ΟΡΟΓΡΑΦΙΑ ΚΑΙ ΣΥΓΧΡΟΝΗ ΕΠΟΧΗ

Rūta MARCINKEVIČIENĖ

Vytauto Didžiojo universitetas

ΟΡΟΓΡΑΦΙΑ ΚΑΙ ΣΩΜΑ ΚΕΙΜΕΝΩΝ

Η γλωσσολογία σωμάτων κειμένων, η οποία εμφανίστηκε πριν από περισσότερες από τρεις δεκαετίες μαζί με το πρώτο σώμα κειμένων, έφερε επανάσταση στη γενική λεξικογραφία. Σήμερα, τα ερμηνευτικά λεξικά συντάσσονται σε μεγαλύτερο ή μικρότερο βαθμό με βάση σώματα κειμένων. Η ορογραφία, από αυτή την άποψη, παραμένει μέχρι σήμερα παραμελημένη ακόμη και σε χώρες που έχουν προχωρήσει περισσότερο στη γλωσσολογία σωμάτων κειμένων, πόσο μάλλον σε νεοεισερχόμενες χώρες όπως η δική μας. Εδώ θα επιχειρηθεί να καταδειχθεί πόσο σημαντικό, κυριολεκτικά αναντικατάστατο, είναι το σώμα κειμένων για τη σύνταξη λεξικών όρων.

Η εποχή των τεχνολογιών των υπολογιστών και, μαζί της, των ηλεκτρονικών σωμάτων κειμένων διαχώρισε σαφώς την παραδοσιακή ορολογία και ορογραφία από τη νέα. Άρχισαν να διαφοροποιούνται σημαντικά οι απόψεις των ορολόγων για διάφορα ζητήματα: την ίδια την έννοια του όρου, τις πηγές των όρων, τα κριτήρια διάκρισης του όρου από τον μη όρο, τα προσόντα του ορολόγου, την τυποποίηση των όρων και ορισμένα άλλα. Καθώς τα πεδία των ειδικών επιστημών διευρύνθηκαν και αλληλεπλέχτηκαν σε μεγάλο βαθμό, αυξήθηκε σημαντικά ο φόρτος εργασίας των ορολόγων, επειδή με τις παραδοσιακές μεθόδους είναι πλέον δύσκολο να παρακολουθήσει κανείς την πρόοδο της επιστήμης και της τεχνολογίας. Ακριβώς γι’ αυτό άρχισε να επικρατεί διαφορετική αντίληψη για τους όρους: δίνεται μεγαλύτερη έμφαση στη χρήση παρά στον κανόνα.

Η παραδοσιακή ορολογία, η οποία εμφανίστηκε στις αρχές αυτού του αιώνα ως αποτέλεσμα της τεράστιας τεχνολογικής ανάπτυξης, ενδιαφερόταν κυρίως για την ονομασία των εννοιών, την τακτοποίηση της μεγάλης ποικιλίας όρων που εμφανίστηκαν σε σύντομο χρονικό διάστημα, καθώς και τη συστηματοποίηση και τυποποίηση της ορολογίας επιμέρους επιστημονικών κλάδων και πεδίων. Από την απαρχή της ορολογίας ως αυτοτελούς επιστήμης, οι όροι αντιμετωπίζονταν διαφορετικά από τις άλλες λέξεις. Ο πρωτεργάτης της ορολογίας Wüster (όπως παρατίθεται στο Pearson 1998: 10) υποστήριζε ότι οι όροι πρέπει να αντιμετωπίζονται διαφορετικά από τις λέξεις της κοινής γλώσσας, καθώς η ορολογία αρχίζει με την ανάλυση των εννοιών. Και οι έννοιες, ως γνωστόν, υπάρχ-

5

ουν ανεξάρτητα όχι μόνο από τους όρους που τις ονομάζουν, αλλά και από τις διαφορετικές γλώσσες. Οι όροι δεν είναι τίποτε άλλο παρά ονόματα εννοιών, τα οποία, στην ιδανική περίπτωση, συνδέονται με τις ίδιες τις έννοιες με την ακόλουθη σχέση: μία έννοια – ένας όρος. Οι όροι ορίζονταν κυρίως με βάση τη θέση των εννοιών που ονομάζουν στο ιεραρχικό σύστημα εννοιών και τις σχέσεις τους με άλλες έννοιες. Η ορολογία βασιζόταν σε όρους που δημιουργούσαν ειδικοί του αντίστοιχου πεδίου και/ή είχαν τυποποιηθεί και εγκριθεί, με σαφώς καθορισμένη, κατοχυρωμένη και, συνεπώς, προστατευμένη σημασία. Επομένως, δεν προκαλεί καθόλου έκπληξη το γεγονός ότι οι παραδοσιακοί ορολόγοι που ακολουθούσαν τις πρεσκριπτικές αρχές (πρβλ. τον Wüster, για τον οποίο η Sein-Norm ήταν πολύ σημαντικότερη από την Ist-Norm) δεν ενδιαφέρονταν καθόλου για την πραγματική κατάσταση της γλώσσας στους επιμέρους επιστημονικούς κλάδους ούτε για την αυθεντική χρήση των όρων.

Ξεκινώντας από την έννοια προς τον όρο και συγκροτώντας έτσι την ορολογία κάθε επιμέρους κλάδου σύμφωνα με την ονομασιολογική αρχή, οι τότε ορολόγοι δεν αντιμετώπιζαν, ούτε θα μπορούσαν να αντιμετωπίσουν, το πρόβλημα της αναγνώρισης του όρου· μόνο το πρόβλημα της δημιουργίας του. Επιπλέον, εκείνη την εποχή οι επιμέρους επιστημονικοί κλάδοι ήταν ακόμη αρκετά αυτόνομοι. Οι ορολόγοι είχαν επίσης κατανείμει περισσότερο μεταξύ τους τα πεδία και γνώριζαν την ορολογία σχετικά απομονωμένων πεδίων. Με την εμφάνιση κοινών θεμάτων, οι εκπρόσωποι των πεδίων αυτών αρχίζουν να ενδιαφέρονται για τους όρους· επιπλέον, στην ορολογία εισέρχονται νέοι άνθρωποι, όχι κατ’ ανάγκην ειδικοί συγκεκριμένων επιστημονικών πεδίων ή/και γλωσσολόγοι, δηλαδή προγραμματιστές, δημιουργοί βάσεων δεδομένων ορολογίας και ηλεκτρονικών λεξικών κ.ά. Καθώς η πραγματική γλωσσική χρήση και ο αριθμός των νέων όρων έχουν από καιρό ξεπεράσει τους διαθέσιμους καταλόγους εγκεκριμένων όρων, η ορογραφία των ταχέως μεταβαλλόμενων επιστημονικών κλάδων, η οποία με την παραδοσιακή μέθοδο των δελτιοθηκών υστερεί σημαντικά από τις εξελίξεις, δεν επιτρέπει στους νεοεισερχόμενους να βασίζονται σε όρους που είχαν καταγραφεί παλαιότερα. Αρχίζουν να συλλέγονται από κείμενα· το ίδιο το κείμενο γίνεται η αφετηρία της εργασίας του ορολόγου (Rogers et al. 1994: 843). Επιπλέον, εξετάζεται η πραγματική χρήση τους, η οποία συχνά διαφέρει σημαντικά από το ιδεώδες που επιδιώκουν οι ρυθμιστές της γλώσσας. Εδώ προκύπτει το ερώτημα τι πρέπει να θεωρείται όρος, πότε μια λέξη ορολογικοποιείται, ποια χρήση μιας λέξης πρέπει να θεωρείται ορολογική και πώς διακρίνεται ο όρος από τον μη όρο. Έτσι, η ορολογία παύει να αποτελεί ένα τόσο σαφώς οριοθετημένο και απομονωμένο τμήμα του λεξιλογίου. Συνιστά μια ομάδα λέξεων που είναι αρκετά δύσκολο να διαχωριστεί και στο κέντρο της οποίας βρίσκονται πρωτοτυπικά μέλη, τα οποία πάντοτε εκλαμβάνονται ως

6

Μετά τον πυρήνα ακολουθούν εκείνοι οι όροι που αποκτούν καθεστώς όρου μόνο υπό ορισμένες συνθήκες, σε συγκεκριμένο πλαίσιο. Στην περιφέρεια υπάρχουν επίσης λέξεις που εκ πρώτης όψεως δεν μοιάζουν με όρους, αλλά θα έπρεπε να θεωρούνται τέτοιοι. Για παράδειγμα, αυτό ισχύει για λέξεις του λεξιλογίου της κοινής γλώσσας που απαντούν σε εκλαϊκευτικά επιστημονικά κείμενα. Για αυτόν και άλλους λόγους, είναι πολύ σημαντικό για τους ορογράφους να εντοπίζουν τους όρους, να τους αντλούν από αυθεντικά κείμενα και να τους περιγράφουν. Γι’ αυτό ακριβώς αποκτούν ιδιαίτερη σημασία τα σώματα κειμένων και το λογισμικό που διευκολύνει την εργασία με αυτά. Η έμφαση στην πραγματική χρήση κατευθύνει τους ορολόγους περισσότερο προς την περιγραφή παρά προς την τυποποίηση, ενώ η διάκριση μεταξύ πρεσκριπτιβισμού και δεσκριπτιβισμού διαιρεί την ορογραφία σε παραδοσιακή και σύγχρονη.

Γιατί σώμα κειμένων

Το σώμα κειμένων, ως πηγή όρων, είναι χρήσιμο στους ορογράφους για πολλούς λόγους. Οι συγγραφείς που υποστηρίζουν τη δημιουργία και τη χρήση του επισημαίνουν τους κυριότερους. Ίσως το σημαντικότερο είναι ότι από ένα και το αυτό σώμα κειμένων αντλούνται αμέσως τρία πράγματα που χρειάζονται οι ορογράφοι: οι ίδιοι οι όροι, οι ορισμοί τους, δηλαδή πληροφορίες του γνωστικού αντικειμένου για την ίδια την έννοια, καθώς και παραδείγματα χρήσης, άρα και η συχνότητα χρήσης, η συνταγματική συνδεσιμότητα των όρων κ.ο.κ. (Sager 1990, Meyer et al. 1996, Pearson 1998). Φυσικά, το σώμα κειμένων μπορούν να χρησιμοποιούν και ερευνητές που διαθέτουν εκ των προτέρων κατάλογο όρων. Σε αυτή την περίπτωση αντλούν από το σώμα κειμένων πληροφορίες τόσο για το γνωστικό αντικείμενο όσο και γλωσσικές πληροφορίες. Ωστόσο, εάν οι όροι αντλούνται από το σώμα κειμένων, έχουν ένα μεγάλο πλεονέκτημα: είναι συστηματικοί και αλληλένδετοι, καθώς σε επιμέρους κείμενα παρουσιάζονται σύνολα όρων που χρησιμοποιούν μεμονωμένοι συγγραφείς, και σε καθένα από αυτά οι όροι είναι καλά μελετημένοι και εναρμονίζονται μεταξύ τους. Ακριβώς γι’ αυτόν τον λόγο —ώστε οι όροι που αντλούνται να αντανακλούν επιμέρους συστήματα— πρέπει να περιλαμβάνονται στο σώμα κειμένων ολόκληρα κείμενα και όχι αποσπάσματα, δηλαδή δείγματα (Meyer et al. 1996: 268). Ένα σώμα ολόκληρων κειμένων είναι απαραίτητο και για τις πληροφορίες του γνωστικού αντικειμένου, οι οποίες θα χάνονταν αν αρκούμασταν σε τμήματα κειμένων.

Σήμερα, τα σώματα κειμένων που δημιουργούν οι ορογράφοι εξακολουθούν να χρησιμοποιούνται κυρίως για τη συλλογή πληροφοριών σχετικά με όρους που ήταν ήδη γνωστοί. Εξετάζεται,

7

αν εξακολουθούν να χρησιμοποιούνται και, αν ναι, με ποιον τρόπο, αν έχουν μεταβληθεί τα χαρακτηριστικά της χρήσης τους και μαζί τους η σημασία τους, αν έχει αλλάξει η έκταση των εννοιών που δηλώνουν λόγω της εμφάνισης νέων όρων. Ωστόσο, το σώμα κειμένων είναι πολύ πιο αναγκαίο για την άντληση νέων όρων· ίσως γι’ αυτό ο εντοπισμός όρων και η αυτόματη ή ημιαυτόματη άντλησή τους αποτελούν σήμερα ένα από τα δημοφιλέστερα θέματα στην ηλεκτρονική ορογραφία. Από αυτή την άποψη, ο ορογράφος διαφέρει από τον λεξικογράφο. Για τον τελευταίο δεν τίθεται το ερώτημα τι είναι λέξη, αλλά μόνο ποια λήμματα πρέπει να περιλαμβάνονται σε ποια λεξικά· για τον ορογράφο, αντίθετα, το ερώτημα «τι είναι όρος;» τίθεται αρκετά συχνά. Οι νέοι όροι που αντλούνται από το σώμα κειμένων και αποθηκεύονται και διαχειρίζονται σε ειδικές βάσεις δεδομένων έχουν ένα ακόμη χαρακτηριστικό: οι πηγές τους προσδιορίζονται με μεγάλη ακρίβεια και χρονολογούνται, οπότε μπορούν να συναχθούν συμπεράσματα για την εμφάνιση, τη διάδοση και την εξαφάνιση των όρων.

Αν φανταστούμε το τελικό αποτέλεσμα της εργασίας του ορογράφου ως ηλεκτρονική βάση δεδομένων (DB) ή ως έντυπο λεξικό που έχει καταρτιστεί με βάση αυτήν, τότε το σώμα κειμένων είναι σημαντικό σε όλα τα στάδια δημιουργίας αυτής της DB. Οι υπολογιστές καλύπτουν ολόκληρο τον κύκλο εργασίας του ορογράφου: από τα ηλεκτρονικά σώματα κειμένων, μέσω ειδικών προγραμμάτων αναζήτησης και εντοπισμού όρων, έως τη δημιουργία βάσεων ορολογικών δεδομένων, την περιγραφή των όρων και τη διάδοσή της σε ηλεκτρονική μορφή ή σε παραδοσιακό βιβλίο (Ahmad et al. 1994: 267).

Ο κύκλος εργασίας του ορογράφου έχει ως εξής. Στο πρώτο στάδιο, από ένα αρχείο ηλεκτρονικών κειμένων καταρτίζεται σώμα κειμένων βάσει ορισμένων αρχών· στη συνέχεια, αντλούνται από αυτό οι όροι και μεταφέρονται στη DB, όπου περιγράφονται, δηλαδή σε επιμέρους πεδία της DB παρέχονται χαρακτηριστικά παραδείγματα χρήσης τους, αντλημένα από συμφραστικούς πίνακες, καθώς και ορισμοί που προέρχονται από τις ίδιες πηγές. Αργότερα, βάσει των γλωσσικών πληροφοριών και των πληροφοριών για το γνωστικό αντικείμενο που αντλήθηκαν από το σώμα κειμένων, αναφέρονται λέξεις που σχετίζονται με τον περιγραφόμενο όρο: συνώνυμα, αντώνυμα, υπώνυμα, υπερώνυμα· παρέχονται παραπομπές στις αντίστοιχες καταχωρίσεις, προσδιορίζονται η υπαγωγή του όρου σε γνωστικό πεδίο και η θέση του στο γενικό σύστημα εννοιών. Επιπλέον, παρέχονται γραμματικά και πραγματολογικά χαρακτηριστικά, περιορισμοί συνδυαστικότητας ή άλλοι περιορισμοί χρήσης, πληροφορίες σχετικά με την προτιμώμενη χρήση του όρου και, εφόσον προβλέπεται, μεταφραστικά ισοδύναμα (για περισσότερα σχετικά με τα χαρακτηριστικά της ορογραφικής περιγραφής, βλ. Sager 1990: 142–163). Επομένως, το σώμα κειμένων είναι αναντικατάστατο από την αρχή, δηλαδή από την εξοικείωση με τον ίδιο τον επιστημονικό κλάδο

8

έως το τελευταίο στάδιο — το ολοκληρωμένο λεξικογραφικό λήμμα. Οι σημερινοί ορολόγοι αντιμετωπίζουν με μεγάλο σκεπτικισμό τη μηχανοργάνωση έντυπων λεξικών που έχουν ήδη καταρτιστεί χωρίς να βασίζονται σε σώματα κειμένων, δηλαδή τη μεταφορά τους σε βάσεις δεδομένων (Sager 1990: 141).

Ένα ακόμη κίνητρο για την κατάρτιση ειδικών σωμάτων κειμένων για τους ορογράφους είναι ότι τα αυθεντικά γλωσσικά παραδείγματα είναι ακόμη σημαντικότερα για την ορογραφία απ’ ό,τι για τη λεξικογραφία. Είναι πολύ σημαντικότερα από την ενδοσκόπηση, επειδή ο ορογράφος, σε αντίθεση με τον λεξικογράφο, δεν είναι ειδικός που δημιουργεί κείμενα στην ποικιλία γλώσσας την οποία περιγράφει. Όταν αντιμετωπίζει μια προβληματική περίπτωση, δεν μπορεί να αναρωτηθεί: «Πώς θα χρησιμοποιούσα εγώ αυτή τη λέξη;», αλλά μόνο: «Τι σημαίνει αυτή η λέξη για τον ειδήμονα του συγκεκριμένου πεδίου; Πώς θα τη χρησιμοποιούσε ένας επιστήμονας, τεχνολόγος ή εμπειρογνώμονας;». Επομένως, λόγω της περιορισμένης χρησιμότητας του γλωσσικού αισθήματος, οι ορογράφοι εξαρτώνται πολύ περισσότερο από το σώμα κειμένων απ’ ό,τι οι λεξικογράφοι. Οι Atkins et al. κατατάσσουν όλους τους χρήστες σωμάτων κειμένων σε τρεις ομάδες: α) όσους ενδιαφέρονται για τη γλώσσα των κειμένων, β) όσους ενδιαφέρονται για το περιεχόμενό τους και γ) όσους ενδιαφέρονται για τα κείμενα ως κείμενα, δηλαδή για τη δομή, τη δημιουργία τους κ.ο.κ. (παρατίθεται σύμφωνα με τους Meyer et al. 1996: 269). Οι λεξικογράφοι ανήκουν στην πρώτη ομάδα, ενώ οι ορογράφοι στις δύο πρώτες, επειδή τους ενδιαφέρουν τόσο η γλώσσα όσο και οι γνώσεις του ίδιου του γνωστικού αντικειμένου. Μόλις γίνει αντιληπτή η σημασία του σώματος κειμένων για την ορολογία και οι δυνατότητες που προσφέρει, είναι απαραίτητο να οριστεί τι είδους σώμα κειμένων πρέπει να διαθέτει ο ορογράφος.

Τι είδους σώμα κειμένων

Όπως αναφέρθηκε, ο συντάκτης ορολογικών λεξικών χρειάζεται από το σώμα κειμένων δύο εξίσου σημαντικά στοιχεία: γλωσσικές και θεματικές πληροφορίες· επομένως, είναι σημαντικό να μπορεί να αντλήσει και τα δύο. Από γλωσσική άποψη, το σώμα κειμένων πρέπει να είναι τέτοιο ώστε οι όροι να παρουσιάζονται σε αυτό με σαφήνεια, ακρίβεια και, κατά προτίμηση, με ορισμούς. Είναι επιθυμητό οι όροι να είναι όσο το δυνατόν περισσότεροι και ποικίλοι και, ιδανικά, να περιλαμβάνονται όλοι όσοι έχουν δημιουργηθεί και χρησιμοποιούνται από μια συγκεκριμένη γλωσσική κοινότητα. Είναι επίσης σημαντικό οι όροι να χρησιμοποιούνται σε πλούσια και ποικίλα συμφραζόμενα. Από θεματική άποψη, στο σώμα κειμένων πρέπει να περιλαμβάνονται κείμενα από τα οποία αναδεικνύονται το περιεχόμενο των εννοιών που δηλώνονται με όρους, οι μεταξύ τους σχέσεις και η αλληλεξάρτησή τους. Είναι πολύ σημαντικό οι όροι να ορίζονται σε αυτά τα κείμενα.

9

Για τους προαναφερθέντες λόγους, οι ειδικοί προτείνουν να συμπεριλαμβάνεται στα σώματα κειμένων όλο το φάσμα πιθανών κειμένων, παρουσιασμένων από επικοινωνιακή και πραγματολογική άποψη, από τα απλούστερα έως τα πιο σύνθετα. Ο Pearson ταξινομεί τα κείμενα ειδικής γλώσσας σε τέσσερις ομάδες, ανάλογα με την πιθανότητα να περιέχουν όρους: α) εκείνα στα οποία ο αποδέκτης του ειδικού είναι ισότιμος ως προς τις γνώσεις του συνεργάτης — ένας εξίσου ειδικός, δηλαδή άρθρα σε επιστημονικά περιοδικά με κριτές και μονογραφίες· σε αυτά τα κείμενα η πυκνότητα των όρων είναι η μεγαλύτερη· β) κείμενα που απευθύνονται από τον ειδικό σε επαγγελματία του ίδιου πεδίου, αλλά με χαμηλότερο επίπεδο γνώσεων από το δικό του, όπως διάφορες οδηγίες και εγχειρίδια· εδώ υπάρχουν κάπως λιγότεροι όροι· γ) κείμενα εκλαΐκευσης της επιστήμης, γραμμένα για ανθρώπους που δεν είναι εξοικειωμένοι με κάποιον ειδικό τομέα. Σε αυτά αποφεύγονται σκόπιμα οι σύνθετοι ή και όλοι οι όροι· προτιμάται η επεξήγηση, η αναδιατύπωση με άλλα λόγια, καθώς και η χρήση αναλογιών και συγκρίσεων, οπότε ο συγγραφέας, αν το επιθυμεί πολύ, μπορεί να τα καταφέρει εντελώς χωρίς όρους· δ) κείμενα που αντιστοιχούν στην επικοινωνία δασκάλου–μαθητή: εγχειρίδια και διδακτικό υλικό. Σε αυτά υπάρχουν όροι, αλλά χρησιμοποιούνται κάπως διαφορετικά. Ένα σημαντικό χαρακτηριστικό αυτών των κειμένων είναι ότι οι όροι επεξηγούνται (Pearson 1998: 36–40).

Δεν αρκεί να περιγράψουμε τα κείμενα ενός ορολογικού σώματος κειμένων αποκλειστικά από επικοινωνιακή και πραγματολογική άποψη. Άλλες παράμετροι και αναλογίες των κειμένων είναι εξίσου σημαντικές για την ποιότητα και την αντιπροσωπευτικότητα του σώματος κειμένων. Στο ερώτημα πόσα κείμενα χρειάζεται να συλλεχθούν ώστε να μπορεί κανείς να εμπιστευτεί τα δεδομένα του σώματος κειμένων που θα προκύψει από αυτά, οι ειδικοί απαντούν ως εξής: «Σε αντίθεση με την περίπτωση των σωμάτων κειμένων γενικής γλώσσας, εδώ η ποιότητα είναι πολύ σημαντικότερη από την ποσότητα» (Meyer et al. 1996: 268). Συνήθως, τα ειδικά σώματα κειμένων είναι μικρότερα από τα σώματα κειμένων γενικής γλώσσας, για ευνόητους λόγους. Ωστόσο, παρότι μικρότερα, αποτελούνται από ολόκληρα, μη συντομευμένα κείμενα. Επιπλέον, πρέπει να καλύπτουν ολόκληρο τον αναπαριστώμενο κλάδο, μαζί με όλους τους επιμέρους κλάδους του, όπως έχουν επιλεγεί εκ των προτέρων από τους συντάκτες ορολογικών λεξικών. Συχνά είναι δύσκολο να χαραχθεί σαφής γραμμή που να διαχωρίζει τους επιμέρους επιστημονικούς κλάδους, ιδίως όταν ο κλάδος συνδέεται με γενικότερα ζητήματα και οι συντάκτες του σώματος κειμένων μπαίνουν στον πειρασμό να εμβαθύνουν, δηλαδή να συμπεριλάβουν περισσότερα κείμενα ειδικών, γραμμένα για ειδικούς και αναμφίβολα συναφή με τον συγκεκριμένο τομέα. Γι’ αυτό προτείνεται στους ορολόγους να συμβουλεύονται ειδικούς του υπό περιγραφή τομέα, ώστε εκείνοι να υποδείξουν ποια κείμενα πρέπει να συμπεριληφθούν για να καταρτιστεί ένα σώμα κειμένων αντιπροσωπευτικό από κάθε άποψη, και να μην παραλειφθούν μαζί με τα κείμενα που δεν συμπεριλήφθηκαν

10

συστηματικά σημαντικές έννοιες και οι όροι που τις δηλώνουν, και, κυρίως, να μην κυριαρχούν οι προτεραιότητες ενός μόνο συντάκτη (Ahmad 1993: 60). Για ένα ορολογικό σώμα κειμένων δεν ταιριάζει καθόλου η αρχή που εφαρμόζουν μερικές φορές οι λεξικογράφοι στα σώματα κειμένων γενικής γλώσσας: «Ό,τι έχω, το βάζω».

Λαμβάνοντας υπόψη την τυπολογία των σωμάτων κειμένων και τους σημαντικότερους τύπους τους ως προς τη συνέχιση: στατικό, συνεχιζόμενο και ανανεούμενο (monitor), προτείνεται το ορολογικό σώμα κειμένων να καταρτιστεί ως συλλογή κειμένων του δεύτερου τύπου και, ακόμη καλύτερα, του τελευταίου. Έτσι, το σώμα κειμένων θα εμπλουτίζεται συνεχώς με νέα κείμενα, ενώ τα παλαιότερα είτε θα διατηρούνται (στην περίπτωση του συνεχιζόμενου σώματος κειμένων) είτε θα μεταφέρονται σε αρχείο, αν πρόκειται για ανανεούμενο σώμα κειμένων. Το συνεχιζόμενο σώμα κειμένων θα μεγάλωνε διαρκώς και δεν θα διατηρούνταν κατ’ ανάγκην οι εκ των προτέρων επιλεγμένες αρχές της δομής του, καθώς, με τις μεταβολές στις εκδοτικές τάσεις, τα νέα κείμενα θα μπορούσαν να γείρουν την πλάστιγγα προς τη μία ή την άλλη κατεύθυνση. Οι αναλογίες του ανανεούμενου σώματος κειμένων θα παρέμεναν αμετάβλητες, ενώ τα νέα κείμενα θα καταλάμβαναν μόνο τον χώρο που είχε εξαρχής προβλεφθεί για κείμενα αυτού του τύπου. Σε κάθε περίπτωση, είναι απαραίτητη η συνεχής ενημέρωση του σώματος κειμένων, επειδή οι όροι παλιώνουν πολύ ταχύτερα από τις λέξεις της καθημερινής γλώσσας.

Αφού εξεταστούν τα γενικά ζητήματα σχετικά με το μέγεθος και τη φύση του σώματος κειμένων, καθώς και με τα θεματικά του όρια, και ληφθούν οι σχετικές αποφάσεις, πρέπει στη συνέχεια να εξεταστεί ποια συγκεκριμένα κείμενα θα συμπεριληφθούν, ώστε το σώμα κειμένων να είναι αντιπροσωπευτικό και ισορροπημένο. Σε κάθε συγκεκριμένη περίπτωση πρέπει να λαμβάνονται υπόψη το είδος του κειμένου, ο χρόνος συγγραφής, ο συγγραφέας και η γλωσσική του ιδιότητα, και να επιδιώκεται η μεγαλύτερη δυνατή ποικιλία. Διότι μόνο η ποικιλία των ειδών και το ευρύ φάσμα κειμένων, από τα σοβαρά έως τα εκλαϊκευμένα, επιτρέπουν την επιλογή τόσο επιστημονικών, επίσημων όρων, μεταξύ των οποίων αφθονούν οι νεολογισμοί που δημιουργούνται από συγκεκριμένους συγγραφείς, όσο και λαϊκών όρων, πολύ πιο διαδεδομένων και καθιερωμένων στην καθομιλουμένη.

Κατά την αξιολόγηση της ηλικίας των κειμένων, προτιμώνται τα πιο πρόσφατα· ωστόσο, και παλαιότερα κείμενα μπορεί να αποδειχθούν πολύτιμα, ιδίως αν τα εξετάσουμε από θεματική άποψη. Η συγγραφική εκπροσώπηση θα πρέπει επίσης να είναι πολύ ποικίλη, ώστε να μην υπερισχύουν οι υφολογικές ιδιαιτερότητες ενός ή άλλου συγγραφέα με υπερβολικά μεγάλη εκπροσώπηση. Παρότι η υφολογική ποικιλία των επιστημονικών κειμένων δεν είναι πολύ μεγάλη, αν τη συγκρίνουμε, για παράδειγμα, με εκείνη της λογοτεχνίας, το συγγραφικό ιδίωμα έχει σημασία όχι μόνο ως προς τη χρήση των γλωσσικών μονάδων, αλλά και ως προς την επιλογή τους. Επομένως, δεν προκαλεί έκπληξη το γεγονός ότι διαφορετικοί επιστήμονες, ιδίως αν ανήκουν σε διαφορετικές σχολές επιστημονικής σκέψης, χρησιμοποιούν δια-

11

τέτοιους όρους. Για τους σκοπούς της τυποποίησης και της κανονιστικής ρύθμισης των όρων, όπως και για την αναζήτηση νεολογισμών, είναι πολύ σημαντική η όσο το δυνατόν μεγαλύτερη ποικιλία όρων στο σώμα κειμένων. Τελευταίο, αλλά εξίσου σημαντικό με τα άλλα, είναι το γλωσσικό καθεστώς των κειμένων. Προτιμώνται τα πρωτότυπα κείμενα έναντι των μεταφρασμένων, γραμμένα από φυσικούς ομιλητές και, επιπλέον, αναθεωρημένα και επιμελημένα.

Εργαλεία ανάλυσης σωμάτων κειμένων για ορογράφους

Κατά την τελευταία δεκαετία αναπτύχθηκε ποικίλο λογισμικό που διευκολύνει τους λεξικογράφους στην αναζήτηση λέξεων και σε άλλες αναλύσεις σωμάτων κειμένων. Παρότι, γενικά, η εργασία των λεξικογράφων και των ορογράφων διαφέρει, χρησιμοποιούν σχεδόν τις ίδιες δυνατότητες λογισμικού, δηλαδή: α) καταλόγους συχνότητας λέξεων· β) συμφραστικούς πίνακες, δηλαδή όλες τις εμφανίσεις της υπό εξέταση λέξης μέσα σε συμφραζόμενα ορισμένου μεγέθους, συνήθως μίας γραμμής· και γ) στατιστικά στοιχεία για τους συνδυαστικούς εταίρους (Meyer et al. 1996: 274). Τα εργαλεία αυτά βοηθούν στη γλωσσική διερεύνηση ενός σώματος κειμένων.

Παράλληλα με τα γλωσσικά εργαλεία λογισμικού που χρησιμοποιούνται από κοινού με τους λεξικογράφους, αναπτύσσονται σταδιακά και ειδικά προγράμματα κατάλληλα μόνο για ορογράφους. Διαφέρουν από τα γενικά προγράμματα όχι πλέον ως προς τη γλωσσική, αλλά ως προς τη θεματική τους φύση, καθώς προορίζονται για την ανάλυση των πληροφοριών που περιέχονται στο σώμα κειμένων. Σε αυτή την περίπτωση, το σώμα κειμένων δεν αντιμετωπίζεται πλέον ως σύνολο συμφραζομένων χρήσης όρων, αλλά ως πηγή εξειδικευμένης γνώσης για έναν συγκεκριμένο τομέα ή επιστημονικό κλάδο. Εδώ αξίζει να αναφερθούν ορισμένες κατηγορίες τέτοιων προγραμμάτων: α) προγράμματα για την ανάλυση του κειμένου ως προς τις πληροφορίες που περιέχει —για παράδειγμα, την αναζήτηση λέξεων με σημασιολογικό περιεχόμενο και πληροφοριακά πυκνών σημείων του κειμένου όπου δηλώνονται οι σχέσεις και οι εξαρτήσεις μεταξύ των εννοιών· β) προγράμματα που επιλέγουν τα σημεία του σώματος κειμένων τα οποία χρειάζεται ο ορογράφος, όπως οι ορισμοί όρων· γ) προγράμματα που βοηθούν στην ανάλυση των εννοιών που ονομάζονται με όρους και διευκολύνουν την οργάνωση της γνώσης που αντλείται από το σώμα κειμένων (knowledge acquisition systems). Αν και η τελευταία κατηγορία είναι εντελώς νέα και πολλά υποσχόμενη, η ειδική βιβλιογραφία τής έχει αφιερώσει ακόμη ανεπαρκή προσοχή. Πολύ περισσότερα έχουν γραφτεί για τη δυνατότητα ημιαυτόματης συλλογής ορισμών όρων που υπάρχουν σε σώματα κειμένων (Pearson 1998: 121–204).

12

Για τη συλλογή τόσο ορισμών όσο και σύνθετων όρων απαιτείται μορφολογικά επισημειωμένο σώμα κειμένων, δηλαδή ένα σώμα όπου όλες οι λέξεις έχουν επισημανθεί ως προς τα μέρη του λόγου στα οποία ανήκουν. Το αρχικό στάδιο της εργασίας πρέπει να εκτελεστεί από τον ίδιο τον λεξικογράφο: διαβάζει τα κείμενα και συλλέγει τους ορισμένους όρους. Με βάση τις πληροφορίες αυτές, στη συνέχεια καταρτίζει μορφολογικά πρότυπα ορισμών — όλους τους συνδυασμούς ακολουθιών μερών του λόγου που προκύπτουν κατά τη διατύπωση ορισμών. Έπειτα, ο υπολογιστής αναζητά τέτοιους συνδυασμούς λέξεων σε ολόκληρο το σώμα κειμένων. Έτσι προκύπτει ένας κατάλογος όχι ακόμη όρων και των ορισμών τους, αλλά υποψηφίων ορισμένων όρων. Ο κατάλογος αυτός δίνεται σε ειδικό του συγκεκριμένου πεδίου για να τον εξετάσει και να διαγράψει τις περιττές προτάσεις. Για να μειωθεί ο αριθμός των άσκοπων μορφολογικών συνδυασμών που συμπίπτουν τυχαία, υποδεικνύονται στον υπολογιστή οι λεξικές μονάδες που εμφανίζονται συχνότερα σε ορισμούς — οι συχνές λέξεις των ορισμών. Με παρόμοιο τρόπο μπορούν να εξαχθούν σύνθετοι όροι από ένα σώμα κειμένων· αυτή είναι η βασική αρχή των προγραμμάτων αυτόματης αναγνώρισης όρων πρώτης γενιάς LEXTER (Bourigault 1995) και TERMINO (Lauriston 1994).

Ασφαλώς, η επεξεργασία ενός σώματος κειμένων με αυτόν τον τρόπο δημιουργεί ορισμένα προβλήματα. Πρώτα απ’ όλα, δεν αποτελούν σε καμία περίπτωση όλοι οι επιλεγμένοι συνδυασμοί λέξεων όρους. Το πρόβλημα αυτό αντιμετωπίζεται με τη σύνταξη και την εισαγωγή στον υπολογιστή καταλόγου άχρηστων λέξεων (stop-list), οι οποίες δεν περιλαμβάνονται στους καταλόγους υποψήφιων όρων. Επιπλέον, συχνά δεν είναι σαφές ποιες λέξεις ανήκουν στον ίδιο τον σύνθετο όρο και ποιες μόνο στο περιβάλλον του. Ωστόσο, αυτά τα ζητήματα δεν είναι πάντοτε σαφή ούτε κατά τη χειροκίνητη συλλογή όρων.

Ημιαυτόματη μέθοδος επιλογής όρων

Για να παρουσιάσουμε τις δυνατότητες που παρέχουν στον ορογράφο τα απλούστερα εργαλεία λογισμικού, επιλέξαμε για ανάλυση την ηλεκτρονική έκδοση της «Σύνταξης» του V. Labutis „Sintaksės“ (T.I, V., 1994) και εξετάσαμε το κείμενο με το πακέτο εργαλείων για γλωσσολόγους του Mike Scott WordSmith Tools, version 2.0 (Oxford, 1997). Στόχος της στατιστικής ανάλυσης ήταν να καταρτιστούν ορισμένοι κατάλογοι λέξεων ή συνδυασμών τους, από τους οποίους θα μπορούσαν αργότερα να επιλεγούν υποψήφιοι όροι και οι ίδιοι οι όροι.

Οι στατιστικοί δείκτες του κειμένου που αναλύθηκε είναι οι εξής: το πλήρες κείμενο αποτελείται από 37 319 λέξεις και μορφές λέξεων· μετά την αφαίρεση των επαναλήψεων, απομένουν

13

9.249 λέξεις και οι μορφές τους. Ο συντελεστής λεξιλογικού πλούτου (type/token ratio) είναι 24,78. Σε ολόκληρο το κείμενο υπάρχουν 2.364 προτάσεις, με μέσο μήκος πρότασης 15,78 λέξεις.

Καταρχάς, πραγματοποιήθηκε η απλούστερη δυνατή ενέργεια – καταρτίστηκε ένας κατάλογος συχνότητας όλων των λέξεων του κειμένου, ο οποίος επιτρέπει να αναμένουμε ότι θα συναντήσουμε όρους ανάμεσα στις λέξεις που χρησιμοποιούνται συχνότερα. Όπως φαίνεται από το απόσπασμα του καταλόγου που παρατίθεται, το κείμενο αποτελείται από λέξεις και μορφές λέξεων, ταξινομημένες κατά συχνότητα. Καθώς το κείμενο δεν διαθέτει γραμματικές επισημάνσεις που να υποδεικνύουν την ένταξη κάθε μορφής λέξης σε συγκεκριμένα μέρη του λόγου, ο κατάλογος δεν είναι λημματοποιημένος· έτσι, οι διαφορετικές γραμματικές μορφές της ίδιας λέξης εμφανίζονται χωριστά. Για λόγους συντομίας, τόσο οι άκλιτες λέξεις όσο και οι διαφορετικές κλιτές μορφές των λέξεων θα αποκαλούνται στη συνέχεια απλώς λέξεις.

Πίνακας 1. Οι 20 συχνότερες λέξεις και μορφές λέξεων του κειμένου

Αρ.

Λέξη και μορφή λέξης

Συχνότητα στο υπό μελέτη κείμενο

Κατεχόμενο μερίδιο του κειμένου (%)

1.

IR

1,319

3.53

2.

SU

479

1.28

3.

AR

390

1.05

4.

ΠΡΟΤΑΣΗΣ

288

0.77

5.

ΑΥΤΟ

284

0.76

6.

ΛΕΞΕΩΝ

258

0.69

7.

ΜΠΟΡΕΙ

243

0.65

8.

O

229

0.61

9.

IŠ

206

0.55

10.

ΠΡΟΤΑΣΕΙΣ

196

0.53

11.

Į

194

0.52

12.

ΕΙΝΑΙ

194

0.52

13.

ΟΠΩΣ

187

0.50

14.

NE

182

0.49

15.

ΜΟΝΟ

171

0.46

16.

ΣΥΜΦΩΝΑ

170

0.46

17.

ΕΙΝΑΙ

155

0.42

18.

JŲ

143

0.38

19.

ΠΡΟΤΑΣΕΩΝ

143

0.38

20.

ΣΥΝΔΥΑΣΜΟΙ

141

0.38

14

Όπως συνήθως, το κείμενο αποτελείται από σχετικά λίγες λέξεις, οι οποίες χρησιμοποιούνται πολλές φορές, και πολλές λέξεις που χρησιμοποιούνται σπάνια. Οι λέξεις που εμφανίζονται μία φορά αποτελούν το 62% του συνόλου των περιπτώσεων χρήσης λέξεων. Συνήθως αποτελούν το μισό κείμενο· αφού λημματοποιηθεί ο κατάλογος, φαίνεται πως τόσες θα παρέμεναν, επειδή οι παράγωγες μορφές των λέξεων θα είχαν ενταχθεί στις βασικές. Οι λέξεις που εμφανίζονται μία φορά και οι σπάνιες λέξεις, δηλαδή όσες εμφανίζονται από 2 έως 10 φορές, δεν ενδιαφέρουν τον ορογράφο, καθώς η πιθανότητα να εντοπιστούν εδώ όροι είναι μικρή. Απομένει ένα σχετικά μικρό τμήμα του καταλόγου, μόλις το 6% των λέξεων του κειμένου που χρησιμοποιούνται συχνά, από τις οποίες αξίζει πλέον να συλλεχθούν μονολεκτικοί όροι.

Διάγραμμα

Κατανομή των λέξεων και των μορφών λέξεων του κειμένου ανάλογα με τη συχνότητα χρήσης (αριθμός εμφανίσεων)

Λέξεις και μορφές λέξεων που εμφανίστηκαν περισσότερες από 10 φορές 6%

Λέξεις και μορφές λέξεων που εμφανίστηκαν από 2 έως 10 φορές 32%

Λέξεις και μορφές λέξεων που εμφανίστηκαν 1 φορά 62%

Αν αυτά τα δεδομένα χρήσης παρουσιάζονταν ως καμπύλη και όχι ως διάγραμμα, θα γινόταν εμφανές ότι οι 10 εμφανίσεις αποτελούν ένα πολύ σαφές όριο, ένα κατώφλι, πέρα από το οποίο οι λέξεις χρησιμοποιούνται πολύ συχνότερα απ’ ό,τι πριν από αυτό. Η λεπτομερέστερη ανάλυση έδειξε ότι, από τις 599 λέξεις που εμφανίστηκαν 10 ή περισσότερες φορές, οι 239 είναι μονολεκτικοί όροι ή συστατικά μέρη σύνθετων όρων, με άλλα λόγια, λέξεις σημαντικές για τον ορογράφο. Σε αυτές περιλαμβάνονται ονομασίες μερών του λόγου, πτώσεων, γλωσσικών φαινομένων, μονάδων και κλάδων της γλωσσολογίας.

Το πλεονέκτημα του γενικού καταλόγου συχνότητας λέξεων είναι το ήδη αναφερθέν πολύ σαφές όριο συχνότητας χρήσης, ενώ τα μειονεκτήματα είναι αρκετά. Ένα από αυτά είναι ότι ο κατάλογος αποτελείται από μεμονωμένες λέξεις, ενώ, όπως είναι γνωστό, οι μονολεκτικοί όροι δεν είναι και τόσο πολλοί. Από την άλλη πλευρά, οι περισσότεροι από τους νέους όρους που δεν έχουν συμπεριληφθεί στα λεξικά και, επομένως, ενδιαφέρουν ιδιαίτερα τους ορολόγους, είναι πολυλεκτικοί—

15

λέξεις. Το δεύτερο μειονέκτημα: μεγάλο μέρος του καταλόγου καταλαμβάνεται από πολύ συχνές λειτουργικές λέξεις, οι οποίες επίσης δεν είναι ιδιαίτερα χρήσιμες για τους ορολόγους. Το τελευταίο μειονέκτημα μπορεί να εξαλειφθεί με την κατάρτιση ενός κάπως διαφορετικού καταλόγου λέξεων περιεχομένου. Οι λέξεις περιεχομένου εξάγονται από το κείμενο με κάπως πιο σύνθετο τρόπο, συγκρίνοντας το υπό εξέταση κείμενο με ένα πολύ μεγαλύτερο σώμα κειμένων· στην περίπτωσή μας, με το ηλεκτρονικό σώμα κειμένων του Πανεπιστημίου Vytautas Magnus, που περιέχει 55 εκατομμύρια λέξεις. Αν μια λέξη εμφανίζεται στο υπό εξέταση κείμενο σχετικά συχνότερα από ό,τι κατά μέσο όρο στο μεγάλο σώμα κειμένων, τότε θεωρείται λέξη περιεχομένου του συγκεκριμένου κειμένου. Με απλά λόγια, αν γράφουμε για τον κινηματογράφο, αυτή η λέξη θα αναφέρεται πολύ συχνότερα στο κείμενο και επομένως θα συμπεριληφθεί στον κατάλογο λέξεων περιεχομένου. Όπως φαίνεται από τον πίνακα, εδώ υπάρχουν πολύ λιγότερες λειτουργικές λέξεις, επειδή η συχνότητά τους στο κείμενο και στο σώμα κειμένων είναι περίπου η ίδια. Έτσι, στην πρώτη θέση αναδεικνύονται οι πιο ιδιότυπες λέξεις του υπό εξέταση κειμένου — στην περίπτωση επιστημονικού κειμένου, οι όροι. Δυστυχώς, σε αυτόν τον κατάλογο, όπως και στον πρώτο, παρατίθενται μεμονωμένα, όχι σε συνδυασμούς.

Πίνακας 2. Οι 20 συχνότερες λέξεις περιεχομένου και μορφές λέξεων

Αρ. | Λέξη και μορφή λέξης | Συχνότητα στο υπό εξέταση κείμενο | Συχνότητα στο σώμα κειμένων | Συντελεστής σημασιολογικής βαρύτητας 1. | ΠΡΟΤΑΣΗΣ | 288 | 707 | 2,974.8; 2. | ΠΡΟΤΑΣΕΙΣ | 196 | 370 | 2,108.4; 3. | ΛΕΞΕΩΝ | 258 | 6,504 | 1,554.3; 4. | ΠΡΟΤΑΣΕΩΝ | 143 | 386 | 1,453.6; 5. | ΣΥΝΔΥΑΣΜΟΙ | 141 | 405 | 1,418.4; 6. | ΣΥΣΤΑΤΙΚΩΝ | 103 | 130 | 1,171.5; 7. | ΣΥΝΔΥΑΣΜΩΝ | 103 | 591 | 909.2; 8. | ΣΥΣΤΑΤΙΚΟ | 77 | 124 | 847.4; 9. | ΣΤΗΝ ΠΡΟΤΑΣΗ | 85 | 310 | 819.6; 10. | ΣΥΣΤΑΤΙΚΑ | 73 | 106 | 815.0; 11. | ΣΥΣΤΑΤΙΚΟΥ | 71 | 84 | 814.2; 12. | ΠΡΟΤΑΣΗ | 91 | 528 | 801.4; 13. | ΜΕ ΣΥΣΤΑΤΙΚΟ | 69 | 78 | 795.8; 14. | ΣΥΝΤΑΞΗΣ | 68 | 163 | 704.7; 15. | ΠΡΟΤΑΣΗ (αιτιατική) | 73 | 634 | 588.1; 16. | ΠΡΟΤΑΣΕΙΣ (αιτιατική) | 61 | 315 | 550.1; 17. | ΚΑΤΗΓΟΡΗΜΑΤΟΣ | 44 | 60 | 495.3; 18. | ΜΕ ΠΡΟΤΑΣΕΙΣ | 49 | 205 | 460.5; 19. | ΣΥΝΘΕΤΗΣ | 42 | 75 | 455.4; 20. | ΜΕ ΚΑΤΗΓΟΡΗΜΑ | 36 | 36 | 421.4

16

Η τρίτη δυνατότητα του λογισμικού που βασίζεται σε στατιστικές μεθόδους είναι η εξαγωγή από το υπό εξέταση κείμενο των συνδυασμών λέξεων που απαντούν με ακριβώς την ίδια μορφή στο κείμενο δύο ή περισσότερες φορές. Το πρόγραμμα επιτρέπει τον εντοπισμό αλυσίδων μήκους έως και οκτώ λέξεων. Είναι αυτονόητο ότι στο κείμενο δεν υπάρχουν πολλά σχήματα τέτοιου μήκους. Υπάρχουν πολύ περισσότεροι παγιωμένοι συνδυασμοί τεσσάρων, τριών και ιδίως δύο λέξεων. Στο κείμενο του V. Labutis που εξετάστηκε, υπάρχουν 2 συνδυασμοί οκτώ λέξεων που χρησιμοποιούνται τουλάχιστον δύο φορές, 6 συνδυασμοί επτά λέξεων, 23 έξι λέξεων, 65 πέντε λέξεων, 211 τεσσάρων λέξεων, 756 τριών λέξεων και 2695 συνδυασμοί δύο λέξεων. Παρακάτω παρατίθενται αλυσίδες λέξεων διαφορετικού μήκους· με έντονη γραφή σημειώνονται οι συνδυασμοί των οποίων τα μέρη θα μπορούσαν να θεωρηθούν σύνθετοι όροι, ενώ δίπλα αναγράφεται ο αριθμός των εμφανίσεων αυτής της αλυσίδας στο κείμενο.

ΟΚΤΩ ΛΕΞΕΙΣ

ΑΠΟΤΕΛΕΙΤΑΙ ΑΠΟ ΤΟΥΛΑΧΙΣΤΟΝ ΔΥΟ ΑΥΤΟΤΕΛΕΙΣ ΛΕΞΕΙΣ 2

ΑΠΟΤΕΛΕΙΤΑΙ ΑΠΟ ΤΟΥΛΑΧΙΣΤΟΝ ΔΥΟ ΑΥΤΟΤΕΛΕΙΣ ΜΟΡΦΕΣ ΛΕΞΕΩΝ 2

ΕΠΤΑ ΛΕΞΕΙΣ

ΑΠΟΤΕΛΕΙΤΑΙ ΑΠΟ ΤΟΥΛΑΧΙΣΤΟΝ ΔΥΟ ΑΥΤΟΤΕΛΕΙΣ 2

ΤΟΥΛΑΧΙΣΤΟΝ ΔΥΟ ΑΥΤΟΤΕΛΕΙΣ ΜΟΡΦΕΣ ΛΕΞΕΩΝ 2

ΑΠΟΤΕΛΕΙΤΑΙ ΑΠΟ ΤΟΥΛΑΧΙΣΤΟΝ ΔΥΟ ΑΥΤΟΤΕΛΕΙΣ ΛΕΞΕΙΣ 2

ΧΡΗΣΗ ΜΟΡΦΩΝ ΛΕΞΕΩΝ ΜΑΖΙ ΜΕ ΑΛΛΕΣ ΜΟΡΦΕΣ ΛΕΞΕΩΝ 2

ΕΞΙ ΛΕΞΕΙΣ

ΟΧΙ ΛΙΓΟΤΕΡΕΣ ΑΠΟ ΔΥΟ ΑΥΤΟΤΕΛΕΙΣ ΛΕΞΕΙΣ 4

ΤΥΠΟΙ ΛΕΞΕΩΝ ΠΟΥ ΛΕΙΤΟΥΡΓΟΥΝ ΩΣ ΡΗΜΑΤΑ ΚΑΙ ΚΑΤΗΓΟΡΟΥΜΕΝΑ 3

ΣΤΗΝ ΑΚΑΔΗΜΑΪΚΗ ΓΡΑΜΜΑΤΙΚΗ ΤΗΣ ΛΙΘΟΥΑΝΙΚΗΣ ΓΛΩΣΣΑΣ LKG III 2

ΔΥΟ Ή ΠΕΡΙΣΣΟΤΕΡΟΙ ΤΥΠΟΙ ΑΥΤΟΤΕΛΩΝ ΛΕΞΕΩΝ 2

ΕΦΑΡΜΟΓΗ ΤΩΝ ΤΥΠΩΝ ΣΕ ΑΛΛΟΥΣ ΤΥΠΟΥΣ ΛΕΞΕΩΝ 2

ΚΑΙ ΜΕ ΟΡΙΣΜΕΝΕΣ ΠΡΟΘΕΤΙΚΕΣ ΚΑΤΑΣΚΕΥΕΣ 2

ΕΝΑ ΜΕΡΟΣ ΠΡΟΤΑΣΗΣ Ή ΜΙΑ ΠΡΟΤΑΣΗ ΣΕ ΣΥΝΘΕΤΗ ΠΡΟΤΑΣΗ 2

ΜΕ ΑΛΛΕΣ ΠΤΩΣΕΙΣ ΚΑΙ ΠΡΟΘΕΤΙΚΕΣ ΚΑΤΑΣΚΕΥΕΣ 2

ΜΕ ΠΤΩΣΕΙΣ ΚΑΙ ΜΕ ΠΡΟΘΕΤΙΚΕΣ ΚΑΤΑΣΚΕΥΕΣ 2

ΤΥΠΟΣ ΛΕΞΗΣ ΠΟΥ ΕΦΑΡΜΟΖΕΤΑΙ ΚΑΤΑ ΚΑΠΟΙΟΝ ΤΡΟΠΟ ΣΕ 2

ΕΦΑΡΜΟΓΗ ΤΥΠΩΝ ΛΕΞΕΩΝ ΣΕ ΑΛΛΕΣ ΛΕΞΕΙΣ 2

ΠΕΝΤΕ ΛΕΞΕΙΣ

ΛΙΓΟΤΕΡΕΣ ΑΠΟ ΔΥΟ ΑΥΤΟΤΕΛΕΙΣ ΛΕΞΕΙΣ 4

ΡΗΜΑΤΑ ΚΑΙ ΛΕΞΕΙΣ ΠΟΥ ΛΕΙΤΟΥΡΓΟΥΝ ΩΣ ΚΑΤΗΓΟΡΟΥΜΕΝΟ 4

17

ΠΤΩΣΕΙΣ ΚΑΙ ΠΡΟΘΕΤΙΚΕΣ ΚΑΤΑΣΚΕΥΕΣ 3

ΠΡΟΤΑΣΙΑΚΕΣ ΔΟΜΕΣ ΠΟΥ ΑΠΑΡΤΙΖΟΥΝ ΜΙΑ ΣΥΝΘΕΤΗ ΠΡΟΤΑΣΗ 3

Ή ΠΟΛΛΟΙ ΤΥΠΟΙ ΑΥΤΟΤΕΛΩΝ ΛΕΞΕΩΝ 2

ΜΕΜΟΝΩΜΕΝΗ ΑΝΑΦΟΡΑ ΣΕ ΜΙΑ ΚΑΤΑΣΤΑΣΗ ΤΗΣ ΠΡΑΓΜΑΤΙΚΟΤΗΤΑΣ 2

ΤΜΗΜΑ Ή ΣΥΣΤΑΤΙΚΟ ΜΙΑΣ ΣΥΝΘΕΤΗΣ ΠΡΟΤΑΣΗΣ 2

ΛΕΙΤΟΥΡΓΕΙ ΩΣ ΕΞΑΡΤΗΜΕΝΟΣ ΟΡΟΣ ΟΝΟΜΑΤΙΚΗΣ ΦΡΑΣΗΣ 2

ΧΡΗΣΗ ΤΩΝ ΤΥΠΩΝ ΜΕ ΑΛΛΕΣ ΛΕΞΕΙΣ 2

ΜΠΟΡΕΙ ΝΑ ΛΕΙΤΟΥΡΓΕΙ ΚΑΙ ΩΣ ΣΥΝΘΕΤΗ ΠΡΟΤΑΣΗ 2

ΚΑΙ ΜΕΤΑΞΥ ΤΩΝ ΠΡΟΤΑΣΙΑΚΩΝ ΔΟΜΩΝ ΜΙΑΣ ΣΥΝΘΕΤΗΣ ΠΡΟΤΑΣΗΣ 2

ΚΑΙ ΤΩΝ ΤΥΠΩΝ ΛΕΞΕΩΝ ΠΟΥ ΛΕΙΤΟΥΡΓΟΥΝ ΩΣ ΥΠΟΚΕΙΜΕΝΟ 2

ΩΣ ΤΥΠΟΙ ΔΥΟ ΑΥΤΟΤΕΛΩΝ ΛΕΞΕΩΝ 2

ΣΕ ΑΛΛΕΣ ΠΤΩΣΕΙΣ ΚΑΙ ΜΕ ΠΡΟΘΕΤΙΚΕΣ ΚΑΤΑΣΚΕΥΕΣ 2

ΓΕΝΙΚΗΣ Ή ΓΕΝΙΚΗΣ ΜΕ ΠΡΟΘΕΣΗ 2

ΣΧΕΣΗ ΜΕ ΤΗ ΓΡΑΜΜΑΤΙΚΗ ΚΑΤΗΓΟΡΙΑ ΤΟΥ ΠΡΟΣΩΠΟΥ 2

ΣΥΝΤΑΚΤΙΚΕΣ ΣΧΕΣΕΙΣ ΚΑΙ ΛΕΚΤΙΚΕΣ ΣΥΝΑΡΘΡΩΣΕΙΣ 2

Η ΤΑΞΙΝΟΜΗΣΗ ΕΧΕΙ ΕΠΑΝΕΙΛΗΜΜΕΝΑ ΕΠΙΚΡΙΘΕΙ 2

ΜΕ ΔΕΥΤΕΡΕΥΟΥΣΑ ΠΡΟΤΑΣΗ ΔΕΥΤΕΡΟΥ ΒΑΘΜΟΥ 2

ΜΕ ΠΟΙΕΣ ΠΡΟΘΕΤΙΚΕΣ ΚΑΤΑΣΚΕΥΕΣ 2

ΜΕ ΑΛΛΕΣ ΠΤΩΣΕΙΣ ΚΑΙ ΠΡΟΘΕΤΙΚΕΣ ΚΑΤΑΣΚΕΥΕΣ 2

ΜΕ ΔΟΤΙΚΗ ΚΑΙ ΜΕ ΟΡΓΑΝΙΚΗ 2

ΜΕ ΔΕΥΤΕΡΕΥΟΥΣΑ ΠΡΟΤΑΣΗ ΟΛΟΚΛΗΡΗΣ ΤΗΣ ΠΡΟΤΑΣΗΣ 2

ΑΥΤΕΣ ΕΙΝΑΙ ΣΥΝΗΘΩΣ ΡΗΜΑΤΙΚΕΣ ΣΥΝΑΡΘΡΩΣΕΙΣ ΜΕ 2

ΕΦΑΡΜΟΓΗ ΣΕ ΑΛΛΟΥΣ ΤΥΠΟΥΣ ΛΕΞΕΩΝ 2

ΔΕΥΤΕΡΕΥΟΥΣΕΣ ΠΡΟΤΑΣΕΙΣ ΤΟΥ ΙΔΙΟΥ ΒΑΘΜΟΥ 2

ΕΧΟΥΝ ΚΟΙΝΟ ΔΕΥΤΕΡΕΥΟΝΤΑ ΟΡΟ ΤΗΣ ΠΡΟΤΑΣΗΣ 2

ΡΟΛΟΣ ΩΣ ΠΡΟΣ ΟΛΟΚΛΗΡΗ ΤΗΝ ΥΠΟΤΑΚΤΙΚΗ ΠΡΟΤΑΣΗ 2

Ο ΤΥΠΟΣ ΤΗΣ ΛΕΞΗΣ ΕΦΑΡΜΟΖΕΤΑΙ ΩΣ ΚΑΙ ΑΝ 2

ΕΦΑΡΜΟΓΗ ΤΥΠΩΝ ΛΕΞΕΩΝ ΣΕ ΑΛΛΟΥΣ 2

ΛΕΚΤΙΚΗ ΣΥΝΑΡΘΡΩΣΗ Ή ΑΛΛΗ ΚΑΤΑΣΚΕΥΗ 2

ΤΕΣΣΕΡΙΣ ΛΕΞΕΙΣ

ΚΑΙ ΜΕ ΠΡΟΘΕΤΙΚΕΣ ΚΑΤΑΣΚΕΥΕΣ 5

ΚΑΙ ΛΕΞΕΩΝ ΠΟΥ ΛΕΙΤΟΥΡΓΟΥΝ ΩΣ ΚΑΤΗΓΟΡΟΥΜΕΝΟ 4

ΤΩΝ ΟΠΟΙΩΝ ΤΟ ΚΥΡΙΟ ΣΥΣΤΑΤΙΚΟ ΕΙΝΑΙ 4

ΛΙΓΟΤΕΡΕΣ ΑΠΟ ΔΥΟ ΑΥΤΟΤΕΛΕΙΣ 4

ΤΟΥΛΑΧΙΣΤΟΝ ΔΥΟ 4

ΤΥΠΟΣ ΛΕΞΗΣ ΠΟΥ ΛΕΙΤΟΥΡΓΕΙ ΩΣ ΥΠΟΚΕΙΜΕΝΟ 4

ΠΟΥ ΛΕΙΤΟΥΡΓΟΥΝ ΩΣ ΥΠΟΚΕΙΜΕΝΟ ΚΑΙ ΚΑΤΗΓΟΡΟΥΜΕΝΟ 4

ΤΥΠΟΙ ΔΥΟ ΑΥΤΟΤΕΛΩΝ ΛΕΞΕΩΝ 3

ΣΥΝΔΕΤΙΚΟΥΣ ΚΑΙ ΥΠΟΤΑΚΤΙΚΟΥΣ 3

ΠΤΩΣΕΩΝ ΚΑΙ ΜΕ ΠΡΟΘΕΤΙΚΕΣ 3

ΤΗΣ ΛΕΞΗΣ ΠΟΥ ΛΕΙΤΟΥΡΓΕΙ ΩΣ ΚΥΡΙΟ ΣΥΣΤΑΤΙΚΟ 3

ΠΡΟΤΑΣΕΙΣ ΠΟΥ ΑΠΟΤΕΛΟΥΝΤΑΙ ΑΠΟ ΠΡΟΤΑΣΙΑΚΕΣ ΔΟΜΕΣ 3

ΜΕ ΓΡΑΜΜΑΤΙΚΗ ΚΑΤΗΓΟΡΙΑ ΠΡΟΣΩΠΟΥ 3

ΤΡΟΠΟΣ ΕΚΦΡΑΣΗΣ ΤΩΝ ΣΧΕΣΕΩΝ ΤΩΝ ΛΕΞΕΩΝ 3

ΔΕΥΤΕΡΕΥΟΥΣΑ ΠΡΟΤΑΣΗ ΔΕΥΤΕΡΟΥ ΒΑΘΜΟΥ 2

ΓΙΑ ΑΥΤΕΣ ΤΙΣ ΕΝΝΟΙΕΣ ΒΛ. 2

18

ΓΙΑ ΑΥΤΟ ΚΑΤΑ ΤΙΣ ΑΣΚΗΣΕΙΣ 2

Ή ΩΣ ΣΥΣΤΑΤΙΚΟ ΣΤΟΙΧΕΙΟ ΤΗΣ ΣΥΝΘΕΤΗΣ ΠΡΟΤΑΣΗΣ 2

ΑΠΟΚΑΛΥΠΤΕΙ ΑΛΛΟ ΠΡΟΤΑΣΙΑΚΟ ΟΡΟ 2

ΚΟΙΝΟ ΔΕΥΤΕΡΕΥΟΝΤΑ ΟΡΟ ΤΗΣ ΠΡΟΤΑΣΗΣ 2

ΤΡΟΠΟΥ, ΠΟΙΟΤΗΤΑΣ ΚΑΙ ΠΟΣΟΤΗΤΑΣ 2

ΤΟ ΕΠΙΘΕΤΟ ΣΧΗΜΑΤΙΖΕΙ ΣΥΝΤΑΚΤΙΚΟ ΣΥΝΟΛΟ ΜΕ 2

ΕΞΑΡΤΗΜΕΝΟ ΣΥΣΤΑΤΙΚΟ ΟΝΟΜΑΤΙΚΟΥ ΣΥΝΤΑΚΤΙΚΟΥ ΣΥΝΟΛΟΥ 2

TRYS ŽODŽIAI

ΜΠΟΡΕΙ ΝΑ ΥΠΑΡΧΟΥΝ 14

SU PRIELINKSNINĖMIS KONSTRUKCIJOMIS 11

ΠΕΡΙΣΣΟΤΕΡΟ Ή ΛΙΓΟΤΕΡΟ 10

LIETUVIŲ KALBOS SINTAKSĖS 9

ΜΠΟΡΕΙ ΝΑ ΥΠΑΡΧΟΥΝ ΠΡΟΤΑΣΕΙΣ 9

ΡΗΜΑΤΙΚΕΣ ΦΡΑΣΕΙΣ ΜΕ 8

ΤΑ ΣΥΣΤΑΤΙΚΑ ΜΠΟΡΕΙ ΝΑ ΕΙΝΑΙ 7

ΤΩΝ ΟΠΟΙΩΝ ΤΟ ΚΥΡΙΟ ΣΥΣΤΑΤΙΚΟ 7

DAIKTAVARDINIAI JUNGINIAI SU 6

ΤΟΥΛΑΧΙΣΤΟΝ 6

PRIJUNGIMAS IR SUJUNGIMAS 6

ΜΠΟΡΕΙ ΝΑ ΥΠΑΡΧΟΥΝ ΠΡΟΤΑΣΕΩΝ 6

SAVARANKIŠKŲ ŽODŽIŲ FORMOS 6

ΜΕ ΡΗΜΑΤΑ ΚΑΙ ΚΑΤΗΓΟΡΟΥΜΕΝΑ 6

ΔΥΟ ΑΥΤΟΝΟΜΩΝ ΛΕΞΕΩΝ 5

DVIPUSĖS SĄSAJOS SANTYKIU 5

DU ŽODŽIAI

ΜΠΟΡΕΙ ΝΑ ΕΙΝΑΙ 118

ΚΑΙ Κ.ΛΠ. 41

ΤΗΣ ΛΙΘΟΥΑΝΙΚΗΣ ΓΛΩΣΣΑΣ 36

ŽODŽIŲ FORMŲ 35

ΕΠΙΣΗΣ 34

SUDĖTINIO SAKINIO 32

SAKINIO DALIŲ 31

ŽODŽIŲ FORMOS 31

ΟΧΙ ΜΟΝΟ 29

ŽODŽIŲ JUNGINIŲ 26

ΣΥΝΔΥΑΣΜΟΙ ΜΕ 25

PREDIKATINIŲ DĖMENŲ 24

ΜΠΟΡΕΙ ΝΑ ΕΧΕΙ 23

ΩΣΤΟΣΟ 23

ΚΥΡΙΩΝ ΣΥΣΤΑΤΙΚΩΝ 21

ΠΡΟΤΑΣΙΑΚΟ ΚΕΝΤΡΟ 20

ΠΡΟΤΑΣΙΑΚΑ ΣΥΣΤΑΤΙΚΑ 20

ΣΑΝ ΚΑΙ 18

ΣΥΝΘΕΤΕΣ ΠΡΟΤΑΣΕΙΣ 18

19

ΜΠΟΡΕΙ ΝΑ ΣΧΗΜΑΤΙΣΕΙ 17

ΚΥΡΙΟ ΣΥΣΤΑΤΙΚΟ 17

ΜΕ ΠΡΟΘΕΤΙΚΕΣ ΔΟΜΕΣ 17

ΜΕ ΓΕΝΙΚΗ 17

ΟΠΩΣ ΚΑΙ 16

ΓΛΩΣΣΙΚΑ ΣΥΣΤΗΜΑΤΑ 16

ΤΟΥ ΕΞΑΡΤΗΜΕΝΟΥ ΣΥΣΤΑΤΙΚΟΥ 16

ΣΥΝΘΕΤΩΝ ΠΡΟΤΑΣΕΩΝ 16

ΕΚΤΟΣ ΑΠΟ ΑΥΤΟ 15

ΚΑΙ ΣΥΜΦΩΝΑ ΜΕ 15

ΤΟΥ ΣΥΝΔΥΑΣΜΟΥ ΛΕΞΕΩΝ 15

Όπως φαίνεται από τα παραδείγματα που παρατίθενται, οι μακρύτερες λεξικές ακολουθίες μοιάζουν περισσότερο με εκφράσεις ή φράσεις, ενώ οι συντομότερες με συντακτικές λεξικές συνάψεις. Ο βαθμός παγίωσής τους ποικίλλει.

Διαφέρει επίσης ο βαθμός παγίωσής τους, όπως προκύπτει από τον αριθμό των εμφανίσεων· για παράδειγμα, ορισμένες διλεκτικές συνάψεις απαντούν ακόμη και 118 φορές σε ένα τόσο σύντομο κείμενο. Επιπλέον, ορισμένες αλυσίδες λέξεων συμπίπτουν πλήρως με σύνθετους όρους, π.χ.: δευτερεύουσα πρόταση δεύτερου βαθμού, σχέση αμφίδρομης σύνδεσης, γλωσσικό σύστημα, ενώ από άλλες πρέπει να εξαχθούν οι όροι, π.χ.: αποκαλύπτει άλλη κατηγορηματική συνιστώσα, η μορφή της λέξης προσαρμόζεται με κάποιον τρόπο στη λέξη που λειτουργεί ως κύρια συνιστώσα κ.ά. Παρότι χρειάζεται να συντομευτούν, είναι με τον δικό τους τρόπο πληροφοριακές, καθώς οι κατηγορηματικές λέξεις (στα παραδείγματα έχουν αραιωθεί), οι οποίες δεν ανήκουν στον ίδιο τον όρο αλλά στο περιβάλλον του, παρέχουν σημαντικές πληροφορίες για τη συντακτική σύνδεση και τις ιδιαιτερότητες της χρήσης.

Ο τελευταίος κατάλογος, όπως και οι προηγούμενοι, δεν είναι λημματοποιημένος· επομένως, ο ίδιος πολυλεκτικός όρος επαναλαμβάνεται κάθε φορά με διαφορετική γραμματική μορφή. Επιπλέον, επαναλαμβάνεται και σε αλυσίδες λέξεων διαφορετικού μήκους — από τη μακρύτερη έως τη συντομότερη: αποτελείται από μορφές τουλάχιστον δύο ανεξάρτητων λέξεων, μορφές τουλάχιστον δύο ανεξάρτητων λέξεων, μορφές ανεξάρτητων λέξεων, μορφές λέξεων. Όπως κι αν έχει, οι συχνές επαναλήψεις δεν εμποδίζουν, αλλά βοηθούν να εντοπιστούν οι σημαντικότεροι και συχνότερα χρησιμοποιούμενοι σύνθετοι όροι. Ακόμη κι αν τα προαναφερθέντα ημιαυτόματα εργαλεία λογισμικού δεν εξάγουν όλους τους όρους του υπό εξέταση κειμένου, επιτρέπουν πάντως τον εντοπισμό των σημαντικότερων· και το γεγονός ότι ο ορογράφος διαβάζει και επεξεργάζεται τους καταλόγους που δημιουργεί ο υπολογιστής διασφαλίζει την ποιότητα του τελικού αποτελέσματος.

20

Συμπέρασμα

Η σύγχρονη ορολογία, που επιδιώκει να συλλέξει, να περιγράψει και να τυποποιήσει τους όρους διαφόρων επιστημονικών κλάδων, δεν μπορεί να λειτουργήσει χωρίς ηλεκτρονικό σώμα κειμένων και τα άλλα στάδια προετοιμασίας μιας ηλεκτρονικής τράπεζας όρων που συνδέονται με αυτό: λογισμικό γενικής χρήσης ή ειδικού σκοπού, λεξική βάση δεδομένων κ.λπ. Το σώμα κειμένων πρέπει να καταρτιστεί έτσι ώστε να περιλαμβάνει τη μεγαλύτερη δυνατή ποικιλία κειμένων και, συνεπώς, να αντιπροσωπεύει τη γλώσσα του επιστημονικού κλάδου που περιγράφεται. Ακόμη και με τη χρήση λογισμικού γενικής χρήσης για λεξικογράφους, μπορούν να παραχθούν αυτόματα κατάλογοι λέξεων και λεξικών συνάψεων που είναι υποψήφιες για όρους· από αυτούς επιλέγονται γνωστοί και νέοι όροι.

Παραλήφθηκε 1999 06 21

Literatūra

1. A h m a d 1994 – Ahmad, K., Davies, A., Fulford, H., Rogers, M. What is a term? The semi-automatic extraction of terms from text. In: M. Snell-Hornby, F. Pochacker, K. Kaindl (eds.). Translation Studies: An Interdiscipline. Amsterdam – Philadelphia, 1994, P. 267–278.

2. A h m a d 1993 – Ahmad, K. Pragmatics of Specialist Terms: The Acquisition and Representation of Terminology. In: Petra Steffens (ed.). Machine Translation and the Lexicon. Thirds International EAMT Workshop. Heidelberg, Germany, April 26–28. 1993. Proceedings. Berlin – Heidelberg, 1995, P. 51–76.

3. B o u r i g a u l t 1996 – Bourigault, D., Gonzalez-Mullier, I., Gros, C. LEXTER, a Natural Language Processing Tool for Terminology Extraction. In: Euralex ’96 Proceedings II, Goteborg, 1996, P. 771 – 780.

4. L a u r i s t o n 1994 – Lauriston, A. Automatic Recognition of Complex terms: Problems and the TERMINO solution. In: Terminology. Vol 1(1), 1994, P. 147–170.

5. M e y e r 1996 – Meyer, I., Mackintosh, K. The Corpus from a Terminographer’s Viewpoint. In: International Journal of Corpus Linguistics. Vol. 1(2), 1996, P. 257–285.

6. P e a r s o n 1998 – Pearson, J. Terms in Context. Amsterdam – Philadelphia, 1998.

7. R o g e r s 1994 – Rogers, M., Ahmad, K. Computerised Terminology for Translators: the role of text. In: M. Brekke, O. Andersen, T. Dahl, J. Myking. Applications and Implications of Current LSP Research. Proceedings of the 9^th European Symposium on LSP, Bergen, Aug. 2–6, 1993. Vol. II. Bergen, 1994. P. 840–851.

21

8. Sager 1990 – Sager, J.C. A Practical Course in Terminology Processing. Amsterdam – Philadelphia, 1990.

TERMINOGRAPHY AND CORPUS

Summary

The paper deals with role of a corpus in terminology in general and terminology in particular. It argues for the necessity to use not only corpus but also general purpose and specific tools for the extraction of terminology and compilation of terminological databases. Peculiarities of the terminographer’s corpus such as its contents, size and specificity are also discussed. In addition, a wide range of possible general purpose and specific tools for term extraction are presented here. Some of them, based on statistical analyses of a text, were applied for one Lithuanian text on syntax in order to show how different tools can produce different semi-automatic lists of terms.

22