„Dabartinės rašomosios lietuvių kalbos dažninis žodynas“ ir jo bazė

ACTA LINGUISTICA LITHUANICA XLVI (2002), 19 -37 Il dizionario di uso comune della lingua lituana scritta attuale e la sua base LAIMAGRUMADIENE Lietuviy kalbos institutas Esistono poche banche dati elettroniche per il lituano. I più grandi sono il Dizionario di frequenza del lituano scritto moderno, compilato da V. Zilinskiene e L. Grumadiene, e il Corpus di lingua lituana dell'Università di Kaunas. Il primo è presentato in dettaglio qui: i principi della sua compilazione e i suoi possibili usi sono discussi, e i lavori finora pubblicati in linguistica statistica basati su di esso sono brevemente caratterizzati. I principali problemi connessi alle banche dati per il lituano moderno sono: (1) la loro insufficiente differenziazione (rifletteno solo la lingua scritta, non quella parlata), (2) il loro uso non ottimale, poiché la comunità accademica lituana non ha la preparazione necessaria per lavorare con tali strumenti, e (3) il fatto che gli sforzi degli studiosi che le compilano ricevono troppo poco riconoscimento pubblico e non sono valutati come risultati accademici originali. 1. INVECCHIAMENTO DELLE BANCHE DATI ELETTRONICHE Proprio adesso la linguistica lituana è come se si fosse fermata sul banco della tigre: i lavori di rilievo, nati soprattutto sotto l’impulso dello strutturalismo, sono già stati scritti, ma nell’aria si respira l’attesa di nuovi lavori, non meno importanti. Ciò richiede non solo un approccio diverso ai fenomeni linguistici, ma anche nuovi metodi e strumenti di lavoro non ancora testati. Nell’era delle tecnologie dell’informazione, i nuovi strumenti di lavoro dei linguisti sono spesso collegati a banche dati elettroniche, che a loro volta sono collegate a pubblicazioni linguistiche statistiche. Sembrerebbe ovvio che vi sia una differenza tra le due, in quanto le banche dati elettroniche sono dinamiche e possono essere consultate in modo autonomo, mentre le pubblicazioni sono statiche e costituiscono un semplice insieme di dati forniti su richiesta degli autori. Tuttavia, in passato, e talvolta anche oggi in Lituania, tali banche dati e pubblicazioni sono state o sono identificate. Questo è dimostrato dalla storia dei dizionari inversi (chiamati anche inversi). Il primo dizionario inverso lituano, preparato dall’americano David F. Robinson (1976) sulla base dell’edizione del 1954 del DLKZ, comprendeva circa 45 000 parole, forse non aveva nemmeno una propria base elettronica, almeno l’autore non ne fa menzione. Inoltre, a quei tempi, una tale base elettronica non sarebbe stata nemmeno disponibile in Lituania, poiché il dizionario stesso era stato sfogliato da pochi, poiché era stato pubblicato in America in piccola tiratura. Juozas Korsakas di Šiauliai (1991) ha preparato un inverso della lingua lituana su base selettiva 20 | LAIMA GRUMADIENĖ, che comprende quasi 22 000 parole, si basava anch’esso sul DLKŽ, ma già nell’edizione del 1972. Il lavoro è stato svolto utilizzando una banca dati elettronica che ha creato, ma quest'ultima non è di dominio pubblico (probabilmente per motivi tecnici) e quindi disponibile solo sotto forma di libro stampato. Il dizionario retrospettivo della lingua lituana moderna di Vida Žilinskienė (1995) non è solo una riscrittura del DLKŽ, poiché le parole sono presentate in ordine inverso, suddivise per parti della lingua, con l'aggiunta di un'analisi statistica. Attualmente è disponibile essenzialmente solo in versione cartacea, anche se esiste anche una versione elettronica. È stato usato relativamente poco (gruppo di lavoro guidato da E. Jakaitienė per la stesura del dizionario lituano-norvegese, articoli di Daiva Murmulaitytė (1998, 1999 e altri)). Tra l’altro, quest’ultimo dizionario e l’analisi sono stati preparati utilizzando la versione computerizzata del DLKŽ (1993) e la sua analisi statistica, e non, come indica Rūta Marcinkevičienė (2000a: 16) nella sua recensione, la base del Dizionario frequente della lingua lituana scritta attuale (Grumadienė, Žilinskienė 1997; 1998). La versione elettronica della DLKŽ (edizione del 1993) prodotta grazie agli sforzi congiunti degli scienziati dell'Istituto di Matematica e Informatica e dell'Istituto di Lingua Lituana è stata distribuita in modo limitato (1995), semplicemente perché non si aveva il diritto di distribuire le pubblicazioni in formato elettronico. Ora l'Istituto della Lingua Lituana ha ripreso il DLKŽ, ma già nel 2000 l'edizione, computerizzata (diretta da Stasys Keinys), ha ricevuto il sostegno finanziario della Fondazione per la Scienza Lituana. Come è noto, le edizioni del 1993 e del 2000 del DLCZ differiscono poco, per cui è sconcertante il fatto che si sia deciso di non utilizzare la precedente versione elettronica semplicemente perché è stata preparata in un ambiente DOS ormai moralmente obsoleto e sulla base di FOXPRO: si è ricominciato a scannerizzare con un computer il testo elettronico già disponibile, che richiede solo piccole correzioni, aumentando così i costi di lavoro e i costi. Forse anche l'analisi statistica dovrà essere rifatta? Tuttavia, proprio come la versione informatizzata dell'edizione del 1993 della DLCZ, molte banche dati elettroniche stanno diventando obsolete e occorre pertanto preoccuparsi della loro manutenzione. Come nel caso della versione elettronica degli LEP (1993), non si verificherà forse che le banche dati elettroniche, costose e potenzialmente innovative, non siano più apprezzate dagli istituti in questione? Gli studiosi lituani dovrebbero trovare un accordo su banche dati elettroniche che utilizzino caratteri specifici, ad esempio testi di scritture antiche e trascrizioni di dialetti, perché già ora gli articoli contenenti esempi di questo tipo devono essere riselezionati se, per una ragione o per l'altra, si decide di inviarli non alle pubblicazioni dell'Istituto della lingua lituana, per esempio, ma a una delle redazioni delle pubblicazioni dell'Università di Vilnius. I dizionari dialettali e i testi dialettali pubblicati oggi, anche se in forma elettronica, sono solo un segno della modernizzazione della tipografia, perché non è possibile utilizzare i loro testi come banche dati elettroniche. Pertanto, in assenza di un accordo tra i lituani su un sistema comune di codifica (ad esempio, UNICODE o altro), l'accesso pubblico alle banche dati elettroniche è molto difficile, per non parlare del fatto che l'uso delle tecnologie elettroniche e dei programmi per la loro analisi è molto limitato e talvolta impossibile. Ce ne sono così tante che non possiamo comprenderle tutte? Il problema è che né i linguisti né i tecnici informatici che li assistono hanno ancora compreso appieno che le banche dati devono essere dinamiche, che devono essere in grado di gestire la moltitudine di nuove applicazioni e tecnologie che emergono e che devono essere in grado di essere aggiornate. Finora, la maggior parte dei database elettronici creati in Lituania sono stati creati come se fossero gli stessi fogli con DIZZIONARIO FREQUENZIALE DELLA LINGUA CONTEMPORANEA E LA SUA BASE |21 dati di lingua, raccolti solo dalla tastiera del computer. Presto questi dati potrebbero essere come la scrittura dentaria scolpita nella pietra: la nuova generazione di schermi di computer mostrerà solo “marchette” e “quadrati” che i linguisti del futuro potranno decifrare senza confrontare la lettura delle rune. Finora le discussioni su questo tema sono state sterili, ma sembra che non si debba perdere la speranza e che valga la pena invitare nuovamente alla discussione e alla concertazione. A proposito, si noti che i termini: BASE, BANCA, TESTO (CORPO), ARCHIVIO, si riferiscono a forme elettroniche. Il più alla moda di questi è il TESSUTO (CORPO). È definito in modo diverso, ma comune a tutte le definizioni è che il TESTO è considerato un insieme di testi in forma elettronica, quindi spesso quasi tutto ciò che prima era chiamato database è diventato testo (poiché la dimensione dei singoli testi non è regolamentata). Il termine BANCA TERMINI è spesso associato alla terminologia: in genere le banche termini non vengono chiamate manuali. Oggi il termine ARCHIVIO è sempre più associato alla dimensione temporale: un archivio elettronico di vecchi dati può essere chiamato archivio o banca dati. Quindi il termine più neutro rimane BASE DI DATI ELETTRONICA, che è il più comunemente usato qui. (cfr. Kennedy 1998: 3 pp. ). 2. LINGUE ELETTRONICHE CONTEMPORANEE Attualmente non esiste una sovrabbondanza di banche dati in lingua lituana in formato elettronico. Di conseguenza, le pubblicazioni linguistiche statistiche sono scarse, mentre i metodi linguistici statistici sono usati un po' più spesso. Qui si distingue solo la fonetica e la fonologia basata sui suoi risultati. Forse questo è accaduto a causa della natura stessa della fonetica, cioè perché la ripetizione frequente delle stesse unità — dei suoni — porta semplicemente a conclusioni basate sulla statistica, o forse a causa di fattori soggettivi, cioè a causa della comparsa di ricercatori del pensiero innovativo: in primo luogo Aleksas Girdenis e i suoi allievi, così come Antanas Pakerys. In ogni caso, entrambi questi fattori hanno portato a un salto nella fonetica e nella fonologia lituana e persino a una sorta di distacco dalle altre branche della linguistica. È vero, la fonetica stessa è un'area intermedia tra le scienze esatte e la linguistica. Un'altra area della linguistica che si occupa della frequenza delle unità ripetitive è la morfologia. Sarebbe quindi logico supporre che, soprattutto in questo campo, si debba già operare con dati statistici linguistici e banche dati elettroniche. Finora non è ancora accaduto, sebbene il lavoro e gli strumenti di lavoro siano già disponibili. Il primo lavoro linguistico-statistico sulla lessicologia e la morfologia in Lituania, utilizzando l'ESM, è stato preparato da Vida Žilinskienė (1990). Il suo dizionario di uso comune della lingua lituana si basa sui dati di uno degli stili funzionali — la publicistica — e contiene un’analisi dell’uso di 300.000 parole (cioè sia lessimi uguali che diversi, e ce ne sono stati 18.776, dopo aver rifiutato di studiare ulteriormente 11.956 parole verificate a causa delle regole generalmente accettate per la compilazione dei dizionari di uso comune). Tutti i testi continui, costituiti da frammenti (campioni) di 1000 parole ciascuno, sono stati analizzati morfologicamente, trascritti, poi perforati e inseriti in ESM “Minsk-22” ormai obsoleti e non più in uso. La banca dati elettronica esiste, ma sarebbe già molto difficile da utilizzare. Purtroppo, l’analisi testuale e linguistico-statistica di una delle varianti attuali della lingua lituana – la publicistica – non è stata finora utilizzata adeguatamente né per scopi scientifici né pratici, in particolare per la stesura di libri di testo e dizionari didattici. Uno dei mezzi elettronici preparati (partecipazione inter- 22 | LAIMA Esempi di lavori di morfologia sincrona esaminati potrebbero essere la tesi di dottorato di Ineta Savickienė (1999) dedicata alla morfologia del linguaggio infantile. Tra l’altro, è opportuno ricordare che altri lavori basati su dati linguistico-statistici, in particolare quelli di Audronė Bitinienė (1983, 1997, 1998 e altri), riguardanti altre consonanti, stilistica e in parte sintassi, la cui frequenza delle unità è molto più bassa, sono apparsi già qualche decennio fa. Esiste già un altro tentativo di studiare il lessico attuale, basato su dati linguistico-statistici. Recentemente, tali lavori sono stati svolti principalmente sulla base del corpus della lingua lituana contemporanea (circa 60.000.000 di parole) dell'Università Vytautas Magnus (ad esempio, le ricerche sulle collocazioni di Rūta Marcinkevičienė (2000a; 2000b), la tesi di dottorato di Jurgita Mikelionienė (2000) sui neologismi, ecc.). Sulla base di piccole banche dati elettroniche vengono preparati sempre più lavori di lessicologia, a volte piuttosto specifici, come la tesi di dottorato di Asta Rykliene (2000) sul lessico utilizzato dai browser Internet e la sua creazione, ma in generale tali lavori sono pochi, gli studenti sono scarsamente coinvolti in questo processo (ad eccezione almeno dell'Università Vytautas Didysis). Il gruppo guidato da Antanas Pakerius dell’Università Pedagogica di Vilnius sta ultimando la base elettronica per l’analisi del lessico, quindi forse anche qui aumenteranno i lavori degli studenti di questo tipo. Questo articolo si limita a descrivere gli strumenti di lavoro necessari per la ricerca della lingua lituana scritta attuale, e quindi non discute la già estesa serie di ricerche sulle antiche scritture, basate sulla propria banca dati elettronica dell'Istituto della lingua lituana. La creazione di banche dati elettroniche darà senza dubbio un nuovo impulso alla dialettologia lituana: l’Istituto della lingua lituana sta già preparando la creazione di un Centro dei dialetti, in cui verranno preparate in forma elettronica le registrazioni dei dialetti e decifrati i testi trascritti. Nello stesso istituto sono stati avviati i lavori per la creazione di una banca dati elettronica di onomastica e toponimia. La banca dati elettronica del grande dizionario della lingua lituana, già in fase di preparazione, dovrebbe rappresentare una vera svolta nella lessicografia lituana, e molte aspettative sono riposte anche nella banca dati elettronica del dizionario generale della lingua lituana. I docenti dell’Università di Vilnius, guidati da Evaldas Jakaitienė, sono coinvolti in uno dei progetti dell’Unione Europea e stanno preparando la cosiddetta lista elettronica universale delle parole della lingua lituana, sulla cui base dovrebbe nascere una nuova serie di dizionari bilingue. In una certa misura, è una concorrenza per la casa editrice del Dizionario generale della lingua lituana. Soprattutto grazie alle forze della Commissione Nazionale della Lingua Lituana, su sollecitazione dell’Unione Europea, sono stati preparati i cosiddetti Portfolio elettronici dei Termini o delle Parole Straniere, una sorta di elenchi di campioni dei termini e delle parole più recenti e di uso molto frequente in vari settori, distribuiti dall’Unione Europea a tutti i suoi membri e candidati, affinché le lingue possano adattarsi e prepararsi all’ondata crescente di traduzioni, nonché alla traduzione automatica. Un gruppo di ricercatori dell’Università di Vilnius (a capo di Meilutė Ramonienė) ha avviato la creazione di una banca dati elettronica della lingua parlata attuale, come quella polacca, sulla base di registrazioni radiofoniche e televisive. Nella stessa università si sta preparando una banca dati elettronica degli slavismi (direttore Vytautas Kardelis), che dovrebbe contenere sia registrazioni audio che esempi scelti e trascritti da esse. L'esperienza dimostra che i risultati si ottengono solo se si impara a lavorare con questo tipo di dati e a sfruttare le nuove opportunità. A questo scopo servono laboratori in cui questo sia insegnato, preferibilmente fin dalla tenera età. La natura stessa delle banche dati elettroniche presuppone la pubblicità e, una volta organizzate, dovrebbero essere accessibili a chiunque ne abbia bisogno. La più grande raccolta di dati sulla lingua lituana è l'Istituto della lingua lituana. Il Dizionario della lingua lituana è il più grande dizionario della lingua lituana e, pertanto, con la sua modernizzazione, dovrebbe diventare il più grande centro di preparazione di banche dati elettroniche della lingua lituana, la fonte del loro uso pubblico, il centro di attrazione e di irradiazione di questo tipo di lavori e di idee — forse questo ruolo sarà svolto dal Centro di lituanistica istituito sulla base dell’Istituto della lingua lituana? Le banche dati elettroniche che verranno messe online diventeranno ancora più aperte. A proposito, il luogo in cui si utilizza il computer non è più importante quando si ha accesso a Internet, ma solo ciò che è collegato a Internet. Ma questi sono piani per il futuro. Finora in Lituania non è stata legalizzata la pubblicazione di lavori linguistico-statistici in formato elettronico, non è stata armonizzata la questione dei diritti d’autore, per cui tali lavori stampati su carta rimangono rilevanti. Tuttavia, le banche dati elettroniche e le pubblicazioni linguistiche statistiche sono fondamentalmente diverse, e queste ultime sono solo la punta dell'iceberg. Qui di seguito viene discusso un argomento specifico: il rapporto tra le banche dati elettroniche della lingua lituana scritta attuale e i dizionari linguistico-statistici. Questi ultimi non possono esistere senza una base di dati, ma le possibilità offerte da una base di dati vanno ben oltre la pubblicazione di dizionari. 3. LETTERATURA ELETTRONICA CONTEMPORANEA Le banche dati linguistiche elettroniche si distinguono ovviamente dagli altri tipi di raccolta di dati linguistici soprattutto per la loro forma elettronica e per la specificità dell’uso delle tecnologie informatiche ad esse associate. L'avvento delle banche dati elettroniche ha aperto possibilità completamente nuove per lo studio della lingua, ma non sono legate solo all'avvento dei moderni supporti elettronici. Il fatto che strumenti diversi producano risultati sostanzialmente simili, in particolare per quanto riguarda le forme grammaticali frequenti e le caratteristiche dei lessimi, dimostra che esistono notevoli similitudini tra le moderne banche dati elettroniche e le loro analoghe molto più antiche. In Francia, la casa editrice Larousse ha cominciato a utilizzare la cartografia di massa (macchine elettroniche di calcolo di vecchia generazione, ESM) per la produzione di dizionari già dal 1956 (Rozencvejg 1986: 82). La questione di come costruire moderne banche dati linguistiche elettroniche è sorta, da un lato, perché con l’avvento delle nuove tecnologie è diventato possibile gestire grandi quantità di informazioni, e dall’altro perché il testo utilizzato per illustrare una singola parola (cioè il suo contesto) è diventato sempre più grande. Ciò ha aperto nuove opportunità per studiare le presupposizioni di una parola e, successivamente, di unità linguistiche più grandi, e quindi la sintassi, la semantica. L'ammirazione per i passaggi di testo sempre più lunghi si è estesa a testi completi, fino a quando non è stata frenata dal costo dei diritti d'autore. D’altra parte, l’invenzione di Gutenberg è stata probabilmente accompagnata dall’avvento dei computer e, soprattutto, dalla loro diffusione a una velocità senza precedenti, per cui la progressione geometrica dei vari contatti a distanza tra gli esseri umani, sia tra parlanti della stessa lingua che tra parlanti di lingue diverse, ha creato un’urgente richiesta sociale di ottenere informazioni statistiche di vario genere relative alla lingua, al fine di automatizzare il maggior numero possibile di processi di comunicazione: apprendimento delle lingue, traduzione, riconoscimento, compressione, trasferimento di informazioni, ecc. La linguistica lituana non è rimasta al di fuori di questo processo generale, solo che, naturalmente, è rimasta molto indietro rispetto al tempo. Nel corso del XX secolo, e soprattutto nella seconda metà, il mondo sembrava già in procinto di compiere un nuovo salto. Prima di tutto, questi erano dizionari di lingue comuni. I primi apparvero nel XIX secolo. 24 | LAIMA GRUMADIEN alla fine —inizio del XX secolo. Il primo di questi è quello del tedesco, compilato dallo stenografo E. Kaeding (1898) sulla base di 11.000.000 di parole usate. Molto più tardi, Vander Beke (1929) pubblicò un dizionario francese di questo tipo. Eaton (1934) ha compilato un dizionario comparativo delle prime 1000 parole più comuni in quattro lingue: inglese, francese, tedesco e spagnolo. Il primo dizionario comune di inglese fu scritto da E. Thorndike e L. Lorge (1944), quello di spagnolo da V. Giuseppe Garibaldi (1953). Il primo dizionario comune della lingua russa in America è stato preparato da H. Josselson (1953), mentre N. P. Vachar (1966), sempre in America, ha pubblicato un dizionario comune della lingua russa parlata del periodo sovietico, ma in sostanza è stato preparato solo sulla base della lingua delle opere teatrali. E. Steinfeldt (1963) ha pubblicato a Tallinn un dizionario comune della lingua di Puskin. Sulla base di un corpus di 1.000.000 di parole, composto per la metà da letteratura di fantasia e per l'altra metà da prosa informativa (giornalismo, letteratura di cancelleria e letteratura scientifica), L. Lonngren (1993) ha compilato un dizionario comune della lingua russa a Uppsala. I primi dizionari generici non solo del russo, ma anche del rumeno e dell’italiano furono preparati in America — di A. Juillard, P. M. Edwards, I. Juillard (1965), A. Juillard, V. Traversa (1973) (tra l’altro, A. Juillard, E. Ch. Rodrigues (1964) aveva già prodotto un altro dizionario comune dello spagnolo, seguito da un altro di J. R. Alameda ed E. Cuetos (1995). Un’intera serie di dizionari di uso comune si basava sul concetto di stili funzionali del linguaggio del Circolo linguistico di Praga, così come sul concetto di lingua comune di Boris Larin: il primo, come si addice, era quello della lingua ceca, prima di stili funzionali separati e poi generale, scritto da un gruppo di autori guidato da Marie Těšitelová (J. Jelinek, J. V. Bečka e altri, vedi Těšitelova 1983). I lettoni, come i cechi, si affrettarono a preparare prima stili funzionali separati e poi un dizionario generale in due parti — T. Jakubaite, D. e Kristovska, D. 1966-1976: Gulevska, V. Ozola, R. Prūse, A. Rubine, N. Sika. La stessa metodologia è stata utilizzata da V. A. Agraev, V. V. Borodin, V. M. Muratova, E. V. Tisenko, sotto la guida di L. N. Zasorina (1977), per la preparazione di un dizionario comune della lingua russa moderna basato su 1.000.000 di parole di quattro stili funzionali. Solo uno stile funzionale — la letteratura di fantasia — è il dizionario comune della lingua bielorussa, preparato da N. S. Mazeika e A. J. Suprun (Mažejka, Suprun 1976). Un dizionario di vocaboli bulgari è stato pubblicato in stile giornalistico (Todorova, Pančovska 2001). Anche il primo dizionario della lingua lituana preparato da V. Žilinskienė (1990) era di un solo stile funzionale — di carattere giornalistico, nel lavoro si usava la stessa metodologia ceca, collaborando molto con i lettoni. Nel corso del tempo, anche se la lingua lituana non può vantarsene, nel mondo sono apparsi vari dizionari di uso comune: dizionari di singoli autori, di stili funzionali, di varietà di lingue regionali, di lingue scritte e parlate, ecc. I dizionari di frequenza della "lingua m in generale" non erano più funzionali, poiché erano necessari per scopi specifici, e quindi la selezione delle parole doveva essere fatta da testi di un determinato campo, piuttosto che da un insieme di testi. D'altra parte, il problema della compilazione di dizionari di uso comune "è entrato in un'altra dimensione" quando i comportamentisti e positivisti americani hanno trovato libri di testo elettronici alla ricerca di esempi di uso: la tecnologia elettronica si è sviluppata rapidamente, rendendo possibile non solo l'archiviazione, ma anche l'elaborazione di enormi masse di testi. La linguistica dei testi ha avuto inizio nel 1961, quando Nelson Francis e Henry Kučera annunciarono e cominciarono a sviluppare il famoso testo elettronico Brown della lingua scritta (Brown University), John Sinclair — lo stesso formato LOB (Lancaster-Oslo/Birmingham) — e il suo successore LOB2 (Lancaster-Oslo/Birmingham). Vocabolario della lingua moderna e la sua base |25 tyną; Nel 1959 Randolph Ouirk annunciò il progetto SEU (Survey of English Usage), seguito da Jan Svartvik che, all'Università di Lund, iniziò a sviluppare il progetto LLC (London-- Lund Corpus of Spoken English). Tutti questi testi contengono circa 1-1,15 milioni di parole, e sono stati seguiti da altri testi simili (vedi Aijmer, Altenberg 1991: 1tt.). Il volume dei testi della seconda generazione si conta in decine di milioni, della terza generazione – già in centinaia e migliaia. Nel mondo rimane attuale il problema della compatibilità del software informatico e dei singoli programmi di lavoro: sono già accumulati volumi di testi di dimensioni enormi – centinaia di milioni di parole (questa è essenzialmente la forma elettronica della biblioteca), ma come usarli comodamente, come contare le frequenze elementari, come non perdersi nell’oceano di parole? Dopo tutto, la quantità determina sempre la qualità? In molti dizionari di frequenza si è verificato che la metà delle parole studiate sono usate solo una volta. Pertanto, ogni volta che si inizia a lavorare, è necessario considerare attentamente se i compiti impostati richiedono davvero di lavorare con un'abbondanza di materiale, cercando le parole più rare. A volte, quando si studiano alcune regole grammaticali o di costruzione delle parole, è certamente irrazionale aumentare notevolmente la dimensione della popolazione di studio, tutto deve essere valutato anche con criteri statistici, dopo tutto mostreranno la probabilità quando il campione è sufficiente per trarre conclusioni rappresentative. Un'attenzione particolare va rivolta ai testi che costituiscono la popolazione di studio, ovvero al modo in cui viene costruito il modello dell'oggetto di studio. Nella linguistica lituana, probabilmente la maggior parte delle domande a questo proposito ora pone il problema di ciò che si considera la lingua lituana comune, in quali parti dovrebbero essere rappresentati gli stili linguistici funzionali o gli strati linguistici distinti secondo altri criteri. Ad esempio, il testo dell’Università Vytautas Didysis è stato compilato secondo alcuni principi di selezione, mentre quello del Dizionario comune della lingua lituana scritta attuale è stato compilato secondo altri principi, per cui i risultati sono diversi. I dati statistici relativi, ad esempio, a singole parti del linguaggio tratte da diversi testi devono essere valutati con molta attenzione e obiettività. Si è notato che nei lavori già scritti o in corso di scrittura di questo tipo non si presta sufficiente attenzione a quali testi sono stati studiati e si fanno generalizzazioni sulla “lingua lituana attuale”. Lavorare con i numeri richiede precisione, altrimenti si ottengono conclusioni fuorvianti. Il dizionario elettronico della lingua lituana scritta contemporanea (1,2 milioni di parole) è dedicato ai testi di prima generazione (tipo Brown, LOB) — oltre un milione di parole. A questi famosi testi è legato da un altro legame: come pochi altri testi successivi al mondo, il nostro è annotato. La tecnologia informatica ha dato alle lingue analitiche condizioni eccezionali: programmi speciali, ma abbastanza diffusi (soprattutto il famoso Oxford Concordance Program dell'Università di Oxford, così come KWIC, KAYE, CLAN, OCE, WordCruncher e altri) permettono di compilare abbastanza facilmente liste delle parole più comuni, fornendo le loro concordanze (Leech 1991: 10; Utka 2000). Questo tipo di software è usato anche dai ricercatori del corpus della lingua lituana contemporanea dell’Università Vytautas Magnus, ma in questo caso è possibile analizzare solo le parole, cioè il lessico, perché viene fornita la conoscenza della fine della parola, che, come sappiamo, è estremamente importante per la lingua lituana. Per le lingue sintetiche è quindi più difficile: i programmi descritti producono liste di forme di parole, non di parole-titolo. Ci vuole molto lavoro prima che le forme verbali vengano sottocognate e diventino solo parole di titolo. Tali elenchi di parole, che hanno anche un esame grammaticale, sono già chiamati annotati, nel mondo non ce ne sono molti, sono molto apprezzati perché richiedono notevoli costi di lavoro, quindi sono 26 | LAIMA GRUMADIENĖ sono molto costosi (noi con V. Žilinskienė abbiamo calcolato che nel nostro caso solo la selezione dei testi, la compilazione con la tastiera del computer, la loro analisi morfologica semiautomatica (il cosiddetto LEMAVIMAS), la correzione e l’inserimento dei dati nel computer richiederebbero sei anni di lavoro da parte di una persona). I calcoli e le successive correzioni richiedono di nuovo diversi anni, poiché qualsiasi imprecisione nell'esecuzione di operazioni matematiche può trasformarsi in assurdità. In generale, i dizionari di uso comune, specialmente con l'avvento dei dizionari elettronici, possono essere creati in molti modi diversi, a seconda di ciò che si sta cercando. La ragione principale per cui vengono creati sempre nuovi dizionari di uso comune, specialmente quelli che pretendono di essere, ad esempio, dizionari della lingua n attuale, è che la condizione fondamentale della statistica linguistica, come della statistica specifica, è che il campione debba essere un modello rappresentativo della popolazione oggetto di studio. In breve, si pone costantemente il dubbio che il campione esaminato rappresenti effettivamente l'intera popolazione. Ad esempio, il dizionario della lingua lituana contemporanea preparato dall’Università Vytautas Didysis, che contiene ben 60 milioni di parole, sarebbe diverso dai dizionari già pubblicati da L. Grumadienė e V. Žilinskienė (1997, 1998), perché i suoi risultati rifletterebbero l’insieme dei testi, che si basano per il 70% su pubblicazioni periodiche, 2696 su pubblicazioni non periodiche e per il 4% su traduzioni (Marcinkevičienė 2000a: 16). I testi dei dizionari pubblicati sono stati selezionati su una base completamente diversa: si tratta di testi originali, non di traduzione, di quattro stili linguistici funzionali: giornalistico, di cancelleria, letterario e scientifico. Ciò è stato fatto perché la lingua lituana comune, in particolare la lingua scritta, è ancora oggi formata, regolamentata e codificata nello spirito delle idee del circolo linguistico di Praga (tra l’altro, va notato che ora il termine stesso di STILE è definito in modo abbastanza diverso dalle diverse scuole di linguistica). Si sono seguiti i principi di altri compilatori di dizionari comuni, in particolare cechi, russi, lettoni, che si sono attenuti anche loro alla precedente definizione di lingua comune — somma di stili linguistici funzionali — e si è applicata la loro esperienza, quindi, come loro, sono state scelte 300.000 parole selezionate da quattro stili funzionali, perché si è ritenuto che per la lingua lituana scritta i principi di compilazione del testo dell’Università Vytautas Didysis (che, tra l’altro, è apparso più tardi del nostro) fossero ancora troppo prematuri, più vicini alla concezione americana di lingua comune (o standard, come è abituale lì). Nella banca dati del dizionario comune della lingua lituana scritta attuale a volte manca il lessico di uso quotidiano, perché si dimentica che esso si è formato solo sulla base della lingua scritta pubblica: non contiene né lettere private, né diari, né scritte murali o simili. Tuttavia, anche oggi, nel dizionario sono state inserite parole del linguaggio colloquiale, tra cui non solo strani termini, dialetti, ma anche esempi di lessico peggiorativo intollerabile nel linguaggio comune, per cui le autrici del dizionario sono costantemente rimproverate. Si pone la questione di ciò che si può considerare letteratura di fantasia: queste parole erano presenti in testi di letteratura di fantasia (in testi originali stampati in Lituania in più di 100 esemplari), e il postulato della compilazione di un dizionario comune è quello di non scartare alcuna parola significativa, a meno che non sia un numero, un'abbreviazione o un errore di correzione. Del resto, i dati mostrano che, selezionando campioni di 300.000 parole per ciascuno dei quattro stili funzionali, nello stile giornalistico sono state trovate 284.687 parole significative (15.313 cosiddette “spazzature”), nello stile tecnico — 279.505 (per le ragioni di cui sopra non inserite nel dizionario — 20.495), nello stile scientifico — 278.311 (21.689), in quello letterario — 290.561 (9.439). Il cuore non ha permesso di gettare la parola vera Lituania, quindi è come un'eccezione l'unico vero entrato nel dizionario (è, a quanto pare, la 16a parola per frequenza, la prima tra i sostantivi, la sua frequenza 5151 anche 614 campioni: qui ha determinato documenti ufficiali, Il suo nome è spesso tradotto come "il 27° giorno" o "il giorno del 27" (in riferimento al numero di giorni che precedono il 27 di marzo). I nomi di feste religiose e di altre festività (spesso usati anche come nomi generici), come ad esempio Giona, Natale, Pasqua, o i nomi dei paesi del mondo, come Oriente, Occidente, Sud, Nord, possono essere considerati corretti. In base al principio della rappresentatività, per ciascuno dei suddetti stili sono stati selezionati solo quei testi che appartengono allo stile puro: sono stati rifiutati i testi di testo considerati paribiali, la letteratura scientifica, la letteratura destinata a un ristretto gruppo di lettori, il dramma, la poesia, ecc. I testi editoriali sono stati selezionati da Vida Žilinskienė e sono costituiti da testi di 19 quotidiani o settimanali centrali e riviste di ampia diffusione pubblicati negli anni 1994-1995, che rappresentano cinque gruppi tematici: 1) politica, 2) industria e agricoltura, 3) istruzione e diritto, 4) arte e 5) intrattenimento (sport, oroscopi, previsioni meteo). Pranas Kniūkšta e Danutė Vainauskienė hanno selezionato i testi in stile tematico dalle pubblicazioni e dai documenti del periodo 1990-1995 secondo sette gruppi tematici: 1) leggi e documenti che le accompagnano, commenti, 2) documenti giuridici, 3) guide e documenti economici e commerciali, 4) pubblicazioni di scienze politiche, documenti dei partiti, 5) pubblicazioni di standard e statistiche, 6) fonti di informazione (bibliografie, cataloghi, dizionari), 7) pubblicazioni di singoli settori sociali. (documenti di difesa nazionale, sicurezza sociale, istruzione, cultura, ecc.). I testi in stile scientifico sono stati selezionati da Irena Andriukaitiene dalle pubblicazioni scientifiche pubblicate in Lituania tra il 1990 e il 1995 o dai lavori approvati dalle istituzioni scientifiche secondo otto gruppi tematici (direzione scientifica): 1) scienze agricole, 2) naturali, 3) umanistiche, 4) matematiche, 5) mediche, 6) sociali, 7) tecniche, 8) teologiche. I testi in stile letterario sono stati selezionati da Laima Grumadienė tra le opere di prosa pubblicate in Lituania tra il 1985 e il 1990 (con poche eccezioni), 0 dei quali sei gruppi “tematici” sono suddivisi in base alla patria degli scrittori: 1) Žemaičiai, 2) aukštaičiai orientali, 3) aukštaičiai occidentali, 4) aukštaičiai meridionali, 5) miestiečiai, 6) emigrati (la vera patria di questi ultimi non è stata presa in considerazione). È stato deciso che questi testi rappresentano l'attuale lingua lituana scritta. Tra questi, una porzione di 1000 parole, il cosiddetto campione, veniva selezionata in modo casuale (pagine e righe selezionate in base a una tabella di numeri casuali) e la tastiera del computer veniva assemblata (circa due ore di lavoro). Successivamente, i campioni sono stati analizzati morfologicamente con il programma MAN (Analisi morfologica e normalizzazione) preparato da Vytautas Zinkevičius. L'autore l'ha adattata appositamente per questo lavoro da un suo precedente programma informatico per la correzione ortografica delle parole, nel 2000 su commissione dell'Università Vytautas Didysis l'ha leggermente migliorata, trasferita in una versione superiore e chiamata lemuoklis (Zinkevičius 2000). Il lavoro era più o meno così: si ottiene un foglio di calcolo da cui è necessario "spazzare" le aš righe non necessarie (da me sottolineate). Per esempio, passaggi di testo elaborati da un essere umano, non solo da una macchina (...) per me tutta questa commedia (...) è così: 1 PAV. ESEMPIO DI DETERMINAZIONE DEL TESTO pensare me įvr vns K manęs vks dlv veik bk neįv vyr vns V Pagina 34 di 34 Classifica Frequenza dkt vks bdv prv invr 301-350 460-374 19646 10424 2420 2073 393 54,28% 28,80% 6,69% 5,73% 1,09% 351-400 373-313 18504 7550 3381 1347 654 53,04% 21,64% 9,69% 3,86% 1,87% 401-450 312-260 19156 7865 3976 522 304 57,20% 23,49% 11,87% 1,56% 0,91% 451-500 259-205 21718 9987 4806 2486 471 53,17% 24,45% 11,76% 6,08% 1,15% 2000 - Dizionario minimo della lingua lituana di stato I-a categoria di qualificazione (circa 800 parole). LINGUA ITALIANA II LINGUA DI QUALIFICAZIONE FREQUENZA DELLE PARTI DELLA LINGUA E DELLE PAROLE GENERALI Classificazione Frequenza dkt vks bdv prv jvr 501-550 204-155 22494 13153 7023 2481 525 46,97% 27,46% 14,66% 5,18% 1,10% 551-600 154-106 30834 17197 6221 4419 151 50,91% 28,39% 10,27% 7,29% 0,25% 2000: 1° premio al concorso nazionale di poesia "La lingua dei segni" (2000) 2° premio al concorso nazionale di poesia "La lingua dei segni" (2000) 3. Frequenza delle parti della lingua e delle parole generali Classificazione Frequenza dkt vks bdv prv pvr 601-650 105-56 45751 20328 12145 5822 433 52,31% 23,25% 13,88% 6,66% 0,50% Dizionario minimo della terza categoria di qualificazione della lingua lituana di stato (circa 2500 Vocabolario della lingua italiana IR JO BASE | 35 skt prl jng dll ist; , ecc. Somma 426 - & 812 — 36194 1,1796 2,2496 3,02% - — 1407 2043 — 34886 4,03% 5,87% 291% 276 — 272 1118 — 33489 0,82% 0,81% 3,34% 2,79% 255 224 210 700 3 40857 0,6296 0,55% 0,51% 1,71% 3,40% parole) si sovrapp56,66% one al testo (campione) iš 1,2 min. 100.000 parole). 56,66% CATEGORIE MINIMI ZODYNO LINGUISTICA STATISTICA ANALISI: skt prl jng dll ist; , ecc. Somma 530 342 177 795 371 47891 1,11% 0,71% 0,37% 1,66% 0,78% 3,99% 520 275 132 713 109 60571 0,86% 0,45% 0,22% 1,18% 0,18% 5,05% parole) si sovrapp65,70% one al testo (campione) iš 1,2 100 milioni di euro 100.000 parole). 9,0496 Iš Viso: (=65,7096) ANALISI LINGUISTICA STATISTICA DEL LESSICO MINIMO DELLA CATEGORIA: skt prl jng dll ist; , ecc. Somma 460 341 372 1697 102 87446 0,52% 0,40% 0,42% 1,94% 0,12% 7,29% parole) si sovrapp78,04% one al testo (campione) iš 1,2 100 milioni di euro 100.000 parole). 7,2996 Iš Viso: (=78,04%) AUMER, K., ALTENBERG, B. 1991: Introduzione alla storia della letteratura italiana. Aijmer, K., Altenberg, B., eds., Linguistica del corpus inglese. Studi in onore di Jan Svartvik, Londra-New York: Longman. ALAMEDA, J. R., CuEros, E. 1995: Diccionario de frecuencias de las unidades lingiiisticas del castellano, Università di Oviedo. BITINIENE, A. 1983: Stile scientifico, Vilnius: Ministero dell'Istruzione Superiore e Speciale. 1997: Il linguaggio e la sua struttura, Milano: Edizioni dell'Università degli Studi di Milano, 1997. 1998: Il linguaggio e la sua funzione. 47 (1), 17-28. EATON, H. 1934: Lista comparativa di frequenza sulle prime mille parole in inglese, francese, tedesco e spagnolo. Coleman, A., ed., Esperimenti e studi nell'insegnamento delle lingue moderne, Chicago. 1953: Vocabulario usual, comun y fundamental. Madrid: Consejo Superior de Investigaciones Científicas —Instituto „San José de Calasanz- ®. GRUMADIENE, L., ZILINSKIENE, V. 1997: Il vocabolario della lingua lituana (in ordine decrescente di frequenza), Vilnius: Istituto di matematica e informatica, Istituto della lingua lituana. 1998: Dizionario della lingua italiana (in ordine alfabetico), Milano: Istituto di Matematica e Informatica, Istituto della Lingua Italiana. GIOVANNI, R., www: eduplace. com: Parole e vocabolario ad alta frequenza. JAKUBAITE, T. e.a. 1966-1976: Dizionario di grammatica della lingua lettone, 1.4. séjumi, Riga: Zinatne. JosseLsoN, H. 1953: Il conteggio delle parole russe e l'analisi della frequenza delle categorie grammaticali del russo letterario standard, Detroit: Periodical Service Co. JuiLLAND, A., RODRIGUES, E. Ch. 1964: Dizionario di frequenza delle parole spagnole, L'Aia: Mouton. JUILLAND, A., EDWARDS, P. M., JUILLAND, I. 1965: Dizionario di frequenza delle parole rumene, L'Aia: Mouton. JUILLAND, A., TRAVERSA, V. 1973: Dizionario di frequenza delle parole italiane, L'Aia: Mouton. Kaeding, E. 1898: Haufigkeitswörterbuch der deutschen Sprache, Steigliz bei Berlin (edizione personale). 1993: Dizionario della lingua italiana moderna, Milano: Edizioni Scienze e Lettere, 1993. 2000: Dizionario della lingua italiana moderna, Milano: Edizioni Scienze e Lettere, 2000. KENNEDY, G. 1998: Introduzione alla Linguistica dei Corpi, Milano: Mondadori. 1991: Dizionario inverso della lingua lituana, Kaunas: Šviesa. 1954: Dizionario della lingua lituana contemporanea, Vilnius: Editrice statale della letteratura politica e scientifica. 1972: Dizionario della lingua italiana moderna, Milano: Mondadori, 1972. LEECH, G. 1991: Il corpus linguistico italiano, Aijmer, K., Altenberg, B., eds., Linguistica del corpus italiano. Studi in onore di Jan Svartvik, Londra-New York: Longman. 1993 - La spada del diavolo, regia di Giancarlo Piccinini. Uppsala. (Atti dell'Accademia delle Scienze di Bologna, 1992, pp. 22) ^ (EN) A. A. A., Theory and Practice of the Language. Lavori e giorni 24, 7-64. MARCINKEVICIENE, R. 2000b: L'uso delle parole nella linguistica dei corpus. 49, n. 3, 1970, pp. 71-80. MAZEJKA, N. S. (Max3iika, H. C.), SUPRUN, A. Ja. 1976: Yacmomnoi: cnoynix Genapyckaii Moet (macmaykas nposza), Minck: Beinasenrsa BJ1V ims V. Jlenina. MIKELIONIENE, J. 2000: Nuovo lessico della lingua lituana (sulla base di un corpus di periodici elettronici 1991-1996). Tesi di dottorato, Università degli Studi di Torino. 1998: "Il linguaggio della verità" (Il linguaggio della verità, in collaborazione con il prof. 240-247. ^ Storia della lingua italiana, pag. 1999: "Il linguaggio della comunicazione" (Il linguaggio della comunicazione. Lituanistica 2 (38), 92-98. 2000: La comunicazione online: parlare mentre si scrive. Lavori e Giorni 24, 99-107. ROBINSON, D. E. 1976: Lithuanian Reverse Dictionary, Michigan: Slavica Publishers Inc. ROZENCVEIG, V. Ju. 1986: Onsir co3nanus HaUHOHANBLHBIX JIEKCHKOTpaOHUeCKHX CJIyxO 3a pybexom. I capolavori. H., pea., Mauunnor pono pycckozo asvika: udeu u cymcoenus, Mocksa: Hayka, 75-83. 1999: La formazione della lingua italiana. Tesi di dottorato, Università degli Studi di Torino. 1994: Come imparare le lingue in modo più razionale (Basic English), Vilnius: Žodynas. 1963 - 1964: 2° nel Girone A. 1964 - 1965: 2° nel Girone B. 1965 - 1966: 2° nel Girone A. 1966: 2° nel Girone B. 1967: 2° nel Girone A. 1967: 3° nel Girone B. TESITELOVA, M. e.a. 1983: Frekvenéni slovník češtiny věcného stylu, Praga: Academia- -Nakladatelstvi Československé akademie věd. THORNDIKE, E., LORGE, L. 1944: Un libro di parole dell'insegnante delle ventimila parole trovate più frequentemente e ampiamente nella lettura generale per bambini e giovani, New York: Appleton— Century Crofts. TopoRova, E., PANCOVSKA, R. 2001: I momenti salienti nella storia della costruzione dell'Unione Sovietica (1944—1991). 1989 - Il codice di Morse. 2000: Il linguaggio e le sue potenzialità. Lavori e Giorni 24, 275-285. VACAR, N. P. 1966: Un conteggio delle parole del russo parlato. L'uso sovietico, Ohio: Ohio State University Premere. VANDER BEKE, G. 1929: Dizionario della lingua francese, Milano: Mondadori, 1929. ZASORINA, L. N., red., 1977: Yacmomuwiit caoeape pycckozo aswika, Mocksa: UsnatensctBo «PycckHH A3Biky. ZINKEVICIUS, V. 2000: Lemuoklis —morfologinei analizei. Lavori e Giorni 24, 246-273. 1990: Dizionario della lingua italiana, Milano: Mondadori, 1990. 1995: Dizionario della lingua italiana moderna, Milano: Istituto Italiano di Storia della Scienza e della Tecnologia. 1998: Dizionario della lingua lituana scritta attuale (primo risultato della ricerca). Letteratura italiana, 219-227. 1998: Dizionario minimo delle lingue lituane-russe delle categorie di qualificazione della conoscenza della lingua statale (prima categoria di qualificazione), Kaunas: Šviesa. 1999a: Dizionario minimo delle lingue lituane-russe delle categorie di qualificazione della conoscenza della lingua statale (seconda categoria di qualificazione), Vilnius: UAB "Centro nazionale di ricerca" editrice. 1999b: Dizionario minimo delle lingue lituano-russo delle categorie di qualificazione della conoscenza della lingua statale (terza categoria di qualificazione), Vilnius: UAB "Centro nazionale di ricerca" editrice. 2001: La lingua e la letteratura in Italia e nel mondo. Linguistica Lettica 9, 155-168. 5, pp. 10. ^ V. Spagnuolo. : Caratteristiche statistiche della morfologia dello stile oggettivo della lingua lituana e il loro confronto con le corrispondenti caratteristiche della letteratura. Lituani. Laima Grumadiené Ricevuta il 19 aprile 2002 Istituto della lingua lituana P. Vileišio g. 5, LT-2055 Vilnius, Lituania laigruma(dtakas.lt