Meerwoordspatronen in het corpus van informatie- en communicatietechnologie. Terminologische bundels in het genre — ‘Leerboeken in ICT’

MAREK WEBER

Bialystok University of Technology

TREFWOORDEN: corpuslinguïstiek, informatie- en communicatietechnologie, lexicale bundels, functionele classificatie van lexicale bundels, terminologische bundels, lexicale analyse

GEGEVENS VOOR HET ONDERZOEK, HET CORPUS VAN INFORMATIE- EN COMMUNICATIETECHNOLOGIE

De gegevens voor het onderzoek bestaan uit een elektronisch corpus van het brede domein van informatie- en communicatietechnologie (ICT), een overkoepelende term voor alle technologieën die zijn ontwikkeld voor het verwerken en overdragen van gegevens. De teksten zijn geselecteerd om een dwarsdoorsnede van het ICT-veld te vertegenwoordigen. De teksten zijn onderverdeeld in zeven categorieën die kunnen worden beschouwd als genres binnen het ICT-domein:

Genre 1: vakartikelen over ICT;

Genre 2: academische artikelen over ICT;

Genre 3: technische documentatie van softwaretoepassingen in ICT;

Genre 4: technische documentatie van ICT-hardware;

Genre 5: leerboeken over ICT;

Genre 6: technische documentatie van programmeertalen en programmeeromgevingen;

Genre 7: technische documentatie van netwerktechnologieën.

Het corpus bevat een verzameling van 973 teksten met in totaal bijna 24 miljoen woorden. De keuze van corpusgegevens is een van de belangrijkste aandachtspunten voor de onderzoeker, aangezien het corpus representatief moet zijn voor het geanalyseerde gebruiksdomein. Zoals Douglas Biber opmerkt, is de hoeveelheid tekst cruciaal voor onderzoek waarin de wetenschapper de tekst als primaire analyseeenheid beschouwt. In elk genre moet een toereikend aantal teksten worden opgenomen om rekening te houden met variatie tussen categorieën en auteurs (Biber, 2006).

Terminologija | 2012 | 19

39

Tabel 1. Samenstelling van het corpus voor informatie- en communicatietechnologie

GenreAantal tekstenAantal tokens (lopende woorden)Professionele artikelen391225551Wetenschappelijke artikelen951272001Technische documentatie van softwaretoepassingen in ICT922472839Technische documentatie van ICT-hardware1002471772Leerboeken9915315237Technische documentatie van programmeertalen en programmeeromgevingen901282175Technische documentatie van netwerktechnologieën106725418TOTAAL97323764993

LEXICALE BUNDEL: DE TERM

Terugkerende woordreeksen die vaker samen voorkomen dan op grond van toeval verwacht mag worden, vormen een belangrijk onderdeel van taaluitingen. De term lexical bundle werd voor het eerst gebruikt door Douglas Biber, Stig Johansson, Geoffrey Leech, Susan Conrad en Edward Finegan in de inmiddels klassieke Longman grammar of spoken and written English voor meerwoordcombinaties die uitsluitend op basis van frequentie werden geïdentificeerd (Biber et al. 1999), terwijl Mike Scott ze word clusters noemt in de handleiding van de softwaretoepassing WordSmith Tools versie 4 (1996) en WordSmith Tools versie 5 (2010). Bij het identificeren van lexicale bundels is alleen hun frequentie van belang. “Clusters zijn woorden die herhaaldelijk samen, in elkaars gezelschap, in een reeks voorkomen” (Scott 2010: 337). Scott merkt op dat woordclusters semantische prosodie kunnen vertonen, dat wil zeggen de neiging van bepaalde lexemen om samen met bepaalde andere lexemen voor te komen (bijvoorbeeld de neiging van cause om samen voor te komen met negatieve gevolgen, zoals accident, trouble, enz.) (Scott 2010: 337).

Biber, Johansson, Leech, Conrad en Finegan definiëren lexical bundles als terugkerende uitdrukkingen, ongeacht hun structurele eigenschappen; het zijn met andere woorden reeksen woordvormen die in discours vaak samen voorkomen. Zij wijzen erop dat kortere bundels vaak deel uitmaken van meer dan één langere lexicale bundel (Biber et al. 1999). Ook stellen zij vast dat lexicale bundels in de meeste gevallen geen structurele eenheden vormen en dat de meeste ervan

40

Marek Weber

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

geen uitdrukkingen zijn die taalgebruikers als idiomen of andere vaste lexicale uitdrukkingen zouden herkennen. Biber, Johansson, Leech, Conrad en Finegan stellen de volgende drempelwaarden vast waaraan meerwoordreeksen moeten voldoen om als lexicale bundels te gelden: ze moeten minstens 10 keer per miljoen woorden en in minstens vijf teksten voorkomen (Biber et al. 1999).

Biber merkt op dat een verrassend resultaat van een frequentiegerichte benadering is dat lexicale bundels twee onverwachte kenmerken hebben (Biber 2006: 134). Ten eerste zijn de meeste niet idiomatisch van betekenis; hun betekenis is doorgaans transparant af te leiden uit de afzonderlijke woordvormen. Ken Hyland wijst er eveneens op dat de meeste bundels semantisch transparant zijn en “formeel regelmatig, en de bouwstenen vormen van samenhangend discours” (Hyland 2008: 6).

Ten tweede zijn de meeste bundels geen volledige grammaticale structuren. Biber, Johansson, Leech, Conrad en Finegan stelden vast dat ongeveer 15% van de lexicale bundels in gesprekken volledige structurele eenheden vormden, terwijl slechts ongeveer 5% van de lexicale bundels in academisch proza als volledige woordgroepen of bijzinnen konden worden beschouwd (Biber et al. 1999: 1000). Een waardevolle bevinding van Biber over de syntactische aard van lexicale bundels is dat het lexicale eenheden zijn die vaak grammaticale structuren overschrijden; zo kunnen ze bijvoorbeeld twee woordgroepen of bijzinnen verbinden, waarbij de laatste woorden van een bundel het begin vormen van een tweede syntactische structuur (Biber 2006: 135). Hyland benadrukt eveneens dat lexicale bundels, omdat ze uitsluitend op basis van hun frequentie worden geïdentificeerd, doorgaans structurele eenheden overspannen (Hyland 2008: 6).

Talrijke corpusstudies zijn gewijd aan de analyse van terugkerende reeksen ononderbroken woordvormen. Ze tonen aan hoe belangrijk deze zijn in verschillende soorten discours en laten bovendien zien dat lexicale bundels aanzienlijk variëren tussen genres en registers (bijv. Biber 2006; Biber, Conrad, Cortes 2004; Hyland 2008; Scott, Tribble 2006; Gozdz-Roszkowski 2011).

G E B R U I K T E O N D E R Z O E K S M E T H O D E

Er werd besloten de analyse te concentreren op bundels van 4 woorden, omdat enerzijds de frequenties van bundels van 4 woorden aanzienlijk hoger zijn dan die van reeksen van 5 woorden en ze anderzijds vaak reeksen van 3 woorden bevatten en het mogelijk maken duidelijkere patronen en structuren te identificeren dan uitdrukkingen van 3 woorden. Lijsten met bundels van 4 woorden in elk van de

Terminologija | 2012 | 19

41

zeven ICT-genres werden gegenereerd met behulp van WordSmith Tools v. 5.0 – het softwarepakket voor het zoeken naar patronen in corpora.

In dit onderzoek werden de volgende twee afkapwaarden vastgesteld: een minimale frequentie van voorkomen van 20 keer per miljoen woorden en als tweede criterium dat een bundel in ten minste vijf teksten moest voorkomen. Voor de toepassing van de afkapcriteria waren passende berekeningen nodig in elk van de zeven bestanden met de lijst van bundels in een bepaald genre. De berekeningen worden in de volgende stappen beschreven:

1. Een extra kolom met de naam “Frequentie per miljoen” aanmaken in het spreadsheet dat uit de software WordSmith Tools is verkregen.

2. De waarde voor het totale aantal woorden invoeren in een vrije cel in een Excel-spreadsheet binnen een bepaalde categorie.

3. De eerste cel van de kolom “Frequentie per miljoen” invullen met de volgende formule:

Frequentie per miljoen woorden = Frequentie x 1 000 000 / Totaal aantal woorden

4. De formule naar de andere cellen kopiëren door op de rechterbenedenhoek van de ingevulde cel te klikken en deze naar beneden naar de andere cellen te slepen.

5. De kolom “Aantal teksten” markeren.

6. Het menu “Gegevens” kiezen en in de sorteertool het veld “Sort &Filter” selecteren.

7. De aflopende sorteervolgorde kiezen.

8. Alle rijen van de tabel verwijderen waarvoor de waarden in het veld “Aantal teksten” lager zijn dan 5.

9. De kolom “Frequentie per miljoen” markeren.

10. Het menu “Gegevens” kiezen en in de sorteertool het veld “Sort & Filter” selecteren.

11. De aflopende sorteervolgorde kiezen.

12. Alle rijen van de tabel verwijderen waarvoor de waarden in het veld ‘Frequentie per miljoen’ lager zijn dan 20.

1886 verschillende bundels werden in het corpus gevonden nadat de bovenstaande afkapcriteria waren toegepast. Het totale aantal bundels dat in de volledige dataset werd geïdentificeerd, bedroeg 197 553.

42

Marek Weber

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

Tabel 2. Verdeling van lexicale bundels in ICT-genres

Genre

Totaal aantal bundels na toepassing van de afkapcriteria

Aantal verschillende bundels na toepassing van de afkapcriteria

% van de lopende tekstwoorden in bundels

Professionele artikelen

1057

131

1,8

Academische artikelen

5548

120

1,7

Softwaretoepassingen

44669

403

7,2

Hardware

55296

672

8,9

Leerboeken

72483

119

1,9

Programmeertalen en programmeeromgevingen

10984

180

3,4

Netwerktechnologieën

7516

261

4,1

Totaal

197553

1886

Het percentage lopende woorden in bundels werd verkregen door het totale aantal gevallen voor een bepaald genre te vermenigvuldigen met 4 (bundels van 4 woorden worden geanalyseerd), dit te delen door het aantal lopende woorden in dat genre en vervolgens te vermenigvuldigen met 100%, volgens de formule:

Naar onze mening kunnen twee parameters — het bereik van verschillende bundels en het percentage lopende woorden in bundels — worden beschouwd als indicatoren voor de mate waarin een bepaald genre formulematig en repetitief is in vergelijking met andere genres. Met andere woorden: de mate van formulematigheid en repetitiviteit van een genre kan worden gemeten aan de hand van het bereik van de verschillende bundels die in een genre worden gebruikt en het percentage lopende woorden in bundels.

De ICT-genres kunnen volgens het criterium van formulematigheid en repetitiviteit in drie groepen worden verdeeld.

Genre 3 – ‘technische documentatie van softwaretoepassingen in ICT’ en genre 4 – ‘technische documentatie van ICT-hardware’ worden gekenmerkt door een hoge mate van formulematigheid en repetitiviteit, aangezien ze vergelijkbare patronen vertonen en gebruikmaken van het grootste aantal verschillende bundels (respectievelijk 403 en 672) en het hoogste percentage lopende woorden in bundels (respectievelijk 7,2% en 8,9%).

Terminologija | 2012 | 19 43

Figuur 1: Genres met een hoge mate van formulaïsch taalgebruik en repetitiviteit

Daarentegen worden genre 1 – ‘professionele artikelen in ICT’, genre 2 – ‘wetenschappelijke artikelen in ICT’ en genre 5 – ‘leerboeken in ICT’ gekenmerkt door een relatief lage mate van formulaïsch taalgebruik en repetitiviteit, aangezien ze het kleinste aantal verschillende bundels gebruiken (respectievelijk 131, 120 en 119) en het laagste percentage lopende woorden in bundels hebben (respectievelijk 1,8%, 1,7% en 1,9%).

De overige twee genres, genre 6 – ‘technische documentatie van programmeertalen en programmeeromgevingen’ en genre 7 – ‘technische documentatie van netwerktechnologieën’, vormen de derde groep, met waarden voor beide parameters in het midden van het bereik (aantal verschillende bundels: respectievelijk 180 en 261; percentage lopende woorden in bundels: respectievelijk 3,4% en 4,1%).

Het is echter goed om in gedachten te houden dat, zoals Stanislaw Gozdz-Roszkowski terecht opmerkt, directe vergelijkingen alleen veilig kunnen worden gemaakt tussen genres met een vergelijkbaar aantal woorden. Om hiermee rekening te houden, wordt de parameter percentage lopende woorden in bundels voor elk genre zo berekend dat deze het aantal woorden weerspiegelt van elk van de subcorpora die de respectieve genres vertegenwoordigen (Gozdz-Roszkowski 2011: 111).

FUNCTIONELE CLASSIFICATIE VAN BUNDELS

Een raamwerk voor de functionele analyse van de in dit corpus aangetroffen bundels werd opgesteld op basis van de taxonomieën van Biber (Biber 2006; Biber et al. 2004), Hyland (2008) en 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.

Op basis van de hierboven genoemde taxonomieën werden lexicale bundels in ICT, wat hun betekenis in de teksten betreft, functioneel onderverdeeld in drie brede categorieën: onderzoeksgericht, tekstgericht en deelnemersgericht. Bundels in de eerste categorie helpen schrijvers hun activiteiten en ervaringen op het gebied van ICT te organiseren. Tekstgerichte bundels worden gebruikt om de organisatie van de tekst en de betekenis ervan aan te geven. Ten slotte worden deelnemersgerichte bundels gebruikt om verschillende houdingen of beoordelingen aan te geven; ze zijn gericht op de schrijver of lezer van de tekst.

Figuur 2: Functionele taxonomie van lexicale bundels

Elk van de drie belangrijkste functionele categorieën van lexicale bundels werd verder onderverdeeld in een aantal subcategorieën.

Onderzoeksgerichte bundels omvatten de volgende subcategorieën:

Hoeveelheidsbundels (bijv. one of the biggest; a large number of; one of the following; the number of elements);

Tijdsreferentiebundels (bijv. at the time of; end of the year; the next few weeks; in the coming weeks);

Plaats-/richtingsreferentiebundels (bijv. in the United States; of the main window; bottom of the window; in the status bar);

Terminologija | 2012 | 19 45

Procedurebundels – gebruikt om uiteenlopende functies met betrekking tot ICT te beschrijven (bijv. the use of the; the use of a);

Topic indicatorbundels – die betrekking hebben op het onderzoeksgebied (bijv. proceedings of the IEEE; programming languages and systems; the drop down menu; the following configuration options);

Multifunctionele referentiebundels – bundels die kunnen worden gebruikt als tijds-, plaats- of tekstverwijzing (bijv. the end of the; the start of the; the left of the; at the beginning of);

Beschrijvingbundels – specificeren kenmerken van het daaropvolgende zelfstandig naamwoord (bijv. the complexity of the; the surface of the; the scope of the; the height of the).

Tekstgerichte bundelsomvatten de volgende subcategorieën:

Uitwerkingsbundels – werken het geanalyseerde onderwerp verder uit en verduidelijken het (bijv. at the same time, as well as the, this means that the, in this case the);

Overgangsbundels – leggen additieve of contrastieve verbanden tussen tekstgedeelten (bijv. on the other hand, as opposed to the, in addition to the, in contrast to the);

Kaderendebundels – “plaatsen argumenten door beperkende voorwaarden te specificeren” (Hyland 2008: 14), zodat beweringen of argumenten kunnen worden geformuleerd (bijv. in terms of the, in the context of, in the presence of, the contents of the);

Voorwaardelijkebundels – drukken voorwaarden uit (bijv. if you want to, if you do not, if you have a, if you have an);

Resultaatbundels – geven logische verbanden tussen elementen aan in termen van oorzaak-gevolgrelaties (bijv. so that you can, as a result of, as a result the, as a function of);

Structuurmarkeerderbundels – worden gebruikt om naar andere delen van de tekst te verwijzen (bijv. as shown in figure, as discussed in section, is shown in ex ample, later in this chapter).

Deelnemergerichte bundelsomvatten de volgende subcategorieën:

Betrokkenheidsbundels – richten zich rechtstreeks tot lezers; “spreken lezers actief aan als deelnemers aan het zich ontvouwende discours” (Hyland 2008: 18) (bijv. do one of the, select the type of, is recommended that you, select one of the);

Houdingsbundels – brengen emoties, attitudes, waardeoordelen en beoordelingen over; “bieden een kader voor de interpretatie van de volgende propositie” (Biber, 2006: 139) (bijv. 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’

Modaliteitsbundels drukken uit dat iets waarschijnlijk, toegestaan of noodzakelijk is (bijv. moet worden vervuld, kan worden gebruikt om, zoals te zien is, waarin je kunt, mag niet worden weergegeven, kan worden gereproduceerd of, moet elke interferentie accepteren, interferentie die kan veroorzaken, die ongewenste).

Voorspellingsbundels drukken de voorspelling van de schrijver uit over een toekomstige handeling (bijv. naar verwachting zal zijn, u wordt gevraagd, wordt weergegeven in, hierdoor wordt het geopend, u wordt gevraagd om).

Tabel 3 toont het aantal bundels dat tot de drie belangrijkste functionele categorieën behoort in elk genre.

Tabel 3: Verdeling van lexicale bundels over functionele categorieën

Onderzoeksgericht | Tekstgericht | Deelnemersgericht | Overige | Professionele artikelen | 45 | 23 | 13 | 45 | Academische artikelen | 48 | 35 | 9 | 28 | Softwaretoepassingen | 123 | 55 | 122 | 83 | Hardware | 207 | 51 | 138 | 187 | Leerboeken | 32 | 35 | 18 | 20 | Programmeertalen en programmeeromgevingen | 39 | 39 | 26 | 62 | Netwerktechnologieën | 91 | 24 | 11 | 91

Figuur 3: Classificatie van onderzoeksgerichte bundels

Terminologija | 2012 | 19

47

Tabel 4: Verdeling van onderzoeksgerichte bundels over subcategorieën

ONDERZOEKSGERICHT

Aantal genres

Hoeveelheid

Tijdsverwijzing

Verwijzing naar plaats/richting

Procedure

Topicindicator

Multifunctionele verwijzing

Beschrijving

1

4

7

4

0

27

3

0

2

7

0

3

1

34

0

3

3

4

1

63

0

40

8

7

4

3

11

33

2

154

0

4

5

4

0

4

1

16

3

4

6

6

0

2

1

15

3

12

7

6

0

5

2

73

2

3

TERMINOLOGISCHE BUNDELS

Terminologische bundels zijn geïdentificeerd als een subcategorie van bundels die onderwerpen aanduiden en gedefinieerd als meerwoordcombinaties die termen bevatten.

Figuur 4: Verdeling van terminologische bundels over 7 ICT-genres

Zoals tabel 5 laat zien, bevat genre 7 – ‘technische documentatie van netwerktechnologieën’ – het grootste percentage (18%) en tevens het grootste aantal terminologische bundels: 47. Een dergelijke terminologische dichtheid kan verband houden met het sterk gespecialiseerde, domeinspecifieke karakter van teksten in genre 7. Voor de verspreiding van zeer gespecialiseerde kennis is het herhaaldelijk gebruik van vaste en gespecialiseerde meerwoordcombinaties vereist.

48

Marek Weber

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

Tabel 5: Aantallen en verhoudingen van terminologische bundels in ICT-genres

Genrenummer

Aantal bundels in een genre

Aantal terminologische bundels in een genre

Percentage terminologische bundels in een genre

Percentage terminologische bundels in de categorie ONDERZOEKSGERICHT

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

Het op één na grootste aantal bundels wordt aangetroffen in genre 4 – ‘technische documentatie van ICT-hardware’, met een totaal van 37. Het aandeel van alle bundels dat tot de categorie terminologische bundels behoort, is voor genre 4 echter relatief laag – slechts 5,5%. Daarbij moet wel worden bedacht dat genre 4 veruit het grootste aantal verschillende bundels heeft na toepassing van de afkapcriteria – 672 – en het hoogste percentage lopende woorden in bundels – 8,9%.

Genre 5 – ‘leerboeken in ICT’ – heeft een relatief groot aandeel terminologische bundels: 11,7%. Tabel 6 hieronder bevat de terminologische bundels die zijn geïdentificeerd in genre 5 – ‘leerboeken in ICT’.

Tabel 6: Terminologische bundels geïdentificeerd in genre 5 – ‘leerboeken in ICT’

GENRE 5

Bundel

Freq.

Aantal teksten

Freq. per miljoen

het java io package

345

12

22.53

het java lang package

322

9

21.02

import java awt import

336

15

21.94

public static final int

1306

21

85.27

static void main string

967

39

63.14

public static void main

952

40

62.16

public final static int

861

5

56.22

void main string args

846

36

55.24

Terminologija | 2012 | 19 4 9

GENRE 5

int x int y

600

14

39.18

public instance methods public

539

5

35.19

import java io import

447

22

29.19

het aantal bytes

433

38

28.27

the java lang package

322

9

21.02

x int y int

316

12

20.63

Een aanzienlijk deel van de leerboeken (52%) behandelt uiteenlopende onderwerpen die verband houden met programmeren in een aantal programmeertalen, zoals Java, C++, C#, Objective-C, PHP en andere. Dit komt tot uiting in het aanzienlijke aantal terminologische bundels in genre 5 die vaak voorkomende coderegels bevatten. Terminologische bundels zoals STATIC VOID MAIN STRING (967 voorkomens in 39 teksten; frequentie per miljoen 63,14), PUBLIC STATIC VOID MAIN (952 voorkomens in 40 teksten; frequentie per miljoen 62,16) en VOID MAIN STRING ARGS (846 voorkomens in 36 teksten; frequentie per miljoen 55,24) maken allemaal deel uit van programmacode en bevatten het sleutelwoord main. Het sleutelwoord main verwijst naar de main function die verantwoordelijk is voor de overkoepelende organisatie van de functionaliteit van het programma. Functies, ook wel methoden genoemd, zijn reeksen instructies die worden gebruikt om invoergegevens te bewerken, bijvoorbeeld voor wiskundige berekeningen. In veel programmeertalen begint een programma met de uitvoering van de hoofdfunctie. Java-programma's beginnen bijvoorbeeld met de uitvoering van de hoofdfunctie, die de volgende methodekop heeft: public static void main (String[] args). De hoofdfunctie is verantwoordelijk voor de overkoepelende organisatie van de functionaliteit van het programma. Het sleutelwoord void betekent dat de methode geen retourwaarde heeft. Als de methode een geheel getal retourneerde, zou in plaats van void het sleutelwoord int worden gebruikt.

De volgende twee terminologische bundels PUBLIC STATIC FINAL INT (1306 voorkomens in 21 teksten; frequentie per miljoen 85,27) en PUBLIC FINAL STATIC INT (861 voorkomens in 5 teksten; frequentie per miljoen 56,22) maken deel uit van coderegels in programmeertalen zoals Java. Ze definiëren het type functies dat moet worden toegepast. Het sleutelwoord public betekent dat de methode zichtbaar is en kan worden aangeroepen vanuit objecten van andere typen. Het sleutelwoord static betekent dat de methode is gekoppeld aan de klasse, en niet aan een specifieke instantie (object) van die klasse. Dit betekent dat een statische methode kan worden aangeroepen zonder een object van de klasse aan te maken.

50

Marek Weber

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

De bundle INT X INT Y komt 600 keer voor in 14 teksten, met een frequentie van 39,18 per miljoen woorden. De bundle vertegenwoordigt een declaratie van variabelen; het type variabelen is in dit geval integer, of kortweg int. De verzameling gehele getallen bestaat uit de natuurlijke getallen (0, 1, 2, 3,...) samen met de negatieve natuurlijke getallen (−1, −2, −3,...).

Het frequente trefwoord Java, de naam van een programmeertaal, komt voor in 6 bundles: JAVA ENTERPRISE IN A (653 voorkomens in 5 teksten; frequentie per miljoen 42,64); IMPORT JAVA IO IMPORT (447 voorkomens in 22 teksten; frequentie per miljoen 29,19); THE JAVA IO PACKAGE (345 voorkomens in 12 teksten; frequentie per miljoen 22,53); IMPORT JAVA AWT IMPORT (336 voorkomens in 15 teksten; frequentie per miljoen 21,94); JAVA IO IMPORT JAVA (328 voorkomens in 20 teksten; frequentie per miljoen 21,42) en THE JAVA LANG PACKAGE (322 voorkomens in 9 teksten; frequentie per miljoen 21,02).

Java werd populair vanwege kenmerken als gebruiksgemak, platformonafhankelijke mogelijkheden en beveiligingsfuncties. Met Java kan één programma op veel verschillende platforms worden uitgevoerd. Dit betekent dat er geen inspanningen nodig zijn om voor elk platform een andere softwareversie te ontwikkelen. Java is ontworpen voor gebruiksgemak en wordt beschouwd als eenvoudiger te schrijven, compileren, debuggen, uitvoeren en leren dan sommige andere programmeertalen.

De afkorting AWT, die voorkomt in de bundle IMPORT JAVA AWT IMPORT, staat voor The Abstract Window Toolkit, een platformonafhankelijke toolkit voor vensters, grafische elementen en gebruikersinterfaces.

De volledige naam van JAVA ENTERPRISE, de reeks die deel uitmaakt van de frequente bundle JAVA ENTERPRISE IN A, is Java Platform, Enterprise Edition. Dit is de enterprise-computingplatform van Oracle voor Java, die een runtimeomgeving biedt voor het ontwikkelen en uitvoeren van bedrijfssoftware, waaronder netwerk- en webdiensten en andere grootschalige, schaalbare en veilige netwerkapplicaties. De bundle maakt deel uit van een langere formulering van vijf woorden (653 voorkomens in 5 teksten; frequentie per miljoen 42,64): Java Enterprise in a Nutshell, zoals geïllustreerd in het volgende voorbeeld:

Voorbeeld 1: Sun maakt het leven nog gemakkelijker door providers voor vele naamgevingsdiensten aan te bieden. Terwijl de serviceprovider dus veel tijd kan besteden aan de implementatie van de interfaces javax.naming.spi, hoeft de client alleen maar een URL voor de provider en de context factory class op te geven en vervolgens de naamgevingsdienst te gebruiken. Voor veel meer informatie over JNDI en verwante onderwerpen kunt u ook Java Enterprise in a Nutshell raadplegen. [Genre 5 – ‘leerboeken in ICT’]

Terminologija | 2012 | 19

51

De reeks JAVA EDITOR, onderdeel van de bundle IN THE JAVA EDITOR (75 voorkomens in 5 teksten; frequentie per miljoen 58,49), duidt een softwaretool aan die is ontworpen om in Java geschreven programma's te bewerken en te compileren, en ze uit te voeren. Het gebruik van de bundle wordt geïllustreerd in het volgende voorbeeld:

Voorbeeld 2: Om content assist te implementeren, moet de configuratie van de bronweergave van uw editor zo worden ingesteld dat accountant assistant wordt gedefinieerd. Dit gebeurt in het voorbeeld Java editor binnen JavaSourceViewerConfiguration.

Spelfouten worden weergegeven in de Java editor en er zijn bijbehorende Quick Fixes beschikbaar: u kunt het woordenboek ook beschikbaar maken voor content assist.

Maak uw eigen code-assistvoorstellen, vergelijkbaar met de voorstellen in de Java editor. Instantieer CompletionProposalCollector om dezelfde voorstellen te krijgen als de Java editor, of maak er een subklasse van om uw eigen voorstellen toe te voegen. [Genre 6 – ‘technische documentatie van programmeertalen en programmeeromgevingen’]

CONCLUSIES

De resultaten die in dit werk worden samengevat, laten aanzienlijke verschillen zien in de frequentie van vormen en functies van lexicale bundels tussen de respectieve genres van de taal van informatie- en communicatietechnologie. De variaties worden zowel kwantitatief als kwalitatief gerapporteerd. Kwantitatief gezien zijn genre 3 – ‘technische documentatie van softwaretoepassingen in ICT’ en genre 4 – ‘technische documentatie van ICT-hardware’ het meest formulematig en repetitief. De overige ICT-genres gebruiken aanzienlijk minder lexicale bundels, en lexicale bundels vormen een aanmerkelijk kleiner aandeel van het totale aantal woorden. Alle 14 terminologische bundels die voorkomen in de genre ‘leerboeken’, die in dit artikel worden onderzocht, hebben betrekking op verschillende aspecten van programmeren. Dit kan worden verklaard door het feit dat een aanzienlijk percentage van de leerboeken (52%) verschillende onderwerpen op het gebied van programmeren behandelt.

REFERENCES

Biber D. 2006: University language: A corpus-based study of spoken and written registers, Philadelphia/Amsterdam: John Benjamins Publishing Company.

Biber D., Conrad S., Cortes V. 2004: If you look at …: Lexical bundles in university teaching and textbooks, Applied Linguistics, 25L, 371–405.

Biber D., Conrad S., Cortes V. 2003: Lexical bundles in speech and writing: an initial taxonomy. – Corpus Linguistics by the Lune: A festschrift for Geoffrey Leech, Wilson A., Rayson P. and McEnery T. (eds.), Frankfurt/Main: Peter Lang.

Biber D., Johansson S., Leech G., Conrad S. and Finegan E. (1999): Longman grammar of spoken and written English, Harlow: Pearson.

52

Marek Weber

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

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