TERMINOGRAFIA E PRESENTE

Rūta MARCINKEVIČIENĖ

Vytauto Didžiojo universitetas

TERMINOGRAFIA E CORPUS

La linguistica dei corpora, nata con il primo corpus più di trent’anni fa, ha rivoluzionato la lessicografia generale. Oggi i dizionari esplicativi vengono redatti basandosi, in misura maggiore o minore, sui corpora. Sotto questo aspetto, la terminografia è rimasta finora trascurata nei paesi più avanzati nella linguistica dei corpora, per non parlare di paesi neofiti come il nostro. Qui si cercherà di mostrare quanto il corpus sia importante, anzi indispensabile, per la redazione dei dizionari terminologici.

L’era delle tecnologie informatiche e, insieme, dei corpora informatizzati ha separato nettamente la terminologia e la terminografia tradizionali da quelle nuove. La prospettiva dei terminologi ha cominciato a differire notevolmente su vari aspetti: la concezione stessa del termine, le fonti dei termini, i criteri per distinguere un termine da un non-termine, le qualifiche del terminologo, la normazione dei termini e alcuni altri. Con la forte espansione e interconnessione degli ambiti delle scienze specialistiche, il lavoro dei terminologi è aumentato notevolmente, poiché con i metodi tradizionali è ormai difficile tenere il passo con il progresso scientifico e tecnologico. Proprio per questo si è cominciato a guardare ai termini in modo diverso: si pone maggiormente l’accento non sulla norma, ma sull’uso.

La terminologia tradizionale, nata all’inizio di questo secolo a seguito dell’enorme progresso tecnologico, si preoccupava soprattutto di denominare i concetti, di mettere ordine nella grande varietà di termini emersi in breve tempo e di sistematizzare e normalizzare la terminologia dei singoli rami e settori scientifici. Fin dagli inizi della terminologia come disciplina autonoma, i termini sono stati considerati diversamente dalle altre parole. Il fondatore della terminologia, Wüster (citato in Pearson 1998: 10), sosteneva che i termini dovessero essere trattati diversamente dalle parole della lingua comune, poiché la terminologia comincia dall’analisi dei concetti. E i concetti, si sa, esis-

5

tono indipendentemente non solo dai termini che li designano, ma anche dalle diverse lingue. I termini non sono altro che nomi dei concetti, idealmente in rapporto diretto con i concetti stessi secondo la relazione: un concetto – un termine. I termini venivano definiti soprattutto considerando la collocazione dei concetti da essi designati nel sistema gerarchico dei concetti e i loro rapporti con altri concetti. La base della terminologia era costituita dai termini creati dagli esperti del settore e/o normalizzati e approvati, dotati di un significato chiaramente definito, stabilito e quindi protetto. Non sorprende affatto, pertanto, che i terminologi tradizionali, aderenti a posizioni prescrittive (cfr. Wüster, per il quale la Sein-Norm era assai più importante della Ist-Norm), non fossero affatto interessati allo stato reale della lingua dei singoli rami scientifici né all’uso autentico dei termini.

Procedendo dal concetto al termine e componendo così la terminologia di ciascun ramo secondo il principio onomasiologico, i terminologi dell’epoca non si ponevano, né potevano porsi, il problema dell’identificazione del termine, bensì soltanto quello della sua creazione. Inoltre, allora i singoli rami scientifici erano ancora piuttosto autonomi. I terminologi erano anche più specializzati per settori e conoscevano la terminologia di ambiti relativamente isolati. Con l’emergere di questioni comuni, i loro rappresentanti cominciano a interessarsi ai termini; inoltre, entrano nel campo della terminologia nuove persone, non necessariamente esperti di uno specifico settore scientifico e/o linguisti: programmatori, creatori di banche dati terminologiche e dizionari elettronici, ecc. Poiché l’uso reale della lingua e il numero dei nuovi termini hanno da tempo superato gli elenchi disponibili di termini approvati, la terminografia dei rami scientifici in rapido mutamento, già in notevole ritardo rispetto alla realtà a causa del tradizionale metodo dello schedario, non consente ai nuovi arrivati di fare affidamento sui termini registrati in precedenza. Si comincia a raccoglierli dai testi: proprio il testo diventa il punto di partenza del lavoro del terminologo (Rogers et al. 1994: 843). Si osserva inoltre il loro uso reale, che spesso differisce notevolmente dall’ideale perseguito dai normatori linguistici. A questo punto non è più chiaro che cosa considerare un termine, quando una parola diventi terminologica, quale uso di una parola debba essere considerato terminologico e come distinguere un termine da un non-termine. La terminologia, dunque, non è più una parte del lessico così chiaramente definita e isolata. Costituisce un gruppo di parole piuttosto difficile da delimitare, al cui centro si trovano membri prototipici, sempre percepiti come

6

Dopo il termine, seguono quelli che acquisiscono lo status di termine solo in determinate circostanze, in un determinato contesto. Alla periferia si trovano anche parole che, a prima vista, non sembrano termini, ma che dovrebbero essere considerate tali. Ciò vale, per esempio, per le parole del lessico della lingua comune che si incontrano nei testi di divulgazione scientifica. Per questa e altre ragioni, per i terminografi è molto importante identificare i termini, estrarli da testi autentici e descriverli. Proprio per questo diventano così importanti i corpora e i programmi informatici che agevolano il lavoro con essi. L’attenzione all’uso reale orienta i terminologi più verso la descrizione che verso la normazione, mentre la dicotomia tra prescrittivismo e descrittivismo divide la terminografia in tradizionale e contemporanea.

Perché un corpus

In quanto fonte di termini, il corpus è utile ai terminografi per molte ragioni. Gli autori che ne promuovono la creazione e l’uso ne indicano le principali. Forse la più importante è che da uno stesso corpus si ricavano immediatamente tre elementi necessari ai terminografi: i termini stessi, le loro definizioni, cioè le informazioni settoriali sul concetto in sé, e gli esempi d’uso, nonché la frequenza d’uso, le combinazioni dei termini e così via (Sager 1990, Meyer et al. 1996, Pearson 1998). Naturalmente, anche i ricercatori che dispongono già di un elenco preliminare di termini possono utilizzare il corpus. In tal caso, ne ricavano informazioni settoriali e linguistiche. Tuttavia, se i termini vengono ricavati dal corpus, presentano un grande vantaggio: sono sistematici e interconnessi, poiché nei singoli testi si trovano gli insiemi di termini usati dai rispettivi autori, ciascuno dei quali è stato attentamente ponderato e si armonizza con gli altri termini dell’insieme. Proprio per questa ragione, affinché i termini ottenuti rispecchino sistemi distinti, nel corpus devono essere inclusi testi integrali e non estratti, cioè campioni (Meyer et al. 1996: 268). Un corpus di testi integrali è indispensabile anche per le informazioni settoriali, che andrebbero perse se ci si accontentasse di parti dei testi.

Oggi i corpora creati dai terminografi vengono ancora utilizzati soprattutto per raccogliere informazioni sui termini già individuati. Si verifica,

7

se siano ancora in uso e, in caso affermativo, come, se le loro caratteristiche d’uso siano mutate e, insieme a esse, anche il significato, oppure se sia cambiata l’estensione dei concetti che designano in seguito alla comparsa di nuovi termini. Il corpus, tuttavia, è molto più utile per ricavare nuovi termini; forse per questo l’identificazione dei termini e la loro estrazione automatica o semiautomatica sono oggi tra gli argomenti più popolari della terminografia elettronica. Sotto questo aspetto il terminografo si distingue dal lessicografo. Per quest’ultimo non si pone la questione di che cosa sia una parola, ma soltanto di quali parole inserire in quali dizionari; per il terminografo, invece, la domanda «che cos’è un termine?» ricorre piuttosto spesso. I nuovi termini ricavati dal corpus e conservati e gestiti in banche dati specializzate presentano un’altra caratteristica: le loro fonti sono indicate con grande precisione e datate, consentendo di trarre conclusioni sulla comparsa, la diffusione e la scomparsa dei termini.

Se immaginiamo il risultato finale del lavoro del terminografo come una banca dati elettronica (DB) o un dizionario cartaceo realizzato sulla sua base, il corpus sarà importante in tutte le fasi di preparazione di questa DB. I computer coprono l’intero ciclo di lavoro del terminografo, dai corpora elettronici ai programmi specializzati per la ricerca e l’identificazione dei termini, fino alla creazione di banche dati terminologiche, alla descrizione dei termini e alla sua diffusione in formato elettronico o tradizionale, su libro (Ahmad et al. 1994: 267).

Il ciclo di lavoro del terminografo si svolge così. Nella prima fase, a partire da un archivio di testi elettronici, si crea un corpus secondo determinati criteri; in seguito se ne ricavano i termini, che vengono trasferiti nella DB e descritti: nei singoli campi della DB si riportano esempi del loro uso tipico tratti dal concordanziere e le definizioni ricavate dalla stessa fonte. Successivamente, sulla base delle informazioni linguistiche e settoriali ottenute dal corpus, si indicano le parole correlate al termine descritto: sinonimi, antonimi, iponimi e iperonimi; si inseriscono rinvii alle rispettive voci, si specificano l’appartenenza del termine a un settore disciplinare e la sua posizione nel sistema generale dei concetti. Inoltre, si riportano le caratteristiche grammaticali e pragmatiche, le restrizioni combinatorie o di altro tipo relative all’uso, informazioni sull’accettabilità del termine e, se previsto, gli equivalenti traduttivi (per maggiori dettagli sulle caratteristiche della descrizione terminografica, cfr. Sager 1990: 142–163). Dunque, il corpus è insostituibile sin dall’inizio, cioè dal primo approccio alla disciplina stessa

8

scientifica, fino all’ultima fase: la voce di dizionario completata. Oggi i terminologi guardano con grande scetticismo alla digitalizzazione dei dizionari cartacei già esistenti, compilati senza basarsi su corpora, cioè al loro trasferimento in banche dati (Sager 1990: 141).

Un’altra ragione per cui i terminografi dovrebbero compilare corpora specializzati è che, per la terminografia ancor più che per la lessicografia, sono importanti gli esempi di lingua autentica. Questi sono molto più importanti dell’introspezione, perché il terminografo, diversamente dal lessicografo, non è uno specialista e non produce testi nella varietà linguistica che descrive. Di fronte a un caso problematico, non può chiedersi: «Come userei questa parola?», ma soltanto: «Che cosa significa questa parola per un esperto del settore? Come la userebbe uno scienziato, un tecnologo, un esperto?». Pertanto, dato che il senso linguistico è poco applicabile, i terminografi dipendono dal corpus molto più dei lessicografi. Atkins et al. suddividono tutti gli utenti dei corpora in tre gruppi: a) coloro che si interessano alla lingua dei testi, b) coloro che si interessano al contenuto dei testi e c) coloro che si interessano ai testi in quanto tali, cioè alla loro struttura, alla loro produzione e così via (citato in Meyer et al. 1996: 269). I lessicografi appartengono al primo gruppo, mentre i terminografi ai primi due, perché sono importanti per loro sia le conoscenze linguistiche sia quelle relative alla materia. Una volta compresa l’importanza del corpus per la terminologia e le possibilità che offre, è necessario definire come dovrebbe essere il corpus del terminografo.

Che tipo di corpus

Come già menzionato, per il terminografo dal corpus sono necessari due elementi di pari importanza: informazioni linguistiche e informazioni settoriali; è dunque importante che se ne possano ricavare entrambe. Dal punto di vista linguistico, il corpus deve essere tale da presentare i termini in modo chiaro e corretto e, preferibilmente, corredati di definizioni. È auspicabile che i termini siano il più numerosi e vari possibile; idealmente, tutti quelli creati e usati da una specifica comunità linguistica. È inoltre importante che i termini siano usati in contesti ricchi e diversificati. Dal punto di vista settoriale, nel corpus vanno inseriti testi dai quali emergano il contenuto dei concetti designati dai termini, i loro rapporti reciproci e le loro relazioni di dipendenza. È molto importante che i termini siano definiti in quei testi.

9

Per le ragioni indicate, gli esperti propongono di includere nei corpora l’intera gamma dei possibili testi, presentati sotto il profilo comunicativo e pragmatico, dai più semplici ai più complessi. Pearson suddivide i testi di linguaggio specialistico in quattro gruppi in base alla probabilità di trovarvi termini: a) quelli in cui il destinatario dell’esperto è un interlocutore con conoscenze equivalenti alle sue, ossia un altro esperto: articoli pubblicati in riviste scientifiche che presentano risultati di ricerca, monografie; in questi testi la densità terminologica è massima; b) testi rivolti dall’esperto a uno specialista dello stesso settore, ma di livello inferiore al suo, per esempio manuali d’istruzioni e manuali didattici; qui i termini sono un po’ meno numerosi; c) testi divulgativi, scritti per persone che non hanno familiarità con un settore specialistico. In questi si evitano deliberatamente termini complessi o termini di qualsiasi tipo, preferendo spiegare, riformulare con altre parole, ricorrere ad analogie e confronti; l’autore, quindi, se proprio vuole, può anche fare del tutto a meno dei termini; d) testi corrispondenti alla comunicazione tra insegnante e allievo: manuali didattici, materiali per l’insegnamento. Vi sono termini, ma sono usati in modo un po’ diverso. Una caratteristica importante di questi testi è la presenza di termini spiegati (Pearson 1998: 36–40).

Descrivere i testi di un corpus terminografico solo sotto il profilo comunicativo-pragmatico non è sufficiente. Anche altri parametri e proporzioni dei testi sono altrettanto importanti per la qualità del corpus e la sua rappresentatività. Alla domanda su quanti testi occorra raccogliere per potersi affidare ai dati del corpus che ne risulta, gli esperti rispondono: «A differenza dei corpora di carattere generale, in questo caso la qualità è molto più importante della quantità» (Meyer et al. 1996: 268). Per ragioni comprensibili, i corpora specialistici sono di norma più piccoli di quelli di carattere generale. Tuttavia, pur essendo più piccoli, sono costituiti da testi integrali e non abbreviati. Inoltre, devono coprire l’intero settore rappresentato, con tutti i suoi sottosettori, scelti in anticipo dai terminografi. Spesso è difficile tracciare una linea netta tra le diverse discipline scientifiche, soprattutto se il settore in questione è collegato a temi generali e i compilatori del corpus sono tentati di andare più a fondo, cioè di includere più testi destinati agli esperti e scritti da esperti, senza dubbio pertinenti a quel settore. Perciò si consiglia ai terminologi di rivolgersi agli esperti del settore descritto, affinché consiglino quali testi includere per ottenere un corpus rappresentativo sotto ogni aspetto e per evitare che, assieme ai testi esclusi, siano tralasciati

10

concetti di importanza sistemica e i termini che li designano e, soprattutto, affinché non prevalgano le priorità di un singolo compilatore (Ahmad 1993: 60). Nel caso di un corpus terminografico non è affatto adatto il principio talvolta applicato dai lessicografi ai corpora generali: «Metto quello che ho».

Tenendo conto della tipologia dei corpora e dei principali tipi di corpus in relazione alla continuità — chiuso, continuo e a rotazione (monitor) —, si propone di realizzare il corpus terminografico come una raccolta di testi del secondo tipo o, meglio ancora, del terzo. In tal modo il corpus sarà costantemente integrato con nuovi testi, mentre i vecchi saranno conservati (nel caso di un corpus continuo) oppure trasferiti in archivio, se si tratta di un corpus a rotazione. Il corpus continuo crescerebbe senza sosta e non sarebbe necessariamente possibile mantenere i principi strutturali scelti in precedenza, perché, con il mutare delle tendenze editoriali, i testi nuovi potrebbero sbilanciarlo in un senso o nell’altro. Le proporzioni del corpus a rotazione rimarrebbero invariate e i nuovi testi occuperebbero soltanto lo spazio inizialmente assegnato ai testi di quel tipo. In ogni caso, è indispensabile aggiornare costantemente il corpus, perché i termini invecchiano molto più rapidamente delle parole della lingua quotidiana.

Dopo aver esaminato le questioni generali relative alle dimensioni e alla natura del corpus, nonché ai suoi confini settoriali, e aver preso le decisioni del caso, occorre passare a stabilire quali testi specifici includere, affinché il corpus sia rappresentativo e bilanciato. In ciascun caso concreto bisogna considerare il genere del testo, la data di redazione, l’autore e lo status linguistico, e puntare alla massima varietà possibile. Infatti, solo la varietà dei generi e un’ampia gamma di testi, da quelli seri a quelli divulgativi, consentono di selezionare sia termini scientifici e formali, tra i quali abbondano i neologismi d’autore, sia termini di uso comune, assai più diffusi e ormai radicati nella lingua parlata.

Nel valutare l’età dei testi, si preferiscono quelli più recenti; tuttavia, anche i testi scritti in passato possono rivelarsi preziosi, soprattutto se considerati sotto il profilo settoriale. Anche la varietà degli autori dovrebbe essere ampia, così da evitare che prevalgano le peculiarità stilistiche di un autore o di un altro fortemente rappresentato. Sebbene la varietà stilistica dei testi scientifici non sia molto ampia, se la si paragona, per esempio, a quella della letteratura, lo stile individuale dell’autore è importante non solo per l’uso delle unità linguistiche, ma anche per la loro selezione. Non sorprende quindi che scienziati diversi, soprattutto se appartenenti a scuole di pensiero scientifico differenti, usino ki-

11

termini di questo tipo. Per la standardizzazione e la normazione terminologica, così come per la ricerca di neologismi, è molto importante disporre della più ampia varietà possibile di termini nel corpus. L’ultimo aspetto, non meno importante degli altri, riguarda lo status linguistico dei testi. Si dà la preferenza ai testi originali, anziché tradotti, scritti da autori madrelingua e, inoltre, sottoposti a revisione e redazione.

Strumenti di analisi dei corpora per i terminografi

Nell’ultimo decennio è stato sviluppato software di vario tipo per agevolare i lessicografi nella ricerca di parole e in altre analisi dei corpora. Sebbene il lavoro dei lessicografi e quello dei terminografi siano in genere diversi, essi si avvalgono pressoché delle stesse funzionalità software, vale a dire: a) elenchi di frequenza delle parole; b) concordanze, cioè tutti i casi d’uso della parola oggetto di studio in un contesto di una certa ampiezza, generalmente di una riga; e c) statistiche sulle parole associate (Meyer et al. 1996: 274). Questi strumenti consentono di analizzare il corpus dal punto di vista linguistico.

Accanto agli strumenti software linguistici usati in comune con i lessicografi, stanno gradualmente comparendo anche programmi specifici, adatti esclusivamente ai terminografi. A differenza dei programmi generali, si distinguono non più per il loro carattere linguistico, bensì per quello settoriale, poiché sono destinati ad analizzare le informazioni contenute nel corpus. In questo caso, il corpus non è più considerato come un insieme di contesti d’uso dei termini, ma come una fonte di conoscenze specialistiche relative a un determinato settore o ramo scientifico. Si possono citare alcuni gruppi di programmi: a) programmi per analizzare il testo sotto il profilo delle informazioni che presenta, ad esempio per cercare parole portatrici di significato e passaggi ricchi di informazioni, nei quali vengono indicati i rapporti e le dipendenze tra i concetti; b) programmi che selezionano i passaggi del corpus utili al terminografo, per esempio le definizioni dei termini; c) programmi che aiutano ad analizzare i concetti designati dai termini e agevolano l’organizzazione delle conoscenze ricavate dal corpus (knowledge acquisition systems). Sebbene quest’ultimo gruppo sia del tutto nuovo e molto promettente, la letteratura specialistica gli ha finora dedicato un’attenzione insufficiente. Si è scritto molto di più sulla possibilità di estrarre dal corpus, in modo semiautomatico, le definizioni dei termini (Pearson 1998: 121–204).

12

Per raccogliere sia le definizioni sia i termini composti è indispensabile un corpus annotato morfologicamente, cioè un corpus in cui tutte le parole siano contrassegnate secondo la loro parte del discorso. La fase iniziale del lavoro deve essere svolta dal lessicografo stesso: questi legge i testi e raccoglie i termini definiti. Sulla base di tali informazioni, in seguito elabora modelli morfologici delle definizioni, ossia tutte le combinazioni delle sequenze di parti del discorso che ricorrono nelle definizioni. A quel punto il computer cerca nel corpus tali combinazioni di parole. Il risultato non è ancora un elenco di termini e delle loro definizioni, bensì un elenco di candidati a termini definiti. Tale elenco viene sottoposto a un esperto del settore, che lo esamina ed elimina le frasi non pertinenti. Per ridurre il numero delle combinazioni morfologiche superflue, che coincidono casualmente, si indicano al computer le unità lessicali più frequenti nelle definizioni, cioè le parole ricorrenti nelle definizioni. In modo analogo si possono ricavare dal corpus anche i termini composti: questo è il principio alla base dei programmi di prima generazione per l’identificazione automatica dei termini, LEXTER (Bourigault 1995) e TERMINO (Lauriston 1994).

Naturalmente, il trattamento del corpus in questo modo comporta alcuni problemi. Innanzitutto, non tutti i sintagmi selezionati sono affatto termini. Il problema viene affrontato compilando e inserendo nel computer un elenco di parole non pertinenti (stop-list), che vengono escluse dagli elenchi dei candidati a termine. Inoltre, spesso non è chiaro quali parole appartengano al termine composto vero e proprio e quali facciano solo parte del suo contesto. Tuttavia, questi aspetti non sono sempre chiari neppure quando i termini vengono raccolti manualmente.

Metodo semiautomatico di selezione dei termini

Per illustrare le possibilità offerte al terminografo dagli strumenti software più semplici, abbiamo scelto per l’analisi la versione elettronica di «Sintaksė» di V. Labutis „Sintaksės“ (T.I, V., 1994) e abbiamo analizzato il testo con WordSmith Tools, version 2.0WordSmith Tools, version 2.0, il pacchetto di strumenti linguistici di Mike Scott (Oxford, 1997). L’obiettivo dell’analisi statistica era ottenere alcuni elenchi di parole o combinazioni di parole, dai quali sarebbe poi stato possibile selezionare i candidati a termine e i termini veri e propri.

I dati statistici del testo analizzato sono i seguenti: il testo è composto complessivamente da 37 319 parole e forme di parola; una volta eliminate le ripetizioni, restano

13

9 249 parole e le loro forme. Il coefficiente di ricchezza lessicale (type/token ratio) è 24,78. Il testo contiene complessivamente 2 364 frasi, con una lunghezza media di 15,78 parole.

Innanzitutto è stata eseguita l’operazione più semplice: è stato compilato un elenco di frequenza di tutte le parole del testo, che consente di aspettarsi di trovare i termini tra le parole più frequenti. Come si vede dal frammento dell’elenco riportato, il testo è composto da parole e forme di parole, ordinate per frequenza. Poiché il testo non contiene annotazioni grammaticali che indichino l’appartenenza di ciascuna forma di parola alle singole parti del discorso, l’elenco non è lemmatizzato; pertanto, le diverse forme grammaticali della stessa parola compaiono separatamente. Per brevità, nel seguito del testo sia le parole invariabili sia le diverse forme flesse delle parole saranno chiamate semplicemente parole.

Tabella 1. Le 20 parole e forme di parola più frequenti nel testo

N.

Parola e forma della parola

Frequenza nel testo esaminato

Parte del testo occupata (%)

1.

IR

1,319

3.53

2.

SU

479

1.28

3.

AR

390

1.05

4.

FRASE

288

0.77

5.

QUESTO

284

0.76

6.

PAROLE

258

0.69

7.

PUÒ

243

0.65

8.

O

229

0.61

9.

IŠ

206

0.55

10.

FRASI

196

0.53

11.

Į

194

0.52

12.

È

194

0.52

13.

COME

187

0.50

14.

NE

182

0.49

15.

SOLO

171

0.46

16.

SECONDO

170

0.46

17.

ESSERE

155

0.42

18.

JŲ

143

0.38

19.

FRASI

143

0.38

20.

SINTAGMI

141

0.38

14

Come di consueto, un testo è composto da un numero relativamente esiguo di parole, usate molte volte, e da molte parole usate raramente. Le parole usate una sola volta rappresentano il 62% di tutte le occorrenze. Di solito costituiscono la metà del testo; dopo la lemmatizzazione dell’elenco, probabilmente ne resterebbero altrettante, poiché le forme derivate delle parole verrebbero ricondotte alle forme base. Le parole usate una sola volta e quelle rare, cioè con un numero di occorrenze compreso tra 2 e 10, non interessano al terminologo, perché la probabilità di trovarvi termini è bassa. Rimane una parte relativamente breve dell’elenco, appena il 6% delle parole del testo usate frequentemente, dalle quali vale già la pena estrarre i termini monolemmatici.

Diagramma

Distribuzione delle parole del testo e delle forme delle parole in base alla frequenza d’uso (numero di occorrenze)

Parole e forme delle parole usate più di 10 volte 6%

Parole e forme delle parole usate da 2 a 10 volte 32%

Parole e forme delle parole usate 1 volta 62%

Se questi dati sull’uso fossero presentati sotto forma di curva anziché di diagramma, si noterebbe che 10 occorrenze costituiscono un limite molto netto, una soglia oltre la quale le parole vengono usate molto più frequentemente che al di sotto. Un’analisi approfondita ha mostrato che, delle 599 parole usate 10 o più volte, ben 239 sono termini monolemmatici o parti di termini composti, in altre parole, parole importanti per il terminografo. Vi rientrano i nomi delle parti del discorso, dei casi, dei fenomeni e delle unità linguistiche, nonché dei rami della linguistica.

Il vantaggio dell’elenco generale di frequenza delle parole è il limite di frequenza d’uso, molto netto e già menzionato; gli svantaggi, invece, sono diversi. Uno di questi è che l’elenco è composto da parole isolate, mentre, come è noto, i termini monolemmatici non sono poi così numerosi. D’altra parte, la maggior parte dei nuovi termini non inclusi nei dizionari e quindi di particolare interesse per i terminologi è costituita proprio da termini pluriparola—

15

…parole. Il secondo svantaggio: una parte considerevole dell’elenco è occupata da parole grammaticali molto frequenti, anch’esse poco utili per i terminologi. Quest’ultimo inconveniente può essere eliminato predisponendo un elenco leggermente diverso, di parole semantiche. Le parole semantiche si ricavano dal testo in modo un po’ più complesso, confrontando il testo esaminato con un corpus molto più ampio, nel nostro caso con il corpus informatizzato dell’Università Vytautas Magnus, che comprende 55 milioni di parole. Se una parola compare nel testo esaminato con una frequenza relativamente maggiore rispetto alla media del corpus di grandi dimensioni, allora va considerata una parola semantica di quel testo. In altre parole, se si scrive di cinema, questa parola sarà menzionata nel testo molto più spesso e finirà quindi nell’elenco delle parole semantiche. Come si vede dalla tabella, qui le parole grammaticali sono molte meno, poiché la loro frequenza nel testo e nel corpus è pressoché uguale. Pertanto, al primo posto emergono le parole più peculiari del testo esaminato — nel caso di un testo scientifico, i termini. Purtroppo, come nel primo elenco, anche qui sono riportati isolatamente, non in combinazioni.

Tabella 2. Le 20 parole semantiche e forme di parola più frequenti

N. | Parola e forma di parola | Frequenza nel testo esaminato | Frequenza nel corpus | Coefficiente di significatività 1. | SAKINIO | 288 | 707 | 2,974.8; 2. | SAKINIAI | 196 | 370 | 2,108.4; 3. | ŽODŽIŲ | 258 | 6,504 | 1,554.3; 4. | SAKINIŲ | 143 | 386 | 1,453.6; 5. | JUNGINIAI | 141 | 405 | 1,418.4; 6. | DĖMENŲ | 103 | 130 | 1,171.5; 7. | JUNGINIŲ | 103 | 591 | 909.2; 8. | DĖMUO | 77 | 124 | 847.4; 9. | SAKINYJE | 85 | 310 | 819.6; 10. | DĖMENYS | 73 | 106 | 815.0; 11. | DĖMENS | 71 | 84 | 814.2; 12. | SAKINYS | 91 | 528 | 801.4; 13. | DĖMENIU | 69 | 78 | 795.8; 14. | SINTAKSĖS | 68 | 163 | 704.7; 15. | SAKINĮ | 73 | 634 | 588.1; 16. | SAKINIUS | 61 | 315 | 550.1; 17. | TARINIO | 44 | 60 | 495.3; 18. | SAKINIAIS | 49 | 205 | 460.5; 19. | SUDĖTINIO | 42 | 75 | 455.4; 20. | TARINIU | 36 | 36 | 421.4

16

La terza possibilità offerta dal software basato su metodi statistici consiste nell’estrarre dal testo esaminato le combinazioni di parole che ricorrono nel testo due o più volte in forma identica. Il programma consente di individuare sequenze lunghe fino a otto parole. È comprensibile che nel testo non vi siano molti costrutti di tale lunghezza. Sono molto più numerosi i gruppi lessicali cristallizzati di quattro e tre parole, e soprattutto quelli di due parole. Nel testo esaminato di V. Labutis si trovano 2 combinazioni di otto parole ricorrenti almeno due volte, 6 di sette parole, 23 di sei, 65 di cinque, 211 di quattro, 756 di tre e ben 2695 combinazioni di due parole. Di seguito sono riportate sequenze di parole di diversa lunghezza; sono evidenziate in grassetto le combinazioni le cui parti potrebbero essere considerate termini complessi, mentre accanto è indicato il numero di occorrenze della sequenza nel testo.

OTTO PAROLE

È COMPOSTO DA ALMENO DUE PAROLE AUTONOME 2

È COMPOSTO DA ALMENO DUE FORME DI PAROLE AUTONOME 2

SETTE PAROLE

È COMPOSTO DA ALMENO DUE PAROLE AUTONOME 2

ALMENO DUE FORME DI PAROLE AUTONOME 2

È COMPOSTO DA ALMENO DUE PAROLE AUTONOME 2

USO DI FORME DI PAROLE ACCANTO AD ALTRE FORME DI PAROLE 2

SEI PAROLE

ALMENO DUE PAROLE AUTONOME 4

FORME DI VERBI E PAROLE CON FUNZIONE DI PREDICATO 3

NELLA GRAMMATICA ACCADEMICA DELLA LINGUA LITUANA LKG III 2

DUE O PIÙ FORME DI PAROLE AUTONOME 2

APPLICAZIONE DELLE FORME A FORME DI ALTRE PAROLE 2

E CON ALCUNE COSTRUZIONI PREPOSIZIONALI 2

UNA PARTE DELLA FRASE O UNA PROPOSIZIONE DI UNA FRASE COMPLESSA 2

CON ALTRI CASI E COSTRUZIONI PREPOSIZIONALI 2

CON I CASI E CON LE COSTRUZIONI PREPOSIZIONALI 2

LA FORMA DELLA PAROLA SI APPLICA IN QUALCHE MODO A 2

APPLICAZIONE DELLE FORME DELLE PAROLE AD ALTRE PAROLE 2

CINQUE PAROLE

MENO DI DUE PAROLE AUTONOME 4

VERBI E PAROLE CON FUNZIONE DI PREDICATO 4

17

CASI E COSTRUZIONI PREPOSIZIONALI 3

STRUTTURE PREDICATIVE CHE FORMANO UNA FRASE COMPLESSA 3

O PIÙ FORME DI PAROLE AUTONOME 2

UN’ENUNCIAZIONE AUTONOMA SU UNA SITUAZIONE REALE 2

UNA PARTE O UNA PROPOSIZIONE DI UNA FRASE COMPLESSA 2

FUNGE DA MODIFICATORE DIPENDENTE DI UN SINTAGMA NOMINALE 2

USO DELLE FORME CON ALTRE PAROLE 2

PUÒ FUNGERE ANCHE DA PROPOSIZIONE DI UNA FRASE COMPLESSA 2

E TRA LE STRUTTURE PREDICATIVE DI UNA FRASE COMPLESSA 2

E LE FORME DELLE PAROLE CON FUNZIONE DI SOGGETTO 2

COME FORME DI DUE PAROLE AUTONOME 2

CON ALTRI CASI E COSTRUZIONI PREPOSIZIONALI 2

DEL CASO O DEL CASO CON PREPOSIZIONE 2

IN RELAZIONE ALLA CATEGORIA GRAMMATICALE DELLA PERSONA 2

RELAZIONI SINTAGMATICHE E GRUPPI DI PAROLE 2

LA CLASSIFICAZIONE È STATA CRITICATA PIÙ VOLTE 2

CON UNA PROPOSIZIONE SUBORDINATA DI SECONDO GRADO 2

CON QUALI COSTRUZIONI PREPOSIZIONALI 2

CON ALTRI CASI E CON COSTRUZIONI PREPOSIZIONALI 2

CON IL DATIVO E CON LO STRUMENTALE 2

CON UNA PROPOSIZIONE SUBORDINATA DELL’INTERA FRASE 2

SI TRATTA PER LO PIÙ DI GRUPPI VERBALI CON 2

APPLICAZIONE AD ALTRE FORME DI PAROLA 2

PROPOSIZIONI SUBORDINATE DELLO STESSO GRADO 2

HANNO UN ELEMENTO SECONDARIO DELLA FRASE IN COMUNE 2

RUOLO RISPETTO ALL’INTERA PROPOSIZIONE SUBORDINANTE 2

LA FORMA DELLA PAROLA SI APPLICA COMUNQUE 2

APPLICAZIONE DELLE FORME DELLE PAROLE AD ALTRE 2

GRUPPO DI PAROLE O ALTRA COSTRUZIONE 2

QUATTRO PAROLE

E CON COSTRUZIONI PREPOSIZIONALI 5

E PAROLE CHE SVOLGONO LA FUNZIONE DI PREDICATO 4

IL CUI COMPONENTE PRINCIPALE È 4

MENO DI DUE AUTONOMI 4

NON MENO DI DUE 4

UNA FORMA DI PAROLA CHE SVOLGE LA FUNZIONE DI SOGGETTO 4

CHE SVOLGONO LE FUNZIONI DI SOGGETTO E PREDICATO 4

FORME DI DUE PAROLE AUTONOME 3

COORDINANTI E SUBORDINANTI 3

CON I CASI E CON LE COSTRUZIONI PREPOSIZIONALI 3

DELLA PAROLA CHE SVOLGE LA FUNZIONE DEI COMPONENTI PRINCIPALI 3

STRUTTURE PREDICATIVE CHE COSTITUISCONO UNA FRASE 3

CON CATEGORIA GRAMMATICALE DI PERSONA 3

MODO DI ESPRIMERE I RAPPORTI TRA LE PAROLE 3

CON UNA FRASE SUBORDINATA DI SECONDO GRADO 2

PER QUESTI CONCETTI, VEDI 2

18

SU QUESTO, DURANTE LE ESERCITAZIONI 2

O UN COSTITUENTE DELLA FRASE COMPLESSA 2

RIVELA UN ALTRO COSTITUENTE PREDICATIVO 2

UNA PARTE SECONDARIA COMUNE DELLA FRASE 2

QUALITÀ E QUANTITÀ DEL MODO 2

L’AGGETTIVO FORMA UN SINTAGMA CON 2

COME COSTITUENTE DIPENDENTE DEL SINTAGMA NOMINALE 2

TRE PAROLE

PUÒ ESSERE 14

CON COSTRUZIONI PREPOSIZIONALI 11

PIÙ O MENO 10

SINTASSI DELLA LINGUA LITUANA 9

LE FRASI POSSONO ESSERE 9

COSTRUZIONI VERBALI CON 8

I COSTITUENTI POSSONO ESSERE 7

IL CUI ELEMENTO PRINCIPALE 7

SINTAGMI NOMINALI CON 6

NON MENO DI 6

COORDINAZIONE E SUBORDINAZIONE 6

DELLE FRASI POSSONO ESSERE 6

FORME DI PAROLE AUTONOME 6

CON IL VERBO E IL PREDICATO 6

DI DUE PAROLE AUTONOME 5

RELAZIONE DI CORRISPONDENZA BIDIREZIONALE 5

DUE PAROLE

PUÒ ESSERE 118

E ALTRI 41

DELLA LINGUA LITUANA 36

FORME DELLE PAROLE 35

ANCHE 34

DELLA FRASE COMPLESSA 32

DEI COSTITUENTI DELLA FRASE 31

FORME DELLE PAROLE 31

NON SOLO 29

SINTAGMI 26

SINTAGMI CON 25

COMPONENTI PREDICATIVI 24

PUÒ AVERE 23

TUTTAVIA 23

COMPONENTI PRINCIPALI 21

IL CENTRO PREDICATIVO 20

COMPONENTI PREDICATIVI 20

COME SE 18

FRASI COMPLESSE 18

19

PUÒ COSTITUIRE 17

COMPONENTE PRINCIPALE 17

CON COSTRUZIONI PREPOSIZIONALI 17

CON IL GENITIVO 17

COSÌ COME 16

SISTEMI LINGUISTICI 16

DEL COMPONENTE DIPENDENTE 16

DELLE FRASI COMPLESSE 16

INOLTRE 15

E SECONDO 15

DEL SINTAGMA 15

Come si evince dagli esempi riportati, le espressioni più lunghe ricordano maggiormente locuzioni o frasi, quelle più brevi sintagmi sintattici. Il loro grado di fissità è

Anche il loro grado di fissità è diverso e si manifesta nel numero di occorrenze; per esempio, alcuni sintagmi binominali ricorrono ben 118 volte anche in un testo così breve. Inoltre, alcune catene di parole coincidono del tutto con termini composti, per esempio: frase subordinata di secondo grado, rapporto di collegamento bidirezionale, sistema linguistico, mentre da altre occorre estrarre tali termini, per esempio: è rivelato da un altro elemento predicativo, la forma della parola è applicata in qualche modo alla parola che funge da elemento principale, ecc. Benché siano da abbreviare, essi sono informativi a modo loro, poiché le parole predicative (negli esempi sono diradate), che non appartengono al termine stesso ma al suo contesto, forniscono informazioni importanti sulla combinabilità e sulle peculiarità d’uso.

Quest’ultimo elenco, come i precedenti, non è lemmatizzato; pertanto lo stesso termine polilessicale ricorre ogni volta in una forma grammaticale diversa. Inoltre, ricorre anche in catene di parole di lunghezza diversa, dalla più lunga alla più breve: è costituito da almeno due forme di parole autonome, almeno due forme di parole autonome, forme di parole autonome, forme di parole. In ogni caso, le frequenti ripetizioni non sono d’intralcio, ma aiutano a individuare i termini composti più importanti e più usati. Anche se gli strumenti software semiautomatici menzionati non estraggono tutti i termini del testo esaminato, consentono comunque di individuarne i più importanti; inoltre, il fatto che gli elenchi generati dal computer vengano letti e gestiti da un terminografo garantisce la qualità del risultato finale.

20

Conclusione

La terminologia contemporanea, che mira a raccogliere, descrivere e normalizzare i termini delle diverse discipline scientifiche, non può prescindere da un corpus testuale informatizzato e dalle altre fasi di elaborazione di una banca dati terminologica informatizzata a esso collegate: software di carattere generale o specializzato, una banca dati lessicale, ecc. Il corpus deve essere preparato in modo da comprendere la più ampia varietà possibile di testi e rappresentare così la lingua della disciplina scientifica descritta. Anche utilizzando software di carattere generale destinato ai lessicografi, è possibile ottenere automaticamente elenchi di parole e sintagmi candidati a diventare termini, dai quali selezionare i termini noti e quelli nuovi.

Ricevuto il 21 giugno 1999

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