Patrones de varias palabras en el corpus de Tecnología de la Información y la Comunicación. Paquetes terminológicos en el género — «Libros de texto de TIC»

MAREK WEBER

Universidad Tecnológica de Białystok

PALABRAS CLAVE: lingüística de corpus, Tecnología de la Información y la Comunicación, secuencias léxicas, clasificación funcional de secuencias léxicas, secuencias terminológicas, análisis léxico

DATOS PARA EL ESTUDIO: EL CORPUS DE TECNOLOGÍA DE LA INFORMACIÓN Y LA COMUNICACIÓN

Los datos del estudio consisten en un corpus electrónico del amplio ámbito de la Tecnología de la Información y la Comunicación (TIC), término general que incluye todas las tecnologías desarrolladas con el fin de procesar y transferir datos. Los textos se seleccionaron para representar una sección transversal del campo de las TIC. Se dividieron en siete categorías que pueden considerarse géneros dentro del ámbito de las TIC:

Género 1: artículos profesionales sobre TIC;

Género 2: artículos académicos sobre TIC;

Género 3: documentación técnica de aplicaciones de software en TIC;

Género 4: documentación técnica de hardware de TIC;

Género 5: libros de texto sobre TIC;

Género 6: documentación técnica de lenguajes de programación y entornos de programación;

Género 7: documentación técnica de tecnologías de red.

El corpus contiene una colección de 973 textos, con un total de casi 24 millones de palabras. La selección de datos para un corpus es una de las cuestiones más importantes para el investigador, ya que el corpus debe ser representativo del ámbito de uso analizado. Como sugiere Douglas Biber, la cantidad de textos es crucial para las investigaciones en las que el investigador se centra en el texto como unidad principal de análisis. Debe incluirse un número suficiente de textos en cada género para dar cuenta de las variaciones entre categorías y autores (Biber, 2006).

Terminologija | 2012 | 19

39

Tabla 1. Composición del corpus de Tecnología de la Información y la Comunicación

GéneroNúmero de textosNúmero de tokens (palabras corridas)Artículos profesionales391225551Artículos académicos951272001Documentación técnica de aplicaciones de software en ICT922472839Documentación técnica de hardware de ICT1002471772Libros de texto9915315237Documentación técnica de lenguajes de programación y entornos de programación901282175Documentación técnica de tecnologías de redes106725418TOTAL97323764993

PAQUETE LÉXICO: EL TÉRMINO

Las secuencias recurrentes de palabras que aparecen juntas con mayor frecuencia de la que cabría esperar por azar constituyen una parte importante de la producción lingüística. El término paquete léxico fue utilizado por primera vez por Douglas Biber, Stig Johansson, Geoffrey Leech, Susan Conrad y Edward Finegan en la ya clásica Longman grammar of spoken and written English para referirse a combinaciones de varias palabras identificadas sobre la base del único criterio de frecuencia (Biber et al. 1999), mientras que Mike Scott las denomina agrupaciones de palabras en el manual de la aplicación de software WordSmith Tools, versión 4 (1996), y WordSmith Tools, versión 5 (2010). La única consideración para identificar paquetes léxicos es su frecuencia. «Las agrupaciones son palabras que se encuentran repetidamente juntas, en secuencia» (Scott 2010: 337). Scott señala que las agrupaciones de palabras pueden implicar prosodia semántica, es decir, la tendencia de ciertos lexemas a coaparecer con otros lexemas determinados (por ejemplo, la tendencia de cause a asociarse con efectos negativos como accident, trouble, etc.) (Scott 2010: 337).

Biber, Johansson, Leech, Conrad y Finegan definen los paquetes léxicos como expresiones recurrentes con independencia de sus propiedades estructurales; es decir, son secuencias de formas de palabras que coaparecen con frecuencia en el discurso, y señalan que los paquetes más cortos suelen estar incorporados en más de un paquete léxico más largo (Biber et al. 1999). También observan que, en la mayoría de los casos, los paquetes léxicos no forman unidades estructurales y que la mayoría de ellos son

40

Marek Weber

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

expresiones que los usuarios de la lengua reconocerían como modismos u otras expresiones léxicas fijas. Biber, Johansson, Leech, Conrad y Finegan establecen los siguientes umbrales para que las secuencias de varias palabras se consideren paquetes léxicos: deben aparecer al menos 10 veces por millón de palabras y en al menos cinco textos (Biber et al. 1999).

Biber señala que un resultado sorprendente de un enfoque basado en la frecuencia es que los paquetes léxicos presentan dos características inesperadas (Biber 2006: 134). En primer lugar, la mayoría no son idiomáticos en cuanto a su significado, sino que sus significados suelen ser transparentes a partir de las formas de las palabras individuales. Ken Hyland también destaca que la mayoría de los paquetes son semánticamente transparentes y «formalmente regulares, pues proporcionan los elementos constitutivos del discurso coherente» (Hyland 2008: 6).

En segundo lugar, la mayoría de los paquetes no son estructuras gramaticales completas. Biber, Johansson, Leech, Conrad y Finegan observaron que aproximadamente el 15% de los paquetes léxicos en la conversación formaban unidades estructurales completas, mientras que solo aproximadamente el 5% de los paquetes léxicos en la prosa académica podían considerarse frases u oraciones subordinadas completas (Biber et al. 1999: 1000). Un hallazgo valioso de Biber sobre la naturaleza sintáctica de los paquetes léxicos es que son unidades léxicas que con frecuencia atraviesan estructuras gramaticales; por ejemplo, pueden conectar dos frases u oraciones subordinadas de tal manera que las últimas palabras de un paquete sean las palabras iniciales de una segunda estructura sintáctica (Biber 2006: 135). Hyland también subraya que los paquetes léxicos, al identificarse únicamente sobre la base de su frecuencia, suelen abarcar unidades estructurales (Hyland 2008: 6).

Numerosos estudios de corpus se han dedicado al análisis de cadenas recurrentes de formas de palabras ininterrumpidas, y muestran cuán importantes son en diversos tipos de discurso, además de poner de manifiesto la considerable variación de los paquetes léxicos en distintos géneros y registros (p. ej., Biber 2006; Biber, Conrad, Cortes 2004; Hyland 2008; Scott, Tribble 2006; Gozdz-Roszkowski 2011).

M E T H O D O L O G Y U S E D I N T H E S T U D Y

Se decidió concentrar el análisis en las secuencias de 4 palabras porque, por un lado, las frecuencias de las secuencias de 4 palabras son sustancialmente superiores a las de las secuencias de 5 palabras y, por otro, suelen contener cadenas de 3 palabras y permiten identificar patrones y estructuras más evidentes que las expresiones de 3 palabras. Se generaron listas de secuencias de 4 palabras en cada uno de los

Terminologija | 2012 | 19

41

siete géneros de las TIC utilizando WordSmith Tools v. 5.0, el paquete de software para buscar patrones en corpus.

En este estudio se establecieron los dos siguientes umbrales: una frecuencia mínima de aparición de 20 veces por millón de palabras y el criterio adicional de que una secuencia debía aparecer en al menos cinco textos. La aplicación de los criterios de umbral requirió realizar los cálculos pertinentes en cada uno de los siete archivos que contenían la lista de secuencias de un género determinado. Los cálculos se describen en los pasos siguientes:

1. Crear una columna adicional denominada «Frecuencia por millón» en la hoja de cálculo obtenida del software WordSmith Tools.

2. Introducir el valor del número de palabras del corpus en una celda vacía de una hoja de cálculo de Excel dentro de la categoría correspondiente.

3. Introducir la siguiente fórmula en la primera celda de la columna «Frecuencia por millón»:

Frecuencia por millón de palabras = Frecuencia x 1 000 000 / Número de palabras

4. Copiar la fórmula a las demás celdas haciendo clic en la esquina inferior derecha de la celda rellenada y arrastrándola hacia abajo hasta las otras celdas.

5. Resaltar la columna «Número de textos».

6. Elegir el menú «Datos» y seleccionar el campo «Ordenar y filtrar» en la herramienta de ordenación.

7. Elegir el orden descendente.

8. Eliminar todas las filas de la tabla en las que los valores del campo «Número de textos» sean inferiores a 5.

9. Resaltar la columna «Frecuencia por millón».

10. Elegir el menú «Datos» y seleccionar el campo «Ordenar y filtrar» en la herramienta de ordenación.

11. Elegir el orden descendente.

12. Eliminar todas las filas de la tabla en las que los valores del campo «Frecuencia por millón» sean inferiores a 20.

Se encontraron 1886 secuencias diferentes en el corpus tras aplicar los criterios de corte anteriores. El número total de secuencias identificadas en el conjunto completo de datos ascendió a 197 553.

42

Marek Weber

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

Tabla 2. Distribución de las secuencias léxicas en los géneros de las TIC

Género

Número total de secuencias tras aplicar los criterios de corte

Número de secuencias diferentes tras aplicar los criterios de corte

% de palabras del texto corrido incluidas en secuencias

Artículos profesionales

1057

131

1,8

Artículos académicos

5548

120

1,7

Aplicaciones de software

44669

403

7,2

Hardware

55296

672

8,9

Libros de texto

72483

119

1,9

Lenguajes de programación y entornos de programación

10984

180

3,4

Tecnologías de red

7516

261

4,1

Total

197553

1886

El porcentaje de palabras corridas que aparecen en secuencias se obtuvo multiplicando por 4 el número total de casos de un género determinado (se analizan secuencias de 4 palabras), dividiendo el resultado por el número de palabras corridas de ese género y multiplicándolo después por 100%, según la fórmula:

A nuestro juicio, dos parámetros —la variedad de secuencias diferentes y el porcentaje de palabras corridas que aparecen en secuencias— pueden considerarse indicadores del grado en que un género es formularizado y repetitivo en comparación con otros géneros. En otras palabras, el grado de formulariedad y repetitividad de un género puede medirse por la variedad de secuencias diferentes utilizadas en él y por el porcentaje de palabras corridas que aparecen en secuencias.

Los géneros de las TIC pueden dividirse en tres grupos según el criterio de formulariedad y repetitividad.

El género 3 —«documentación técnica de aplicaciones de software en las TIC»— y el género 4 —«documentación técnica de hardware de las TIC»— se caracterizan por un alto grado de formulariedad y repetitividad, pues presentan patrones comparables, al emplear la mayor variedad de secuencias diferentes (403 y 672, respectivamente) y el porcentaje más alto de palabras corridas en secuencias (7,2% y 8,9%, respectivamente).

Terminologija | 2012 | 19 43

Figura 1: Géneros con altos grados de formulariedad y repetitividad

En cambio, el género 1 —«artículos profesionales en ICT»—, el género 2 —«artículos académicos en ICT»— y el género 5 —«libros de texto en ICT»— se caracterizan por grados relativamente bajos de formulariedad y repetitividad, ya que emplean la menor variedad de bundles distintos (131, 120 y 119, respectivamente) y el menor porcentaje de palabras corridas en bundles (1,8%, 1,7% y 1,9%, respectivamente).

Los dos géneros restantes —el género 6, «documentación técnica de lenguajes y entornos de programación», y el género 7, «documentación técnica de tecnologías de red»— constituyen el tercer grupo, con valores de ambos parámetros situados en el punto medio del intervalo (número de bundles distintos: 180 y 261, respectivamente; porcentaje de palabras corridas en bundles: 3,4% y 4,1%, respectivamente).

Sin embargo, conviene tener presente que, como señala acertadamente Stanislaw Gozdz-Roszkowski, solo es seguro realizar comparaciones directas entre géneros con recuentos de palabras similares. Para tener en cuenta esta consideración, el parámetro porcentaje de palabras corridas en bundles se calcula para cada género de manera que refleje los recuentos de palabras de cada uno de los subcorpus que representan los géneros respectivos (Gozdz-Roszkowski 2011: 111).

CLASIFICACIÓN FUNCIONAL DE LOS BUNDLES

El marco para el análisis funcional de los bundles obtenidos en este corpus se estableció a partir de las taxonomías de Biber (Biber 2006; Biber et al. 2004), Hyland (2008) y 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.

Basándose en las taxonomías mencionadas anteriormente, los bundles léxicos de ICT se dividieron funcionalmente en tres categorías generales según su significado en los textos: centrados en la investigación, centrados en el texto y centrados en los participantes. Los bundles agrupados en la primera categoría ayudan a los autores a organizar sus actividades y experiencias en el ámbito de ICT. Los bundles centrados en el texto se emplean para indicar la organización del texto y su significado. Por último, los bundles centrados en los participantes se utilizan para señalar distintas actitudes o evaluaciones y se centran en el autor o el lector del texto.

Figura 2: Taxonomía funcional de los bundles léxicos

Cada una de las tres categorías funcionales principales de bundles léxicos se subdividió a su vez en varias subcategorías.

Los bundles centrados en la investigación incluyen las siguientes subcategorías:

Bundles de cantidad (p. ej., uno de los más grandes; un gran número de; uno de los siguientes; el número de elementos);

Bundles de referencia temporal (p. ej., en el momento de; a fin de año; las próximas semanas; en las semanas venideras);

Bundles de referencia de lugar/dirección (p. ej., en los Estados Unidos; de la ventana principal; parte inferior de la ventana; en la barra de estado);

Terminologija | 2012 | 19 45

Los patrones de procedimiento se utilizan para describir diversas funciones relacionadas con las TIC (p. ej., el uso de; el uso de una);

Los patrones indicadores de tema se relacionan con el área de investigación (p. ej., actas del IEEE; lenguajes y sistemas de programación; menú desplegable; las siguientes opciones de configuración);

Los patrones de referencia multifuncionales son patrones que pueden utilizarse como referencia temporal, espacial o textual (p. ej., el final de; el comienzo de; a la izquierda de; al principio de);

Los patrones descriptivos especifican características del sustantivo siguiente (p. ej., la complejidad de; la superficie de; el alcance de; la altura de).

Los patrones centrados en el texto incluyen las siguientes subcategorías:

Los patrones de elaboración amplían el tema analizado y lo aclaran (p. ej., al mismo tiempo, así como, esto significa que, en este caso);

Los patrones de transición establecen relaciones aditivas o contrastivas entre partes del texto (p. ej., por otro lado, en contraposición a, además de, en contraste con);

Los patrones de delimitación «sitúan los argumentos al especificar condiciones limitantes» (Hyland 2008: 14) para formular afirmaciones o argumentos (p. ej., en términos de; en el contexto de; en presencia de; el contenido de);

Los patrones condicionales expresan condiciones (p. ej., si quieres, si no lo haces, si tienes un/una);

Los patrones de resultado indican vínculos lógicos entre elementos mediante relaciones de causa y resultado (p. ej., de modo que puedas, como resultado de, como resultado, en función de);

Los patrones de marcación estructural se utilizan para remitir a otras partes del texto (p. ej., como se muestra en la figura, como se analiza en la sección, se muestra en el ejemplo, más adelante en este capítulo).

Los patrones centrados en el participante incluyen las siguientes subcategorías:

Los patrones de implicación se dirigen directamente a los lectores; «se dirigen activamente a los lectores como participantes en el discurso en desarrollo» (Hyland 2008: 18) (p. ej., realice una de las; seleccione el tipo de; se recomienda que usted; seleccione una de las);

Los patrones de posicionamiento transmiten emociones, actitudes, juicios de valor y evaluaciones; «proporcionan un marco para interpretar la proposición siguiente» (Biber, 2006: 139) (p. ej., es necesario; no hay garantía de que; es importante; no es posible; es posible);

46

Marek Weber

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

Los grupos de modalidad expresan que algo es probable, permisible o necesario (p. ej., debe cumplirse, se puede utilizar, como puede verse, en el que se puede, puede que no se muestre, puede reproducirse o, debe aceptar cualquier interferencia, interferencia que pueda causar, que pueda causar indeseados);

Los grupos de predicción expresan la predicción del autor de alguna acción futura (p. ej., se espera que sea, se le pedirá, se mostrará en, esto abrirá, se le pedirá que).

La Tabla 3 muestra el número de grupos pertenecientes a las tres categorías funcionales principales en cada género.

Tabla 3: Distribución de los grupos léxicos entre las categorías funcionales

Centrados en la investigación | Centrados en el texto | Centrados en el participante | Otros | Artículos profesionales | 45 | 23 | 13 | 45 | Artículos académicos | 48 | 35 | 9 | 28 | Aplicaciones de software | 123 | 55 | 122 | 83 | Hardware | 207 | 51 | 138 | 187 | Libros de texto | 32 | 35 | 18 | 20 | Lenguajes de programación y entornos de programación | 39 | 39 | 26 | 62 | Tecnologías de red | 91 | 24 | 11 | 91

Figura 3: Clasificación de los grupos centrados en la investigación

Terminologija | 2012 | 19

47

Tabla 4: Distribución de los grupos centrados en la investigación entre las subcategorías

CENTRADOS EN LA INVESTIGACIÓN

Número de géneros

Cantidad

Referencia temporal

Referencia de lugar/dirección

Procedimiento

Indicador temático

Referencia multifuncional

Descripción

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

AGRUPACIONES TERMINOLÓGICAS

Las agrupaciones terminológicas se han identificado como una subcategoría de agrupaciones indicadoras de temas y se han definido como combinaciones de varias palabras que contienen términos.

Figura 4: Distribución de las agrupaciones terminológicas en 7 géneros de TIC

Como muestra la Tabla 5, el género 7 —«documentación técnica de tecnologías de red»— contiene el mayor porcentaje (18%) y también el mayor número de agrupaciones terminológicas: 47. Esta densidad terminológica podría estar relacionada con la naturaleza altamente especializada y específica del dominio de los textos del género 7. La difusión de conocimientos altamente especializados requiere el uso recurrente de combinaciones fijas y especializadas de varias palabras.

48

Marek Weber

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

Tabla 5: Número y proporción de patrones terminológicos en los géneros de TIC

Número de género

Número de patrones en un género

Número de patrones terminológicos en un género

Porcentaje de patrones terminológicos en un género

Porcentaje de patrones terminológicos en la categoría CENTRADA EN LA INVESTIGACIÓN

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

El segundo mayor número de patrones se encuentra en el género 4, «documentación técnica de hardware de TIC», con un total de 37. Sin embargo, la proporción de todos los patrones que pertenecen a la categoría de patrones terminológicos en el género 4 es relativamente baja: solo el 5,5%. No obstante, debe tenerse en cuenta que el género 4 tiene, con mucha diferencia, el mayor número de patrones distintos después de aplicar los criterios de corte —672— y el porcentaje más alto de palabras en ejecución dentro de patrones: el 8,9%.

El género 5, «libros de texto de TIC», tiene una proporción relativamente alta de patrones terminológicos: el 11,7%. La Tabla 6, a continuación, contiene los patrones terminológicos identificados en el género 5, «libros de texto de TIC».

Tabla 6: Patrones terminológicos identificados en el género 5: «libros de texto de TIC»

GÉNERO 5

Patrón

Frecuencia

Número de textos

Frecuencia por millón

el java io package

345

12

22.53

el 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

GÉNERO 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

el número de bytes

433

38

28.27

the java lang package

322

9

21.02

x int y int

316

12

20.63

Una proporción considerable de los libros de texto (52%) trata diversos temas relacionados con la programación en varios lenguajes, como Java, C++, C#, Objective-C, PHP y otros. Esto se refleja en el considerable número de secuencias terminológicas del género 5 que contienen líneas de código frecuentes. Por ejemplo, secuencias terminológicas como STATIC VOID MAIN STRING (967 apariciones en 39 textos; frecuencia por millón: 63,14), PUBLIC STATIC VOID MAIN (952 apariciones en 40 textos; frecuencia por millón: 62,16) y VOID MAIN STRING ARGS (846 apariciones en 36 textos; frecuencia por millón: 55,24) son todas partes del código de programación que incluyen la palabra clave main. La palabra clave main se refiere a la función principal, responsable de la organización de alto nivel de la funcionalidad del programa. Las funciones, también denominadas métodos, son conjuntos de instrucciones que se utilizan para operar sobre datos de entrada, por ejemplo, para realizar cálculos matemáticos. En muchos lenguajes de programación, la ejecución de un programa comienza en la función principal. Por ejemplo, los programas Java comienzan a ejecutarse en la función principal, cuya declaración es la siguiente: public static void main (String[] args). La función principal es responsable de la organización de alto nivel de la funcionalidad del programa. La palabra clave void significa que el método no devuelve ningún valor. Si el método devolviera un valor entero, se utilizaría la palabra clave int en lugar de void.

Las dos secuencias terminológicas siguientes, PUBLIC STATIC FINAL INT (1306 apariciones en 21 textos; frecuencia por millón: 85,27) y PUBLIC FINAL STATIC INT (861 apariciones en 5 textos; frecuencia por millón: 56,22), son partes de líneas de código en lenguajes de programación, como Java. Definen el tipo de funciones que se aplicarán. La palabra clave public significa que el método es visible y puede invocarse desde objetos de otros tipos. La palabra clave static significa que el método está asociado a la clase, no a una instancia (objeto) específica de esa clase. Esto significa que es posible invocar un método estático sin crear un objeto de la clase.

50

Marek Weber

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

El conjunto INT X INT Y aparece 600 veces en 14 textos, con una frecuencia de 39,18 por millón de palabras. El conjunto representa una declaración de variables; en este caso, el tipo de las variables es entero, o int, abreviado. El conjunto de los enteros está formado por los números naturales (0, 1, 2, 3,...) junto con los números naturales negativos (−1, −2, −3,...).

La palabra clave frecuente Java, nombre de un lenguaje de programación, aparece en 6 conjuntos: JAVA ENTERPRISE IN A (653 apariciones en 5 textos; frecuencia de 42,64 por millón); IMPORT JAVA IO IMPORT (447 apariciones en 22 textos; frecuencia de 29,19 por millón); THE JAVA IO PACKAGE (345 apariciones en 12 textos; frecuencia de 22,53 por millón); IMPORT JAVA AWT IMPORT (336 apariciones en 15 textos; frecuencia de 21,94 por millón); JAVA IO IMPORT JAVA (328 apariciones en 20 textos; frecuencia de 21,42 por millón) y THE JAVA LANG PACKAGE (322 apariciones en 9 textos; frecuencia de 21,02 por millón).

Java ganó popularidad gracias a características como la facilidad de uso, la compatibilidad multiplataforma y las funciones de seguridad. Al utilizar Java, un programa puede ejecutarse en muchas plataformas diferentes. Esto significa que no es necesario dedicar esfuerzos a desarrollar una versión distinta del software para cada plataforma. Java se diseñó para que fuera fácil de usar y se considera más fácil de escribir, compilar, depurar, ejecutar y aprender que algunos otros lenguajes de programación.

La abreviatura AWT, que aparece en el conjunto IMPORT JAVA AWT IMPORT, significa The Abstract Window Toolkit, un conjunto de herramientas de ventanas, gráficos e interfaz de usuario independiente de la plataforma.

El nombre completo de JAVA ENTERPRISE, secuencia que forma parte del conjunto frecuente JAVA ENTERPRISE IN A, es Java Platform, Enterprise Edition. Designa la plataforma empresarial de computación Java de Oracle, que proporciona un entorno de ejecución para desarrollar y ejecutar software empresarial, incluidos servicios de red y web, así como otras aplicaciones de red escalables, seguras y de gran escala. El conjunto forma parte de una expresión formulaica más larga de cinco palabras (653 apariciones en 5 textos; frecuencia de 42,64 por millón): Java Enterprise in a Nutshell, como se ilustra en el siguiente ejemplo:

Ejemplo 1: Sun facilita aún más las cosas al proporcionar proveedores para muchos servicios de nombres. Así, mientras el proveedor de servicios dedica mucho tiempo a implementar las interfaces javax.naming.spi, el cliente solo tiene que proporcionar una URL del proveedor y la clase de fábrica de contextos, y luego utilizar el servicio de nombres. Para obtener mucha más información sobre JNDI, así como sobre temas relacionados, puede consultar Java Enterprise in a Nutshell. [Género 5 – «manuales de texto sobre ICT»]

Terminologija | 2012 | 19

51

La secuencia JAVA EDITOR, que forma parte del conjunto IN THE JAVA EDITOR (75 apariciones en 5 textos; frecuencia de 58,49 por millón), designa una herramienta de software diseñada para editar y compilar programas escritos en Java, así como para ejecutarlos. El uso del conjunto se ilustra en el siguiente ejemplo:

Ejemplo 2: Para implementar la asistencia de contenido, la configuración del visor de código fuente de su editor debe configurarse para definir el asistente de contabilidad. Esto se hace en el ejemplo de Java editor dentro de JavaSourceViewerConfiguration.

Los errores ortográficos se muestran en el Java editor y hay disponibles las correcciones rápidas correspondientes: también puede poner el diccionario a disposición de la asistencia de contenido.

Cree sus propias propuestas de asistencia de código, similares a las propuestas en el Java editor. Cree una instancia de CompletionProposalCollector para obtener las mismas propuestas que el editor de Java, o derive una subclase para combinar sus propias propuestas. [Género 6 – «documentación técnica de lenguajes y entornos de programación»]

CONCLUSIONES

Los resultados resumidos en este trabajo revelan diferencias sustanciales en la frecuencia de las formas y funciones de las secuencias léxicas entre los respectivos géneros del lenguaje de las tecnologías de la información y la comunicación. Las variaciones se presentan en términos tanto cuantitativos como cualitativos. Desde el punto de vista cuantitativo, el género 3 —«documentación técnica de aplicaciones de software en las TIC»— y el género 4 —«documentación técnica de hardware de las TIC»— son los más formularios y repetitivos. Los demás géneros de las TIC emplean un número considerablemente menor de secuencias léxicas, y estas representan proporciones marcadamente inferiores del número total de palabras. Las 14 secuencias terminológicas que aparecen en los libros de texto del género analizado en este artículo se relacionan con diversos aspectos de la programación. Esto puede explicarse por el hecho de que un porcentaje considerable de los libros de texto (52%) trata diversos temas de programación.

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