Partikule v Pražském mluveném korpusu

Partikule vPražském mluveném korpusu Ana Adamovičová ABSTRACT: Particles in Prague Spoken Corpus. The article deals with particles, usually considered to be aresidual part of speech, and strives to come to some general conclusions on occurrence and frequency of particles as well as their function in common spoken language. The basic source is the reference Prague Spoken Corpus (PSC) which is apart of the Czech National Corpus. The fact that particles are after verbs and pronouns the third most frequent word in spoken Czech appears for the first time in the Frequency Dictionary of Spoken Czech based on the PSC. This finding demands new tasks on linguists, especially more detailed description of this so frequently used part of speech, which hasn’t been so far thoroughly analyzed on the basis of true authentic data. PSC provides the unique possibility to describe functions and the meaning of particles in the direct authentic context and usage, where they naturally appear. Large contextual scope is the decisive criterion for their identification. Description of particles requires apractical approach and by analyzing their real occurrence and co-occurrence one can prove, deny or change all theoretical premises. What we haven’t found in the corpus is also apositive knowledge— the prove that in the corpus with asize of almost three quarter million tokens aparticular word didn’t appear. The article presents all types of particles which appear in the corpus and provides both its quantitative analyses dealing with original particles as well as with those homonymous with other parts of speech. It also deals with the existing processing of particles in various linguistic manuals. KLÍČOVÁ SLOVA / KEY WORDS: částice, frekvence slov, homonymní slova, korpusová lingvistika, kvantitativní analýza, mluvený jazyk, partikule, slovní druhy corpus linguistics, frequency of words, homonymous words, particles, parts of speech, quantitative analysis, spoken language 0 ÚVOD Článek pojednává opartikulích, tradičně zbytkovém slovním druhu, apokouší se dobrat některých obecnějších závěrů ojejich výskytu afrekvenci vběžně mluveném jazyce. Vprvní části článku se stručně poohlédneme za zpracováním partikulí vněkterých vybraných příručkách. Vdalší části představíme Pražský mluvený korpus (PMK) akonečně vtřetí části se zaměříme na popis druhů partikulí vyskytujících se vPMK. 1 SLOVNÍ DRUH PARTIKULE Opartikulích jako oslovním druhu se začalo uvažovat poměrně pozdě: např.první řecké gramatiky, které převzali staří Římané, uváděly jen osm slovních druhů, mezi OPEN ACCESS ANA ADAMOVIčOVá 89 nimiž se partikule ještě nevyskytovaly.1 Ve 4. století byl člen, původní slovní druh vyskytující se vstarořeckých gramatikách, nahrazen interjekcemi. První zmínka opartikulích se objevuje vČíně, ato dost pozdě, až ve 14. století. Nicméně právě čínský spis opartikulích se považuje za první, alespoň částečný pokus osepsání první čínské gramatiky— do té doby se čínští jazykovědci věnovali hlavně zvukové stránce jazyka, popisu tónů aintonace. Musíme však mít na zřeteli, že partikule včínštině nebo vjaponštině nelze srovnávat spojetím partikulí, které je rozšířeno vEvropě. Do evropské lingvistiky se úvahy opartikulích dostávají až začátkem 20. století, ato spíše okrajově. Většinou se za ně označuje jen několik málo slovních tvarů, sjejichž popisem či zařazením do jazykového systému si jazykovědci nevěděli rady. 1.1 NĚKOLIK POZNáMEK KSOUčASNÉMU STAVU BáDáNí Během posledních čtyřiceti let přístup kpartikulím, slovnímu druhu postiženému syndromem „odpadkového koše“ (Čermák, 2008, s.63), bezesporu zaznamenal pozoruhodný vývoj, který však zatím ještě nebyl zcela systematicky zpracován. Průlom vnahlížení na partikule přináší až orientace lingvistiky kpragmatice aběžně mluvenému jazyku. Genezi tohoto přístupu ke zkoumání jazykových dat ajejich funkcí ve větě lze patrně hledat vjiž poměrně dávné minulosti, asice včasovém horizontu zhruba první poloviny azačátku druhé poloviny 20. století. Vtěchto souvislostech je jistě třeba zmínit de Saussura aWittgensteina— vzpomeňme jejich známé výroky „vmluvě se nalézá zárodek všech změn“, které se postupně dostávají „do obecného úzu“ (de Saussure, 1996, s.125), a„význam slov je vjejich užití“ (Wittgenstein, 1993, s.34–43)— anebo Austina aSearla sjejich teorií mluvních aktů zasazených do kontextu promluvy. Při postupném odklonu lingvistiky od gramatiky (morfologie či syntaxe) azvýšené orientaci na sémantiku, pragmatiku atextovou lingvistiku se začalo uvažovat o komunikačních funkcích jazyka, na jejichž realizaci se ve velké míře podílejí též partikule. Začátkem sedmdesátých let minulého století si ve světle nových teorií ičeští lingvisté uvědomili, že modální adverbia mají ve větě především funkci postojovou, atak se znich staly modální partikule (Bauer— Grepl, 1972). Vosmdesátých letech vychází 2. díl tzv.akademické Mluvnice češtiny (MČ2), vněmž se řady partikulí rozšířily odalší desítky příkladů (Uličný, 1986). Grepl (2011) vdevadesátých letech vydává sérii přednášek Co děláme, když mluvíme, vnichž také pojednává omluvních aktech apartikulích. Vpolovině devadesátých let azačátkem nového tisíciletí vycházejí další práce— Příruční mluvnice češtiny (PMČ), partikulím se zde věnuje Nekula, aEncyklopedický slovník češtiny (ESČ), kde hesla opartikulích zpracovávají Grepl aNekula. Takto mohutný vývoj se koncem sedmdesátých let do jisté míry odrazil ivlexikografické rovině: vSSČ (1978) se řada adverbií přehodnocuje na partikule. Partikule jsou však vrůzných příručkách definovány často nejednotně aněkdy inahodile. ESČ (2002, s.62) to přímo připouští, když je označuje za „jeden ze slov1 Ačkoli se nevyskytovaly vgramatikách, dnes už máme důkazy, že se onich vědělo, srov.např.Wiktionary, seznam Ancient Greek Particles, vněmž se uvádí, že je jich alespoň20, apětisvazkový sborník Particles in Ancient Greek Discourse (Bonifazi— Drummen— de Kreij, 2016). OPEN ACCESS 90 STUDIE ZAPLIKOVANÉ LINGVISTIKY ních druhů, který je vymezován velmi různě“. PMČ (1995, s.358) uvádí, že částice jsou „slova se synsémantickým významem nezahrnující předložky aspojky“. Tato poslední definice jednak obsahuje jistý protimluv, asice „synsémantický význam“, jednak vyznívá tak, že se, na rozdíl od předložek aspojek, okterých nejspíš víme, jaký mají význam afunkci, opartikulích totéž říci nedá. Dalším problémem při určování partikulí je splývavá, nejasná hranice mezi partikulemi adalším „zbytkovým“ slovním druhem, interjekcemi, na což trefně ve své studii upozornil M.Vondráček (1998). Kromě nejednotného přístupu je mnohem vážnějším problémem skutečnost, že příklady uváděné pro ilustraci jednotlivých tezí vycházejí zteorie, která však nebyla empiricky ověřena vúzu, ovšem také skutečnost, že se kpragmatice přistupuje zrůzných východisek. Zlom, který do lingvistiky vneslo korpusové zpracování jazykových dat, je tak obrovský, že právem lze mluvit omezníku rozdělujícím lingvistická bádání na éru před vznikem korpusové lingvistiky ana éru zahájenou po jejím vzniku. Korpusový materiál je také nepřeberným zdrojem dat poskytujícím cenné informace právě při studiu partikulí. 1.2 VYMEZENí PArTIKULí Klíčem klepší či přehlednější strukturaci partikulí je hledisko, vněmž se prolíná funkčně-formální přístup: funkce vpromluvě je prezentována jistou formou. Máme-li už zjištěnou formu avyjdeme-li zní, dostaneme se znovu kfunkci ozřejmené ozpůsob užití, kontext, význam, valenci azačlenění do textu/promluvy. Tam se ukáže ionen sémantický posun, ke kterému dochází při slovnědruhové transpozici, která vznik partikulí často provází. Jde především odva procesy: procesy lexikalizace gramatických slov (co když, jen aby, ještě že, už aby apod.) aprocesy delexikalizace (pragmatizace) autosémantik (čistě, prostě, klidně, pomalu, rozhodně apod.). Partikule jsou jistými pragmatickými komentáři, referujícími formálně isémanticky krozličným aspektům promluvy/textu, kpostojům mluvčího, často však ikširší mimojazykové situaci (Čermák, 2008, s.66). Obecně vzato by se dalo říct, že je partikule specifickým „kořením“ jazyka amá, na rozdíl od adverbia, především komunikační význam, který se realizuje vkontextu. Zároveň je třeba zdůraznit, že se partikule, na rozdíl od interjekce, nikdy nevyskytuje samostatně, nýbrž vkombinaci sdalším slovem (adlexémové partikule) či větou (adpropoziční partikule) apřitom může stát na různých místech vpromluvě. 2 PRAŽSKÝ MLUVENÝ KORPUS Pražský mluvený korpus (PMK), který začal vznikat koncem 80. let minulého století, je prvním korpusem mluvené češtiny zachycujícím autentický aspontánní mluvený jazyk. Budování PMK začalo na popud F.Čermáka, který již delší dobu pociťoval potřebu systematicky, důsledně ataxativně popsat mluvený jazyk jakožto „primární zdroj komunikace azdroj jazykových změn zakládajících jeho vývoj“ (Adamovičová— Čermák— Pešička, 2008, s.7). OPEN ACCESS ANA ADAMOVIčOVá 91 2.1 PrVNí FáZE PrOJEKTU Na začátku projektu bylo pořízeno 304 nahrávek2 obsahujících přes 15 015 promluv, čímž vzniklo 7600 minut nahraných monologů adialogů, tj.316 hodin mluveného projevu. Při nahrávkách byly pořízeny jak formální rozhovory čili řízené podle předem připraveného scénáře (193 nahrávek), tak rozhovory neformální čili neřízené, spontánní (103 nahrávek). Formální nahrávky neboli monology vycházely zdotazníku zaměřeného na zachycení názorů respondentů na otázky týkající se běžného života: škola, vzdělávání, práce, postavení žen na pracovišti, manželství, rodina, výchova dětí, mezilidské vztahy, život ve městě vs. život na venkově, šťastný aúspěšný život apod., vdruhé vlně nahrávání po změně politického klimatu vr. 1989 přibyly otázky opodnikání acestovním ruchu. Neformální nahrávky neboli dialogy jsou volným rozhovorem dvou respondentů, kteří se dobře znají, na jakékoli téma. Jde tedy oprototypickou mluvní situaci— neformální, nepřipravenou adialogickou. Respondentům (vúhrnu jich bylo 504: 287 žen a217 mužů) byla zaručena anonymita anebyl jim předem sdělen účel (tj.ryze jazykový výzkum), za jakým se nahrávky pořizují. Mnozí se tak domnívali, že jde ojakési sociologické či sociolingvistické šetření zaměřené na názor dotazovaných na běžná témata zosobního, pracovního aspolečenského života. Přestože se většina mluvčích dokázala uvolnit arozpovídat, přítomnost nahrávacího zařízení pro některé zrespondentů byla nicméně stresujícím faktorem, mnohem častěji však vzačátcích natáčení, kdy roli hrála ivšeobecně panující nedůvěra (před rokem 1989), což se nejednou odrazilo vtom, že respondenti mluvili více spisovně astrojeně, více se hlídali, uněkterých byl dokonce patrný istrach mluvit otevřeně. Vdruhé vlně nahrávání vpolovině devadesátých let se tyto obavy respondentů celkem rozplynuly, atak nahrávky působí poněkud přirozeněji. Pro úplnost je ještě potřeba dodat, že se při kombinaci dalších sociolingvistických parametrů, jako jsou věk avzdělání respondentů, včetně typu promluvy, dbalo ojejich maximální vyváženost. 2.2 DrUHá FáZE PrOJEKTU Ve druhé fázi projektu byly všechny pořízené nahrávky přepsány do počítače maximálně věrně, což bylo časově velmi náročné. Při přepisu se hlavně dbalo na to, přenést do psané podoby každý zvuk, včetně hezitačních, různé odchylky ve výslovnosti, delší či kratší odmlky mluvčího, zánik kvantity apod. Rozhodující slovo však měl přepisovač, atak to, zda polodélku zachytil jako délku, či nikoli, záleželo pouze na jeho posouzení. Asimilace souhlásek se však nezaznamenávala (mělo se zapisovat výlučně např.radši; vkorpusu se však ojediněle vyskytují itvary rači). Počítačový přepis má tedy spíše fonologicko-morfologický charakter, aje tudíž snadno čitelný ipro méně zasvěceného uživatele. Hlavním důvodem takto zvolené přepisovací strategie bylo výhledové zařazení PMK do databáze Českého národního korpusu (okterém se vté 2 Původně bylo nahrávek mnohem více, avšak řada znich musela být zdalší fáze zpracovávání materiálu vyřazena pro špatnou kvalitu zvuku způsobenou nedokonalým nahrávacím zařízením. OPEN ACCESS 92 STUDIE ZAPLIKOVANÉ LINGVISTIKY době teprve uvažovalo). Přepis je takto kompatibilní spsanými korpusy, na druhou stranu však obsahuje méně informací suprasegmentálního charakteru, než je pro některé, především novější mluvené korpusy běžné. Takto vlastně vznikl Pražský mluvený korpus, který můžeme označit za referenční, tj.stálý, uzavřený aneměnící se (detailněji viz FSMČ, 2007, s.11–35). 2.3 TřETí FáZE PrOJEKTU Ve třetí fázi projektu se přistoupilo kanotaci takto získaného materiálu na základě kódovníku, který pro tyto účely sestavil F.Čermák. Šlo oruční označení každého slova až jedenáctimístnými kódy poskytujícími především úplnou morfologickou informaci, včetně široce pojaté valence afunkce, částečně také syntaktickou informaci3 aúdaj ostylové charakteristice promluvy. Celý materiál obsahuje více než 7 milionů indexů. Pražský mluvený korpus je tedy první český korpus, který nabízí plné, systematické apečlivě ověřované tagování všech svých forem. Pro časovou náročnost celé práce byla část korpusu okódována jen redukovaně, tj.označena jen tříaž čtyřmístnými kódy. Vedle deseti slovních druhů byly také označeny ablíže zařazeny icitátové výrazy jednoslovné ivíceslovné (CV), neslovní zkratky (ZKRAT), propria (PROP) afrazémy (IF). Byly také poprvé označeny všechny víceslovné analytické gramatické formy (abych šel, kdyby pršelo atd.), jakož idalší víceslovné výrazy včetně partikulí (PAR), víceslovných spojek (CONJ) afrazémů. Identifikace aoznačení frazémů vycházejí ze zpracování frazeologie ve Slovníku české frazeologie aidiomatiky. Velmi pracná ruční anotace oproti mnohem běžnějšímu automatickému tagování má bezesporu výhody právě vpřípadě zkoumání partikulí: vzhledem kvysokému procentu homonymních tvarů řady partikulí sdalšími slovními druhy je jejich automatická identifikace jinde dosti nepřesná. Autoři modifikovaného analyzátoru Ajka pro anotaci mluvených korpusů (Hlaváčková— Osolsobě, 2008, s.111) uvádějí, že např.kslovnímu tvaru tak analyzátor přiřadí až čtyři možné interpretace— adverbium, spojka, citoslovce nebo částice— [tag="k6"] [tag="k8"][ tag="k9"][ tag="k0"], což bez časově náročné kontextové amanuální analýzy nelze úspěšně disambiguovat, tj.zjednoznačnit. Otázkou zůstává, zda vůbec, anebo do jaké míry, lze pro trénovací korpus jednoznačně postihnout všechny kontextové výskyty řady partikulí, což by 3 Ksyntaktické informaci nutno podotknout, že ačkoli se sjejí analýzou při sestavování kódovníku původně počítalo, vpraxi se od toho zvětší části upustilo, neboť se rozdíly vsyntaxi mluveného apsaného jazyka ukázaly být tak velké, že se syntax psaného jazyka, obzvlášť na úrovni větněčlenské kategorizace, pro analýzu jazyka mluveného stala jen stěží použitelnou. Vznikaly mj. různé problémy související nejen soznačením hranice věty vsouvislém proudu vyprávění, ale také sjejím vnitřním členěním aodlišnou větnou perspektivou mající často eliptický ráz. Není to nic překvapivého: každý korpus, obzvlášť však mluvený, je vzásadě pestřejší abohatší než sebelépe navržený systém značek. Proto také uřady kategorií přibyly značky— jiné, příp. jiné/nejasné, nebo nelze určit, které byly poměrně často obsazovány, ačkoli se ještě, pokud je nám známo, nikdo popisu těchto problémových kategorií nevěnoval. OPEN ACCESS ANA ADAMOVIčOVá 93 mohlo značně zvýšit úspěšnost automatické disambiguace. Při další analýze materiálu bychom se však měli dobrat některých konkrétních návrhů na zlepšení automatického rozpoznání partikulí. PMK se stal podkladem pro vytvoření Frekvenčního slovníku mluvené češtiny (FSMČ), vydaného nakladatelstvím Karolinum vroce 2007. Slovník obsahuje 780 322 pozic včetně interpunkcí, po jejichž odečtení máme přesně 644 909, respektive 548 091 slov (první číslo udává počet všech tvarů včetně tvarů vázaných ve víceslovných spojeních; komponenty vázané na výskyt ve víceslovných jednotkách mají 96 818 výskytů). VPMK najdeme 46 798 různých slov, tj.lemmat, respektive 30 570 slov (opět po odečtení vázaných slov). Cílem projektu PMK–FSMČ bylo vůbec poprvé souvisle avyčerpávajícím způsobem zmapovat autentickou mluvenou češtinu anezkresleně představit její jádro— obecnou češtinu. Korpus má přídomek „pražský“, protože se vycházelo zpředstavy, že Praha, vzhledem ke svému centrálnímu postavení, svým způsobem reprezentuje běžnou českou mluvu vČechách azčásti ina Moravě, mj. ivzhledem kmnožství původem mimopražských Pražanů. PMK díky této strategii— systematickému pokrytí jazykové oblasti obohacenému ointenzivní anotaci— skýtá zcela ojedinělý obraz české mluvené situace zkonce 20. století, přičemž odráží jak jazyk předchozího společenského uspořádání, tak začátek nového. Přestože lze namítat, že je daný rozsah pokrytí omezený, slovník představuje cennou materiálovou bázi pro studium běžně mluvené češtiny. Pokud jde olexikon, je zde ale nutno poznamenat, že četnost výskytů některých slov, obzvlášť substantiv aněkterých frází, může být poněkud zkreslena, neboť respondenti automaticky opakovali slova obsažená votázkách dotazníku anavíc se vyjadřovali kpředem určeným tématům. Týká se to hlavně slov aobratů jako škola, učitelka, rodiče, děti, trestat, vzít pásek, postavení žen na pracovišti, zaměstnání, doplňovat si kvalifikaci, život ve městě vs. život na venkově, vidět si do talíře, šťastný aúspěšný život atp. Výskyt partikulí, na rozdíl od zmíněných autosémantik aněkterých frazémů, není však ovlivněn žádnými vnějšími faktory, ajejich frekvenci lze tudíž považovat za plně vypovídající anosnou. FSMČ poprvé uveřejnil údaj, že jsou partikule třetím nejfrekventovanějším slovním druhem vmluvené češtině, jinými slovy— vprůměru každým osmým slovem vpromluvě bude partikule. 3 PARTIKULE VPRAŽSKÉM MLUVENÉM KORPUSU Podívejme se nyní blíže na posledně zmíněný údaj ofrekvenci partikulí, ovšem také dalších slovních druhů vběžně mluveném projevu, který znázorňuje graf 1. Frekvenční pořadí slovních druhů vpsaném korpusu je pochopitelně značně jiné. Uveďme pro srovnání, že distribuce slovních druhů vžánrově vyváženém stomilionovém korpusu SYN2000, vněmž převažují texty zlet 1990–1999, tedy zpodobného období jako nahrávky tvořící PMK, vypadá takto: 1. substantiva (tvoří zhruba třetinu velikosti korpusu), 2. slovesa (jejich výskyt je však na první pohled překvapivě opolovinu nižší), 3. adjektiva (12,5 mil.), 4. předložky, 5. zájmena, 6. spojky, 7. adverbia, 8.číslovky, 9. partikule ana posledním, 10. místě citoslovce. Je zajímavé, že stejné OPEN ACCESS 94 STUDIE ZAPLIKOVANÉ LINGVISTIKY frek venční pořadí, pokud jde oprvní tři nejfrekventovanější slovní druhy (S, VaADJ), uvádí iprvní česká publikace věnovaná frekvenci slov (Jelínek— Bečka— Těšitelová, 1961). Jejich korpus tvoří 1 623 527 slov, je převážně sestaven zbeletrie, literatury pro děti amládež adramat (cca 57 % hesel), odborné avědecké literatury (cca 25 % hesel) avposlední necelé čtvrtině se převážně vyskytuje žurnalistika, okrajově poezie amluvený projev (nutno podotknout, že většinou šlo oprojevy čelných komunistických představitelů té doby). Pro nás je obzvlášť cenný poznatek, že se vroce 1961 partikule jako slovní druh vůbec neuvažovala. Vporovnání smluveným korpusem vpsaném korpusu nejvýraznější propad zaznamenaly právě partikule (z3. na 9. místo), ovšem také zájmena (z2. na 5. místo), přičemž jsou slovesa procentuálně mnohem méně zastoupena vpsaném než vmluveném korpusu, na rozdíl od substantiv, která jsou výrazně víc zastoupena vkorpusu psaném. Tyto výsledky nejsou však nikterak překvapivé. Partikule (jak už jsme na to upozornili) jsou při automatické anotaci těžko rozpoznatelné (vautomaticky tagovaném korpusu je rozlišení partikulí značně problematické vzhledem kvysoké míře homonymie, kterou partikule vykazují sdalšími slovními druhy: řada partikulí vtakovém, především psaném korpusu zůstává proto skryta zejména za adverbii, spojkami, tvary sloves, citoslovci apod.), deiktika se vmluvených projevech vyskytují mnohem více. Pokud jde onízký procentní podíl sloves oproti substantivům, zde se nabízí vysvětlení, že vpsaném projevu tíhnoucím ke kondenzaci mají nominální konstrukce jednoznačnou převahu. Stím přímo souvisí ivysoká zastoupenost předložek Graf 1:Frekvence slovních druhů, IF, proprií, citátových výrazů azkratek vPMK. OPEN ACCESS ANA ADAMOVIčOVá 95 vpsaném korpusu (vmluveném korpusu je najdeme na 7. místě, vpsaném na 4.). Na velkém zastoupení předložek vpsaném korpusu se podílejí především víceslovné předložky vyskytující se hojně právě vnominálních konstrukcích, které nejsou charakteristické pro mluvený projev. Překvapivě vysoko se však vporovnání smluveným korpusem umístila adjektiva (vmluveném korpusu jsou na 8. místě, vpsaném na 3.). Vsouvislosti stímto zjištěním se nutně nabízí možné vysvětlení: vpsaném jazyce se často při popisu uchylujeme kmetaforickému vyjadřování, pro něž jsou právě charakteristické synonymické řady adjektiv. Při redakční práci text dále tříbíme, obohacujeme ho odalší řady synonym. Při mluveném projevu na to není čas. Stačí se podívat na nejfrekventovanější adjektiva vpsaném amluveném korpusu. Vprvní stovce nejfrekventovanějších autosémantik se vmluveném korpusu vyskytlo pouze 8 adjektiv: dobrej (36), jinej (37), velkej (41), mladej (57), malej (74), celej (78), stejnej (96), špatnej (100). M.Kopřivová (2006, s.17) ve své práci uvádí seznam 100 nejfrekventovanějších adjektivních lemmat vkorpusu SYN2000. Stejné, anebo podobné frekvenční pořadí se vyskytlo pouze uslov, která můžeme označit za jakési neutrální konstanty popisování kvality, případně relací. Partikule jsou oproti adjektivům univerzálnějšími komentátory promluvy, jejichž význam se konkretizuje až vkontextu— podstatné je, že se na rozdíl od adjektiv často vztahují kcelé promluvě ajsou jednoznačnější zhlediska postojů mluvčího. Podíváme-li se ovšem na zastoupení slovních druhů vPMK zhlediska počtu lemmat ve FSMČ znázorněného vgrafu 2, situace se jeví značně jinak. Zde dle očekávání uvrchu tabulky najdeme slovesa, substantiva, po nich frazémy, adjektiva, propria aadverbia. Utěchto slovních druhů se vyskytlo nejvíce různých slov, respektive jejich repertoár je nejpestřejší. Počet různých lemmat upartikulí je 400, atakto se partikule umístily vdolní části tabulky mezi číslovkami (NUM) acitoslovci (INT), předčí však zájmena (PRON; 249 lemmat) nebo předložky (PREP; 199lemmat) ahodně zaostávají za adverbii, unichž najdeme až 1324 různých lemmat. Těchto 400 různých lemmat partikulí představuje jen 1,32 % slovníku. Tato slova však, jak už víme, vykazují tak vysokou frekvenci, že partikule jsou celkově třetím nejfrekventovanějším slovním druhem vmluveném jazyce, respektive každým 8. slovem vpromluvě (13,51 % slovníku). Porovnáme-li partikule zobou zmíněných hledisek— frekvence tvarů afrekvence lemmat— například sčíslovkami, zjistíme, že 480 lemmat číslovek předstaGraf 2:Frekvence lemmat vPMK. OPEN ACCESS 96 STUDIE ZAPLIKOVANÉ LINGVISTIKY vuje 1,57 % slovníku, zhlediska frekvence jejich výskytu je však zastoupení číslovek podobné (1,42 %), ajde tedy na rozdíl od partikulí oslovní druh spoměrně dosti nízkou frekvencí. Porovnejme ještě ztohoto hlediska adverbia apartikule: 1324 všech lemmat adverbií tvoří 4,33 % slovníku (je jich tedy 3× více než partikulí), frekvence jejich tvarů je pak 8,47 % (více než otřetinu nižší než upartikulí). Uveďme nyní ještě prvních 20 nejfrekventovanějších slov / stylových lemmat doložených vPMK. 1. ten 40 271 11. tak 6 224 2. bejt 20 255 12. ale 6 022 3. a 19 590 13. tam 5 704 4. že 13 542 14. teda 4 276 5. já 8 743 15. prostě 3 924 6. mít 7 871 16. myslet si 3 263 7. no 7 785 17. nebo 3 262 8. v 7 716 18. třeba 3 186 9. na 7 067 19. s 3 151 10. jako 6717 20. protože 3 086 Tabulka 1:20 nejfrekventovanějších slov vPMK. Zautosémantik na seznamu najdeme pouze tři verba (bejt, mít amyslet si) ajedno adverbium (tam). Zjednoznačných synsémantik se zde nejvíce vyskytují partikule, asice čtyři (no, teda, třeba4 aprostě), dále tři prepozice (v, na as), dvě zájmena (ten ajá) advě spojky (nebo aprotože). Na frekvenci všech dalších pěti slov (a, že, jako, tak, ale) se však vrůzné, někdy ive větší míře (např.ujako), podílejí též partikule. Je třeba si uvědomit, že tato čísla jsou ve skutečnosti ještě vyšší, neboť se do nich promítají jen počty všech tvarů těchto slov izolovaně čili slovníkové lemma, ne však další kombinace lemmat. Atak např.sloveso bejt nezahrnuje celou řadu propozičních frazémů typu to je bezvadný, to je blbost, to je dobrý aspousty dalších, do frekvence spojky apartikule ase též nepromítají propoziční frazémy adost, ahotovo, aje to, atak dále, ašmytec atp. či víceslovné spojky aproto, apřitom, atak, do frekvence spojky apartikule že nejsou zahrnuty výrazy že jo, že ano, že ne, do počtu výskytů zájmena já se nepromítají propoziční frazémy já ne/vím, (co všechno) atp., partikule ainterjekce no nezahrnuje propoziční víceslovné partikule či frazémy no tak, no jo, no vidíš, no nazdar apod., sloveso mít je též základním komponentem spousty frazémů, např.mít ambice, mít co dělat, mít chuť, mít logiku, mít rád atd., prepozice vje součástí řady frazémů či víceslovných prepozic, např.vkaždým případě, vpodstatě, vpohodě, vprůměru, vtomhle směru, vzásadě, vžádným případě či vdůsledku, vporovnání s, vprůběhu, vpřípadě, stejně jako prepozice ainterjekce na, např.na co, na druhou stranu, na druhý straně, na první pohled, na úrovni či na konci, na počátku, na základě, partikule aspojka jako je též součástí víceslovných spojek jako dyby, jako když či frazému jako takovej, 4 Výraz třeba byl jen 58× anotován jako adverbium. OPEN ACCESS ANA ADAMOVIčOVá 103 3.3.1 LEMMATIZAcE SLOVNícH TVArŮ Při značkování korpusu anotátoři používali značkovací program EDITIN (Savický, 1994), který při lemmatizaci korpusu nabízel tři kroky: 1. upravený textový tvar umožňoval opravit případné evidentní překlepy, 2. zavést stylové lemma, což je pak převedení tvaru na základní, standardizovanou normu (infinitiv uslovesa, 1. pád ujmen, pozitiv uadjektiv aadverbií, nevokalizovaný tvar upředložek), a3. dodat pro srovnání spisovné lemma, které reprezentuje základní tvar ve spisovné podobě, což je důležité zvláště jako společný jmenovatel umožňující souhrnné statistiky všech stylů dohromady. Vpřípadě partikulí se spisovná podoba uváděla jen uněkterých variant (např.obzvlášť, tedy, teď apod.). Některé tvary jako například furt spisovnou podobu nemají (spisovná synonyma se zásadně nepoužívala), atak se jako spisovné lemma uvádí tento tvar. 1. upravený textový tvar předevšim furt tedy tea řikali bysme abysme 2. stylové lemma předevšim furt tedy teda řikat abysme 3. spisovné lemma především furt tedy tedy říkat abychom Tabulka 6:Příklady lemmatizace tvarů. Slovníkové lemma představuje pak souhrn více frekventovaných tvarů lemmat. Například tvar bez kvantity předevšim se vyskytuje stejně často jako především, avšak po zohlednění 6. pozice kódovníku— stylová charakteristika slova (viz níže), která se vposlední fázi určování výsledné podoby lemmatu stala rozhodujícím třídicím kritériem odrážejícím celkový styl promluvy, se varianta bez kvantity stala slovníkovým lemmatem. Uřady dalších tvarů byla situace mnohem jednodušší: teda se vyskytuje 10× častěji než tedy, prej 26× častěji než prý, atak se jako slovníkové lemma— standardní tvar mluveného jazyka— vtěchto adalších podobných případech uvádějí lemmata předevšim, teda, prej. 3.4 PArTIKULE PODLE KÓDOVNíKU PMK Kódovník, na jehož základě proběhla ruční anotace celého materiálu, pro slovní druh částice obsahuje 6 pozic: na 1. pozici se značí slovní druh, tedy partikule, na 2. pozici druh partikulí (bližší určení jejich původu), na 3. pozici třída (informace ojejich funkcích, případně jejich sémantických vlastnostech), na 4. pozici valence (respektive místo výskytu částice vpromluvě), na 5. pozici modus věty (oznamovací, tázací, zvolací), vníž se partikule objevuje, ana 6. pozici stylová charakteristika partikulí (odráží stylovou charakteristiku toho kterého slova spřihlédnutím kcelkovému vyznění promluvy). První ašestá pozice jsou pro všechny slovní druhy stejné. Nyní se ještě blíže podíváme na druhou pozici vkódovníku. OPEN ACCESS 104 STUDIE ZAPLIKOVANÉ LINGVISTIKY 3.4.1 DrUH PArTIKULí Na druhé pozici, jak je patrno zníže uvedeného seznamu, rozlišujeme 5 podtříd: 1.vlastní, nehomonymní partikule: ať, asi, prej, 2. partikule homonymní sadverbiem: jistě, klidně, stejně, dovopravdy, zvlášť, jen, 3. partikule homonymní se spojkou: však, tedy, 4. jiné partikule, ato a) homonymní se substantivem nebo jeho předložkovým pádem: fakt, celkem, například, dokonce, b) homonymní se zájmenem nebo jeho předložkovým pádem: což, copak, vono (von, voni), to, ovšem, c) homonymní se slovesným tvarem: myslím, prosím, d) mající formu adverbia, ale nehomonymní sadverbiem užívaným jako deadjektivní adverbiale: hlavně, vlastně, e) homonymní scitoslovcem nebo citoslovečným frazémem: vid’, víš, bohužel, f) jinojazyčného původu: holt, kór, 5.partikule víceslovné: že jo, dejme tomu, no tak, nějak tak, (k)dyž tak, když už, přece jenom, hlavně že. Vyjdeme-li ztohoto popisu, zcelkového počtu 269 stylových lemmat se vyskytlo jen 20 vlastních partikulí (např.asi, taky, vůbec, spíš, právě, snad, dyť, aspoň, totiž, přece, prej, teprve), což je jen oněco málo přes 7 % zkoumaného materiálu. Uplatníme- -li však kontextové kritérium, nehomonymních jednoslovných partikulí se vyskytlo mnohem více— 85. Všech dalších 65 lemmat partikulí, které jsou svým původem sice obecně homonymní sdalšími slovními druhy, se však vkontextu pořízených promluv vyskytlo pouze ve funkci partikule, atudíž vnašem materiálu nejsou homonymní co do své funkce sdalšími slovními druhy, atak bychom zhlediska úzu, okterý nám hlavně jde, na ně měli nazírat jako na partikule vlastní. Jsou to např.partikule bohužel, bohudík, celkem, dokonce, dovopravdy, hlavně, jakoby, jaksi, každopádně, koneckonců, kór, kupodivu, mimochodem, obzvlášť, popřípadě adalší. Vtomto bodě se tedy rozcházíme skódovníkem. Do této klasifikace se promítá hned několik rovin: sémantika, etymologie, forma, funkce aúzus (pragmatika), přičemž se vněkterých bodech některé roviny prolínají. Funkčně-sémantické hledisko se vztahuje kbodu 2, funkční kbodu 3, bod 4 je ztohoto hlediska nejpestřejší: na spřežky zbodů a) ab) se uplatňuje hledisko etymologické, vbodě d) dominuje formální hledisko, vbodě e) zase funkční, zatímco vbodě f) etymologie. Pragmatika se samozřejmě týká všech bodů aje rozhodujícím kritériem, na jehož základě můžeme sjistotou určit, zda se jedná opartikuli, anebo oněkterý zdalších homonymních slovních druhů. Pro naši analýzu je právě toto hledisko klíčové. Kpřeřazení zhruba dalších dvou třetin partikulí do kategorie „vlastní“ nás tedy vede skutečnost, že vycházíme pouze zfunkcí aužití partikulí skutečně doložených vPMK (např.bohužel se ve funkci interjekce vůbec nevyskytuje). Dále se domníváme, že ze synchronního hlediska homonymie některých zvýše zmíněných slov má ryze formální charakter (např.homonymie se substantivy udokonce, naštěstí, například), atudíž není pro naše účely prvoplánová. Tímto synchronním přístupem oproštěným od etymologického anebo diachronního hlediska značně rozšiřujeme seznam vlastních partikulí. Tento posun, který především závisí na kontextu apragmatice, je bezesporu důkazem toho, že se třída partikulí pozvolna rozrůstá. Dalo by se zde právem namítnout, že „nehomonymnost“ některých zvýše zmíněných partikulí „platí“ jen pro materiál doložený vPMK. Ano, lze připustit, že je to pravda. Budeme-li se však držet materiálu, musíme zároveň uznat, že jde ovelmi výraznou tendenci, kterou je OPEN ACCESS ANA ADAMOVIčOVá 105 třeba jasně pojmenovat. Kontextové hledisko je rozhodující amělo by mít poslední slovo. Zastáváme-li toto hledisko, pak mezi nehomonymní partikule musíme zařadit ještě dalších 9 hapaxů: bohudíky, cožpak, div, neřkuli, pranic, přinejlepšim, vopravdicky, zaboha azhola aněkolik dalších víceslovných hapaxů zmíněných výše. Dále bych se ještě chtěla zastavit utermínu „vlastní“ ve smyslu „původní“, který zde asociuje, či spíše přímo koresponduje stermínem vlastní předložky, tedy předložky původní. Pokud jsme třídu vlastních partikulí rozšířili ořadu příkladů doložených materiálem, vtomto rozšířeném přístupu ktéto třídě bych pro ni spíše navrhla termín primární, tj.partikule nehomonymní zhlediska užití. Pak se přímo nabízí itermín sekundární, tj.partikule homonymní sdalšími slovními druhy. Mezi vlastními (či primárními) partikulemi najdeme tedy ipartikule bohužel, dovopravdy, naštěstí, dokonce, ovšem, vlastně, halt, kór, teda/tedy, však apod. Grafy 5 a6 znázorňují frekvenci lemmat atvarů partikulí vkontextu promluvy. Zhruba polovina lemmat a dvě třetiny tvarů partikulí doložených vPMK jsou homonymní slemmaty atvary dalších slovních druhů. Graf 5:Frekvence lemmat vlastních ahomonymních partikulí. Graf 6:Frekvence tvarů vlastních ahomonymních partikulí. OPEN ACCESS 106 STUDIE ZAPLIKOVANÉ LINGVISTIKY Dále jsme zkoumali podíl partikulí homonymních sdalšími slovními druhy. Ze všech typů partikulí homonymních sdalšími slovními druhy jsou na prvním místě partikule homonymní sadverbii.8 Je to zároveň po vlastních jednoslovných partikulích druhá nejpočetnější skupina, vyjdeme-li zcelého materiálu (23 %). 8 Ktomu detailněji Adamovičová (2014). Graf 7:Frekvence lemmat partikulí homonymních sdalšími slovními druhy. Graf 8:Frekvence tvarů jednotlivých druhů partikulí. OPEN ACCESS ANA ADAMOVIčOVá 107 Na závěr se ještě podíváme na frekvenci tvarů jednotlivých druhů partikulí. Izde se vpromluvě nejčastěji vyskytují vlastní jednoslovné partikule. Zpartikulí homonymních sdalšími slovními druhy jsou nejvíce zastoupeny partikule homonymní sadverbii, spojkami acitoslovci. Součet tvarů těchto čtyř skupin dohromady představuje 86,5 % výskytu všech typů partikulí vpromluvě. Za výraznější skupinu lze ještě považovat vlastní víceslovné partikule (6,16 %), zatímco poslední čtyři typy— partikule homonymní zároveň svíce slovními druhy, dále se zájmeny, verby afrazémy, představují co do frekvence svých tvarů spíše marginální skupinu. 4 ZÁVĚR Ztohoto krátkého nástinu výskytu partikulí vPMK plyne hned několik závěrů. Partikule jsou nesmírně frekventovaným slovním druhem, kterému doposud nebyla věnována patřičná asystematická pozornost ve světle nových možností, jež poskytuje korpusové zpracování dat. Nyní se poprvé na partikule můžeme dívat vautentickém kontextu, tam, kde se přirozeně vyskytují akde často ivznikají. Detailní popis výskytu asouvýskytu partikulí, jejich funkce apozice vpromluvě pomůže však při jejich lepší klasifikaci, která by se měla odrazit jak vlépe propracovaných trénovacích souborech pro automatickou anotaci, tak ivlexikografické praxi avneposlední řadě také při výuce češtiny jako cizího jazyka. Všechny tyto tři oblasti jsou mimořádně důležité. Automatická anotace partikulí má zatím velmi nízkou úspěšnost, zpracování tohoto slovního druhu vpříručkách aslovnících je doposud nedostačující, sčímž přímo souvisí ijeho nedostatečné anesystematické zapojování do učebnic češtiny pro nerodilé mluvčí aobecně zřejmě ido výukového procesu. Nemám přitom na mysli jen jazyk mluvený, nýbrž ijazyk psaný. Vyčerpávající popis kontextového výskytu partikulí ajejich klasifikace by měly zaplnit všechny výše uvedené mezery. LITERATURA: Adamovičová, Ana— Čermák, František— Pešička, Jiří (2008): Čítanka mluvené češtiny. Praha: Karolinum. Adamovičová, Ana (2014): Partikule vs. adverbia— rozpoznání slovního druhu. In: Vladimír Petkevič— Ana Adamovičová— Václav Cvrček (eds.), Radost zjazyků: Sborník příspěvků k75. narozeninám prof. Františka Čermáka. Praha: Nakladatelství Lidové noviny, s.188–200. Bauer, Jaroslav— Grepl, Miroslav (1972): Skladba spisovné češtiny. Praha: Státní pedagogické nakladatelství. Bonifazi, Anna— Drummen, Annemieke— de Kreij, Mark (2016): Particles in Ancient Greek Discourse [online]. Boston, MA: Center for Hellenic Studies, Harvard University. Cit.12.6.2017. Dostupné zWWW: <https:// kleos.chs.harvard.edu/?p=5982>. Čermák, František (2008): Partikule, jejich syntagmatika akumulace vmluvené češtině. In: Marie Kopřivová— Martina Waclawičová (eds.), Čeština vmluveném korpusu. Praha: Nakladatelství Lidové noviny, s.63–74. Čermák, František (2011): Jazyk ajazykověda: Přehled aslovníky. Praha: Karolinum. OPEN ACCESS 108 STUDIE ZAPLIKOVANÉ LINGVISTIKY de Saussure, Ferdinand (1996): Kurs obecné lingvistiky. Praha: Academia. ESČ: Karlík, Petr— Nekula, Marek— Pleskalová, Jana (eds.) (2002): Encyklopedický slovník češtiny. Praha: Nakladatelství Lidové noviny. FSMČ: Čermák, František et al. (2007): Frekvenční slovník mluvené češtiny. Praha: Karolinum. Grepl, Miroslav (2011): Co děláme, když mluvíme. In: Miroslav Grepl, Jak dál vsyntaxi. Brno: Host, s.61–106. Hlaváčková, Dana— Osolsobě, Klára (2008): Morfologické značkování mluvených korpusů, zkušenosti aotevřené otázky. In: Marie Kopřivová— Martina Waclawičová (eds.), Čeština vmluveném korpusu. Praha: Nakladatelství Lidové noviny, s.105–114. Jelínek, Jaroslav— Bečka, Josef Václav— Těšitelová, Marie (1961): Frekvence slov, slovních druhů atvarů včeském jazyce. Praha: Státní pedagogické nakladatelství. Kopřivová, Marie (2006): Valence českých adjektiv. Praha: Nakladatelství Lidové noviny. MČ2: Komárek, Miroslav— Kořenský, Jan— Petr, Jan— Veselková, Jarmila (eds.) (1986): Mluvnice češtiny: 2, Tvarosloví. Praha: Academia. PMČ: Karlík, Petr— Nekula, Marek— Rusínová, Zdenka (eds.) (1995): Příruční mluvnice češtiny. Praha: Nakladatelství Lidové noviny. Uličný, Oldřich (1986): Částice. In: Miroslav Komárek— Jan Kořenský— Jan Petr— Jarmila Veselková (eds.), Mluvnice češtiny: 2, Tvarosloví. Praha: Academia, s.228–238. Vondráček, Miloslav (1998): Citoslovce ačástice— hranice slovního druhu. Naše řeč, 81(1), s.29–37. Wittgenstein, Ludwig (1993): Filosofická zkoumání. Praha: Filosofia. Ana Adamovičová | Ústav bohemistických studií FF UK <[email protected]> OPEN ACCESS