ
Αριθμός κλάδου
Αριθμός πολυλεκτικών ακολουθιών σε έναν κλάδο
Αριθμός ορολογικών πολυλεκτικών ακολουθιών σε έναν κλάδο
Ποσοστό ορολογικών πολυλεκτικών ακολουθιών σε έναν κλάδο
Ποσοστό ορολογικών πολυλεκτικών ακολουθιών στην κατηγορία με επίκεντρο την έρευνα
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
Ο δεύτερος μεγαλύτερος αριθμός πολυλεκτικών ακολουθιών εντοπίζεται στον κλάδο 4 – «τεχνική τεκμηρίωση υλικού ΤΠΕ» και ανέρχεται σε 37. Ωστόσο, το ποσοστό του συνόλου των πολυλεκτικών ακολουθιών που ανήκουν στην κατηγορία των ορολογικών πολυλεκτικών ακολουθιών στον κλάδο 4 είναι σχετικά χαμηλό – μόλις 5,5%. Πρέπει, όμως, να ληφθεί υπόψη ότι ο κλάδος 4 έχει, με μεγάλη διαφορά, τον μεγαλύτερο αριθμό διαφορετικών πολυλεκτικών ακολουθιών μετά την εφαρμογή των κριτηρίων αποκοπής – 672 – και το υψηλότερο ποσοστό λέξεων συνεχούς κειμένου που περιλαμβάνονται σε πολυλεκτικές ακολουθίες – 8,9%.
Ο κλάδος 5 – «εγχειρίδια ΤΠΕ» έχει σχετικά μεγάλο ποσοστό ορολογικών πολυλεκτικών ακολουθιών – 11,7%. Ο Πίνακας 6 παρακάτω περιλαμβάνει τις ορολογικές πολυλεκτικές ακολουθίες που εντοπίστηκαν στον κλάδο 5 – «εγχειρίδια ΤΠΕ».
Πίνακας 6: Ορολογικές πολυλεκτικές ακολουθίες που εντοπίστηκαν στον κλάδο 5 – «εγχειρίδια ΤΠΕ»
ΚΛΑΔΟΣ 5
Πολυλεκτική ακολουθία
Συχνότητα
Αριθμός κειμένων
Συχνότητα ανά εκατομμύριο λέξεις
το java io package
345
12
22.53
το 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
Page 12
ΕΙΔΟΣ 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
ο αριθμός των bytes
433
38
28.27
the java lang package
322
9
21.02
x int y int
316
12
20.63
Ένα σημαντικό ποσοστό των εγχειριδίων (52%) αφορά διάφορα θέματα σχετικά με τον προγραμματισμό σε πολλές γλώσσες προγραμματισμού, όπως η Java, η C++, η C#, η Objective-C, η PHP και άλλες. Αυτό αντικατοπτρίζεται στον σημαντικό αριθμό ορολογικών ακολουθιών στο είδος 5, οι οποίες περιέχουν συχνά εμφανιζόμενες γραμμές κώδικα. Για παράδειγμα, ορολογικές ακολουθίες όπως οι STATIC VOID MAIN STRING (967 εμφανίσεις σε 39 κείμενα· συχνότητα ανά εκατομμύριο 63,14), PUBLIC STATIC VOID MAIN (952 εμφανίσεις σε 40 κείμενα· συχνότητα ανά εκατομμύριο 62,16) και VOID MAIN STRING ARGS (846 εμφανίσεις σε 36 κείμενα· συχνότητα ανά εκατομμύριο 55,24) αποτελούν όλες τμήματα κώδικα προγραμματισμού που περιλαμβάνουν τη λέξη-κλειδί main. Η λέξη-κλειδί main αναφέρεται στη main function, η οποία είναι υπεύθυνη για την οργάνωση υψηλού επιπέδου της λειτουργικότητας του προγράμματος. Οι συναρτήσεις, που αναφέρονται επίσης ως μέθοδοι, είναι σύνολα εντολών που χρησιμοποιούνται για την επεξεργασία δεδομένων εισόδου, π.χ. για μαθηματικούς υπολογισμούς. Σε πολλές γλώσσες προγραμματισμού, η κύρια συνάρτηση είναι το σημείο από το οποίο ξεκινά η εκτέλεση ενός προγράμματος. Για παράδειγμα, τα προγράμματα Java ξεκινούν την εκτέλεσή τους από την κύρια συνάρτηση, η οποία έχει την ακόλουθη επικεφαλίδα μεθόδου: public static void main (String[] args). Η κύρια συνάρτηση είναι υπεύθυνη για την οργάνωση υψηλού επιπέδου της λειτουργικότητας του προγράμματος. Η λέξη-κλειδί void σημαίνει ότι η μέθοδος δεν επιστρέφει τιμή. Αν η μέθοδος επέστρεφε ακέραια τιμή, τότε αντί για τη λέξη-κλειδί void θα χρησιμοποιούνταν η λέξη-κλειδί int.
Οι ακόλουθες δύο ορολογικές ακολουθίες PUBLIC STATIC FINAL INT (1306 εμφανίσεις σε 21 κείμενα· συχνότητα ανά εκατομμύριο 85,27) και PUBLIC FINAL STATIC INT (861 εμφανίσεις σε 5 κείμενα· συχνότητα ανά εκατομμύριο 56,22) αποτελούν τμήματα γραμμών κώδικα σε γλώσσες προγραμματισμού, π.χ. στη Java. Καθορίζουν τον τύπο των συναρτήσεων που πρόκειται να εφαρμοστούν. Η λέξη-κλειδί public σημαίνει ότι η μέθοδος είναι ορατή και μπορεί να κληθεί από αντικείμενα άλλων τύπων. Η λέξη-κλειδί static σημαίνει ότι η μέθοδος συνδέεται με την κλάση και όχι με συγκεκριμένη παρουσία (αντικείμενο) της κλάσης. Αυτό σημαίνει ότι είναι δυνατό να κληθεί μια στατική μέθοδος χωρίς να δημιουργηθεί αντικείμενο της κλάσης.
50
Marek Weber
Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’
Page 13
Το σύμπλεγμα INT X INT Y εμφανίζεται 600 φορές σε 14 κείμενα, με συχνότητα 39,18 ανά εκατομμύριο λέξεων. Το σύμπλεγμα αναπαριστά μια δήλωση μεταβλητών· ο τύπος των μεταβλητών σε αυτή την περίπτωση είναι ακέραιος, ή int εν συντομία. Το σύνολο των ακεραίων σχηματίζεται από τους φυσικούς αριθμούς (0, 1, 2, 3,...) μαζί με τους αρνητικούς φυσικούς αριθμούς (−1, −2, −3,...).
Η συχνή λέξη-κλειδί Java, το όνομα μιας γλώσσας προγραμματισμού, εμφανίζεται σε 6 συμπλέγματα: JAVA ENTERPRISE IN A (653 εμφανίσεις σε 5 κείμενα· συχνότητα ανά εκατομμύριο 42,64)· IMPORT JAVA IO IMPORT (447 εμφανίσεις σε 22 κείμενα· συχνότητα ανά εκατομμύριο 29,19)· THE JAVA IO PACKAGE (345 εμφανίσεις σε 12 κείμενα· συχνότητα ανά εκατομμύριο 22,53)· IMPORT JAVA AWT IMPORT (336 εμφανίσεις σε 15 κείμενα· συχνότητα ανά εκατομμύριο 21,94)· JAVA IO IMPORT JAVA (328 εμφανίσεις σε 20 κείμενα· συχνότητα ανά εκατομμύριο 21,42) και THE JAVA LANG PACKAGE (322 εμφανίσεις σε 9 κείμενα· συχνότητα ανά εκατομμύριο 21,02).
Η Java έγινε δημοφιλής λόγω χαρακτηριστικών όπως η ευκολία χρήσης, η συμβατότητα μεταξύ πλατφορμών και τα χαρακτηριστικά ασφαλείας. Με τη χρήση της Java, ένα πρόγραμμα μπορεί να εκτελεστεί σε πολλές διαφορετικές πλατφόρμες. Αυτό σημαίνει ότι δεν χρειάζεται να καταβληθεί προσπάθεια για την ανάπτυξη διαφορετικής έκδοσης λογισμικού για κάθε πλατφόρμα. Η Java σχεδιάστηκε ώστε να είναι εύχρηστη και θεωρείται ευκολότερη στη σύνταξη, μεταγλώττιση, αποσφαλμάτωση, εκτέλεση και εκμάθηση από ορισμένες άλλες γλώσσες προγραμματισμού.
Η συντομογραφία AWT, η οποία εμφανίζεται στο σύμπλεγμα IMPORT JAVA AWT IMPORT, σημαίνει The Abstract Window Toolkit, ένα κιτ εργαλείων ανεξάρτητο από πλατφόρμα για παράθυρα, γραφικά και διεπαφές χρήστη.
Η πλήρης ονομασία του JAVA ENTERPRISE, μιας ακολουθίας που αποτελεί μέρος του συχνού συμπλέγματος JAVA ENTERPRISE IN A, είναι Java Platform, Enterprise Edition. Αναφέρεται στην εταιρική υπολογιστική πλατφόρμα Java της Oracle, η οποία παρέχει περιβάλλον εκτέλεσης για την ανάπτυξη και την εκτέλεση εταιρικού λογισμικού, συμπεριλαμβανομένων υπηρεσιών δικτύου και ιστού, καθώς και άλλων μεγάλης κλίμακας, επεκτάσιμων και ασφαλών δικτυακών εφαρμογών. Το σύμπλεγμα αποτελεί μέρος μιας μεγαλύτερης τυποποιημένης έκφρασης 5 λέξεων (653 εμφανίσεις σε 5 κείμενα· συχνότητα ανά εκατομμύριο 42,64): Java Enterprise in a Nutshell, όπως φαίνεται στο ακόλουθο παράδειγμα:
Δείγμα 1: Η Sun κάνει τη ζωή ακόμη ευκολότερη παρέχοντας παρόχους για πολλές υπηρεσίες ονοματοδοσίας. Έτσι, ενώ ο πάροχος υπηρεσίας αφιερώνει πολύ χρόνο στην υλοποίηση των διεπαφών javax.naming.spi, ο πελάτης χρειάζεται απλώς να δώσει μια διεύθυνση URL για τον πάροχο και την κλάση εργοστασίου περιβάλλοντος και, στη συνέχεια, να χρησιμοποιήσει την υπηρεσία ονοματοδοσίας. Για πολύ περισσότερες πληροφορίες σχετικά με το JNDI, καθώς και σχετικά θέματα, μπορείτε να προμηθευτείτε το Java Enterprise in a Nutshell. [Είδος 5 – «εγχειρίδια στον τομέα των ΤΠΕ»]
Terminologija | 2012 | 19
51
Page 14
Η ακολουθία JAVA EDITOR, μέρος του συμπλέγματος IN THE JAVA EDITOR (75 εμφανίσεις σε 5 κείμενα· συχνότητα ανά εκατομμύριο 58,49), δηλώνει ένα εργαλείο λογισμικού που έχει σχεδιαστεί για την επεξεργασία και τη μεταγλώττιση προγραμμάτων γραμμένων σε Java, καθώς και για την εκτέλεσή τους. Η χρήση του συμπλέγματος παρουσιάζεται στο ακόλουθο παράδειγμα:
Δείγμα 2: Για να υλοποιηθεί η υποβοήθηση περιεχομένου, πρέπει να ρυθμιστεί η διαμόρφωση του προγράμματος προβολής πηγαίου κώδικα του επεξεργαστή σας, ώστε να οριστεί ο βοηθός λογιστή. Αυτό γίνεται στο παράδειγμα Java editor μέσα στο JavaSourceViewerConfiguration.
Τα ορθογραφικά λάθη εμφανίζονται στο Java editor και είναι διαθέσιμες οι αντίστοιχες Γρήγορες επιδιορθώσεις: μπορείτε επίσης να καταστήσετε το λεξικό διαθέσιμο στη λειτουργία υποβοήθησης περιεχομένου.
Δημιουργήστε τις δικές σας προτάσεις υποβοήθησης κώδικα, παρόμοιες με εκείνες που προτείνονται στο Java editor. Δημιουργήστε ένα στιγμιότυπο του CompletionProposalCollector για να λάβετε τις ίδιες προτάσεις με το πρόγραμμα επεξεργασίας Java ή δημιουργήστε υποκλάση του, ώστε να συνδυάσετε τις δικές σας προτάσεις. [Είδος 6 – «τεχνική τεκμηρίωση γλωσσών προγραμματισμού και περιβαλλόντων προγραμματισμού»]
ΣΥΜΠΕΡΑΣΜΑΤΑ
Τα αποτελέσματα που συνοψίζονται στην παρούσα εργασία αποκαλύπτουν σημαντικές διαφορές στη συχνότητα των μορφών και των λειτουργιών των λεξικών δεσμών στα επιμέρους είδη λόγου της γλώσσας της Πληροφορικής και των Τεχνολογιών Επικοινωνίας. Οι διαφοροποιήσεις παρουσιάζονται τόσο με ποσοτικούς όσο και με ποιοτικούς όρους. Από ποσοτική άποψη, το είδος 3 – «τεχνική τεκμηρίωση εφαρμογών λογισμικού στις ΤΠΕ» και το είδος 4 – «τεχνική τεκμηρίωση υλικού ΤΠΕ» είναι τα πλέον τυποποιημένα και επαναλαμβανόμενα. Τα υπόλοιπα είδη ΤΠΕ χρησιμοποιούν σημαντικά μικρότερο αριθμό λεξικών δεσμών, οι οποίοι αντιστοιχούν σε αισθητά μικρότερο ποσοστό του συνολικού αριθμού λέξεων. Και οι 14 ορολογικοί δεσμοί που απαντούν στα εγχειρίδια του είδους, τα οποία εξετάζονται στην παρούσα εργασία, σχετίζονται με διάφορες πτυχές του προγραμματισμού. Αυτό μπορεί να εξηγηθεί από το γεγονός ότι ένα σημαντικό ποσοστό των εγχειριδίων (52%) αφορά διάφορα θέματα προγραμματισμού.
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]
