Flerords mönster i korpusen för informations- och kommunikationsteknik. Terminologiska fraser inom genren – ”Läroböcker i IKT”

MAREK WEBER

Bialystok University of Technology

NYCKELORD: korpuslingvistik, informations- och kommunikationsteknik, lexikala fraser, funktionell klassificering av lexikala fraser, terminologiska fraser, lexikal granskning

DATA FÖR STUDIEN, KORPUSEN FÖR INFORMATIONS- OCH KOMMUNIKATIONSTEKNIK

Studiens data består av en elektronisk korpus inom det breda området informations- och kommunikationsteknik (IKT), en samlingsterm som omfattar all teknik som utvecklats för behandling och överföring av data. Texterna valdes ut för att representera ett tvärsnitt av IKT-området. Texterna delades in i sju kategorier som kan betraktas som genrer inom IKT-området:

Genre 1: fackartiklar inom IKT;

Genre 2: akademiska artiklar inom IKT;

Genre 3: teknisk dokumentation för programvaruapplikationer inom IKT;

Genre 4: teknisk dokumentation för IKT-maskinvara;

Genre 5: läroböcker inom IKT;

Genre 6: teknisk dokumentation för programmeringsspråk och programmeringsmiljöer;

Genre 7: teknisk dokumentation för nätverksteknik.

Korpusen innehåller en samling på 973 texter med sammanlagt nästan 24 miljoner ord. Valet av data för en korpus är en av forskarens viktigaste angelägenheter, eftersom korpusen bör vara representativ för det analyserade användningsområdet. Som Douglas Biber påpekar är antalet texter avgörande för forskning där forskaren koncentrerar sig på texten som den primära analysenheten. Ett tillräckligt antal texter bör ingå i varje genre för att ta hänsyn till variation mellan kategorier och författare (Biber, 2006).

Terminologija | 2012 | 19

39

Tabell 1. Sammansättningen av korpusen för informations- och kommunikationsteknik

GenreAntal texterAntal token (löpande ord)Professionella artiklar391225551Akademiska artiklar951272001Teknisk dokumentation av programvaror inom ICT922472839Teknisk dokumentation av ICT-maskinvara1002471772Läroböcker9915315237Teknisk dokumentation av programmeringsspråk och programmeringsmiljöer901282175Teknisk dokumentation av nätverksteknik106725418TOTALT97323764993

LEXIKALA BUNTAR: TERMEN

Återkommande ordsekvenser som förekommer tillsammans oftare än vad som kan förväntas av en slump utgör en viktig del av språklig produktion. Termen lexikal bunt användes först av Douglas Biber, Stig Johansson, Geoffrey Leech, Susan Conrad och Edward Finegan i den numera klassiska Longman grammar of spoken and written English för att beteckna fl ordskombinationer som identifieras enbart utifrån frekvenskriteriet (Biber et al. 1999), medan Mike Scott kallar dem word clusters i handboken till programvaran WordSmith Tools version 4 (1996) och WordSmith Tools version 5 (2010). Det enda kriteriet för att identifiera lexikala buntar är deras frekvens. ”Kluster är ord som återkommande förekommer tillsammans, i varandras sällskap, i en följd” (Scott 2010: 337). Scott påpekar att ordkluster kan ha semantisk prosodi, det vill säga en tendens hos vissa lexem att förekomma tillsammans med vissa andra lexem (till exempel tendensen hos cause att förekomma med negativa följder såsom accident, trouble, etc.) (Scott 2010: 337).

Biber, Johansson, Leech, Conrad och Finegan definierar lexikala buntar som återkommande uttryck oavsett deras strukturella egenskaper; det vill säga, de är sekvenser av ordformer som ofta förekommer tillsammans i diskursen. De påpekar att kortare buntar ofta ingår i mer än en längre lexikal bunt (Biber et al. 1999). De konstaterar också att lexikala buntar i de flesta fall inte bildar strukturella enheter och att de flesta av dem är

40

Marek Weber

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

inte uttryck som språkbrukare skulle känna igen som idiom eller andra fasta lexikala uttryck. Biber, Johansson, Leech, Conrad och Finegan fastställer följande gränsvärden för att fl ordsekvenser ska räknas som lexikala buntar: de måste förekomma minst 10 gånger per miljon ord och i minst fem texter (Biber et al. 1999).

Biber konstaterar att ett överraskande resultat av ett frekvensbaserat tillvägagångssätt är att lexikala buntar har två oväntade egenskaper (Biber 2006: 134). För det första är de flesta inte idiomatiska till sin betydelse, utan betydelserna är vanligtvis transparenta utifrån de enskilda ordformerna. Ken Hyland påpekar också att de flesta buntar är semantiskt transparenta och ”formellt regelbundna, och tillhandahåller byggstenarna för sammanhängande diskurs” (Hyland 2008: 6).

För det andra utgör de flesta buntar inte fullständiga grammatiska strukturer. Biber, Johansson, Leech, Conrad och Finegan observerade att ungefär 15% av de lexikala buntarna i samtal bildade fullständiga strukturella enheter, medan endast ungefär 5% av de lexikala buntarna i akademisk prosa kunde betraktas som fullständiga fraser eller satser (Biber et al. 1999: 1000). Ett värdefullt fynd om lexikala buntars syntaktiska karaktär, gjort av Biber, är att de är lexikala enheter som ofta skär över grammatiska strukturer; de kan till exempel överbrygga två fraser eller satser så att de sista orden i en bunt utgör början på en andra syntaktisk struktur (Biber 2006: 135). Hyland understryker också att lexikala buntar, som identifieras enbart utifrån sin frekvens, vanligtvis sträcker sig över strukturella enheter (Hyland 2008: 6).

Ett antal korpusstudier har ägnats åt analysen av återkommande strängar av oavbrutna ordformer. De visar hur viktiga dessa är i olika typer av diskurs och påvisar samtidigt att lexikala buntar varierar avsevärt mellan olika genrer och register (till exempel Biber 2006; Biber, Conrad, Cortes 2004; Hyland 2008; Scott, Tribble 2006; Gozdz-Roszkowski 2011).

M E T O D O L O G I S O M A N V Ä N D E S I S T U D I E N

Beslutet fattades att koncentrera analysen på 4-ordsbuntar eftersom frekvenserna för 4-ordsbuntar å ena sidan är betydligt högre än för 5-ordssekvenser och de å andra sidan ofta innehåller 3-ordssträngar och gör det möjligt att identifiera mer uppenbara mönster och strukturer än 3-ordsuttryck. Listor över 4-ordsbuntar i vart och ett av de

Terminologija | 2012 | 19

41

sju ICT-genrerna genererades med WordSmith Tools v. 5.0 – programvarupaketet för att söka efter mönster i korpusar.

I denna studie fastställdes följande två gränsvärden: en minsta förekomstfrekvens på 20 gånger per miljon ord och ett ytterligare kriterium, nämligen att en bunt skulle förekomma i minst fem texter. Tillämpningen av gränsvärdeskriterierna krävde lämpliga beräkningar i var och en av de sju filerna som innehöll listan över buntar inom en viss genre. Beräkningarna beskrivs i följande steg:

1. Skapa en extra kolumn med namnet ”Frekvens per miljon” i kalkylbladet som erhållits från programvaran WordSmith Tools.

2. Ange värdet för löpande ord i en tom cell i Excel-kalkylbladet inom den aktuella kategorin.

3. Fyll i den första cellen i kolumnen ”Frekvens per miljon” med följande formel:

Frekvens per miljon ord = Frekvens x 1 000 000 / löpande ord

4. Kopiera formeln till de övriga cellerna genom att klicka på det ifyllda fältets nedre högra hörn och dra nedåt till de andra cellerna.

5. Markera kolumnen ”Antal texter”.

6. Välj menyn ”Data” och välj fältet ”Sortera och filtrera” i sorteringsverktyget.

7. Välj fallande sorteringsordning.

8. Ta bort alla tabellrader där värdena i fältet ”Antal texter” är lägre än 5.

9. Markera kolumnen ”Frekvens per miljon”.

10. Välj menyn ”Data” och välj fältet ”Sortera och filtrera” i sorteringsverktyget.

11. Välj fallande sorteringsordning.

12. Ta bort alla rader i tabellen där värdena i fältet ”Frequency per million” är lägre än 20.

1886 olika lexikala buntar hittades i korpusen efter tillämpning av ovanstående gränskriterier. Det totala antalet buntar som identifierades i hela datamaterialet uppgick till 197 553.

42

Marek Weber

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

Tabell 2. Fördelning av lexikala buntar i ICT-genrer

Genre

Totalt antal buntar efter tillämpning av gränskriterierna

Antal olika buntar efter tillämpning av gränskriterierna

% av löpande ord i buntar

Professionella artiklar

1057

131

1,8

Akademiska artiklar

5548

120

1,7

Programvaruapplikationer

44669

403

7,2

Hårdvara

55296

672

8,9

Läroböcker

72483

119

1,9

Programmeringsspråk och programmeringsmiljöer

10984

180

3,4

Nätverksteknik

7516

261

4,1

Totalt

197553

1886

Andelen löpande ord i buntar erhölls genom att multiplicera det totala antalet förekomster för en viss genre med 4 (fyrordsbuntar analyseras), dividera med antalet löpande ord i genren och därefter multiplicera med 100% enligt formeln:

Enligt vår uppfattning kan två parametrar – intervallet av olika buntar och andelen löpande ord i buntar – betraktas som indikatorer på i vilken grad en viss genre är formelartad och repetitiv jämfört med andra genrer. Med andra ord kan graden av formelartadhet och repetitivitet hos en genre mätas genom intervallet av olika buntar som används i genren och andelen löpande ord i buntar.

ICT-genrerna kan delas in i tre grupper enligt kriteriet formelartadhet och repetitivitet.

Genre 3 – ”teknisk dokumentation av programvaror inom ICT” – och genre 4 – ”teknisk dokumentation av ICT-maskinvara” – kännetecknas av en hög grad av formelartadhet och repetitivitet, eftersom de uppvisar jämförbara mönster genom att använda det största urvalet av olika buntar (403 respektive 672) och den högsta andelen löpande ord i buntar (7,2% respektive 8,9%).

Terminologija | 2012 | 19 43

Figur 1: Genrer med hög grad av formelmässighet och repetitivitet

Däremot kännetecknas genre 1 – ”professionella artiklar inom ICT”, genre 2 – ”akademiska artiklar inom ICT” och genre 5 – ”läroböcker inom ICT” av relativt låg grad av formelmässighet och repetitivitet, eftersom de använder det minsta urvalet av olika bundlar (131, 120 respektive 119) och den lägsta andelen löpande ord i bundlar (1,8%, 1,7% respektive 1,9%).

De återstående två genrerna: genre 6 – ”teknisk dokumentation av programmeringsspråk och programmeringsmiljöer” och genre 7 – ”teknisk dokumentation av nätverksteknik” bildar den tredje gruppen, med båda parametrarnas värden i mitten av intervallet (antal olika bundlar: 180 respektive 261; andel löpande ord i bundlar: 3,4% respektive 4,1%).

Det är dock värt att ha i åtanke att direkta jämförelser, som Stanislaw Gozdz-Roszkowski med rätta påpekar, endast säkert kan göras mellan genrer med liknande ordantal. För att ta hänsyn till detta beräknas parametern andelen löpande ord i bundlar för varje genre på ett sådant sätt att den återspeglar ordantalet i var och en av de delkorpusar som representerar respektive genre (Gozdz-Roszkowski 2011: 111).

FUNKTIONELL KLASSIFICERING AV BUNDLAR

Ett ramverk för den funktionella analysen av de bundlar som erhölls i denna korpus utarbetades utifrån Biber (Biber 2006; Biber et al. 2004), Hyland (2008) och Gozdz-Roszkowski (2011) taxonomier.

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.

Med utgångspunkt i de ovan nämnda taxonomierna delades lexikala bundlar inom ICT funktionellt in i tre breda kategorier utifrån deras betydelse i texterna: forskningscentrerade, textcentrerade och deltagarcentrerade. Bundlar i den första kategorin hjälper skribenter att organisera sina aktiviteter och erfarenheter inom ICT. Textcentrerade bundlar används för att ange textens organisation och innebörd. Slutligen används deltagarcentrerade bundlar för att signalera olika attityder eller bedömningar, och de fokuserar på textens skribent eller läsare.

Figur 2: Funktionell taxonomi över lexikala bundlar

Var och en av de tre huvudsakliga funktionella kategorierna av lexikala bundlar delades vidare in i ett antal underkategorier.

Forskningscentrerade bundlar omfattar följande underkategorier:

Kvantitetsbundlar (t.ex. en av de största; ett stort antal; en av följande; antalet element);

Tidsrefererande bundlar (t.ex. vid tidpunkten för; årets slut; de närmaste veckorna; under de kommande veckorna);

Plats-/riktningsrefererande bundlar (t.ex. i USA; i huvudfönstret; längst ned i fönstret; i statusfältet);

Terminologija | 2012 | 19 45

Procedur-buntar – används för att beskriva olika funktioner med anknytning till ICT (t.ex. the use of the; the use of a);

Ämnesindikator-buntar – med anknytning till forskningsområdet (t.ex. proceedings of the IEEE; programming languages and systems; the drop down menu; the following configuration options);

Multifunktionella referensbuntar – buntar som kan användas som tids-, plats- eller textreferens (t.ex. the end of the; the start of the; the left of the; at the beginning of);

Beskrivningsbuntar – anger egenskaper hos det efterföljande substantivet (t.ex. the complexity of the; the surface of the; the scope of the; the height of the).

Textcentrerade buntar omfattar följande underkategorier:

Utvecklingsbuntar utvecklar det analyserade ämnet ytterligare och klargör det (t.ex. at the same time, as well as the, this means that the, in this case the);

Övergångsbuntar – skapar additiva eller kontrasterande samband mellan textavsnitt (t.ex. on the other hand, as opposed to the, in addition to the, in contrast to the);

Inramningsbuntar – ”placerar argument genom att ange begränsande villkor” (Hyland 2008: 14) när påståenden eller argument förs fram (t.ex. in terms of the, in the context of, in the presence of, the contents of the);

Villkorsbuntar uttrycker villkor (t.ex. if you want to, if you do not, if you have a, if you have an);

Resultatbuntar anger logiska samband mellan element i form av orsakssamband och resultat (t.ex. so that you can, as a result of, as a result the, as a function of);

Strukturmarkörbuntar används för att hänvisa till andra delar av texten (t.ex. as shown in figure, as discussed in section, is shown in ex ample, later in this chapter).

Deltagarcentrerade buntar omfattar följande underkategorier:

Engagemangsbuntar riktar sig direkt till läsarna; de ”tilltalar aktivt läsarna som deltagare i det framväxande samtalet” (Hyland 2008: 18) (t.ex. do one of the, select the type of, is recommended that you, select one of the);

Attitydbuntar förmedlar känslor, attityder, värdeomdömen och bedömningar; de ”ger en ram för tolkningen av den följande propositionen” (Biber, 2006: 139) (t.ex. 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’

Modalitetsbuntar – uttrycker att något är sannolikt, tillåtet eller nödvändigt (t.ex. måste uppfyllas a, kan användas för, som kan ses, där du kan, får inte visas, kan återges eller, måste acceptera all interferens, interferens som kan orsaka, som kan orsaka oönskade);

Prediktionsbuntar – uttrycker skribentens förutsägelse om någon framtida handling (t.ex. förväntas vara, du kommer att bli ombedd, kommer att visas i, detta öppnar, kommer att bli ombedd att).

Tabell 3 visar antalet buntar som tillhör de tre huvudsakliga funktionella kategorierna i varje genre.

Tabell 3: Fördelning av lexikala buntar mellan funktionella kategorier

Forskningscentrerade | Textcentrerade | Deltagarcentrerade | Övriga | Professionella artiklar | 45 | 23 | 13 | 45 | Akademiska artiklar | 48 | 35 | 9 | 28 | Programvaruapplikationer | 123 | 55 | 122 | 83 | Hårdvara | 207 | 51 | 138 | 187 | Läroböcker | 32 | 35 | 18 | 20 | Programmeringsspråk och programmeringsmiljöer | 39 | 39 | 26 | 62 | Nätverksteknik | 91 | 24 | 11 | 91

Figur 3: Klassificering av forskningscentrerade buntar

Terminologija | 2012 | 19

47

Tabell 4: Fördelning av forskningscentrerade buntar mellan underkategorier

FORSKNINGSCENTRERADE

Antal genrer

Kvantitet

Tidsreferens

Plats-/riktningsreferens

Procedur

Ämnesindikator

Multifunktionell referens

Beskrivning

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

TERMINOLOGISKA BUNTAR

Terminologiska buntar har identifierats som en underkategori av buntar som anger ämne och definierats som flervordskombinationer som innehåller termer.

Figur 4: Fördelning av terminologiska buntar inom 7 ICT-genrer

Som tabell 5 visar innehåller genre 7 – ”teknisk dokumentation av nätverksteknik” – den största andelen (18%) och det största antalet terminologiska buntar, 47. En sådan terminologisk täthet kan kopplas till den högt specialiserade och domänspecifika karaktären hos texter i genre 7. Förmedling av högspecialiserad kunskap kräver återkommande användning av fasta och specialiserade flervordskombinationer.

48

Marek Weber

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

Tabell 5: Antal och andelar terminologiska flerordsuttryck i IKT-genrer

Genrenummer

Antal flerordsuttryck i en genre

Antal terminologiska flerordsuttryck i en genre

Andel terminologiska flerordsuttryck i en genre

Andel terminologiska flerordsuttryck i kategorin FORSKNINGSORIENTERAD

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

Det näst största antalet flerordsuttryck återfinns i genre 4 – ”teknisk dokumentation av IKT-maskinvara” – med 37. Andelen av samtliga flerordsuttryck som tillhör kategorin terminologiska flerordsuttryck i genre 4 är dock relativt låg – endast 5,5%. Man bör emellertid komma ihåg att genre 4 har överlägset flest olika flerordsuttryck efter tillämpning av gränsvärdeskriterierna – 672 – och den högsta andelen löpande ord i flerordsuttryck – 8,9%.

Genre 5 – ”läroböcker inom IKT” – har en relativt stor andel terminologiska flerordsuttryck – 11,7%. Tabell 6 nedan innehåller de terminologiska flerordsuttryck som identifierats i genre 5 – ”läroböcker inom IKT”.

Tabell 6: Terminologiska flerordsuttryck identifierade i genre 5 – ”läroböcker inom IKT”

GENRE 5

Flerordsuttryck

Frekvens

Antal texter

Frekvens per miljon

den java io package

345

12

22.53

den 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

antalet byte

433

38

28.27

the java lang package

322

9

21.02

x int y int

316

12

20.63

En betydande andel av läroböckerna (52%) behandlar olika ämnen relaterade till programmering i ett antal programmeringsspråk såsom Java, C++, C#, Objective-C, PHP och andra. Detta återspeglas i det stora antalet terminologiska flerordssekvenser i genre 5, som innehåller ofta förekommande kodrader. Exempelvis är de terminologiska flerordssekvenserna STATIC VOID MAIN STRING (967 förekomster i 39 texter; frekvens per miljon 63,14), PUBLIC STATIC VOID MAIN (952 förekomster i 40 texter; frekvens per miljon 62,16) och VOID MAIN STRING ARGS alla delar av programkod och innehåller nyckelordet main. Nyckelordet main syftar på huvudfunktionen, som ansvarar för den övergripande organiseringen av programmets funktionalitet. Funktioner, som även kallas metoder, är instruktionsuppsättningar som används för att bearbeta indata, till exempel matematiska beräkningar. I många programmeringsspråk är huvudfunktionen den punkt där ett program börjar köras. Java-program börjar till exempel köras i huvudfunktionen, som har följande metodhuvud: public static void main (String[] args). Huvudfunktionen ansvarar för den övergripande organiseringen av programmets funktionalitet. Nyckelordet void betyder att metoden inte har något returvärde. Om metoden returnerade ett heltalsvärde skulle nyckelordet int användas i stället för void.

De följande två terminologiska flerordssekvenserna PUBLIC STATIC FINAL INT (1306 förekomster i 21 texter; frekvens per miljon 85,27) och PUBLIC FINAL STATIC INT (861 förekomster i 5 texter; frekvens per miljon 56,22) är delar av kodrader i programmeringsspråk, till exempel Java. De anger vilken typ av funktioner som ska tillämpas. Nyckelordet public betyder att metoden är synlig och kan anropas från objekt av andra typer. Nyckelordet static betyder att metoden är knuten till klassen, inte till en specifik instans (ett objekt) av klassen. Det innebär att det går att anropa en statisk metod utan att skapa ett objekt av klassen.

50

Marek Weber

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

Bunten INT X INT Y förekommer 600 gånger i 14 texter, med en frekvens per miljon ord på 39,18. Bunten utgör en deklaration av variabler; variablernas typ är i detta fall heltal, eller int i korthet. Mängden av heltal bildas av de naturliga talen (0, 1, 2, 3,...) tillsammans med de negativa naturliga talen (−1, −2, −3,...).

Det frekventa nyckelordet Java, namnet på ett programmeringsspråk, förekommer i 6 buntar: JAVA ENTERPRISE IN A (653 förekomster i 5 texter; frekvens per miljon 42,64); IMPORT JAVA IO IMPORT (447 förekomster i 22 texter; frekvens per miljon 29,19); THE JAVA IO PACKAGE (345 förekomster i 12 texter; frekvens per miljon 22,53); IMPORT JAVA AWT IMPORT (336 förekomster i 15 texter; frekvens per miljon 21,94); JAVA IO IMPORT JAVA (328 förekomster i 20 texter; frekvens per miljon 21,42) och THE JAVA LANG PACKAGE (322 förekomster i 9 texter; frekvens per miljon 21,02).

Java blev populärt tack vare egenskaper som användarvänlighet, plattformsoberoende funktionalitet och säkerhetsfunktioner. Med Java kan ett program köras på många olika plattformar. Det innebär att man inte behöver lägga resurser på att utveckla en separat programvaruversion för varje plattform. Java utformades för att vara lätt att använda och anses vara enklare att skriva, kompilera, felsöka, köra och lära sig än vissa andra programmeringsspråk.

Förkortningen AWT, som förekommer i bunten IMPORT JAVA AWT IMPORT, står för The Abstract Window Toolkit, en plattformsoberoende verktygslåda för fönsterhantering, grafik och användargränssnitt.

Det fullständiga namnet på JAVA ENTERPRISE, en sekvens som ingår i den frekventa bunten JAVA ENTERPRISE IN A, är Java Platform, Enterprise Edition. Det betecknar Oracles Java-plattform för företagsdatabehandling, som tillhandahåller en körmiljö för utveckling och körning av företagsprogramvara, inklusive nätverks- och webbtjänster samt andra storskaliga, skalbara och säkra nätverksapplikationer. Bunten ingår i ett längre formelartat uttryck på fem ord (653 förekomster i 5 texter; frekvens per miljon 42,64): Java Enterprise in a Nutshell, vilket illustreras i följande exempel:

Exempel 1: Sun gör det ännu enklare genom att tillhandahålla leverantörer för många namntjänster. Medan tjänsteleverantören alltså kan ägna mycket tid åt att implementera gränssnitten javax.naming.spi, behöver klienten bara ange en URL för leverantören och kontextfabriksklassen och sedan använda namntjänsten. För mycket mer information om JNDI och relaterade ämnen kan du läsa Java Enterprise in a Nutshell. [Genre 5 – ”läroböcker inom ICT”]

Terminologija | 2012 | 19

51

Sekvensen JAVA EDITOR, som ingår i bunten IN THE JAVA EDITOR (75 förekomster i 5 texter; frekvens per miljon 58,49), betecknar ett programvaruverktyg som är utformat för att redigera och kompilera program skrivna i Java samt köra dem. Användningen av bunten illustreras i följande exempel:

Exempel 2: För att implementera innehållshjälp måste källvisarkonfigurationen i din editor konfigureras så att den definierar accountant assistant. Detta görs i Java editor-exemplet i JavaSourceViewerConfiguration.

Stavfel visas i Java editor, och motsvarande snabbkorrigeringar är tillgängliga: Du kan också göra ordlistan tillgänglig för innehållshjälpen.

Skapa egna förslag för kodassistans, liknande dem som föreslås i Java editor. Instansiera CompletionProposalCollector för att få samma förslag som i Java-editorn, eller skapa en subklass av den för att blanda in egna förslag. [Genre 6 – ”teknisk dokumentation av programmeringsspråk och programmeringsmiljöer”]

SLUTSATSER

Resultaten som sammanfattas i detta arbete visar på betydande skillnader i frekvensen av lexikala buntars former och funktioner mellan de respektive genrerna inom informations- och kommunikationsteknikens språk. Variationerna redovisas både kvantitativt och kvalitativt. Kvantitativt sett är genre 3 – ”teknisk dokumentation av programvaror inom ICT” – och genre 4 – ”teknisk dokumentation av ICT-hårdvara” – de mest formelbundna och repetitiva. De övriga ICT-genrerna använder betydligt färre lexikala buntar, och dessa står för markant mindre andelar av det totala antalet ord. Alla de 14 terminologiska buntar som förekommer i läroboksgenren, vilken granskas i artikeln, anknyter till olika aspekter av programmering. Detta kan förklaras av att en betydande andel av läroböckerna (52%) behandlar olika ämnen inom programmering.

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