A TANULMÁNY ADATAI: AZ INFORMÁCIÓS ÉS KOMMUNIKÁCIÓS TECHNOLÓGIA KORPUSZA
A tanulmány adatállományát az információs és kommunikációs technológia (IKT) tág területét felölelő elektronikus korpusz alkotja; az IKT gyűjtőfogalom, amely magában foglal minden, az adatok feldolgozására és továbbítására kifejlesztett technológiát. A szövegeket úgy választották ki, hogy az IKT területének keresztmetszetét képviseljék. A szövegeket hét kategóriába sorolták, amelyek az IKT területén belüli műfajoknak tekinthetők:
1. műfaj: szakmai cikkek az IKT területén;
2. műfaj: tudományos cikkek az IKT területén;
3. műfaj: IKT-alkalmazások szoftvereinek műszaki dokumentációja;
4. műfaj: az IKT hardverének műszaki dokumentációja;
5. műfaj: tankönyvek az IKT területén;
6. műfaj: programozási nyelvek és programozási környezetek műszaki dokumentációja;
7. műfaj: hálózati technológiák műszaki dokumentációja.
A korpusz 973 szöveget tartalmaz, összesen csaknem 24 millió szóval. A korpusz adatainak kiválasztása a kutató egyik legfontosabb feladata, mivel a korpusznak reprezentatívnak kell lennie az elemzett használati tartományra nézve. Douglas Biber megállapítása szerint a szövegek mennyisége döntő fontosságú azokban a kutatásokban, amelyekben a kutató a szöveget tekinti az elemzés elsődleges egységének. Minden műfajba elegendő számú szöveget kell bevonni ahhoz, hogy figyelembe lehessen venni a kategóriák és a szerzők közötti változatosságot (Biber, 2006).
Terminologija | 2012 | 19
39
Page 2
1. táblázat. Az információs és kommunikációs technológiai korpusz összetétele
MűfajSzövegek számaTokenek száma (folyamatos szavak)Szakmai cikkek391225551Tudományos cikkek951272001Szoftveralkalmazások műszaki dokumentációja az ICT területén922472839Az ICT-hardver műszaki dokumentációja1002471772Tankönyvek9915315237Programozási nyelvek és programozási környezetek műszaki dokumentációja901282175Hálózati technológiák műszaki dokumentációja106725418ÖSSZESEN97323764993
LEXIKAI BUNDLE: A KIFEJEZÉS
A véletlennél gyakrabban együtt előforduló ismétlődő szósorozatok fontos részét képezik a nyelvi produkciónak. A lexical bundle kifejezést először Douglas Biber, Stig Johansson, Geoffrey Leech, Susan Conrad és Edward Finegan használta a mára klasszikussá vált Longman grammar of spoken and written English című műben olyan többszavas kombinációkra utalva, amelyeket kizárólag gyakorisági kritérium alapján azonosítottak (Biber et al. 1999), míg Mike Scott a WordSmith Tools 4. verziójához (1996) és WordSmith Tools 5. verziójához (2010) készült szoftverhasználati kézikönyvben word clusters néven említi ezeket. A lexikai bundle-ök azonosításának egyetlen szempontja a gyakoriságuk. „A klaszterek olyan szavak, amelyek ismételten együtt, egymás társaságában, egymás után fordulnak elő” (Scott 2010: 337). Scott rámutat arra, hogy a szóklaszterek szemantikai prozódiát is magukban foglalhatnak, vagyis bizonyos lexémák hajlamát arra, hogy bizonyos más lexémákkal együtt forduljanak elő (például a cause gyakori előfordulását olyan negatív hatásokkal, mint az accident, trouble stb.) (Scott 2010: 337).
Biber, Johansson, Leech, Conrad és Finegan a lexical bundles fogalmát szerkezeti tulajdonságaiktól függetlenül ismétlődő kifejezésekként határozzák meg, vagyis olyan szóalak-sorozatokként, amelyek gyakran együtt fordulnak elő a diskurzusban; arra is rámutatnak, hogy a rövidebb bundle-ök gyakran több hosszabb lexikai bundle részét alkotják (Biber et al. 1999). Azt is megfigyelik, hogy a lexikai bundle-ök a legtöbb esetben nem alkotnak szerkezeti egységeket, és többségük nem
40
Marek Weber
Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’
Page 3
olyan kifejezés, amelyet a nyelvhasználók idiómaként vagy más rögzült lexikai kifejezésként ismernének fel. Biber, Johansson, Leech, Conrad és Finegan a következő küszöbértékeket állapítják meg ahhoz, hogy a többszavas sorozatok lexikai bundle-nek minősüljenek: millió szavanként legalább 10 alkalommal és legalább öt szövegben kell előfordulniuk (Biber et al. 1999).
Biber megjegyzi, hogy a gyakoriságon alapuló megközelítés egyik meglepő eredménye, hogy a lexikai bundle-öknek két váratlan jellemzőjük van (Biber 2006: 134). Először is, jelentésük többnyire nem idiomatikus, hanem általában az egyes szóalakokból átlátható. Ken Hyland szintén arra mutat rá, hogy a legtöbb bundle szemantikailag átlátható, és „formailag szabályos, a koherens diskurzus építőelemeit adja” (Hyland 2008: 6).
Másodszor, a bundle-ök többsége nem teljes grammatikai szerkezet. Biber, Johansson, Leech, Conrad és Finegan megfigyelte, hogy a beszélgetésekben előforduló lexikai bundle-ök körülbelül 15%-a alkotott teljes szerkezeti egységet, míg a tudományos prózában előforduló lexikai bundle-öknek csak körülbelül 5%-a volt teljes kifejezésnek vagy tagmondatnak tekinthető (Biber et al. 1999: 1000). Biber lexikai bundle-ök szintaktikai természetére vonatkozó értékes megállapítása szerint ezek olyan lexikai egységek, amelyek gyakran átlépik a grammatikai szerkezetek határait: például két kifejezést vagy tagmondatot is összekapcsolhatnak úgy, hogy a bundle utolsó szavai egy második szintaktikai szerkezet kezdő elemei (Biber 2006: 135). Hyland azt is hangsúlyozza, hogy a kizárólag gyakoriságuk alapján azonosított lexikai bundle-ök rendszerint szerkezeti egységeken ívelnek át (Hyland 2008: 6).
Számos korpuszvizsgálat foglalkozott a megszakítás nélkül előforduló szóalakok ismétlődő sorozatainak elemzésével; ezek bemutatják, milyen fontos szerepet játszanak a diskurzus különböző típusaiban, valamint azt is, hogy a lexikai bundle-ök jelentős változatosságot mutatnak a különböző műfajokban és regiszterekben (pl. Biber 2006; Biber, Conrad, Cortes 2004; Hyland 2008; Scott, Tribble 2006; Gozdz-Roszkowski 2011).
A TANULMÁNYBAN ALKALMAZOTT MÓDSZERTAN
Úgy döntöttünk, hogy a 4 szavas szókapcsolatok elemzésére összpontosítunk, mert egyrészt a 4 szavas szókapcsolatok gyakorisága jelentősen meghaladja az 5 szavas szekvenciákét, másrészt gyakran 3 szavas sorozatokat is tartalmaznak, és a 3 szavas kifejezéseknél nyilvánvalóbb mintázatok és szerkezetek azonosítását teszik lehetővé. A hét ICT-műfaj mindegyikében előforduló 4 szavas szókapcsolatok listáit a következő programmal állítottuk össze:
Terminologija | 2012 | 19
41
Page 4
A WordSmith Tools v. 5.0 szoftvercsomaggal készítettük el a hét ICT-műfaj szókapcsolatainak listáit; a program korpuszokban előforduló mintázatok keresésére szolgál.
A tanulmányban a következő két küszöbértéket határoztuk meg: egymillió szóra vetítve legalább 20 előfordulás, valamint az a kritérium, hogy egy szókapcsolatnak legalább öt szövegben kell előfordulnia. A küszöbértékek alkalmazása megfelelő számításokat tett szükségessé a szókapcsolatokat műfajonként felsoroló hét fájl mindegyikében. A számításokat a következő lépésekben ismertetjük:
1. A WordSmith Tools programmal kapott táblázatban egy új, „Egymillió szóra jutó gyakoriság” elnevezésű oszlop létrehozása.
2. A szóelőfordulások számának beírása az adott kategórián belül egy üres Excel-munkalapcellába.
3. Az „Egymillió szóra jutó gyakoriság” oszlop első cellájának kitöltése a következő képlettel:
Egymillió szóra jutó gyakoriság = gyakoriság x 1 000 000 / szóelőfordulások száma
4. A képlet átmásolása a többi cellába: kattintsunk a kitöltött cella jobb alsó sarkára, majd húzzuk lefelé a többi cellára.
5. A „Szövegek száma” oszlop kijelölése.
6. Az „Adatok” menü megnyitása, majd a rendezési eszközben a „Rendezés és szűrés” mező kiválasztása.
7. Csökkenő sorrendű rendezés kiválasztása.
8. A táblázat azon sorainak törlése, amelyekben a „Szövegek száma” mező értéke kisebb 5-nél.
9. Az „Egymillió szóra jutó gyakoriság” oszlop kijelölése.
10. Az „Adatok” menü megnyitása, majd a rendezési eszközben a „Rendezés és szűrés” mező kiválasztása.
11. Csökkenő sorrendű rendezés kiválasztása.
12. A táblázat azon sorainak törlése, amelyeknél a „Millió szóra vetített gyakoriság” mező értékei kisebbek 20-nál.
1886 különböző szókapcsolatot találtunk a korpuszban a fenti küszöbérték-kritériumok alkalmazása után. A teljes adathalmazban az azonosított szókapcsolatok száma összesen 197 553 volt.
42
Marek Weber
Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’
Page 5
2. táblázat. A lexikai szókapcsolatok megoszlása az ICT műfajaiban
Műfaj
A szókapcsolatok összes száma a küszöbérték-kritériumok alkalmazása után
A különböző szókapcsolatok száma a küszöbérték-kritériumok alkalmazása után
A folyamatos szöveg szavainak százalékos aránya a szókapcsolatokban
Szakmai cikkek
1057
131
1,8
Tudományos cikkek
5548
120
1,7
Szoftveralkalmazások
44669
403
7,2
Hardver
55296
672
8,9
Tankönyvek
72483
119
1,9
Programozási nyelvek és programozási környezetek
10984
180
3,4
Hálózati technológiák
7516
261
4,1
Összesen
197553
1886
A szóelőfordulások kötegekben mért százalékos arányát úgy kaptuk meg, hogy az adott műfaj összes előfordulásának számát megszoroztuk 4-gyel (a négy szóból álló kötegeket elemezzük), elosztottuk az adott műfaj szóelőfordulásainak számával, majd az alábbi képlet szerint megszoroztuk 100%-kal:
Véleményünk szerint két paraméter – az eltérő kötegek köre és a kötegekben előforduló szavak százalékos aránya – az adott műfaj formulázottságának és ismétlődő jellegének más műfajokhoz viszonyított fokát jelző mutatónak tekinthető. Más szóval egy műfaj formulázottságának és ismétlődő jellegének mértéke az adott műfajban alkalmazott eltérő kötegek körével és a kötegekben előforduló szavak százalékos arányával mérhető.
Az ICT műfajai formulázottságuk és ismétlődő jellegük kritériuma alapján három csoportba sorolhatók.
A 3. műfajt – „az ICT-ben használt szoftveralkalmazások műszaki dokumentációját” – és a 4. műfajt – „az ICT-hardver műszaki dokumentációját” – a formulázottság és az ismétlődő jelleg magas foka jellemzi, mivel hasonló mintázatokat mutatnak: a legnagyobb számú különböző köteget alkalmazzák (403, illetve 672), és a kötegekben előforduló szavak százalékos aránya is náluk a legmagasabb (7,2%, illetve 8,9%).
Terminologija | 2012 | 19 43
Page 6
1. ábra: Magas fokú formulaiságot és ismétlődést mutató műfajok
Ezzel szemben az 1. műfaj – „szakmai cikkek az ICT területén”, a 2. műfaj – „tudományos cikkek az ICT területén” és az 5. műfaj – „tankönyvek az ICT területén” viszonylag alacsony fokú formulaisággal és ismétlődéssel jellemezhető, mivel ezekben fordul elő a legkevesebb különböző lexikai nyaláb (131, 120, illetve 119), és a nyalábokban szereplő futószavak aránya is ezekben a legalacsonyabb (1,8%, 1,7%, illetve 1,9%).
A fennmaradó két műfaj, a 6. műfaj – „a programozási nyelvek és programozási környezetek műszaki dokumentációja”, valamint a 7. műfaj – „a hálózati technológiák műszaki dokumentációja” alkotja a harmadik csoportot; mindkét paraméter értékei a tartomány közepére esnek (a különböző nyalábok száma: 180, illetve 261; a nyalábokban szereplő futószavak aránya: 3,4%, illetve 4,1%).
Érdemes azonban szem előtt tartani, hogy amint Stanislaw Gozdz-Roszkowski helyesen rámutat, közvetlen összehasonlításokat csak hasonló szószámú műfajok között lehet biztonsággal végezni. Ennek figyelembevételére a nyalábokban szereplő futószavak aránya paramétert minden műfaj esetében úgy számítják ki, hogy az tükrözze az adott műfajokat reprezentáló alkorpuszok szószámát (Gozdz-Roszkowski 2011: 111).
A LEXIKAI NYALÁBOK FUNKCIONÁLIS OSZTÁLYOZÁSA
Az ebben a korpuszban azonosított nyalábok funkcionális elemzésének keretrendszerét Biber (Biber 2006; Biber et al. 2004), Hyland (2008) és Gozdz-Roszkowski (2011) taxonómiái alapján alakították ki.
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.
A fent említett taxonómiákra támaszkodva az ICT területén előforduló lexikai nyalábokat a szövegekben betöltött jelentésük szerint három tág kategóriába sorolták: kutatásközpontú, szövegközpontú és résztvevőközpontú. Az első kategóriába sorolt nyalábok segítik az írókat abban, hogy megszervezzék az ICT területén végzett tevékenységeiket és az ott szerzett tapasztalataikat. A szövegközpontú nyalábok a szöveg szerkezetének és jelentésének jelölésére szolgálnak. Végül a résztvevőközpontú nyalábok különféle attitűdöket vagy értékeléseket jeleznek, és a szöveg írójára vagy olvasójára irányulnak.
2. ábra: A lexikai nyalábok funkcionális taxonómiája
A lexikai nyalábok mindhárom fő funkcionális kategóriáját további alkategóriákra osztották.
A kutatásközpontú nyalábok az alábbi alkategóriákat foglalják magukban:
Mennyiséget jelölő nyalábok (pl. az egyik legnagyobb; nagyszámú; az alábbiak egyike; az elemek száma);
Időre utaló nyalábok (pl. az időpontban; az év végén; a következő néhány hétben; az elkövetkező hetekben);
Helyre/irányra utaló nyalábok (pl. az Egyesült Államokban; a főablakban; az ablak alján; az állapotsorban);
Terminologija | 2012 | 19 45
Page 8
Eljárás kötegek – az IKT-hoz kapcsolódó különféle funkciók leírására használatosak (pl. the use of the; the use of a);
Témamutató kötegek – a kutatási területhez kapcsolódnak (pl. proceedings of the IEEE; programming languages and systems; the drop down menu; the following configuration options);
Többfunkciós referenciakötegek – időre, helyre vagy szövegre utaló referenciaként használható kötegek (pl. the end of the; the start of the; the left of the; at the beginning of);
Leíró kötegek – a következő főnév jellemzőit határozzák meg (pl. the complexity of the; the surface of the; the scope of the; the height of the).
Szövegközpontú kötegek az alábbi alkategóriákat foglalják magukban:
Kifejtő kötegek – tovább részletezik az elemzett témát, és pontosítják azt (pl. at the same time, as well as the, this means that the, in this case the);
Átvezető kötegek – additív vagy ellentétes kapcsolatokat teremtenek a szövegrészek között (pl. on the other hand, as opposed to the, in addition to the, in contrast to the);
Keretező attribúciós kötegek – „a korlátozó feltételek meghatározásával helyezik kontextusba az érveket” (Hyland 2008: 14), hogy állításokat vagy érveket fogalmazzanak meg (pl. in terms of the, in the context of, in the presence of, the contents of the);
Feltétel kötegek – feltételeket fejeznek ki (pl. if you want to, if you do not, if you have a, if you have an);
Eredmény kötegek – az elemek közötti logikai kapcsolatokat jelzik ok-okozati összefüggések formájában (pl. so that you can, as a result of, as a result the, as a function of);
Szerkezeti jelölő kötegek – a szöveg más részeire utalnak (pl. as shown in figure, as discussed in section, is shown in ex ample, later in this chapter).
Résztvevőközpontú kötegek az alábbi alkategóriákat foglalják magukban:
Bevonó kötegek – közvetlenül szólítják meg az olvasókat; „aktívan bevonják az olvasókat a kibontakozó diskurzus résztvevőiként” (Hyland 2008: 18) (pl. do one of the, select the type of, is recommended that you, select one of the);
Állásfoglaló kötegek – érzelmeket, attitűdöket, értékítéleteket és értékeléseket közvetítenek; „keretet adnak a következő állítás értelmezéséhez” (Biber, 2006: 139) (pl. 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
Modalitás kötőszó-együttesek – azt fejezik ki, hogy valami valószínű, megengedett vagy szükséges (pl. teljesíteni kell a, használható a, amint látható, amelyben Ön, nem jeleníthető meg, reprodukálható vagy, el kell fogadnia minden interferenciát, olyan interferenciát, amely okozhat, amely nem kívánt);
Előrejelző kötőszó-együttesek – a szerző előrejelzését fejezik ki egy jövőbeli cselekvésről (pl. várhatóan lesz, a rendszer felszólítja Önt, megjelenik a, ez megnyitja a, felkérik arra, hogy).
A 3. táblázat az egyes műfajokban a három fő funkcionális kategóriába tartozó kötőszó-együttesek számát mutatja.
3. táblázat: A lexikai kötőszó-együttesek megoszlása funkcionális kategóriák szerint
3. ábra: A kutatásközpontú kötőszó-együttesek osztályozása
Terminologija | 2012 | 19
47
Page 10
4. táblázat: A kutatásközpontú kötőszó-együttesek megoszlása alkategóriák szerint
KUTATÁSKÖZPONTÚ
Műfajok száma
Mennyiség
Időbeli utalás
Helyre/irányra utalás
Eljárás
Témamutató
Többfunkciós utalás
Leírás
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
TERMINOLÓGIAI KAPCSOLATOK
A terminológiai kapcsolatokat a témát jelölő kapcsolatok egyik alkategóriájaként azonosították, és olyan több szóból álló kombinációkként határozták meg, amelyek terminusokat tartalmaznak.
4. ábra: A terminológiai kapcsolatok megoszlása 7 ICT-műfajban
Az 5. táblázat szerint a 7. műfaj – „a hálózati technológiák műszaki dokumentációja” – tartalmazza a legnagyobb arányt (18%), valamint a terminológiai kapcsolatok legnagyobb számát is: 47-et. Az ilyen terminológiai sűrűség összefüggésbe hozható a 7. műfaj szövegeinek erősen specializált, szakterület-specifikus jellegével. A magasan specializált ismeretek terjesztése rögzült és szakosodott, több szóból álló kombinációk ismétlődő használatát igényli.
48
Marek Weber
Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’
Page 11
5. táblázat: A terminológiai több szóból álló egységek száma és aránya az IKT-műfajokban
A műfaj száma
A műfajban előforduló több szóból álló egységek száma
A műfajban előforduló terminológiai több szóból álló egységek száma
A terminológiai több szóból álló egységek aránya a műfajban
A terminológiai több szóból álló egységek aránya a KUTATÁSKÖZPONTÚ kategóriában
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
A második legnagyobb számú több szóból álló egység a 4. műfajban – az „IKT-hardverek műszaki dokumentációjában” – található, összesen 37. A 4. műfaj összes több szóból álló egységén belül azonban viszonylag alacsony a terminológiai egységek aránya: mindössze 5,5%. Érdemes szem előtt tartani viszont, hogy a küszöbértékek alkalmazása után a 4. műfajban messze a legtöbb különböző több szóból álló egység található – 672 –, és itt a legmagasabb a több szóból álló egységekben előforduló futó szavak aránya is: 8,9%.
Az 5. műfaj – az „IKT-tankönyvek” – viszonylag magas arányban tartalmaz terminológiai több szóból álló egységeket: 11,7%. Az alábbi 6. táblázat az 5. műfajban – az „IKT-tankönyvekben” – azonosított terminológiai több szóból álló egységeket mutatja be.
6. táblázat: Az 5. műfajban – az „IKT-tankönyvekben” – azonosított terminológiai több szóból álló egységek
5. MŰFAJ
Több szóból álló egység
Gyakoriság
Szövegek száma
Gyakoriság milliónként
a java io package
345
12
22.53
a 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
MŰFAJ 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
a bájtok száma
433
38
28.27
the java lang package
322
9
21.02
x int y int
316
12
20.63
A tankönyvek jelentős része (52%) különféle, számos programozási nyelven, például Java, C++, C#, Objective-C, PHP és más nyelveken történő programozással kapcsolatos témákat tárgyal. Ezt tükrözi az 5. műfajban található terminológiai több szóból álló egységek jelentős száma, amelyek gyakran előforduló kódsorokat tartalmaznak. Például az olyan terminológiai egységek, mint a STATIC VOID MAIN STRING (967 előfordulás 39 szövegben; gyakoriság milliónként 63,14), a PUBLIC STATIC VOID MAIN (952 előfordulás 40 szövegben; gyakoriság milliónként 62,16) és a VOID MAIN STRING ARGS (846 előfordulás 36 szövegben; gyakoriság milliónként 55,24) mind a programkód részei, és tartalmazzák a main kulcsszót. A main kulcsszó a program funkcionalitásának magas szintű szervezéséért felelős főfüggvényre utal. A függvények, más néven metódusok, olyan utasításkészletek, amelyek a bemeneti adatokon – például matematikai számításokon – végeznek műveleteket. Számos programozási nyelvben a főfüggvénynél kezdődik a program végrehajtása. Például a Java-programok végrehajtása a főfüggvénynél kezdődik, amelynek metódusfejléce a következő: public static void main (String[] args). A főfüggvény felelős a program funkcionalitásának magas szintű szervezéséért. A void kulcsszó azt jelenti, hogy a metódusnak nincs visszatérési értéke. Ha a metódus egész számot adna vissza, akkor a int kulcsszót használnák a void helyett.
A következő két terminológiai egység, a PUBLIC STATIC FINAL INT (1306 előfordulás 21 szövegben; gyakoriság milliónként 85,27) és a PUBLIC FINAL STATIC INT (861 előfordulás 5 szövegben; gyakoriság milliónként 56,22), programozási nyelvek, például a Java kódsorainak részei. Meghatározzák az alkalmazandó függvények típusát. A public kulcsszó azt jelenti, hogy a metódus látható, és más típusok objektumai is meghívhatják. A static kulcsszó azt jelenti, hogy a metódus az osztályhoz, nem pedig annak egy konkrét példányához (objektumához) kapcsolódik. Ez azt jelenti, hogy statikus metódus meghívható az osztály objektumának létrehozása nélkül.
50
Marek Weber
Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’
Page 13
Az INT X INT Y szókapcsolat 14 szövegben 600 alkalommal fordul elő, gyakorisága egymillió szóra vetítve 39,18. A szókapcsolat változók deklarálását jelöli; a változók típusa ez esetben egész szám, vagy röviden int. Az egész számok halmaza a természetes számokból (0, 1, 2, 3,...) és a negatív természetes számokból (−1, −2, −3,...) áll.
A gyakori Java kulcsszó, egy programozási nyelv neve, 6 szókapcsolatban fordul elő: JAVA ENTERPRISE IN A (653 előfordulás 5 szövegben; egymillió szóra vetített gyakorisága 42,64); IMPORT JAVA IO IMPORT (447 előfordulás 22 szövegben; egymillió szóra vetített gyakorisága 29,19); THE JAVA IO PACKAGE (345 előfordulás 12 szövegben; egymillió szóra vetített gyakorisága 22,53); IMPORT JAVA AWT IMPORT (336 előfordulás 15 szövegben; egymillió szóra vetített gyakorisága 21,94); JAVA IO IMPORT JAVA (328 előfordulás 20 szövegben; egymillió szóra vetített gyakorisága 21,42), valamint THE JAVA LANG PACKAGE (322 előfordulás 9 szövegben; egymillió szóra vetített gyakorisága 21,02).
A Java olyan jellemzőinek köszönhetően vált népszerűvé, mint a könnyű használat, a platformfüggetlen működés és a biztonsági funkciók. A Java használatával ugyanaz a program számos különböző platformon futtatható. Ez azt jelenti, hogy nem kell minden platformhoz külön szoftververzió fejlesztésére erőforrást fordítani. A Javát úgy tervezték, hogy könnyen használható legyen, és egyes más programozási nyelveknél könnyebbnek tartják a benne történő írást, fordítást, hibakeresést, futtatást és tanulást.
A AWT rövidítés, amely az IMPORT JAVA AWT IMPORT szókapcsolatban szerepel, a The Abstract Window Toolkit elnevezést takarja. Ez egy platformfüggetlen ablakkezelő, grafikai és felhasználói felületi eszközkészlet.
A JAVA ENTERPRISE teljes neve – amely a gyakori JAVA ENTERPRISE IN A szókapcsolat része – Java Platform, Enterprise Edition. Ez az Oracle vállalati Java-számítástechnikai platformját jelöli, amely futtatókörnyezetet biztosít vállalati szoftverek, köztük hálózati és webes szolgáltatások, valamint más nagyméretű, skálázható és biztonságos hálózati alkalmazások fejlesztéséhez és futtatásához. A szókapcsolat egy hosszabb, ötszavas formuláris kifejezés része (653 előfordulás 5 szövegben; egymillió szóra vetített gyakorisága 42,64): Java Enterprise in a Nutshell, amint azt a következő példa szemlélteti:
1. minta: A Sun a névszolgáltatások számos szolgáltatójának biztosításával még könnyebbé teszi az életet. Így tehát, miközben a szolgáltató implementálásával foglalkozó fejlesztőnek rengeteg időt kell fordítania a javax.naming.spi interfészek megvalósítására, az ügyfélnek csupán egy URL-t kell megadnia a szolgáltatóhoz és a kontextusgyár-osztályhoz, majd használnia kell a névszolgáltatást. A JNDI-ről és a kapcsolódó témákról bővebben a Java Enterprise in a Nutshell című könyvben olvashat. [5. műfaj – „ICT-tankönyvek”]
Terminologija | 2012 | 19
51
Page 14
A JAVA EDITOR kifejezés, amely az IN THE JAVA EDITOR szókapcsolat része (75 előfordulás 5 szövegben; egymillió szóra vetített gyakorisága 58,49), olyan szoftvereszközt jelöl, amelyet Java nyelven írt programok szerkesztésére és fordítására, valamint futtatására terveztek. A szókapcsolat használatát a következő példa szemlélteti:
2. minta: A tartalomkiegészítés megvalósításához a szerkesztő forrásnézőjének konfigurációját úgy kell beállítani, hogy meghatározza a könyvelői asszisztenst. Ez a JavaSourceViewerConfiguration Java-szerkesztőre vonatkozó Java editor példájában történik.
A helyesírási hibák a Java editor szerkesztőben jelennek meg, és a megfelelő gyorsjavítások is rendelkezésre állnak: a szótár a tartalomkiegészítés számára is elérhetővé tehető.
Hozzon létre saját kódkiegészítési javaslatokat, hasonlókat a Java editor által javasoltakhoz. Példányosítsa a CompletionProposalCollector osztályt, hogy ugyanazokat a javaslatokat kapja, mint a Java-szerkesztőben, vagy származtasson belőle alosztályt, és vegyítse bele saját javaslatait. [6. műfaj – „programozási nyelvek és programozási környezetek műszaki dokumentációja”]
KÖVETKEZTETÉSEK
A jelen munkában összefoglalt eredmények jelentős különbségeket tárnak fel a lexikai szókapcsolatok formáinak és funkcióinak gyakoriságában az Információs és Kommunikációs Technológia nyelvének különböző műfajaiban. Az eltéréseket mennyiségi és minőségi szempontból egyaránt bemutatjuk. Mennyiségi szempontból a 3. műfaj – „az IKT-szoftveralkalmazások műszaki dokumentációja” – és a 4. műfaj – „az IKT-hardver műszaki dokumentációja” – a leginkább formuláris és ismétlődő. A többi IKT-műfaj lényegesen kevesebb lexikai szókapcsolatot használ, és ezek az összes szó számához viszonyítva jóval kisebb arányt képviselnek. A tankönyvi műfajban előforduló mind a 14 terminológiai szókapcsolat, amelyet a tanulmány vizsgál, a programozás különböző aspektusaihoz kapcsolódik. Ez azzal magyarázható, hogy a tankönyvek jelentős része (52%) a programozás különféle témáival foglalkozik.
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]
