„Dabartinės rašomosios lietuvių kalbos dažninis žodynas“ ir jo bazė

ACTA LINGUISTICA LITHUANICA XLVI (2002), 19 – 37 Częstościowy słownik współczesnego pisanego języka litewskiego i jego baza LAIMA GRUMADIENĖ Instytut Języka Litewskiego Istnieje niewiele elektronicznych baz danych języka litewskiego. Największymi z nich są Częstościowy słownik współczesnego pisanego języka litewskiego, opracowany przez V. Žilinskienė i L. Grumadienė, oraz Korpus Języka Litewskiego Uniwersytetu w Kownie. Pierwszy z nich został tu szczegółowo przedstawiony: omówiono zasady jego opracowania i możliwe zastosowania, a także krótko scharakteryzowano dotychczas opublikowane prace z zakresu lingwistyki statystycznej oparte na tym słowniku. Główne problemy związane z bazami danych współczesnego języka litewskiego to: (1) ich niewystarczające zróżnicowanie (odzwierciedlają wyłącznie język pisany, a nie mówiony), (2) ich nieoptymalne wykorzystanie, ponieważ litewskiej społeczności naukowej brakuje przygotowania niezbędnego do pracy z takimi narzędziami, oraz (3) fakt, że wysiłki badaczy opracowujących te bazy spotykają się ze zbyt małym uznaniem społecznym i nie są cenione jako oryginalne osiągnięcia naukowe. 1. STARZENIE SIĘ ELEKTRONICZNYCH BAZ DANYCH I ICH „ZBĘDNOŚĆ” Właśnie teraz językoznawstwo litewskie jest jakby zastygłe w skoku tygrysa: wybitne prace, które powstały głównie pod wpływem strukturalizmu, są już napisane, lecz w powietrzu wciąż unosi się oczekiwanie na nowe, nie mniej znaczące prace. Wymaga to nie tylko innego podejścia do zjawisk językowych, ale też nowych, dotąd niewypróbowanych metod i narzędzi pracy. W czasach technologii informacyjnych nowe narzędzia pracy językoznawców często wiążą się z elektronicznymi bazami danych, te zaś — z publikacjami lingwostatystycznymi. Mogłoby się wydawać oczywiste, że jedne różnią się od drugich, ponieważ bazy elektroniczne są dynamiczne i można z nimi pracować samodzielnie, natomiast publikacje są statyczne — stanowią jedynie zbiór danych przedstawionych według życzenia autorów. Jednak dawniej, a czasami także obecnie, na Litwie takie bazy i publikacje utożsamiano lub utożsamia się ze sobą. Pokazuje to historia słowników wspakowych (zwanych też odwrotnymi). Pierwszy litewski słownik wspakowy, opracowany przez Amerykanina Davida F. Robinsona (1976) na podstawie wydania DLKŽ z 1954 r., obejmował około 45 000 wyrazów; być może w ogóle nie miał własnej bazy elektronicznej, przynajmniej autor o niej nie wspomina. Ponadto w tamtych czasach taka baza elektroniczna byłaby na Litwie niedostępna, gdyż sam słownik widziało niewiele osób, ponieważ wydano go w Ameryce w niewielkim nakładzie. Juozas Korsakas ze Szaulai (1991) opracował na zasadzie doboru Inwersyjny słownik języka litewskiego 20 | LAIMA GRUMADIENĖ , obejmujący prawie 22 000 wyrazów; jego podstawą również był DLKŽ, ale już wydanie z 1972 r. Pracowano, korzystając z samodzielnie utworzonej bazy elektronicznej, jednak nie jest ona dostępna do użytku publicznego (prawdopodobnie z przyczyn technicznych), a więc można z niej korzystać tylko w postaci drukowanej książki. Słownik odwrotny współczesnego języka litewskiego Vidy Žilinskienė (1995) nie jest po prostu przepisanym DLKŽ, ponieważ wyrazy podano w odwrotnej kolejności, z podziałem na części mowy, a ponadto dodano analizę statystyczną. Obecnie jest on zasadniczo dostępny również tylko w formie drukowanej, choć istnieje także wersja elektroniczna. Wykorzystano ją w niewielkim stopniu (przez grupę roboczą kierowaną przez E. Jakaitienė podczas opracowywania słownika litewsko-norweskiego oraz w artykułach Daivy Murmulaitienė (1998, 1999 i in.)). Nawiasem mówiąc, wspomniany słownik i analiza zostały opracowane z użyciem komputerowej wersji DLKŽ (z 1993 r.) i jej analizy statystycznej, a nie — jak podaje Rūta Marcinkevičienė (2000a: 16) w swoim przeglądzie — bazy Częstościowego słownika współczesnego pisanego języka litewskiego (Grumadienė, Žilinskienė 1997; 1998). Wspólnym wysiłkiem naukowców z Instytutu Matematyki i Informatyki oraz Instytutu Języka Litewskiego opracowano elektroniczną wersję DLKŽ (wydania z 1993 r.), którą wydano w niewielkim nakładzie (1995), ponieważ po prostu nie uzyskano prawa do rozpowszechniania publikacji w formie elektronicznej. Obecnie Instytut Języka Litewskiego ponownie podjął się komputeryzacji DLKŽ, tym razem wydania z 2000 r. (kierownik Stasys Keinys), i otrzymał na ten cel wsparcie finansowe z Litewskiego Funduszu Nauki. Jak wiadomo, wydania DLKŽ z 1993 i 2000 r. niewiele się różnią, dlatego warto zwrócić uwagę na fakt, że postanowiono nie korzystać z wcześniejszej wersji elektronicznej wyłącznie dlatego, iż została przygotowana w moralnie przestarzałym środowisku DOS i bazie FOX-PRO: ponownie podjęto się skanowania tekstu elektronicznego, który już istniał i wymagał jedynie drobnych poprawek, zwiększając tym samym nakład pracy i koszty. Czy być może analiza statystyczna również zostanie przeprowadzona od nowa? Przecież tak jak komputerowa wersja wydania DLKŽ z 1993 r. starzeją się moralnie także inne elektroniczne bazy danych, dlatego oczywiste jest, że trzeba zadbać o ich utrzymanie. Czy podobny los jak elektronicznej wersji DLKŽ (1993) nie spotka Banku Terminologicznego, opracowywanego wspólnym wysiłkiem wspomnianych instytutów? A zatem publikacje lingwostatystyczne nadal są cenione znacznie bardziej niż kosztowne elektroniczne bazy danych, które oferują wiele nowych możliwości pracy. Litewscy filolodzy powinni uzgodnić zasady tworzenia takich elektronicznych baz danych, w których stosuje się znaki specjalne, na przykład w tekstach dawnych pism czy transkrybowanych tekstach gwarowych, ponieważ już teraz trzeba na nowo przepisywać artykuły zawierające tego rodzaju przykłady, jeżeli z takich czy innych przyczyn postanawia się przedstawić je nie na przykład w publikacjach Instytutu Języka Litewskiego, lecz w którejś z redakcji wydawnictw Uniwersytetu Wileńskiego. Obecnie wydawane słowniki gwarowe i teksty gwarowe, choć mają postać elektroniczną, są jedynie oznaką modernizacji drukarni, gdyż nie można korzystać z ich tekstów jak z elektronicznej bazy danych. A zatem brak porozumienia litewskich filologów w sprawie wspólnego systemu kodowania (np. UNICODE lub innego) bardzo utrudnia publiczne korzystanie z elektronicznych banków danych, nie mówiąc już o tym, że możliwości wykorzystania technologii elektronicznych i programów do ich analizy są bardzo ograniczone, a czasem wręcz nie istnieją. Czyż mamy ich aż tak dużo, że nie jesteśmy w stanie ich ogarnąć? Problem polega na tym, że ani językoznawcy, ani wspierający ich specjaliści informatycy nadal nie rozumieją właściwie, że bazy danych muszą być dynamiczne: praca z nimi powinna umożliwiać stosowanie licznych, wciąż pojawiających się nowych programów i technologii, a one same muszą oferować możliwość konwersji do nowszej wersji komputerowej. Dotychczas większość baz danych tworzonych na Litwie opracowuje się tak, jakby były to te same karteczki z DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 21 danymi językowymi, a jedynie zebranymi za pomocą klawiatury komputera. Niebawem dane te mogą dorównać wyrytemu w kamieniu pismu klinowemu: na ekranach komputerów nowej generacji widoczne będą tylko „chorągiewki” i „kwadraciki”, których odszyfrowaniem, niczym odczytywaniem run, będą mogli zająć się językoznawcy przyszłości. Dotychczasowe dyskusje na ten temat okazały się bezowocne, ale chyba nie należy tracić nadziei; warto ponownie zaprosić do dyskusji i uzgodnień. Nawiasem mówiąc, warto zwrócić uwagę na terminy: elektroniczna BAZA, BANK, TEKST (KORPUS), ARCHIWUM. Najmodniejszym z nich jest TEKST (KORPUS). Definiuje się go na różne sposoby, ale wszystkim definicjom wspólne jest to, że za TEKST uznaje się zbiór tekstów w postaci elektronicznej. Dlatego często niemal wszystko, co dawniej nazywano bazami danych, zaczęto nazywać tekstami (w końcu rozmiar poszczególnych tekstów nie jest regulowany). Termin BANK najczęściej wiąże się z terminologią: banków terminologicznych zazwyczaj nie nazywa się tekstami. Obecnie termin ARCHIWUM coraz częściej łączy się z wymiarem czasu: elektroniczny zbiór dawnych danych można nazwać archiwum albo bazą. Zatem najbardziej neutralnym terminem pozostaje ELEKTRONICZNA BAZA DANYCH i dlatego właśnie jest tu najczęściej używany (por. Kennedy 1998: 3 i nast.). 2. ELEKTRONICZNE BAZY DANYCH WSPÓŁCZESNEGO JĘZYKA LITEWSKIEGO I PUBLIKACJE LINGWOSTATYSTYCZNE Nie ma nadmiaru baz danych współczesnego języka litewskiego w postaci elektronicznej. Odpowiednio, niewiele jest też publikacji lingwostatystycznych; nieco częściej korzysta się jedynie z metod lingwostatystycznych. Wyróżnia się tu jedynie fonetyka oraz oparta na jej wynikach fonologia. Być może stało się tak ze względu na samą naturę fonetyki, to znaczy dlatego, że przy częstym powtarzaniu się tych samych jednostek — głosek — same nasuwają się wnioski oparte na statystyce; być może zaś z powodu czynników subiektywnych, to znaczy pojawienia się badaczy o nowatorskim sposobie myślenia: przede wszystkim Aleksasa Girdenisa i jego uczniów, a także Antanasa Pakerisa. Tak czy inaczej, oba te czynniki doprowadziły do rozwoju litewskiej fonetyki i fonologii, a nawet do swoistego oddalenia ich od innych gałęzi językoznawstwa. Trzeba jednak przyznać, że fonetyka jest dziedziną pośrednią między naukami ścisłymi a językoznawstwem. Kolejną dziedziną językoznawstwa pod względem częstości powtarzających się jednostek jest morfologia. Logiczne byłoby zatem przypuszczać, że to właśnie w tej dziedzinie powinno przede wszystkim pojawić się zapotrzebowanie na posługiwanie się danymi lingwostatystycznymi i elektronicznymi bazami danych. Jak dotąd tak się nie stało, choć istnieją już tego rodzaju prace i narzędzia pracy. Pierwszą lingwostatystyczną pracę z zakresu leksyki i morfologii przygotowała w Litwie z wykorzystaniem komputera Vida Žilinskienė (1990). Jej Lietuvių kalbos dažninis žodynas opiera się na danych jednego ze stylów funkcjonalnych — publicystyki — i zawiera analizę 300 000 wystąpień wyrazów (zarówno tych samych leksemów, jak i różnych; tych ostatnich było 18 776, ponieważ zgodnie z powszechnie przyjętymi zasadami opracowywania słowników frekwencyjnych zrezygnowano z dalszego badania 11 956 nazw własnych). Wszystkie teksty ciągłe, podzielone na odcinki (próbki) po 1000 wystąpień wyrazów, poddano analizie morfologicznej, oznaczono akcent, a następnie przeniesiono na karty perforowane i wprowadzono do komputera „Minsk-22”, obecnie już przestarzałego i nieużywanego. Elektroniczny bank danych istnieje, ale obecnie bardzo trudno byłoby z niego skorzystać. Szkoda, że lingwostatystyczna analiza tekstów jednej z odmian współczesnego języka litewskiego — publicystyki — w ujęciu leksykologicznym, morfologicznym i akcentologicznym do dziś nie została należycie wykorzystana ani w celach naukowych, ani praktycznych, zwłaszcza przy pisaniu podręczników i słowników dydaktycznych. Jedną z prac przygotowywanych z użyciem środków elektronicznych (uczestniczono w międzynarodowym programie CHILD) i poświęconych morfologii synchronicznej, którą można podać jako przykład, jest rozprawa doktorska Inetos Savickienė (1999), poświęcona morfologii języka dzieci. 22 | LAIMA GRUMADIENĖ Przykładem pracy z zakresu morfologii synchronicznej, przygotowanej z wykorzystaniem środków elektronicznych (uczestniczono w międzynarodowym programie CHILD) i poddanej analizie, może być rozprawa doktorska Inetos Savickienė (1999), poświęcona morfologii języka dzieci. Nawiasem mówiąc, należy wspomnieć, że prace oparte na danych lingwostatystycznych, dotyczące innych poziomów języka, stylistyki oraz częściowo składni — których jednostki występują znacznie rzadziej — pojawiły się już kilkanaście lat temu; przede wszystkim chodzi o prace Audronė Bitinienė (1983, 1997, 1998 i in.). Powstało też kilka prób badania współczesnej leksyki z wykorzystaniem danych lingwostatystycznych. Ostatnio prace tego rodzaju najczęściej powstają na podstawie Korpusu współczesnego języka litewskiego Uniwersytetu Witolda Wielkiego (około 60 000 000 wystąpień wyrazów), np. badania kolokacji przeprowadzone przez Rūtę Marcinkevičienė (2000a; 2000b), rozprawa doktorska Jurgity Mikelionienė (2000) o neologizmach i in. Na podstawie niewielkich elektronicznych baz danych powstaje coraz więcej prac leksykologicznych, czasem dość specjalistycznych, np. rozprawa doktorska Asty Ryklienė (2000) o leksyce używanej przez internautów i jej praca; ogólnie jednak takich prac jest niewiele, a studenci w niewielkim stopniu angażują się w ten proces (może z wyjątkiem Uniwersytetu Witolda Wielkiego). Zespół kierowany przez Antanasa Pakerisa na Wileńskim Uniwersytecie Pedagogicznym kończy przygotowywanie elektronicznej bazy przeznaczonej do badania leksyki, być może więc i tam przybędzie prac studenckich tego rodzaju. W artykule ograniczono się do opisu narzędzi pracy potrzebnych do badań nad współczesnym pisanym językiem litewskim, dlatego nie omawia się już ukazującej się serii badań nad dawnymi tekstami, opartych na własnej elektronicznej bazie danych Instytutu Języka Litewskiego. Powstanie własnych elektronicznych baz danych niewątpliwie da nowy impuls litewskiej dialektologii: w Instytucie Języka Litewskiego przygotowuje się już utworzenie Ośrodka Gwarowego, w którym nagrania gwarowe oraz odszyfrowane i przetranskrybowane na ich podstawie teksty będą opracowywane w postaci elektronicznej. W tym samym instytucie rozpoczęto prace nad stworzeniem elektronicznych baz danych onomastycznych i toponimicznych. Przygotowywana elektroniczna baza danych wielkiego Lietuvių kalbos žodyno powinna stać się prawdziwym przełomem w litewskiej leksykografii; wiele oczekuje się również od elektronicznej bazy danych Bendrinės lietuvių kalbos žodyno. Wykładowcy Uniwersytetu Wileńskiego, kierowani przez Evaldę Jakaitienė, uczestniczą w jednym z projektów Unii Europejskiej i opracowują elektroniczny tak zwany uniwersalny litewski spis słów, który ma stać się podstawą nowej serii słowników dwujęzycznych. Do pewnego stopnia przedsięwzięcie to zdaje się konkurować z firmą redakcyjną Bendrinės lietuvių kalbos žodyno. Głównie dzięki staraniom Państwowej Komisji Języka Litewskiego, z inspiracji Unii Europejskiej, rozpoczęto opracowywanie elektronicznych tak zwanych Terminų ar Svetimžodžių portfeliai — swoistych wykazów najnowszych, bardzo często używanych terminów i połączeń wyrazowych z różnych dziedzin. Unia Europejska rozpowszechnia je wśród swoich członków i krajów kandydujących, aby ich języki mogły się dostosować i przygotować na nadchodzącą falę tłumaczeń, a także na tłumaczenie maszynowe. Grupa naukowców Uniwersytetu Wileńskiego (kierowniczka Meilutė Ramonienė) rozpoczęła przygotowywanie elektronicznych baz danych współczesnego języka mówionego, podobnie jak w przypadku języka polskiego, na podstawie nagrań radiowych i telewizyjnych. Na tym samym uniwersytecie planuje się utworzenie elektronicznej bazy slawizmów (kierownik Vytautas Kardelis), która ma zawierać zarówno nagrania dźwiękowe, jak i wybrane z nich oraz transkrybowane przykłady. Jak pokazuje doświadczenie, rezultatów można oczekiwać dopiero po nauczeniu się pracy z tego rodzaju danymi i nabyciu umiejętności korzystania z nowych możliwości. W tym celu potrzebne są laboratoria, w których można się tego uczyć, najlepiej od najmłodszych lat. Sama natura elektronicznych baz danych zakłada ich publiczną dostępność; po uporządkowaniu powinny być dostępne dla wszystkich, którzy ich potrzebują. Największe zasoby danych języka litewskiego znajdują się w Instytucie Języka Litewskiego- DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 23 … dlatego, modernizując się, powinien stać się największym ośrodkiem tworzenia elektronicznych baz danych języka litewskiego, źródłem publicznego dostępu do nich, ośrodkiem przyciągającym i promieniującym tego rodzaju prace i idee — być może rolę tę odegra Centrum Lituanistyczne powoływane przy Instytucie Języka Litewskiego? Te elektroniczne bazy danych, które trafią do internetu, staną się jeszcze bardziej otwarte. Nawiasem mówiąc, miejsce, w którym można korzystać z komputera, przestaje mieć znaczenie, gdy pojawia się możliwość połączenia z internetem; ważne jest tylko to, co zostało w nim udostępnione. Ale to plany na przyszłość. Dotychczas na Litwie nie zalegalizowano publikowania prac lingwostatystycznych w postaci elektronicznej, nie uregulowano kwestii praw autorskich, dlatego takie prace drukowane na papierze nadal pozostają aktualne. Elektroniczne bazy danych i publikacje lingwostatystyczne zasadniczo się jednak różnią; te ostatnie są jedynie wierzchołkiem góry lodowej. Omówiona zostanie tu bardziej szczegółowa kwestia: relacja między elektronicznymi bazami danych współczesnego pisanego języka litewskiego a słownikami frekwencyjnymi. Te drugie nie mogą istnieć bez bazy, możliwości oferowane przez bazy wcale jednak nie ograniczają się do publikowania słowników. 3. ELEKTRONICZNE BAZY DANYCH WSPÓŁCZESNEGO PISANEGO JĘZYKA LITEWSKIEGO I SŁOWNIKI FREKWENCYJNE Elektroniczne bazy danych językowych, rzecz jasna, odróżnia od innych zbiorów danych językowych przede wszystkim ich postać elektroniczna oraz specyfika korzystania z powiązanych z nią technologii komputerowych. Pojawienie się elektronicznych baz danych stworzyło całkowicie nowe możliwości badania języka, ale samych baz nie należy wiązać wyłącznie z pojawieniem się współczesnych elektronicznych nośników danych. To, że różnymi metodami uzyskuje się zasadniczo analogiczne wyniki — przede wszystkim charakterystyki frekwencyjne form gramatycznych i leksemów — wskazuje na znaczne podobieństwo współczesnych elektronicznych baz danych do ich znacznie starszych odpowiedników. We Francji wydawnictwo Larousse już od 1956 r. korzystało przy opracowywaniu słowników z kartoteki słownikowej obsługiwanej maszynowo (przez elektroniczne maszyny liczące, ESM, starszej generacji) (Rozencveig 1986: 82). Pytanie o to, jak należy tworzyć współczesne elektroniczne bazy danych językowych, pojawiło się z jednej strony dlatego, że wraz z pojawieniem się nowych technologii można już było poradzić sobie z dużą ilością informacji; zaczęła wówczas zwiększać się objętość tekstu służącego do zilustrowania jednego wyrazu (czyli jego kontekstu). W ten sposób pojawiły się nowe możliwości badania właściwości wyrazu, a później także większych jednostek językowych, a więc również składni i semantyki. Zaczęto zachwycać się coraz dłuższymi fragmentami tekstów, aż w końcu sięgnięto nawet po całe zamknięte teksty, dopóki nie powstrzymały tego koszty nabywania praw autorskich do utworów. Z drugiej strony pojawienie się komputerów dorównało chyba pod względem wpływu wynalazkowi Gutenberga, a przede wszystkim — ich upowszechnienie się w niespotykanym tempie. Wskutek geometrycznego wzrostu różnorodnych kontaktów międzyludzkich na odległość, zarówno między osobami mówiącymi tym samym językiem, jak i różnymi językami, pojawiło się pilne zapotrzebowanie społeczne na rozmaite informacje statystyczne związane z językiem, by można było zautomatyzować jak najwięcej procesów komunikacyjnych: nauczanie języków, tłumaczenie, rozpoznawanie, kompresję i przesyłanie informacji itd. Językoznawstwo litewskie nie pozostało poza tym ogólnym procesem, choć oczywiście znacznie się pod względem czasu opóźniło. Przez cały XX wiek, zwłaszcza w jego drugiej połowie, świat niejako przygotowywał się do nowego skoku. Przede wszystkim były to słowniki frekwencyjne języków. Pierwsze ukazały się jeszcze w XIX w. 24 | LAIMA GRUMADIENĖ — pod koniec XIX i na początku XX w. Pierwszy był słownik języka niemieckiego, który stenograf F. Kaeding (1898) opracował na podstawie kartoteki fiszkowej, obejmującej aż 11 000 000 użyć wyrazów. Znacznie później G. Vander Beke (1929) opublikował podobny słownik języka francuskiego. H. Eaton (1934) opracował porównawczy słownik tysiąca najczęstszych wyrazów w czterech językach — angielskim, francuskim, niemieckim i hiszpańskim. Pierwszy słownik frekwencyjny języka angielskiego opracowali E. Thorndike i L. Lorge (1944), a hiszpańskiego — V. Garcia Hoz (1953). Pierwszy słownik frekwencyjny języka rosyjskiego w Ameryce opracował H. Josselson (1953), natomiast N. P. Vakar (1966), również w Ameryce, opublikował słownik frekwencyjny rosyjskiego języka mówionego okresu radzieckiego, ale w istocie opracowano go wyłącznie na podstawie języka utworów dramatycznych. E. Šteinfeldt (Štejnfel’dt 1963) opublikował w Tallinie słownik frekwencyjny języka Puszkina. Na podstawie korpusu liczącego 1 000 000 wyrazów, złożonego w połowie z literatury pięknej i tzw. prozy informacyjnej (publicystyki, dokumentów urzędowych i literatury naukowej), słownik frekwencyjny języka rosyjskiego opracował w Uppsali L. Lönngren (1993). Pierwsze słowniki frekwencyjne nie tylko języka rosyjskiego, lecz także rumuńskiego i włoskiego również opracowano w Ameryce — A. Juilland, P. M. Edwards, I. Juilland (1965), A. Juilland, V. Traversa (1973) (nawiasem mówiąc, A. Juilland i E. Ch. Rodrigues (1964) opracowali tam wcześniej jeszcze jeden słownik frekwencyjny języka hiszpańskiego, a później podobny przygotowali J. R. Alameda i F. Cuetos (1995)). Cała seria słowników frekwencyjnych opierała się na koncepcji funkcjonalnych stylów języka Praskiego Koła Lingwistycznego, a także na ujęciu języka ogólnego Borisa Larina. Pierwszy był, jak przystało, słownik języka czeskiego — początkowo poszczególnych stylów funkcjonalnych, a następnie ogólny — opracowany przez zespół autorów kierowany przez Marie Těsitelovą (J. Jelínek, J. V. Bečka i in., zob. Těsitelová 1983). Łotysze również wcześnie przystąpili do pracy: podobnie jak Czesi najpierw opracowali słowniki poszczególnych stylów funkcjonalnych, a następnie dwutomowy słownik ogólny — T. Jakubaite, D. Kristovska, D. Guļevska, V. Ozola, R. Prūse, A. Rubine, N. Sika (1966–1976). Tą samą metodą kierowali się V. A. Agrajevas, V. V. Borodinas, V. M. Muratova i E. V. Tisenko, pracujący pod kierunkiem L. N. Zasoriny (1977), opracowując słownik frekwencyjny współczesnego języka rosyjskiego na podstawie 1 000 000 użyć wyrazów z czterech stylów funkcjonalnych. Słownik frekwencyjny języka białoruskiego obejmuje tylko jeden styl funkcjonalny — literaturę piękną — i opracowali go N. S. Mažeika i A. J. Suprunas (Mažeika, Suprun 1976). Tylko styl publicystyczny uwzględnia również słownik frekwencyjny języka bułgarskiego (Todorova, Pančovska 2001). Pierwszy słownik frekwencyjny języka litewskiego, opracowany przez V. Žilinskienė (1990), także obejmował tylko jeden styl funkcjonalny — publicystykę; podczas pracy stosowano tę samą czeską metodę i szeroko współpracowano z Łotyszami. Z biegiem czasu na świecie powstały najróżniejsze słowniki frekwencyjne, choć język litewski nie może się tym poszczycić: słowniki języka poszczególnych autorów, stylów funkcjonalnych, regionalnych odmian językowych, języka pisanego i mówionego itd. Słowniki frekwencyjne „ogólnie n języka” stały się niepraktyczne, ponieważ były potrzebne do realizacji konkretnych celów, a zatem dobór wyrazów należało przeprowadzać na podstawie tekstów z określonej dziedziny, a nie całości materiału. Z drugiej strony problem tworzenia słowników frekwencyjnych „przeniósł się na inny wymiar”, gdy amerykańscy behawioryści i pozytywiści, poszukując przykładów użycia, zaczęli tworzyć korpusy elektroniczne: rozwój technologii elektronicznych był szybki, dzięki czemu można było nie tylko gromadzić, lecz także przetwarzać ogromne zbiory tekstów. Za początek lingwistyki korpusowej uznaje się rok 1961, kiedy Nelson Francis i Henry Kučera zapowiedzieli utworzenie i rozpoczęli prace nad słynnym elektronicznym korpusem pisanego języka Brown (Brown University), a John Sinclair — nad korpusem LOB (Lancaster-Oslo/Birmingham) w tym samym formacie… DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 25 korpus; już w 1959 r. Randolph Quirk zapowiedział korpus tekstów języka pisanego i mówionego SEU (Survey of English Usage), a kontynuował go Jan Svartvik, który na Uniwersytecie w Lund podjął się stworzenia korpusu języka mówionego LLC (London-Lund Corpus of Spoken English). Objętość wszystkich wymienionych korpusów wynosiła wówczas około 1–1,15 mln użyć wyrazów, później powstało więcej podobnych korpusów (zob. Aijmer, Altenberg 1991: 1 i n.). Objętość korpusów drugiej generacji liczy się w dziesiątkach milionów, trzeciej – już w setkach i tysiącach milionów. Na świecie nadal aktualny jest problem zgodności oprogramowania komputerowego i poszczególnych programów roboczych: zgromadzono już korpusy o niezwykle dużej objętości – setki milionów wyrazów (jest to w istocie elektroniczna forma bibliotek), ale jak wygodnie z nich korzystać, jak policzyć najbardziej podstawowe frekwencje, jak nie zgubić się w oceanie wyrazów? I wreszcie, czy ilość zawsze przesądza o jakości? Przy opracowywaniu najrozmaitszych słowników frekwencyjnych wielokrotnie przekonano się, że połowa badanych wyrazów została użyta zaledwie jeden raz. Dlatego za każdym razem, gdy przystępuje się do pracy, należy dobrze rozważyć, czy postawione cele rzeczywiście wymagają pracy z ogromną ilością materiału i wyszukiwania najrzadszych wyrazów. Niekiedy, gdy bada się określone prawidłowości gramatyczne lub słowotwórcze, nadmierne zwiększanie objętości badanego zbioru jest rzeczywiście nieracjonalne; warto też ocenić je przy użyciu kryteriów statystycznych, ponieważ pokażą one prawdopodobieństwo, że próba jest wystarczająca do wyciągnięcia reprezentatywnych wniosków. Szczególną uwagę należy zwrócić na to, z jakich tekstów składa się badany zbiór, tj. jak konstruuje się model badanego obiektu. W językoznawstwie litewskim najwięcej pytań w tym względzie budzi obecnie zapewne problem tego, co uznać za ogólny język litewski oraz w jakich proporcjach powinny być w nim reprezentowane funkcjonalne style języka lub warstwy językowe wyodrębnione według innych kryteriów. Oto wspomniany korpus Uniwersytetu Witolda Wielkiego został utworzony według jednych zasad doboru, a Słownik frekwencyjny współczesnego pisanego języka litewskiego – według innych, dlatego uzyskane wyniki są różne. Dane statystyczne dotyczące np. poszczególnych części mowy, uzyskane z różnych korpusów, należy oceniać bardzo uważnie i obiektywnie. Zauważono, że w pracach tego rodzaju, już napisanych lub będących w trakcie opracowania, zbyt mało uwagi poświęca się temu, jakie teksty badano, a następnie formułuje się uogólnienia na temat „współczesnego języka litewskiego”. Praca z liczbami wymaga precyzji, w przeciwnym razie prowadzi do mylących wniosków. Elektroniczny korpus tekstów Słownika frekwencyjnego współczesnego pisanego języka litewskiego omawianego w artykule (1,2 mln użyć wyrazów) należy do korpusów pierwszej generacji (typu Brown, LOB) – o objętości ponad miliona wyrazów. Łączy go z tymi słynnymi korpusami jeszcze jedna cecha wspólna – podobnie jak nieliczne późniejsze korpusy na świecie, także nasz jest anotowany. Technologie komputerowe stworzyły wyjątkowe warunki dla języków analitycznych: specjalne, ale dość szeroko rozpowszechnione programy (szczególnie znany program Uniwersytetu Oksfordzkiego – Oxford Concordance Program, a także KWIC, KAYE, CLAN, OCP, WordCruncher i in.) umożliwiają dość łatwe opracowanie list najczęstszych wyrazów i przedstawienie ich konkordancji (Leech 1991: 10; Utka 2000). Z programów tego rodzaju korzystają zazwyczaj również badacze Korpusu współczesnego języka litewskiego Uniwersytetu Witolda Wielkiego, ale wówczas można analizować tylko wyrazy, tj. leksykę, ponieważ brakuje wiedzy o końcówce wyrazu, która, jak wiadomo, jest niezwykle ważna w języku litewskim. A zatem w przypadku języków syntetycznych sprawa jest bardziej skomplikowana: korzystając z opisanych programów, opracowuje się bowiem listy form wyrazowych, a nie haseł. Potrzeba sporo dodatkowej pracy, zanim formy wyrazowe zostaną sprowadzone do wspólnego lematu i staną się samymi hasłami. Takie listy wyrazów, zawierające również analizę gramatyczną, nazywa się już anotowanymi; na świecie nie ma ich wiele i są wysoko cenione, ponieważ wymagają znacznego nakładu pracy, toteż są 26 | LAIMA GRUMADIENĖ bardzo kosztowne (wraz z V. Žilinskiene obliczyłyśmy, że w naszym przypadku samo wybranie tekstów, wprowadzenie ich z klawiatury komputera, częściowo zautomatyzowana analiza morfologiczna (tzw. LEMATYZACJA), korekta i wprowadzenie danych do komputera wymagałyby od jednej osoby sześciu lat pracy). Obliczenia i późniejsze korekty wymagają kolejnych kilku lat, ponieważ każda nieścisłość w wykonywaniu działań matematycznych może doprowadzić do absurdu. Ogólnie rzecz biorąc, słowniki frekwencyjne, zwłaszcza po pojawieniu się korpusów elektronicznych, można dziś opracowywać na różne sposoby i w różnych wariantach – zależnie od tego, czego się szuka. Głównym powodem opracowywania wciąż nowych słowników frekwencyjnych, zwłaszcza tych, które pretendują do miana np. słowników współczesnego n języka, jest to, że podstawowym warunkiem lingwostatystyki, podobnie jak statystyki w ogóle, jest to, by próba stanowiła reprezentatywny model badanej populacji, czyli zbiorowości. Krótko mówiąc, nieustannie pojawiają się wątpliwości, czy badana próba rzeczywiście odzwierciedla zakładaną populację. Na przykład słownik frekwencyjny współczesnego języka litewskiego opracowany na podstawie Korpusu współczesnego języka litewskiego Uniwersytetu Witolda Wielkiego, składającego się aż z 60 mln użyć wyrazów, różniłby się od już wydanych słowników L. Grumadienė i V. Žilinskienė (1997, 1998), ponieważ jego wyniki odzwierciedlałyby zbiór tekstów, którego podstawę stanowi język 70% periodyków, 26% publikacji nieperiodycznych i 4% publikacji tłumaczonych (Marcinkevičienė 2000a: 16). Teksty do wspomnianych wydanych słowników wybrano według zupełnie innych zasad: są to oryginalne, nietłumaczone teksty reprezentujące cztery funkcjonalne style języka – publicystyczny, urzędowy, beletrystyczny i naukowy. Postąpiono tak dlatego, że ogólny język litewski, zwłaszcza jego odmiana pisana, wciąż jest kształtowany, normowany i kodyfikowany w duchu idei Praskiego Koła Lingwistycznego (nawiasem mówiąc, warto zwrócić uwagę, że obecnie sam termin STYL jest definiowany dość różnie przez poszczególne szkoły językoznawcze). Kierowano się zasadami innych autorów słowników frekwencyjnych, przede wszystkim czeskich, rosyjskich i łotewskich, którzy również przyjmowali przedstawione wcześniej rozumienie języka ogólnego jako sumy funkcjonalnych stylów języka; korzystano z ich doświadczeń. Dlatego, podobnie jak w ich przypadku, wybrano próbki po 300 000 użyć wyrazów z czterech stylów funkcjonalnych, uznając, że zasady tworzenia Korpusu Uniwersytetu Witolda Wielkiego (który, nawiasem mówiąc, powstał później niż nasz) są jeszcze przedwczesne dla pisanego języka litewskiego i bliższe amerykańskiemu rozumieniu języka ogólnego (lub standardowego, jak się tam przyjęło). W bazie danych Słownika frekwencyjnego współczesnego pisanego języka litewskiego niekiedy brakuje słownictwa potocznego, ponieważ zapomina się, że opracowano ją wyłącznie na podstawie publicznego języka pisanego: nie uwzględnia ona prywatnych listów, dzienników, napisów na murach itp. Mimo to także obecnie do słownika trafiły wyrazy języka potocznego, w tym nie tylko zapożyczenia obce i dialektyzmy, lecz także przykłady pejoratywnego słownictwa niedopuszczalnego w języku ogólnym, za co autorki słownika nieustannie spotykają się z zarzutami. Powstaje pytanie, co uznać za literaturę piękną: wyrazy te występowały w tekstach literatury pięknej (oryginalnych tekstach opublikowanych na Litwie w nakładzie ponad 100 egzemplarzy i poddanych redakcji), a zasadą opracowywania słownika frekwencyjnego jest niewykreślanie żadnego wyrazu znaczącego, o ile nie jest on nazwą własną, liczbą, skrótem lub błędem korektorskim. Nawiasem mówiąc, dane pokazują, że spośród prób po 300 000 użyć wyrazów wybranych dla każdego z czterech stylów funkcjonalnych w stylu publicystycznym znaleziono 284 687 wyrazów znaczących (15 313 tzw. „śmieci”), w stylu rzeczowym – 279 505 (z przyczyn wymienionych powyżej 20 495 nie trafiło do słownika), w naukowym – 278 311 (21 689), a w beletrystycznym – 290 561 (9 439). Serce nie pozwoliło wykreślić nazwy własnej Lietuva, dlatego jako wyjątek jako jedyna nazwa własna trafiła do słownika (okazało się, że jest 16. pod względem frekwencji wyrazem, pierwszym rzeczownikiem, a jej frekwencja wynosi 5151 w aż 614 próbkach: zadecydowały tu dokumenty urzędowe, DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 27 nazwy instytucji itp., w których słowo to często występowało w dopełniaczu). Za umownie własne można uznać także nazwy świąt religijnych i innych (często używane również jako pospolite), np. Joninės, Kūčios, Žolinė, a także nazwy stron świata Rytai, Vakarai, Pietūs, Šiaurė. Zgodnie z zasadą reprezentatywności z każdego z wymienionych stylów wybierano wyłącznie teksty zaliczane do czystego stylu: pomijano teksty podręcznikowe uznawane za graniczne, publicystykę naukową, publicystykę przeznaczoną dla wąskiego grona czytelników, dramat, poezję itp. Teksty publicystyczne wybrała Vida Žilinskienė; składały się na nie teksty z lat 1994–1995 z 19 redagowanych centralnych dzienników i tygodników oraz szeroko czytanych czasopism, reprezentujące pięć grup tematycznych: 1) polityka, 2) przemysł i rolnictwo, 3) oświata i prawo, 4) sztuka oraz 5) rozrywka (sport, horoskopy, prognozy pogody). Teksty w stylu urzędowym wybrali Pranas Kniūkšta i Danutė Vainauskienė z publikacji i dokumentów z lat 1990–1995, według siedmiu grup tematycznych: 1) ustawy i towarzyszące im dokumenty, komentarze, 2) dokumenty prawne, 3) informatory i dokumenty z dziedziny ekonomii i biznesu, 4) publikacje politologiczne, dokumenty partyjne, 5) normy i publikacje statystyczne, 6) źródła informacji (bibliografie, katalogi, słowniki), 7) dokumenty dotyczące poszczególnych dziedzin społecznych (obrony kraju, zabezpieczenia społecznego, oświaty, kultury itp.). Teksty w stylu naukowym wybrała Irena Andriukaitienė z publikacji naukowych wydanych na Litwie w latach 1990–1995 lub prac zatwierdzonych przez instytucje naukowe, według ośmiu grup tematycznych (dziedzin nauki): 1) nauki rolnicze, 2) przyrodnicze, 3) humanistyczne, 4) matematyczne, 5) medyczne, 6) społeczne, 7) techniczne, 8) teologiczne. Teksty w stylu beletrystycznym wybrała Laima Grumadienė spośród utworów prozatorskich literatury pięknej wydanych na Litwie w latach 1985–1990 (z nielicznymi wyjątkami), a ich sześć „tematycznych” grup podzielono według miejsc urodzenia pisarzy: 1) Żmudzini, 2) wschodni Auksztoci, 3) zachodni Auksztoci, 4) południowi Auksztoci, 5) mieszkańcy miast, 6) emigranci (nie uwzględniano faktycznego miejsca urodzenia tych ostatnich). Uznano, że właśnie te teksty mogą reprezentować współczesny pisany język litewski. Wybierano z nich losowo (strony i wiersze wskazywano na podstawie tabeli liczb losowych) jeden odcinek o objętości 1000 wystąpień wyrazów, tzw. próbkę, a następnie wprowadzano ją za pomocą klawiatury komputera (praca trwała około dwóch godzin). Potem próbki lematyzowano, czyli poddawano analizie morfologicznej za pomocą programu MAN (Analiza i Normalizacja Morfologiczna), przygotowanego przez Vytautasa Zinkevičiusa. Autor przystosował go specjalnie do tego zadania, bazując na opracowanym wcześniej przez siebie komputerowym programie korekty pisowni wyrazów; w 2000 r. na zamówienie Uniwersytetu Witolda Wielkiego nieco go ulepszył, przeniósł do nowszej wersji i nazwał lematyzatorem (Zinkevičius 2000). Praca wyglądała mniej więcej tak: otrzymywało się wydruk komputerowy, z którego należało „wyrzucić” niepotrzebne wiersze (podkreślenie moje). Na przykład wydruk już przetworzonego przez człowieka, a nie tylko przez maszynę, odcinka tekstu (…) manęs visa komedija (…) wygląda tak: RYS. 1. PRZYKŁAD LEMATYZACJI TEKSTU ja myśleć mnie zaim. osobowy lp. dopełniacz mnie czasownik imiesłów czynny przeszły niedokonany rodzaj męski lp. mianownik 28 | LAIMA GRUMADIENĖ cały cała zaim. przymiotnikowy rodzaj żeński lp. mianownik całą zaim. przymiotnikowy rodzaj żeński lp. narzędnik całej zaim. przymiotnikowy rodzaj żeński lp. miejscownik całe zaim. przymiotnikowy biernik ten ta zaim. przymiotnikowy rodzaj żeński lp. mianownik komedia komedia rzecz. rodzaj żeński lp. mianownik komedią rzecz. rodzaj żeński lp. narzędnik komedia rzeczownik rodzaj żeński liczba pojedyncza mianownik W pierwszym wierszu pozostaje odtworzony wyraz hasłowy, w drugim zaś (tym, który nie został skreślony) – forma wyrazu wraz z charakterystyką gramatyczną. Opracowanie 1000 wyrazów zajmuje około 4 godzin, ale szybszej metody analizy morfologicznej wyrazów litewskich chyba jeszcze nie ma. Następnie wyszukuje się homonimy i homofony, próby koryguje się za pomocą programu MAN-K Vytautasa Zinkevičiusa i przenosi do komputera – wszystko to zajmuje jeszcze godzinę. W ten sposób opracowano łącznie 1200 prób po 1000 użyć wyrazów. Po wykonaniu tej ogromnej pracy dane opracowano dalej za pomocą programów obliczeniowych przygotowanych przez Valentinasa Černiauskasa i Snieguolė Meškauskienė (oboje z Instytutu Matematyki i Informatyki): obliczono różne częstości. Do druku przygotowano trzy słowniki, dwa z nich już wydano (Grumadienė, Žilinskienė 1997; 1998), a trzeci, miejmy nadzieję, ujrzy światło dzienne jeszcze w tym roku. Pierwsze dwa słowniki to frekwencyjne listy wyrazów hasłowych. Pierwszy uporządkowano według malejącej częstości, drugi – alfabetycznie. Znalazło się w nich odpowiednio 38 337 różnych wyrazów. Trzeci słownik – form wyrazowych – jest kilkakrotnie obszerniejszy (31 ark. wyd.), zawiera około 150 000 form wyrazowych i odzwierciedla użycie różnych wyrazów oraz tych samych wyrazów w różnych formach gramatycznych (powinien zostać udostępniony zarówno w porządku alfabetycznym, jak i odwrotnym). Przygotowano jeszcze kilkadziesiąt różnie uporządkowanych słowników frekwencyjnych przeznaczonych do użytku w formie elektronicznej: dla wszystkich czterech stylów, wszystkich grup tematycznych w obrębie każdego stylu itd. (zarówno wyrazów hasłowych, jak i form wyrazowych). Porównanie niektórych danych statystycznych już teraz pokazuje, że w litewskim języku pisanym używa się najwięcej różnych rzeczowników – aż 45,25% wszystkich różnych wyrazów stanowią rzeczowniki; dużo jest czasowników i form czasownikowych – 32,65%, znaczący jest również udział przymiotników – 15,31%, a odrębnych przysłówków znaleziono 5,03%. Pozostałe części mowy nie osiągają nawet pół procenta (łącznie stanowią zaledwie 0,88%). Nie oznacza to jednak, że ich rozkład w tekstach jest właśnie taki. Inny wskaźnik – częstość użycia tych samych wyrazów w tekście – pokazuje, że odsetek podstawowych części mowy i przysłówków znacznie się zmniejsza na rzecz funkcyjnych części mowy i zaimków, które w tekstach stanowią już ponad jedną czwartą – 26,71%. Warto zwrócić uwagę nie tylko na wskaźnik częstości, ale także na liczbę wystąpień danego wyrazu lub formy wyrazowej w poszczególnych próbach: pozwala to ustalić, czy częstość danego wyrazu wynika z przypadkowego trafienia jednej próbki tekstu, w której wyraz wielokrotnie się powtarza, czy też jego częstość nie jest przypadkowa, ponieważ rozkład w różnych próbach jest równomierny. DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 29 Różnorodność leksykalną ocenia się za pomocą współczynnika iteracji (stosunku liczby użyć wyrazów do liczby wyrazów hasłowych), który w omawianym słowniku wynosi 20,06 (im niższa ta wartość, tym więcej różnych wyrazów znaleziono). Z policzonych, lecz nieopublikowanych słowników wyrazów hasłowych i form wyrazowych dla każdego z czterech stylów funkcjonalnych (o niektórych zaobserwowanych w nich właściwościach lingwostatystycznych pisała już V. Žilinskienė (1998, 2001, w druku i in.)) wynika, że na przykład leksyka literatury pięknej jest dwukrotnie bardziej zróżnicowana niż leksyka tekstów stylu rzeczowego (współczynniki iteracji wynoszą odpowiednio 9,53 i 20,78). Najciekawsze jest to, że współczynnik iteracji dla wszystkich czterech stylów łącznie niewiele różni się od współczynnika dla stylu rzeczowego, lecz bardzo różni się od tego dla stylu literatury pięknej (dla publicystyki wynosi 10,51, a dla tekstów naukowych – 12,63). Wskaźniki te stanowią istotny argument przy podejmowaniu decyzji dotyczących na przykład zasad opracowywania słownika języka ogólnego: w jakich proporcjach powinny być reprezentowane funkcjonalne style języka; czy w ogóle należy kontynuować praktykę wiązania języka ogólnego ze stylami funkcjonalnymi; a jeśli tak, trzeba uwzględnić statystyczne wskaźniki stylów funkcjonalnych itd. Ciekawe dane uzyskano, zestawiając listę najczęstszych wyrazów opracowaną na podstawie korpusu Uniwersytetu Witolda Wielkiego (wyrazy odnotowano i policzono w występujących w tekście formach, bez odtwarzania form hasłowych, w przeciwieństwie do Dabartinės rašomosios lietuvių kalbos dažniniame žodyne). Porównanie 50 najczęstszych nieodmiennych wyrazów i odmiennych form wyrazowych w 60-milionowym korpusie tekstów litewskich (Utka 2000: 278) z pierwszymi 50 wyrazami hasłowymi Dažninio žodyno (Grumadienė, Žilinskienė 1997: 3) pozwala wyraźnie stwierdzić, że listy te zasadniczo się pokrywają. Na pierwszej liście frekwencyjnej jest tylko nieco mniej różnych wyrazów, ponieważ uwzględniono tam różne formy tego samego wyrazu, np. buvo, būti; jis, jo, jų, jos, jie, podczas gdy na drugiej liście, czyli w słowniku, reprezentują je odpowiednio būti i jis. Zgodnie z zasadami opracowywania słowników tego typu w Dažninį žodyną nie uwzględniono skrótów, jednak porównanie danych z Dažninio žodyno pokazuje, że spośród skrótów znajdujących się na wspomnianej liście najczęstszych wyrazów m, d, a – oznaczających odpowiednio metai, diena, amžius – dwa pierwsze wyrazy są częste także w słowniku, zajmują miejsca 30. i 57. pod względem częstości, czyli rangi (za wyrazy tej samej rangi uznaje się wyrazy o jednakowej częstości), natomiast amžius trafia dopiero do trzeciej setki. Warto dodać, że skrót i pełny wyraz są dość często używane także w nieco odmiennych znaczeniach. Jak potwierdza praktyka opracowywania słowników frekwencyjnych dla wielu języków syntetycznych, najczęstszymi wyrazami w Dabartinės rašomosios lietuvių kalbos dažniniame žodyne są niektóre spójniki (ir, kad, o, kaip, ar, bet, bei, kai itd.), przyimki (į, iš, su, nuo, apie, po, už, dėl, per, prie itd.), zaimki (jis, tas, aš, kuris, šis, visas, kitas, savas, toks, kas, tu itd.), partykuły (ir, ne, tik itd.); najpopularniejsze czasowniki to būti, galėti, turėti, nebūti, reikėti, žinoti, nustatyti itd., a rzeczowniki – Lietuva, darbas, žmogus, metai itd. Wśród liczebników najczęstsze są vienas, pirmas, du, a wśród przymiotników, które znalazły się w pierwszej setce najczęstszych wyrazów – dideli, naujas, aukštas, įvairus, svarbus, pagrindinis. Warto dodać, że dane dotyczące języków analitycznych również pokazują, iż na przykład zaimek I, spójnik and i rodzajnik the stanowią 10% tekstów angielskich (Hillerich www: eduplace.com). Ważna jest również kwestia wyrazów międzynarodowych – ile ich i które należałoby umieścić w słowniku języka ogólnego? Przydatna może być także wiedza o tym, że na przykład w wykazie wyrazów hasłowych Dabartinės rašomosios lietuvių kalbos dažninio žodyno (1998, XXXIV–XXXVI) znaleziono 27,52% wyrazów międzynarodowych, które w tekstach zajmowały 13,34% miejsca; przydatne mogą być również same listy tych wyrazów. 30 | LAIMA GRUMADIENĖ Przygotowując nową gramatykę języka litewskiego, warto znać także statystykę form wyrazowych: jakie typy wyrazów podlegają odmianie, w jaki sposób i dlaczego, a także dlaczego różnorodność form gramatycznych jednych wyrazów jest duża, a innych — nie. Takich danych dostarcza przygotowywany do druku słownik form wyrazowych. V. Žilinskienė (2001) opublikowała już interesujące dane dotyczące samego stylu publicystycznego. Okazuje się, że trzy przypadki rzeczowników obejmują 82,29% wszystkich użyć rzeczowników (dopełniacz – 38,91%, mianownik – 26,62%, biernik – 16,76%; a fakt, że na przykład celownik występuje tylko w 3,88% przypadków, może już świadczyć o tendencjach do analityzacji?). Przymiotniki, nawiasem mówiąc, najczęściej występują w mianowniku — w 36,93% przypadków. Ustalono, że dominują rzeczowniki w liczbie pojedynczej — 68,86% wszystkich użyć. W tekstach publicystycznych znaleziono stosunkowo niewiele imiesłowów przysłówkowych współczesnych (2,34%) i uprzednich (1,84%), natomiast imiesłowów przymiotnikowych aż 24,46%; bezokolicznik wystąpił w 15,85% przypadków. Ciekawe i nietypowe wyniki, zwłaszcza dla pedagogów i specjalistów opracowujących podręczniki, programy nauczania i słowniki, uzyskano, analizując trzy opublikowane słowniki przygotowane przez V. Žilinskienė i L. Grumadienė (1998; 1999a; 1999b): Minimalne słowniki języka litewsko-rosyjskiego dla kwalifikacyjnych kategorii znajomości języka państwowego, a także sześć innych analogicznych słowników litewsko-angielskich i litewsko-polskich, przygotowanych, lecz jeszcze nieopublikowanych. Warto tu ponownie zwrócić uwagę na to, że materiał zebrano z tekstów litewskiego języka pisanego, można więc odczuwać brak słownictwa języka mówionego. Słowniczki te są przeznaczone do nauki języka pisanego, ponieważ wymagania kwalifikacyjne dotyczące znajomości języka państwowego wiążą się z jego publicznym użyciem, przede wszystkim w sytuacjach oficjalnych, zwłaszcza w instytucjach państwowych. Dlatego potrzebne jest tu słownictwo nie potoczne, lecz neutralne i specjalistyczne: wymaga się umiejętności czytania i pisania pism urzędowych oraz rozumienia tekstów medialnych. W przyszłości należy opracować także minimalne słowniki języka mówionego. Na Litwie opublikowano podręcznik Vytautasa Šernasa (1994) Jak uczyć się języków bardziej racjonalnie, zawierający również minimalny dwujęzyczny słownik angielsko-litewski: przełożono w nim słynny Basic English, opublikowany w 1942 r. przez Ch. K. Ogdena i obejmujący 850 słów (można go zresztą znaleźć także w 3. tomie Encyclopaedia Britannica). Z biegiem czasu jedne słowa wychodzą z użycia, inne się pojawiają, dlatego lista tych 850 słów może odpowiednio się zmieniać. Przy ustalaniu wymagań dla trzech kwalifikacyjnych kategorii znajomości państwowego języka litewskiego uwzględniono również opinię autorów Częstotliwościowego słownika współczesnego pisanego języka litewskiego na temat zakresu słowników minimalnych: zdecydowano, że wymagania I kategorii odpowiada znajomość około 800 słów, II kategorii — około 1200, a III kategorii — około 2500 słów. Opierano się zarówno na powszechnie przyjętym postulacie Ogdena dotyczącym 850 słów, jak i na wynikach badań częstości własnego i innych języków oraz na analogicznej praktyce innych państw. Że liczby te nie są wzięte z sufitu, pokazują również trzy tabele zamieszczone w aneksie, wyraźnie wskazujące, jaką część tekstów pokrywają odpowiednio 800, 1200 i 2500 najczęstszych słów pisanego języka litewskiego: 56,66%, 65,70% i 78,04%. Coraz powszechniejsze staje się zamieszczanie w dużych słownikach informacji o najczęstszych słowach danego języka. Na przykład w słowniku języka angielskiego COBUILD (www.antimoon.com) 680 najczęstszych słów oznaczono od jednego do czterech rombów. W słowniku języka angielskiego Longmana 3000 najczęstszych słów oznaczono odpowiednio symbolami S1, S2 (S — spoken English), W1, W2 (W — written English). W słowniku języka angielskiego Macmillana najczęstsze słowa drukowane są na czerwono, a częstość pozostałych oznaczana jest odpowiednio od jednej do trzech gwiazdek. Zapewne zbliża się czas, gdy również polska leksykografia będzie musiała się tym zająć. DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 31 4. WNIOSKI Elektronicznych baz danych współczesnego języka litewskiego nie ma wiele; największe z nich to Częstotliwościowy słownik współczesnego pisanego języka litewskiego autorstwa V. Žilinskienė i L. Grumadienė (z adnotacją morfologiczną i opracowaniem statystycznym, 1 200 000 użyć wyrazów) oraz Korpus języka litewskiego Uniwersytetu Witolda Wielkiego (bez adnotacji, około 60 000 000 użyć wyrazów). W lituanistyce wciąż brakuje właściwej praktyki korzystania zarówno z elektronicznych baz danych współczesnego języka, jak i z publikacji lingwistyczno-statystycznych. Przede wszystkim zbyt mało zachęca się do takiej pracy na litewskich uczelniach, ale jest też druga strona medalu — publicznie dostępnych elektronicznych baz danych języka litewskiego jest za mało. Jedną z przyczyn tego zapóźnienia jest również to, że elektroniczne bazy danych nie są uznawane za pracę autorską. Jednym z najistotniejszych problemów na Litwie związanych z elektronicznymi bazami danych jest słabość koncepcji ich tworzenia: często zakłada się, że będą one służyć jedynie jako tekst udostępniony w formie elektronicznej, bez przewidywania zastosowania technologii komputerowych do przetwarzania danych. 32 | LAIMA GRUMADIENĖ TABELA 1: CZĘSTOŚĆ WYSTĘPOWANIA CZĘŚCI MOWY I ŁĄCZNA CZĘSTOŚĆ WYRAZÓW W KWALIFIKACYJNYCH KATEGORIACH ZNAJOMOŚCI PAŃSTWOWEGO JĘZYKA LITEWSKIEGO Ranga Częstość rzecz. przym. przysł. zaim. różne 1–10 39582-7001 – 21262 – – 52221 14,38% 35,31% 11–20 6877-4274 – 10582 – – 21221 19,96% 40,02% 21–30 4113-2989 10763 – – – 11048 28,95% 29,71% 31–40 2950-2637 – – – 5619 – 20,35% 41–50 2631-2053 – 6843 2053 4782 2113 30,50% 9,15% 21,32% 9,42% 51–60 2015-1781 9284 – – 3867 – 45,22% 18,83% 61–70 1754-1557 10014 1739 – – 1593 60,41% 10,49% 9,62% 71–80 1548-1461 6036 3046 1507 3009 – 40,04% 20,20% 10,00% 19,96% 81–90 1460-1373 1422 2828 1373 2888 2792 10,03% 19,94% 9,68% 20,36% 19,68% 91–100 1351-1148 7421 1305 – 1232 1159 54,63% 9,61% 9,07% 8,53% 101–150 1442-905 23551 12523 7419 3116 943 43,03% 22,88% 13,55% 5,69% 1,72% 151–200 900-706 22744 10742 870 4203 1583 52,48% 24,79% 2,01% 9,70% 3,65% 201–250 702-564 14059 6315 4906 3178 3148 42,09% 18,90% 14,69% 9,51% 9,42% 251–300 562-462 17325 7962 1451 3605 1041 49,59% 22,79% 4,15% 10,32% 2,98% DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 33 ANALIZA LINGWOSTATYSTYCZNA MINIMALNEGO SŁOWNIKA KWALIFIKACYJNEGO: skt prl jng dll išt; ist Suma – 25050 49371 – – 147904 16,93% 33,38% 12,33% – – 16902 4320 – 53025 31,87% 8,15% 4,42% – 7156 4102 4113 – 37182 19,25% 11,03% 11,06% 3,10% 2641 8282 8281 2791 – 27614 9,56% 29,99% 29,99% 10,11% 2,30% 2116 4526 – – – 22433 9,43% 20,18% 1,87% – 3589 3793 – – 20533 17,48% 18,47% 1,71% 1557 1673 – – – 16576 9,39% 10,09% 1,38% – – 1478 – – 15076 9,80% 1,26% – 1427 – 1454 – 14184 10,06% 10,25% 1,18% – – 1237 1230 – 13584 9,11% 9,05% 1,13% 1007 2164 2986 1028 – 54737 1,84% 3,95% 5,46% 1,88% 4,56% 738 – 900 1557 – 43337 1,70% 2,08% 3,59% 3,61% – – 574 1225 – 33405 1,72% 3,67% 2,78% – 1035 512 2007 – 34938 2,96% 1,47% 5,74% 2,91% 34 | LAIMA GRUMADIENĖ Ranga Częstość rzecz. czas. przym. przysł. zaim. 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% Minimalny zasób słownictwa dla I kategorii kwalifikacyjnej znajomości języka litewskiego (około 800 TABELA 2: CZĘSTOŚĆ CZĘŚCI MOWY I OGÓŁEM SŁÓW W II KATEGORII KWALIFIKACYJNEJ ZNAJOMOŚCI JĘZYKA LITEWSKIEGO Ranga Częstość rzecz. czas. przym. przysł. zaim. 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% Minimalny zasób słownictwa dla II kategorii kwalifikacyjnej znajomości języka litewskiego (około 1200 TABELA 3: CZĘSTOŚĆ CZĘŚCI MOWY I OGÓŁEM SŁÓW W III KATEGORII KWALIFIKACYJNEJ ZNAJOMOŚCI JĘZYKA LITEWSKIEGO Ranga Częstość rzecz. czas. przym. przysł. zaim. 601–650 105-56 45751 20328 12145 5822 433 52,31% 23,25% 13,88% 6,66% 0,50% Minimalny zasób słownictwa dla III kategorii kwalifikacyjnej znajomości języka litewskiego (około 2500 DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 35 skt prl jng dll išt; jst Suma 426 – – 812 – 36194 1,17% 2,24% 3,02% – – 1407 2043 – 34886 4,03% 5,87% 2,91% 276 – 272 1118 – 33489 0,82% 0,81% 3,34% 2,79% 255 224 210 700 – 40857 0,62% 0,55% 0,51% 1,71% – 3,40% słów) pokrywa 56,66% tekstu (próba z 1,2 mln użyć słów). 56,66% LINGWOSTATYSTYCZNA ANALIZA KATEGORII SŁOWNIKA MINIMALNEGO: skt prl jng dll išt; jst Suma 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% słów) pokrywa 65,70% tekstu (próba z 1,2 mln użyć słów). 9,04% Łącznie: (=65,70%) LINGWOSTATYSTYCZNA ANALIZA KATEGORII SŁOWNIKA MINIMALNEGO: skt prl jng dll išt; jst Suma 460 341 372 1697 102 87446 0,52% 0,40% 0,42% 1,94% 0,12% 7,29% słów) pokrywa 78,04% tekstu (próba z 1,2 mln użyć słów). 7,29% Łącznie: (=78,04%) 36 | LAIMA GRUMADIENĖ LITERATŪRA AJMER, K., ALTENBERG, B. 1991: Introduction. Ajmer, K., Altenberg, B., eds., English Corpus Linguistics. Studies in Honour of Jan Svartvik, London–New York: Longman. ALAMEDA, J. R., CUETOS, F. 1995: Diccionario de frecuencias de las unidades lingüísticas del castellano, Universidad de Oviedo. BITINIENĖ, A. 1983: Mokslinis stilius, Vilnius: Aukštojo ir specialiojo mokslo ministerija. BITINIENĖ, A. 1997: Funkciniai stiliai: sakinio ilgis ir struktūra, Vilnius: Vilniaus pedagoginio universiteto leidykla. BITINIENĖ, A. 1998: Administracinis stilius ir jo sakinio ilgis. Kalbotyra 47 (1), 17–28. EATON, H. 1934: Comparative frequency list on the first thousand words in English, French, German and Spanish. Coleman, A., ed., Experiments and Studies in Modern Language Teaching, Chicago. GARCIA HOZ, V. 1953: Vocabulario usual, comun y fundamental. Madrid: Consejo Superior de Investigaciones Cientificas – Instituto „San José de Calasanz“. GRUMADIENĖ, L., ŽILINSKIENĖ, V. 1997: Dabartinės rašomosios lietuvių kalbos dažninis žodynas (mažėjančio dažnio tvarka), Vilnius: Matematikos ir informatikos institutas, Lietuvių kalbos institutas. GRUMADIENĖ, L., ŽILINSKIENĖ, V. 1998: Dabartinės rašomosios lietuvių kalbos dažninis žodynas (abėcėlės tvarka), Vilnius: Matematikos ir informatikos institutas, Lietuvių kalbos institutas. HILLERICH, R., www: eduplace. com: High-frequency words and vocabulary. JAKUBAITĖ, T. e.a. 1966–1976: Latviešu valodas biežuma vārdnīca, 1.–4. sējumi, Rīga: Zinātne. JOSSELSON, H. 1953: The Russian Word Count and Frequency Analysis of Grammatical Categories of Standard Literary Russian, Detroit: Periodical Service Co. JUILLAND, A., RODRIGUES, E. Ch. 1964: Frequency Dictionary of Spanish words, The Hague: Mouton. JUILLAND, A., EDWARDS, P. M., JUILLAND, I. 1965: Frequency Dictionary of Roumanian Words, The Hague: Mouton. JUILLAND, A., TRAVERSA, V. 1973: Frequency Dictionary of Italian Words, The Hague: Mouton. KAEDING, F. 1898: Häufigkeitswörterbuch der deutschen Sprache, Steigliz bei Berlin (Selbstverlag). KEINYS, S., red. 1993: Dabartinės lietuvių kalbos žodynas, Vilnius: Mokslo ir enciklopedijų leidykla. KEINYS, S., red. 2000: Dabartinės lietuvių kalbos žodynas, Vilnius: Mokslo ir enciklopedijų leidykla. KENNEDY, G. 1998: An Introduction to Corpus Linguistics, London–New York: Longman. KORSAKAS, J. 1991: Lietuvių kalbos inversinis žodynas, Kaunas: Šviesa. KRUOPAS, J., red. 1954: Dabartinės lietuvių kalbos žodynas, Vilnius: Valstybinė politinės ir mokslinės literatūros leidykla. KRUOPAS, J., red., 1972: Dabartinės lietuvių kalbos žodynas, Vilnius: Mintis. LEECH, G. 1991: The state of the art in corpus linguistics, Ajmer, K., Altenberg, B., eds., English Corpus Linguistics. Studies in Honour of Jan Svartvik, London–New York: Longman. LÖNGREN, L. 1993: Частотный словарь современного русского языка. Uppsala. (Acta Universitatis Upsaliensis, Studia Slavica Upsaliensia 32.) MARCINKEVIČIENĖ, R. 2000a: Tekstynų lingvistika (teorija ir praktika). Darbai ir dienos 24, 7–64. MARCINKEVIČIENĖ, R. 2000b: Patterns of word usage in corpus linguistics. Kalbotyra 49 (3), 71–80. MAŽEJKA, N. S. (Мажэйка, Н. С.), SUPRUN, A. Ja. 1976: Частотны слоўнік беларускай мовы (мастацкая проза), Мінск: Выдавецтва БДУ імя У. Леніна. MIKELIONIENĖ, J. 2000: Naujoji lietuvių kalbos leksika (1991–1996 m. kompiuterinio periodikos tekstyno pagrindu). Daktaro disertacija, Kaunas: Vytauto Didžiojo universitetas. MURMULAITYTĖ, D. 1998: Žodžių sąsajos žymėjimas „Dabartinės lietuvių kalbos žodyne“ (santrumpos žr. vartojimas). Lietuvių kalbotyros klausimai 39, 240–247. MURMULAITYTĖ, D. 1999: „Bendrinės lietuvių kalbos žodyno“ kompiuterizavimo klausimu. Lituanistica 2 (38), 92–98. RYKLIENĖ, A. 2000: Bendravimas internetu: kalbėjimas rašant. Darbai ir dienos 24, 99–107. DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 37 ROBINSON, D. F. 1976: Lithuanian Reverse Dictionary, Michigan: Slavica Publishers Inc. ROZENCVEJG, V. Ju. 1986: Опыт создания национальных лексикографических служб за рубежом. Караулов Ю. Н., ред., Машинный фонд русского языка: идеи и суждения, Москва: Наука, 75–83. SAVICKIENĖ, I. 1999: Lietuvio vaiko daiktavardžio morfologija. Daktaro disertacija, Kaunas: Vytauto Didžiojo universitetas. ŠERNAS, V. 1994: Kaip racionaliau mokytis kalbų (Basic English), Vilnius: Žodynas. ŠTEJNFEL’DT, E. A. 1963: Частотный словарь современного русского литературного языка, Таллин. TĚŠITELOVÁ, M. e.a. 1983: Frekvenční slovník češtiny věcného stylu, Praha: Academia–Nakladatelství Československé Akademie Věd. THORNDIKE, E., LORGE, L. 1944: A Teacher’s Word Book of the Twenty Thousand Words Found Most Frequently and Widely in General Reading for Children and Young People, New York: Appleton-Century Crofts. TODOROVA, E., PANČOVSKA, R. 2001: Честотен речник на българската публицистика (1944–1989), София: Пенсофт. UTKA, A. 2000: Kalbinė įranga ir jos galimybės. Darbai ir dienos 24, 275–285. VACAR, N. P. 1966: A Word Count of Spoken Russian. The Soviet Usage, Ohio: Ohio State University Press. VANDER BEKE, G. 1929: French Word Book, New York: Macmillan. ZASORINA, L. N., ред., 1977: Частотный словарь русского языка, Москва: Издательство «Русский язык». ZINKEVIČIUS, V. 2000: Lemiuoklis – morfologinei analizei. Darbai ir dienos 24, 246–273. ŽILINSKIENĖ, V. 1990: Lietuvių kalbos dažninis žodynas, Vilnius: Mokslas. ŽILINSKIENĖ, V. 1995: Atgalinis dabartinės lietuvių kalbos žodynas, Vilnius: Matematikos ir informatikos institutas. ŽILINSKIENĖ, V. 1998: Dažninis dabartinės rašomosios lietuvių kalbos žodynas (pirmieji tyrimo rezultatai). Lietuvių kalbotyros klausimai 39, 219–227. ŽILINSKIENĖ, V., GRUMADIENĖ, L. 1998: Valstybinės kalbos mokėjimo kvalifikacinių kategorijų lietuvių–rusų kalbų minimalusis žodynas (pirmoji kvalifikacinė kategorija), Kaunas: Šviesa. ŽILINSKIENĖ, V., GRUMADIENĖ, L. 1999a: Valstybinės kalbos mokėjimo kvalifikacinių kategorijų lietuvių–rusų kalbų minimalusis žodynas (antroji kvalifikacinė kategorija), Vilnius: UAB „Nacionalinių tyrimų centro“ leidykla. ŽILINSKIENĖ, V., GRUMADIENĖ, L. 1999b: Valstybinės kalbos mokėjimo kvalifikacinių kategorijų lietuvių–rusų kalbų minimalusis žodynas (trečioji kvalifikacinė kategorija), Vilnius: UAB „Nacionalinių tyrimų centro“ leidykla. ŽILINSKIENĖ, V. 2001: Lietuvių ir latvių kalbų publicistikos leksikos ir morfologijos raida statistiniu požiūriu. Linguistica Lettica 9, 155–168. ŽILINSKIENĖ, V. spausd.: Lietuvių kalbos dalykinio stiliaus morfologijos statistinės charakteristikos ir jų lyginimas su atitinkamomis publicistikos charakteristikomis. Lituanistica. Laima Grumadienė Lietuvių kalbos institutas P. Vileišio g. 5, LT–2055 Vilnius, Lietuva [email protected] Gauta 2002 04 19