ACTA LINGUISTICA LITHUANICA

XLVI (2002), 19 – 37

Λεξικό συχνότητας της σύγχρονης γραπτής λιθουανικής γλώσσας και η βάση δεδομένων του

LAIMA GRUMADIENĖ

Ινστιτούτο Λιθουανικής Γλώσσας

Υπάρχουν λίγες ηλεκτρονικές βάσεις δεδομένων για τη λιθουανική γλώσσα. Οι μεγαλύτερες είναι το Λεξικό συχνότητας της σύγχρονης γραπτής λιθουανικής γλώσσας, που συνέταξαν οι V. Žilinskienė και L. Grumadienė, και το Σώμα Κειμένων της Λιθουανικής Γλώσσας του Πανεπιστημίου του Κάουνας. Το πρώτο παρουσιάζεται εδώ λεπτομερώς: συζητούνται οι αρχές της σύνταξής του και οι πιθανές χρήσεις του, ενώ χαρακτηρίζεται συνοπτικά η μέχρι σήμερα δημοσιευμένη εργασία στη στατιστική γλωσσολογία που βασίζεται σε αυτό. Τα κύρια προβλήματα σε σχέση με τις βάσεις δεδομένων της σύγχρονης λιθουανικής γλώσσας είναι: (1) η ανεπαρκής διαφοροποίησή τους (αντικατοπτρίζουν μόνο τη γραπτή και όχι την προφορική γλώσσα), (2) η μη βέλτιστη χρήση τους, καθώς η λιθουανική επιστημονική κοινότητα δεν διαθέτει την απαιτούμενη προετοιμασία για την εργασία με τέτοια εργαλεία, και (3) το γεγονός ότι οι προσπάθειες των επιστημόνων που τις συντάσσουν αναγνωρίζονται πολύ λίγο από το κοινό και δεν εκτιμώνται ως πρωτότυπα επιστημονικά επιτεύγματα.

1. Η ΠΑΛΑΙΩΣΗ ΚΑΙ Η «ΑΧΡΗΣΤΙΑ» ΤΩΝ ΗΛΕΚΤΡΟΝΙΚΩΝ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ

Ακριβώς αυτή τη στιγμή η λιθουανική γλωσσολογία μοιάζει σαν να έχει παγώσει στο άλμα μιας τίγρης: τα ξεχωριστά έργα που προέκυψαν κυρίως χάρη στην ώθηση του στρουκτουραλισμού έχουν ήδη γραφτεί, όμως στην ατμόσφαιρα αιωρείται έντονα η προσδοκία νέων, εξίσου σημαντικών έργων. Για να επιτευχθούν αυτά, χρειάζονται όχι μόνο διαφορετική προσέγγιση των γλωσσικών φαινομένων, αλλά και νέες, μη δοκιμασμένες ακόμη μέθοδοι και εργαλεία εργασίας. Στην εποχή της πληροφορικής, τα νέα εργαλεία εργασίας των γλωσσολόγων συνδέονται συχνά με ηλεκτρονικές βάσεις δεδομένων και αυτές, με τη σειρά τους, με γλωσσοστατιστικές εκδόσεις. Θα φαινόταν αυτονόητο ότι διαφέρουν μεταξύ τους, καθώς οι ηλεκτρονικές βάσεις είναι δυναμικές και μπορούν να χρησιμοποιούνται αυτόνομα, ενώ οι εκδόσεις είναι στατικές και αποτελούν απλώς συγκεντρώσεις δεδομένων που παρέχονται κατ’ επιλογή των συγγραφέων. Ωστόσο, παλαιότερα, και ενίοτε ακόμη και σήμερα, στη Λιθουανία τέτοιες βάσεις και εκδόσεις ταυτίζονταν ή εξακολουθούν να ταυτίζονται. Αυτό καταδεικνύει η ιστορία των ανάστροφων λεξικών (που αποκαλούνται επίσης αντίστροφα). Το πρώτο λιθουανικό ανάστροφο λεξικό, που συνέταξε ο Αμερικανός David F. Robinson (1976) με βάση την έκδοση του 1954 του DLKŽ, περιλάμβανε περίπου 45.000 λέξεις· ενδέχεται να μην είχε καν ηλεκτρονική βάση, τουλάχιστον ο συγγραφέας δεν αναφέρει κάτι τέτοιο. Επιπλέον, εκείνη την εποχή μια τέτοια ηλεκτρονική βάση δεν θα ήταν καν διαθέσιμη στη Λιθουανία, καθώς ελάχιστοι είχαν ξεφυλλίσει το ίδιο το λεξικό, αφού είχε εκδοθεί σε μικρό τιράζ στην Αμερική. Ο Juozas Korsakas από το Šiauliai (1991) συνέταξε κατ’ επιλογή το Αντίστροφο λεξικό της λιθουανικής γλώσσας

20 |

LAIMA GRUMADIENĖ

λεξικό, το οποίο περιλάμβανε σχεδόν 22.000 λέξεις· βασιζόταν επίσης στο DLKŽ, αλλά στην έκδοση του 1972. Η εργασία έγινε με τη χρήση ηλεκτρονικής βάσης δεδομένων που είχε δημιουργηθεί για τον σκοπό αυτό, αλλά η τελευταία δεν είναι διαθέσιμη για δημόσια χρήση (πιθανότατα για τεχνικούς λόγους), επομένως είναι προσβάσιμη μόνο σε έντυπη μορφή. Το Ανάστροφο λεξικό της σύγχρονης λιθουανικής γλώσσας της Vida Žilinskienė (1995) δεν είναι απλή αντιγραφή του DLKŽ, καθώς οι λέξεις παρατίθενται με αντίστροφη σειρά και ταξινομούνται κατά μέρος του λόγου, ενώ προστίθεται και στατιστική ανάλυση. Σήμερα, ουσιαστικά, είναι και αυτό διαθέσιμο μόνο σε έντυπη μορφή, παρότι υπάρχει και ηλεκτρονική έκδοση. Η τελευταία αξιοποιήθηκε αρκετά περιορισμένα (από την ομάδα εργασίας υπό τη διεύθυνση της E. Jakaitienė κατά τη σύνταξη λιθουανο-νορβηγικού λεξικού, καθώς και στα άρθρα της Daiva Murmulaitė (1998, 1999 κ.ά.)). Παρεμπιπτόντως, το εν λόγω λεξικό και η ανάλυση συντάχθηκαν με τη χρήση της ηλεκτρονικής έκδοσης του DLKŽ (1993) και της στατιστικής ανάλυσής του, όχι όμως, όπως αναφέρει η Rūta Marcinkevičienė (2000a: 16) στην επισκόπησή της, με βάση το Λεξικό συχνότητας της σύγχρονης γραπτής λιθουανικής γλώσσας (Grumadienė, Žilinskienė 1997; 1998). Με κοινές προσπάθειες των επιστημόνων του Ινστιτούτου Μαθηματικών και Πληροφορικής και του Ινστιτούτου Λιθουανικής Γλώσσας, δημιουργήθηκε ηλεκτρονική έκδοση του DLKŽ (έκδοση του 1993), η οποία κυκλοφόρησε σε περιορισμένο τιράζ (1995), επειδή δεν υπήρχε δικαίωμα διανομής εκδόσεων σε ηλεκτρονική μορφή. Τώρα το Ινστιτούτο Λιθουανικής Γλώσσας ανέλαβε εκ νέου την ψηφιοποίηση του DLKŽ, αυτή τη φορά της έκδοσης του 2000 (υπεύθυνος ο Stasys Keinys), έχοντας λάβει οικονομική ενίσχυση από το Ταμείο Επιστημών της Λιθουανίας. Όπως είναι γνωστό, οι εκδόσεις του DLKŽ του 1993 και του 2000 διαφέρουν ελάχιστα, γι’ αυτό προκαλεί εντύπωση το γεγονός ότι αποφασίστηκε να μη χρησιμοποιηθεί η προηγούμενη ηλεκτρονική έκδοση, μόνο και μόνο επειδή είχε δημιουργηθεί σε ένα ήδη ηθικά παρωχημένο περιβάλλον DOS και σε βάση FOX-PRO: επιχειρήθηκε ξανά η χρήση υπολογιστικών σαρωτών για την ανάγνωση του ήδη διαθέσιμου ηλεκτρονικού κειμένου, το οποίο χρειαζόταν μόνο μικρές διορθώσεις, αυξάνοντας έτσι το εργατικό κόστος και τις δαπάνες. Ίσως μάλιστα να επαναληφθεί και η στατιστική ανάλυση;

Ωστόσο, όπως η ηλεκτρονική έκδοση του DLKŽ του 1993, έτσι και πολλές άλλες ηλεκτρονικές βάσεις δεδομένων παλιώνουν τεχνολογικά, επομένως είναι προφανές ότι πρέπει να μεριμνούμε για τη συντήρησή τους. Μήπως θα συμβεί κάτι ανάλογο με την ηλεκτρονική έκδοση του DLKŽ (1993) και στην Τράπεζα Ορολογίας που καταρτίζεται με τις κοινές προσπάθειες των προαναφερθέντων ινστιτούτων; Επομένως, οι γλωσσοστατιστικές εκδόσεις εξακολουθούν να εκτιμώνται πολύ περισσότερο από τις ηλεκτρονικές βάσεις δεδομένων, οι οποίες κοστίζουν ακριβά και προσφέρουν πολλές δυνατότητες για καινοτόμο εργασία.

Οι ειδικοί στις λιθουανικές σπουδές θα πρέπει να συμφωνήσουν σχετικά με τις ηλεκτρονικές βάσεις δεδομένων που χρησιμοποιούν ειδικούς χαρακτήρες, π.χ. εκείνες για παλαιά γραπτά κείμενα ή απομαγνητοφωνημένα διαλεκτικά κείμενα, καθώς ήδη τώρα χρειάζεται να αναπληκτρολογούνται άρθρα που περιέχουν παραδείγματα αυτού του τύπου, όταν για διάφορους λόγους αποφασίζεται να υποβληθούν όχι, λόγου χάρη, σε εκδόσεις του Ινστιτούτου Λιθουανικής Γλώσσας, αλλά σε κάποιο από τα εκδοτικά τμήματα του Πανεπιστημίου του Βίλνιους. Τα διαλεκτικά λεξικά και τα διαλεκτικά κείμενα που εκδίδονται σήμερα, παρότι βρίσκονται σε ηλεκτρονική μορφή, αποτελούν απλώς ένδειξη του εκσυγχρονισμού των τυπογραφείων, καθώς είναι αδύνατο να χρησιμοποιηθούν τα κείμενά τους ως ηλεκτρονική βάση δεδομένων. Επομένως, ελλείψει συμφωνίας μεταξύ των ειδικών στις λιθουανικές σπουδές σχετικά με ένα κοινό σύστημα κωδικοποίησης (π.χ. UNICODE ή άλλο), η δημόσια χρήση ηλεκτρονικών τραπεζών δεδομένων δυσχεραίνεται σημαντικά, για να μην αναφέρουμε ότι περιορίζεται σε μεγάλο βαθμό, και μερικές φορές καθίσταται αδύνατη, η χρήση ηλεκτρονικών τεχνολογιών και προγραμμάτων για την ανάλυσή τους. Μήπως έχουμε τόσες πολλές ώστε να μην μπορούμε πια να τις διαχειριστούμε; Το πρόβλημα είναι ότι ούτε οι γλωσσολόγοι ούτε οι ειδικοί πληροφορικής που τους συνδράμουν έχουν ακόμη αντιληφθεί σωστά ότι οι βάσεις δεδομένων πρέπει να είναι δυναμικές: η εργασία με αυτές πρέπει να επιτρέπει την εφαρμογή του πλήθους των νέων προγραμμάτων και τεχνολογιών που εμφανίζονται συνεχώς, και οι βάσεις πρέπει να παρέχουν τη δυνατότητα μετατροπής σε νεότερη έκδοση υπολογιστή. Μέχρι σήμερα, οι περισσότερες ηλεκτρονικές βάσεις δεδομένων που δημιουργούνται στη Λιθουανία συντάσσονται σαν να ήταν τα ίδια εκείνα δελτία με

DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 21

δεδομένα της γλώσσας, απλώς συλλεγμένα με το πληκτρολόγιο του υπολογιστή. Σύντομα αυτά τα δεδομένα μπορεί να είναι ισάξια με σφηνοειδή γραφή χαραγμένη σε πέτρα: στις οθόνες των υπολογιστών νέας γενιάς θα εμφανίζονται μόνο «σημαιάκια» και «τετραγωνάκια», την αποκρυπτογράφηση των οποίων, σαν να επρόκειτο για ανάγνωση ρούνων, θα μπορούν να αναλάβουν οι γλωσσολόγοι του μέλλοντος. Οι συζητήσεις που έγιναν μέχρι σήμερα για το ζήτημα αυτό ήταν άκαρπες, αλλά, όπως φαίνεται, δεν πρέπει να χάσουμε την ελπίδα· αξίζει και πάλι να καλέσουμε τους ενδιαφερομένους να συζητήσουν και να συνεννοηθούν.

Παρεμπιπτόντως, αξίζει να δοθεί προσοχή στους όρους: ηλεκτρονικής μορφής ΒΑΣΗ, ΤΡΑΠΕΖΑ, ΣΩΜΑ ΚΕΙΜΕΝΩΝ (CORPUS), ΑΡΧΕΙΟ. Ο πιο της μόδας από αυτούς είναι το ΣΩΜΑ ΚΕΙΜΕΝΩΝ (CORPUS). Ορίζεται με διάφορους τρόπους, αλλά κοινό στοιχείο όλων των ορισμών είναι ότι ως ΣΩΜΑ ΚΕΙΜΕΝΩΝ θεωρείται μια συλλογή κειμένων σε ηλεκτρονική μορφή· γι’ αυτό συχνά σχεδόν όλα όσα παλαιότερα ονομάζονταν βάσεις δεδομένων άρχισαν να αποκαλούνται σώματα κειμένων (άλλωστε το μέγεθος των επιμέρους κειμένων δεν υπόκειται σε ρύθμιση). Ο όρος ΤΡΑΠΕΖΑ συνδέεται συχνότερα με την ορολογία: οι τράπεζες όρων συνήθως δεν αποκαλούνται σώματα κειμένων. Σήμερα, ο όρος ΑΡΧΕΙΟ συνδέεται όλο και συχνότερα με τη χρονική διάσταση: μια ηλεκτρονική συγκέντρωση παλαιών δεδομένων μπορεί να ονομάζεται αρχείο ή βάση. Επομένως, ο πιο ουδέτερος όρος παραμένει ΗΛΕΚΤΡΟΝΙΚΗ ΒΑΣΗ ΔΕΔΟΜΕΝΩΝ, γι’ αυτό και εδώ χρησιμοποιείται συχνότερα (πρβλ. Kennedy 1998: 3 κ.ε.).

2. ΗΛΕΚΤΡΟΝΙΚΕΣ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΤΗΣ ΣΥΓΧΡΟΝΗΣ ΛΙΘΟΥΑΝΙΚΗΣ ΓΛΩΣΣΑΣ ΚΑΙ ΓΛΩΣΣΟΣΤΑΤΙΣΤΙΚΕΣ ΕΚΔΟΣΕΙΣ

Δεν υπάρχει περίσσεια βάσεων δεδομένων της σύγχρονης λιθουανικής γλώσσας σε ηλεκτρονική μορφή. Αντίστοιχα, λίγες είναι και οι γλωσσοστατιστικές εκδόσεις, ενώ κάπως συχνότερα χρησιμοποιούνται μόνο γλωσσοστατιστικές μέθοδοι. Εδώ ξεχωρίζει ως μοναδικός κλάδος η φωνητική και η φωνολογία που βασίζεται στα αποτελέσματά της. Ίσως αυτό να οφείλεται στην ίδια τη φύση της φωνητικής, δηλαδή στο ότι, καθώς οι ίδιες μονάδες —οι ήχοι— επαναλαμβάνονται συχνά, τα συμπεράσματα που βασίζονται στη στατιστική προκύπτουν σχεδόν αυτονόητα· ίσως, όμως, να οφείλεται σε υποκειμενικούς παράγοντες, δηλαδή στην εμφάνιση ερευνητών με καινοτόμο τρόπο σκέψης: κυρίως του Aleksas Girdenis και των μαθητών του, καθώς και του Antanas Pakerys. Όπως και να ’χει, και οι δύο αυτοί παράγοντες οδήγησαν σε άλμα της λιθουανικής φωνητικής και φωνολογίας και μάλιστα σε ένα είδος απομάκρυνσης από τους άλλους κλάδους της γλωσσολογίας. Είναι αλήθεια ότι η ίδια η φωνητική αποτελεί ενδιάμεσο πεδίο μεταξύ των θετικών επιστημών και της γλωσσολογίας.

Ο επόμενος γλωσσολογικός κλάδος, κατά σειρά συχνότητας των επαναλαμβανόμενων μονάδων, είναι η μορφολογία. Θα ήταν, λοιπόν, λογικό να υποθέσει κανείς ότι ακριβώς σε αυτόν τον κλάδο θα έπρεπε πρώτα να έχει προκύψει η ανάγκη αξιοποίησης τόσο γλωσσοστατιστικών δεδομένων όσο και ηλεκτρονικών βάσεων δεδομένων. Αυτό δεν έχει συμβεί ακόμη, παρόλο που υπάρχουν ήδη τέτοιες εργασίες και εργαλεία. Την πρώτη γλωσσοστατιστική εργασία για το λεξιλόγιο και τη μορφολογία στη Λιθουανία εκπόνησε η Vida Žilinskienė (1990), χρησιμοποιώντας ESM. Η Lietuvių kalbos dažninis žodynas βασίζεται σε δεδομένα ενός από τα λειτουργικά υφολογικά επίπεδα —του δημοσιογραφικού λόγου— και παρουσιάζει ανάλυση 300 000 εμφανίσεων λέξεων (δηλαδή τόσο των ίδιων λεξημάτων όσο και διαφορετικών, που ήταν 18 776, καθώς, σύμφωνα με τους γενικά αποδεκτούς κανόνες σύνταξης λεξικών συχνότητας, εγκαταλείφθηκε η περαιτέρω μελέτη 11 956 κύριων ονομάτων). Όλα τα συνεχή κείμενα, αποτελούμενα από τμήματα (δείγματα) των 1000 εμφανίσεων λέξεων, αναλύθηκαν μορφολογικά και τονίστηκαν· στη συνέχεια διατρήθηκαν και εισήχθησαν στον πλέον ηθικά παρωχημένο και μη χρησιμοποιούμενο υπολογιστή ESM «Minsk-22». Η ηλεκτρονική τράπεζα δεδομένων υπάρχει, αλλά είναι πλέον πολύ δύσκολο να αξιοποιηθεί. Δυστυχώς, η γλωσσοστατιστική ανάλυση, λεξικολογική, μορφολογική ή προσωδιακή, των κειμένων ενός από τους τύπους της σύγχρονης λιθουανικής γλώσσας —του δημοσιογραφικού λόγου— δεν αξιοποιήθηκε μέχρι σήμερα επαρκώς ούτε για επιστημονικούς ούτε για πρακτικούς σκοπούς, ιδίως για τη συγγραφή σχολικών βιβλίων και διδακτικών λεξικών. Ένα από τα έργα που εκπονήθηκαν με ηλεκτρονικά μέσα (με συμμετοχή στο

22 |

LAIMA GRUMADIENĖ

διεθνές πρόγραμμα CHILD) και αφορούσαν τη συγχρονική μορφολογία θα μπορούσε να είναι το παράδειγμα της διδακτορικής διατριβής της Ineta Savickienė (1999), η οποία είναι αφιερωμένη στη μορφολογία της παιδικής γλώσσας.

Παρεμπιπτόντως, πρέπει να αναφερθεί ότι εργασίες βασισμένες σε γλωσσοστατιστικά δεδομένα, οι οποίες αφορούν άλλα επίπεδα, την υφολογία και εν μέρει τη σύνταξη, όπου η συχνότητα των μονάδων είναι πολύ χαμηλότερη, εμφανίστηκαν ήδη πριν από δεκαπέντε περίπου χρόνια, κυρίως από την Audronė Bitinienė (1983, 1997, 1998 κ.ά.). Υπάρχει ήδη και κάποια απόπειρα μελέτης του σύγχρονου λεξιλογίου με βάση γλωσσοστατιστικά δεδομένα. Τον τελευταίο καιρό, τέτοιες εργασίες εκπονούνται κυρίως στη βάση του Σώματος Κειμένων της Σύγχρονης Λιθουανικής Γλώσσας του Πανεπιστημίου Vytautas Magnus (περίπου 60 000 000 εμφανίσεις λέξεων) (π.χ. οι μελέτες συνάψεων της Rūta Marcinkevičienė (2000a· 2000b), η διδακτορική διατριβή της Jurgita Mikelionienė (2000) για τους νεολογισμούς κ.ά.). Με βάση μικρές ηλεκτρονικές βάσεις δεδομένων εκπονούνται όλο και περισσότερες λεξιλογικές εργασίες, μερικές φορές αρκετά εξειδικευμένες, π.χ. η διδακτορική διατριβή της Asta Ryklienė (2000) για το λεξιλόγιο που χρησιμοποιούν οι χρήστες του Διαδικτύου και τη δική της εργασία· γενικά, όμως, οι εργασίες αυτού του είδους είναι λίγες και οι φοιτητές έχουν συμμετάσχει ελάχιστα σε αυτή τη διαδικασία (με εξαίρεση ίσως το Πανεπιστήμιο Vytautas Magnus). Μια ηλεκτρονική βάση για τη μελέτη του λεξιλογίου ολοκληρώνει η ομάδα του Vilniaus pedagoginis universitetas με επικεφαλής τον Antanas Pakerys· τότε ίσως αυξηθούν και εδώ οι φοιτητικές εργασίες αυτού του είδους.

Το παρόν άρθρο περιορίζεται στην περιγραφή των εργαλείων εργασίας που απαιτούνται για τη μελέτη της σύγχρονης γραπτής λιθουανικής γλώσσας· επομένως, δεν εξετάζει τη σειρά μελετών των παλαιών γραπτών κειμένων που ήδη έχει αρχίσει να πληθαίνει και βασίζεται στην ηλεκτρονική βάση δεδομένων του Ινστιτούτου Λιθουανικής Γλώσσας. Η δημιουργία ιδιόκτητων ηλεκτρονικών βάσεων δεδομένων αναμφίβολα θα δώσει νέα ώθηση στη λιθουανική διαλεκτολογία: στο Ινστιτούτο Λιθουανικής Γλώσσας προετοιμάζεται ήδη η ίδρυση Κέντρου Διαλέκτων, όπου θα καταγράφονται ηλεκτρονικά οι διάλεκτοι και θα δημιουργούνται απομαγνητοφωνημένα, μεταγραμμένα κείμενα από τις ηχογραφήσεις. Στο ίδιο ινστιτούτο έχουν αρχίσει οι εργασίες δημιουργίας ηλεκτρονικών βάσεων δεδομένων ονοματολογίας και τοπωνυμίας. Η ηλεκτρονική βάση δεδομένων του μεγάλου Lietuvių kalbos žodyno που ετοιμάζεται αναμένεται να αποτελέσει πραγματική καμπή στη λιθουανική λεξικογραφία, και πολλά αναμένονται επίσης από την ηλεκτρονική βάση δεδομένων του Bendrinės lietuvių kalbos žodyno. Διδάσκοντες του Πανεπιστημίου του Vilnius, υπό την καθοδήγηση της Evalda Jakaitienė, συμμετέχουν σε ένα από τα έργα της Ευρωπαϊκής Ένωσης και καταρτίζουν ηλεκτρονικά τον λεγόμενο καθολικό κατάλογο λιθουανικών λέξεων, ο οποίος αναμένεται να δώσει το έναυσμα για μια νέα σειρά δίγλωσσων λεξικών. Σε κάποιο βαθμό, αυτό φαίνεται να ανταγωνίζεται τον εκδοτικό οίκο που εκδίδει το Bendrinės lietuvių kalbos žodyno. Με κύρια συνεισφορά της Κρατικής Επιτροπής Λιθουανικής Γλώσσας και με παρότρυνση της Ευρωπαϊκής Ένωσης, άρχισε η κατάρτιση ηλεκτρονικών, λεγόμενων Terminų ar Svetimžodžių portfeliai, δηλαδή ιδιότυπων καταλόγων με τους πιο πρόσφατους και πολύ συχνά χρησιμοποιούμενους όρους και συνδυασμούς λέξεων από διάφορους τομείς, τους οποίους η Ευρωπαϊκή Ένωση διανέμει σε όλα τα κράτη μέλη και τις υποψήφιες χώρες, ώστε οι γλώσσες να μπορέσουν να προσαρμοστούν και να προετοιμαστούν για το επερχόμενο κύμα μεταφράσεων, καθώς και για τη μηχανική μετάφραση. Μια ομάδα επιστημόνων του Πανεπιστημίου του Vilnius (με επικεφαλής τη Meilutė Ramonienė) έχει κάνει τα πρώτα βήματα για την προετοιμασία ηλεκτρονικών βάσεων δεδομένων της σύγχρονης προφορικής γλώσσας, όπως αυτές που καταρτίζονται στα πολωνικά με βάση ηχογραφήσεις ραδιοφωνικού και τηλεοπτικού λόγου. Στο ίδιο πανεπιστήμιο προετοιμάζεται η συγκέντρωση ηλεκτρονικής βάσης σλαβισμών (με επικεφαλής τον Vytautas Kardelis), η οποία θα περιλαμβάνει τόσο ηχογραφήσεις όσο και παραδείγματα που θα έχουν εξαχθεί και μεταγραφεί από αυτές.

Όπως δείχνει η εμπειρία, αποτελέσματα μπορούν να αναμένονται μόνο αφού μάθει κανείς να εργάζεται με δεδομένα αυτού του είδους και αποκτήσει δεξιότητες αξιοποίησης των νέων δυνατοτήτων. Για τον σκοπό αυτό χρειάζονται εργαστήρια όπου θα μπορεί κανείς να μάθει, κατά προτίμηση από νεαρή ηλικία. Η ίδια η φύση των ηλεκτρονικών βάσεων δεδομένων συνεπάγεται δημόσια πρόσβαση· αφού οργανωθούν κατάλληλα, θα πρέπει να είναι διαθέσιμες σε όλους όσοι τις χρειάζονται. Οι μεγαλύτερες συγκεντρώσεις δεδομένων της λιθουανικής γλώσσας βρίσκονται στο Ινστιτούτο Λιθουανικής Γλώσσας-

DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 23

... επομένως, καθώς εκσυγχρονίζεται, αυτό ακριβώς θα πρέπει να γίνει το μεγαλύτερο κέντρο ανάπτυξης ηλεκτρονικών βάσεων δεδομένων για τη λιθουανική γλώσσα, πηγή δημόσιας πρόσβασης σε αυτές και κέντρο έλξης και διάδοσης έργων και ιδεών αυτού του είδους — μήπως αυτόν τον ρόλο θα αναλάβει το Κέντρο Λιθουανικών Σπουδών που ιδρύεται στη βάση δεδομένων του Ινστιτούτου Λιθουανικής Γλώσσας; Οι ηλεκτρονικές βάσεις δεδομένων που θα διατεθούν στο Διαδίκτυο θα γίνουν ακόμη πιο ανοικτές. Παρεμπιπτόντως, όταν υπάρχει δυνατότητα σύνδεσης στο Διαδίκτυο, ο χώρος όπου χρησιμοποιείται ο υπολογιστής παύει να έχει σημασία· σημασία έχει μόνο τι έχει διατεθεί στο Διαδίκτυο. Αυτά, όμως, είναι σχέδια για το μέλλον.

Μέχρι σήμερα στη Λιθουανία δεν έχει θεσμοθετηθεί η δημοσίευση γλωσσοστατιστικών έργων σε ηλεκτρονική μορφή και το ζήτημα των πνευματικών δικαιωμάτων δεν έχει διευθετηθεί· γι’ αυτό εξακολουθούν να είναι επίκαιρα και τα έργα αυτά σε έντυπη μορφή. Ωστόσο, οι ηλεκτρονικές βάσεις δεδομένων και οι γλωσσοστατιστικές εκδόσεις διαφέρουν ουσιαστικά: οι δεύτερες είναι απλώς η κορυφή του παγόβουνου.

Στη συνέχεια εξετάζεται εδώ ένα συγκεκριμένο ζήτημα: η σχέση ανάμεσα στις ηλεκτρονικές βάσεις δεδομένων της σύγχρονης γραπτής λιθουανικής γλώσσας και στα γλωσσοστατιστικά λεξικά. Τα δεύτερα δεν μπορούν να υπάρξουν χωρίς βάση δεδομένων, ωστόσο οι δυνατότητες που προσφέρουν οι βάσεις δεδομένων απέχουν πολύ από το να περιορίζονται μόνο στην έκδοση λεξικών.

3. ΗΛΕΚΤΡΟΝΙΚΕΣ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΤΗΣ ΣΥΓΧΡΟΝΗΣ ΓΡΑΠΤΗΣ ΛΙΘΟΥΑΝΙΚΗΣ ΓΛΩΣΣΑΣ ΚΑΙ ΛΕΞΙΚΑ ΣΥΧΝΟΤΗΤΑΣl

Αυτονόητα, εκείνο που διακρίνει πρωτίστως τις ηλεκτρονικές βάσεις γλωσσικών δεδομένων από άλλου είδους συγκεντρώσεις γλωσσικών δεδομένων είναι η ηλεκτρονική τους μορφή και οι ιδιαιτερότητες χρήσης των συναφών τεχνολογιών πληροφορικής. Η εμφάνιση των ηλεκτρονικών βάσεων δεδομένων προσέφερε εντελώς νέες δυνατότητες για τη μελέτη της γλώσσας, ωστόσο αυτές καθαυτές δεν συνδέονται αποκλειστικά με την εμφάνιση των σύγχρονων ηλεκτρονικών μέσων αποθήκευσης. Το γεγονός ότι διαφορετικά μέσα οδηγούν σε ουσιαστικά ανάλογα αποτελέσματα —πρωτίστως χαρακτηριστικά συχνότητας γραμματικών τύπων και λεξημάτων— δείχνει ότι υπάρχει σημαντικός βαθμός κοινότητας ανάμεσα στις σύγχρονες ηλεκτρονικές βάσεις δεδομένων και τα πολύ παλαιότερα ανάλογά τους. Στη Γαλλία, ο εκδοτικός οίκος Larousse άρχισε ήδη από το 1956 να χρησιμοποιεί για την προετοιμασία λεξικών ένα μηχανογραφημένο αρχείο δελτίων λεξικών (ηλεκτρονικών υπολογιστών παλαιότερης γενιάς, ESM) (Rozencveig 1986: 82).

Το ερώτημα του τρόπου με τον οποίο πρέπει να καταρτίζονται οι σύγχρονες ηλεκτρονικές βάσεις γλωσσικών δεδομένων προέκυψε, αφενός, επειδή με την εμφάνιση νέων τεχνολογιών έγινε πλέον δυνατή η διαχείριση μεγάλου όγκου πληροφοριών· τότε άρχισε να αυξάνεται η έκταση του κειμένου που προοριζόταν να εικονογραφήσει μία λέξη (δηλαδή το περιβάλλον της). Έτσι δημιουργήθηκαν νέες δυνατότητες για τη μελέτη των προϋποθέσεων μιας λέξης και, αργότερα, μεγαλύτερων γλωσσικών μονάδων, άρα και της σύνταξης και της σημασιολογίας. Άρχισαν να ελκύουν όλο και μεγαλύτερα αποσπάσματα κειμένων, και τελικά φτάσαμε ακόμη και στα πλήρη, αυτοτελή κείμενα, ώσπου αυτό ανακόπηκε από το κόστος απόκτησης των δικαιωμάτων των δημιουργών. Αφετέρου, η εμφάνιση των υπολογιστών πιθανότατα είχε αντίκτυπο ανάλογο με εκείνον της εφεύρεσης του Γουτεμβέργιου, και το σημαντικότερο ήταν η εξάπλωσή τους με πρωτοφανή ταχύτητα. Έτσι, καθώς οι ποικίλες επικοινωνίες των ανθρώπων από απόσταση αυξάνονταν με γεωμετρική πρόοδο, τόσο με ομιλητές της ίδιας γλώσσας όσο και με ομιλητές άλλων γλωσσών, προέκυψε επείγουσα κοινωνική ανάγκη για ποικίλες στατιστικές πληροφορίες σχετικές με τη γλώσσα, ώστε να αυτοματοποιηθούν όσο το δυνατόν περισσότερες διαδικασίες επικοινωνίας: η διδασκαλία γλωσσών, η μετάφραση, η αναγνώριση, η συμπίεση και η μετάδοση πληροφοριών κ.ά.

Η λιθουανική γλωσσολογία δεν έμεινε έξω από αυτή τη γενική διαδικασία, απλώς, όπως είναι φυσικό, έμεινε αρκετά πίσω χρονικά. Σε όλο τον 20ό αιώνα, ιδίως στο δεύτερο μισό του, ο κόσμος προετοιμαζόταν, σαν να λέμε, για ένα νέο άλμα. Πρώτα απ’ όλα, επρόκειτο για λεξικά συχνότητας γλωσσών. Τα πρώτα εμφανίστηκαν ήδη στα τέλη του 19ου αιώνα.

24 |

LAIMA GRUMADIENĖ

— στις αρχές του 20ού αιώνα. Το πρώτο απ’ όλα ήταν λεξικό της γερμανικής γλώσσας, το οποίο ο στενογράφος F. Kaeding (1898) συνέταξε με βάση 11 000 000 χρήσεις λέξεων, αξιοποιώντας αρχείο δελτίων. Πολύ αργότερα, ο G. Vander Beke (1929) εξέδωσε ανάλογο λεξικό της γαλλικής γλώσσας. Ο H. Eaton (1934) συνέταξε συγκριτικό λεξικό των χιλίων συχνότερων λέξεων τεσσάρων γλωσσών —αγγλικής, γαλλικής, γερμανικής και ισπανικής. Το πρώτο λεξικό συχνότητας της αγγλικής γλώσσας συνέταξαν οι E. Thorndike και L. Lorge (1944), ενώ της ισπανικής ο V. Garcia Hoz (1953). Το πρώτο λεξικό συχνότητας της ρωσικής γλώσσας στην Αμερική συνέταξε ο H. Josselson (1953), ενώ ο N. P. Vakar (1966), επίσης στην Αμερική, εξέδωσε λεξικό συχνότητας της προφορικής ρωσικής της σοβιετικής περιόδου, το οποίο όμως ουσιαστικά βασίζεται μόνο στη γλώσσα θεατρικών έργων. Ο E. Šteinfeldt (Štejnfel’dt 1963) εξέδωσε στο Ταλίν λεξικό συχνότητας της γλώσσας του Πούσκιν. Με βάση σώμα κειμένων ενός εκατομμυρίου λέξεων, αποτελούμενο κατά το ήμισυ από λογοτεχνία και κατά το άλλο ήμισυ από τη λεγόμενη πληροφοριακή πεζογραφία (δημοσιογραφία, διοικητικά έγγραφα και επιστημονική βιβλιογραφία), ο L. Lönngren (1993) συνέταξε στην Ουψάλα λεξικό συχνότητας της ρωσικής γλώσσας. Τα πρώτα λεξικά συχνότητας όχι μόνο της ρωσικής, αλλά και της ρουμανικής και της ιταλικής γλώσσας, συντάχθηκαν επίσης στην Αμερική — A. Juilland, P. M. Edwards, I. Juilland (1965), A. Juilland, V. Traversa (1973) (παρεμπιπτόντως, ο A. Juilland και ο E. Ch. Rodrigues (1964) είχαν ήδη συντάξει εκεί ένα ακόμη λεξικό συχνότητας της ισπανικής γλώσσας, ενώ αργότερα συνέταξαν ένα τέτοιο και οι J. R. Alameda και F. Cuetos (1995)). Μια ολόκληρη σειρά λεξικών συχνότητας βασίστηκε στην αντίληψη του Γλωσσολογικού Κύκλου της Πράγας για τις λειτουργικές υφολογικές ποικιλίες της γλώσσας, καθώς και στην αντίληψη του Boris Larin για την κοινή γλώσσα: πρώτο, όπως ήταν φυσικό, ήταν το τσεχικό λεξικό, αρχικά για επιμέρους λειτουργικά ύφη και αργότερα ένα γενικό, τα οποία συνέταξε ομάδα συγγραφέων υπό τη διεύθυνση της Marie Těsitelová (J. Jelínek, J. V. Bečka κ.ά., βλ. Těsitelová 1983). Οι Λετονοί κινήθηκαν γρήγορα, όπως και οι Τσέχοι: αρχικά συνέταξαν λεξικά επιμέρους λειτουργικών υφών και αργότερα ένα γενικό λεξικό σε δύο μέρη — T. Jakubaite, D. Kristovska, D. Guļevska, V. Ozola, R. Prūse, A. Rubine, N. Sika (1966–1976). Την ίδια μεθοδολογία ακολούθησαν οι V. A. Agrajevas, V. V. Borodinas, V. M. Muratovas και E. V. Tisenko, υπό τη διεύθυνση του L. N. Zasorina (1977), κατά την κατάρτιση λεξικού συχνότητας της σύγχρονης ρωσικής γλώσσας, με βάση ένα εκατομμύριο χρήσεις λέξεων από τέσσερα λειτουργικά ύφη. Λεξικό συχνότητας που καλύπτει μόνο ένα λειτουργικό ύφος —τη λογοτεχνία— είναι εκείνο της λευκορωσικής γλώσσας, το οποίο συνέταξαν οι N. S. Mažeika και A. J. Suprun (Mažeika, Suprun 1976). Μόνο το δημοσιογραφικό ύφος καλύπτει επίσης το λεξικό συχνότητας της βουλγαρικής γλώσσας (Todorova, Pančovska 2001). Το πρώτο λεξικό συχνότητας της λιθουανικής γλώσσας, που συνέταξε η V. Žilinskienė (1990), αφορούσε επίσης μόνο ένα λειτουργικό ύφος —τη δημοσιογραφία— και κατά την εργασία χρησιμοποιήθηκε η ίδια τσεχική μεθοδολογία, σε στενή συνεργασία με τους Λετονούς.

Με την πάροδο του χρόνου, παρόλο που η λιθουανική γλώσσα δεν μπορεί να καυχηθεί γι’ αυτό, εμφανίστηκαν στον κόσμο κάθε λογής λεξικά συχνότητας: για τη γλώσσα μεμονωμένων συγγραφέων, λειτουργικά ύφη, περιφερειακές γλωσσικές ποικιλίες, γραπτό και προφορικό λόγο κ.ο.κ. Τα λεξικά συχνότητας της «γλώσσας n γενικά» έγιναν μη λειτουργικά, επειδή προέκυψε η ανάγκη να εξυπηρετούν συγκεκριμένους σκοπούς· επομένως, η επιλογή των λέξεων έπρεπε να γίνεται από κείμενα κάποιου συγκεκριμένου πεδίου και όχι από το σύνολό τους. Από την άλλη πλευρά, το πρόβλημα της σύνταξης λεξικών συχνότητας «πέρασε σε άλλη διάσταση» όταν, καθώς οι Αμερικανοί μπιχεβιοριστές και θετικιστές αναζητούσαν παραδείγματα χρήσης, εμφανίστηκαν ηλεκτρονικά σώματα κειμένων: η ανάπτυξη των ηλεκτρονικών τεχνολογιών ήταν ταχεία, κι έτσι κατέστη δυνατή όχι μόνο η συγκέντρωση αλλά και η επεξεργασία τεράστιων όγκων κειμένων.

Ως αρχή της γλωσσολογίας των σωμάτων κειμένων θεωρείται το 1961, όταν ο Nelson Francis και ο Henry Kučera ανακοίνωσαν και άρχισαν να δημιουργούν το περίφημο ηλεκτρονικό σώμα γραπτού λόγου Brown (Brown university), ενώ ο John Sinclair άρχισε να δημιουργεί σώμα κειμένων της ίδιας μορφής, το LOB (Lancaster-Oslo/Birmingham), τεχ-

DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 25

…κειμένου· ήδη το 1959 ο Randolph Quirk ανακοίνωσε το σώμα γραπτού και προφορικού λόγου SEU (Survey of English Usage), το οποίο συνέχισε ο Jan Svartvik, αναλαμβάνοντας στο Πανεπιστήμιο του Lund τη δημιουργία ενός σώματος προφορικού λόγου, του LLC (London-Lund Corpus of Spoken English). Η έκταση όλων των προαναφερθέντων σωμάτων ήταν τότε περίπου 1–1,15 εκατομμύρια εμφανίσεις λέξεων· αργότερα δημιουργήθηκαν περισσότερα παρόμοια σώματα (βλ. Aijmer, Altenberg 1991: 1εξ.). Η έκταση των σωμάτων δεύτερης γενιάς υπολογίζεται σε δεκάδες εκατομμύρια λέξεις, ενώ της τρίτης γενιάς ήδη σε εκατοντάδες εκατομμύρια και δισεκατομμύρια. Σε όλο τον κόσμο εξακολουθεί να αποτελεί επίκαιρο ζήτημα η συμβατότητα του λογισμικού των υπολογιστών και των επιμέρους προγραμμάτων εργασίας: έχουν πλέον συγκεντρωθεί σώματα κειμένων εξαιρετικά μεγάλης έκτασης — εκατοντάδων εκατομμυρίων λέξεων (αυτό είναι ουσιαστικά η ηλεκτρονική μορφή μιας βιβλιοθήκης) — αλλά πώς μπορεί κανείς να τα χρησιμοποιεί εύκολα, πώς να μετρά τις στοιχειωδέστερες συχνότητες και πώς να μη χάνεται στον ωκεανό των λέξεων; Και, τελικά, οδηγεί πάντοτε η ποσότητα στην ποιότητα; Κατά την κατάρτιση διαφόρων λεξικών συχνότητας έχει διαπιστωθεί πολλές φορές ότι οι μισές από τις λέξεις που εξετάζονται εμφανίζονται μόνο μία φορά. Γι’ αυτό, κάθε φορά που αναλαμβάνεται μια εργασία, πρέπει να εξετάζεται προσεκτικά αν οι στόχοι που έχουν τεθεί απαιτούν πράγματι την επεξεργασία τεράστιου όγκου υλικού, στην αναζήτηση των σπανιότερων λέξεων. Μερικές φορές, όταν εξετάζονται ορισμένες γραμματικές ή μορφολογικές κανονικότητες, είναι πράγματι παράλογο να αυξάνεται υπερβολικά το μέγεθος του εξεταζόμενου συνόλου· η καταλληλότητα πρέπει οπωσδήποτε να αξιολογείται και με στατιστικά κριτήρια, καθώς αυτά θα δείξουν την πιθανότητα ότι το δείγμα είναι επαρκές για την εξαγωγή αντιπροσωπευτικών συμπερασμάτων. Ιδιαίτερη προσοχή πρέπει να δίνεται στα κείμενα από τα οποία συγκροτείται το εξεταζόμενο σύνολο, δηλαδή στον τρόπο με τον οποίο κατασκευάζεται το μοντέλο του αντικειμένου της έρευνας. Στη λιθουανική γλωσσολογία, τα περισσότερα ερωτήματα ως προς αυτό εγείρονται σήμερα μάλλον από το ζήτημα του τι πρέπει να θεωρείται κοινή λιθουανική γλώσσα και ποια αναλογία πρέπει να έχουν σε αυτήν τα λειτουργικά υφολογικά επίπεδα της γλώσσας ή τα γλωσσικά στρώματα που διακρίνονται με βάση άλλα κριτήρια. Για παράδειγμα, το προαναφερθέν σώμα κειμένων του Πανεπιστημίου Vytautas Magnus συγκροτήθηκε βάσει ορισμένων αρχών δειγματοληψίας, ενώ το Dabartinės rašomosios lietuvių kalbos dažninio žodyno βάσει άλλων· γι’ αυτό και τα αποτελέσματα που προκύπτουν διαφέρουν. Τα στατιστικά δεδομένα, για παράδειγμα σχετικά με επιμέρους μέρη του λόγου, τα οποία προκύπτουν από διαφορετικά σώματα κειμένων, πρέπει να αξιολογούνται με μεγάλη προσοχή και αντικειμενικότητα. Έχει παρατηρηθεί ότι σε εργασίες αυτού του είδους, είτε ολοκληρωμένες είτε υπό εκπόνηση, δεν δίνεται επαρκής προσοχή στα κείμενα που εξετάστηκαν και εξάγονται γενικεύσεις για τη «σύγχρονη λιθουανική γλώσσα». Η εργασία με αριθμούς απαιτεί ακρίβεια· διαφορετικά, τα συμπεράσματα είναι παραπλανητικά.

Το ηλεκτρονικό σώμα κειμένων του Dabartinės rašomosios lietuvių kalbos dažninio žodyno, το οποίο συζητείται στο άρθρο (1,2 εκατομμύρια εμφανίσεις λέξεων), ανήκει στα σώματα κειμένων πρώτης γενιάς (τύπου Brown, LOB), έκτασης άνω του ενός εκατομμυρίου λέξεων. Το συνδέει με αυτά τα περίφημα σώματα κειμένων ακόμη ένα κοινό χαρακτηριστικό: όπως λίγα από τα μεταγενέστερα σώματα στον κόσμο, έτσι και το δικό μας είναι επισημειωμένο. Οι τεχνολογίες υπολογιστών προσέφεραν στις αναλυτικές γλώσσες εξαιρετικές δυνατότητες: ειδικά αλλά αρκετά διαδεδομένα προγράμματα (ιδίως το γνωστό πρόγραμμα του Πανεπιστημίου της Οξφόρδης — Oxford Concordance Program, καθώς και τα KWIC, KAYE, CLAN, OCP, WordCruncher κ.ά.) καθιστούν σχετικά εύκολη την κατάρτιση καταλόγων των συχνότερων λέξεων και την παρουσίαση συμφραστικών τους καταλόγων (Leech 1991: 10; Utka 2000). Οι ερευνητές του Σώματος Σύγχρονης Λιθουανικής Γλώσσας του Πανεπιστημίου Vytautas Magnus χρησιμοποιούν συνήθως προγράμματα αυτού του είδους, όμως έτσι μπορούν να αναλύουν μόνο λέξεις, δηλαδή το λεξιλόγιο, επειδή λείπουν πληροφορίες για την κατάληξη της λέξης, η οποία, ως γνωστόν, είναι εξαιρετικά σημαντική στη λιθουανική γλώσσα. Έτσι, για τις συνθετικές γλώσσες τα πράγματα είναι πιο περίπλοκα: με τα περιγραφόμενα προγράμματα καταρτίζονται κατάλογοι λεκτικών τύπων και όχι λημμάτων. Απαιτείται αρκετή πρόσθετη εργασία προτού οι λεκτικοί τύποι ενοποιηθούν σε επίπεδο λεξήματος και καταλήξουν να αποτελούν μόνο λήμματα. Τέτοιοι κατάλογοι λέξεων, που περιλαμβάνουν και γραμματική ανάλυση, ονομάζονται πλέον επισημειωμένοι· δεν υπάρχουν πολλοί στον κόσμο και εκτιμώνται ιδιαίτερα, επειδή απαιτούν σημαντικό κόπο και χρόνο, γι’ αυτό είναι

26 |

LAIMA GRUMADIENĖ

πολύ ακριβοί (η V. Žilinskienė κι εγώ υπολογίσαμε ότι, στην περίπτωσή μας, η επιλογή των κειμένων, η πληκτρολόγησή τους, η ημιαυτοματοποιημένη μορφολογική ανάλυσή τους (η λεγόμενη ΛΗΜΜΑΤΟΠΟΙΗΣΗ), η διόρθωση και η εισαγωγή των δεδομένων στον υπολογιστή θα απαιτούσαν έξι χρόνια εργασίας από ένα άτομο). Για τους υπολογισμούς και τις επόμενες διορθώσεις απαιτούνται και πάλι αρκετά χρόνια, επειδή κάθε ανακρίβεια κατά την εκτέλεση μαθηματικών πράξεων μπορεί να οδηγήσει σε παραλογισμό.

Γενικά, τα λεξικά συχνότητας, ιδίως μετά την εμφάνιση ηλεκτρονικών σωμάτων κειμένων, μπορούν πλέον να καταρτιστούν με πολλούς τρόπους και για ποικίλους σκοπούς — ανάλογα με το τι αναζητά κανείς. Ο σημαντικότερος λόγος για τον οποίο καταρτίζονται συνεχώς νέα λεξικά συχνότητας, ιδίως όσα φιλοδοξούν να αποκαλούνται, π.χ., λεξικά της σύγχρονης γραπτής γλώσσας, είναι ότι βασική προϋπόθεση της γλωσσοστατιστικής, όπως και της στατιστικής γενικότερα, είναι ότι το δείγμα πρέπει να αποτελεί αντιπροσωπευτικό μοντέλο του υπό μελέτη συνόλου ή πληθυσμού. Με άλλα λόγια, αμφισβητείται διαρκώς αν το δείγμα που μελετήθηκε αντανακλά πράγματι τον προβλεπόμενο πληθυσμό. Για παράδειγμα, ένα λεξικό συχνότητας της σύγχρονης λιθουανικής γλώσσας, βασισμένο στο Σώμα Κειμένων της Σύγχρονης Λιθουανικής του Πανεπιστημίου Vytautas Magnus, το οποίο αποτελείται από 60 εκατομμύρια εμφανίσεις λέξεων, θα ήταν διαφορετικό από εκείνα που έχουν ήδη εκδοθεί από τις L. Grumadienė και V. Žilinskienė (1997, 1998), επειδή τα αποτελέσματά του θα αντανακλούσαν ένα σύνολο κειμένων που αποτελείται κυρίως από τη γλώσσα του 70% περιοδικών εκδόσεων, του 26% μη περιοδικών εκδόσεων και του 4% μεταφρασμένων εκδόσεων (Marcinkevičienė 2000a: 16). Τα κείμενα των προαναφερθέντων λεξικών που εκδόθηκαν επιλέχθηκαν με εντελώς διαφορετικά κριτήρια: πρόκειται για πρωτότυπα, όχι μεταφρασμένα, κείμενα τεσσάρων λειτουργικών υφολογικών ποικιλιών — δημοσιογραφικής, διοικητικής, λογοτεχνικής και επιστημονικής. Αυτό έγινε επειδή η κοινή λιθουανική γλώσσα, ιδίως η γραπτή, εξακολουθεί μέχρι σήμερα να διαμορφώνεται, να τυποποιείται και να κωδικοποιείται σύμφωνα με τις ιδέες του Γλωσσικού Κύκλου της Πράγας (παρεμπιπτόντως, αξίζει να σημειωθεί ότι σήμερα ο ίδιος ο όρος ΥΦΟΣ ορίζεται με αρκετά διαφορετικούς τρόπους από διάφορες γλωσσολογικές σχολές). Ακολουθήθηκαν οι αρχές άλλων συντακτών λεξικών συχνότητας, κυρίως Τσέχων, Ρώσων και Λετονών, οι οποίοι επίσης υιοθέτησαν την προαναφερθείσα αντίληψη της κοινής γλώσσας ως συνόλου λειτουργικών υφολογικών ποικιλιών, εφαρμόζοντας την εμπειρία τους. Έτσι, όπως και εκείνοι, επιλέχθηκαν δείγματα 300.000 εμφανίσεων λέξεων από τέσσερις λειτουργικές υφολογικές ποικιλίες, επειδή θεωρήθηκε ότι οι αρχές σύνταξης του σώματος κειμένων του Πανεπιστημίου Vytautas Magnus (το οποίο, παρεμπιπτόντως, δημιουργήθηκε αργότερα από το δικό μας) ήταν ακόμη πρόωρες για τη γραπτή λιθουανική γλώσσα και πλησίαζαν περισσότερο την αμερικανική αντίληψη της κοινής (ή, όπως συνηθίζεται εκεί, πρότυπης) γλώσσας. Στη βάση δεδομένων του Λεξικού συχνότητας της σύγχρονης γραπτής λιθουανικής γλώσσας ενίοτε λείπει το καθημερινό λεξιλόγιο, επειδή ξεχνιέται ότι αυτό καταρτίστηκε αποκλειστικά με βάση τη δημόσια γραπτή γλώσσα: δεν περιλαμβάνει ούτε ιδιωτικές επιστολές και ημερολόγια ούτε επιγραφές σε τοίχους ή παρόμοιο υλικό. Ωστόσο, ακόμη και τώρα στο λεξικό περιλήφθηκαν λέξεις της καθομιλουμένης, μεταξύ των οποίων όχι μόνο ξενισμοί και διαλεκτισμοί, αλλά και παραδείγματα υποτιμητικού λεξιλογίου που δεν είναι ανεκτό στην κοινή γλώσσα, γεγονός για το οποίο οι συγγραφείς του λεξικού δέχονται συνεχώς επικρίσεις. Τίθεται το ερώτημα τι πρέπει να θεωρείται λογοτεχνία: οι λέξεις αυτές υπήρχαν σε λογοτεχνικά κείμενα (πρωτότυπα κείμενα που τυπώθηκαν στη Λιθουανία σε επιμελημένες εκδόσεις με τιράζ άνω των 100 αντιτύπων), ενώ βασική αρχή της σύνταξης λεξικού συχνότητας είναι να μη διαγράφεται καμία λέξη με σημασία, εκτός αν είναι κύριο όνομα, αριθμός, συντομογραφία ή τυπογραφικό λάθος. Παρεμπιπτόντως, τα στοιχεία δείχνουν ότι, από τα δείγματα των 300.000 εμφανίσεων λέξεων που επιλέχθηκαν για καθεμία από τις τέσσερις λειτουργικές υφολογικές ποικιλίες, στη δημοσιογραφική ποικιλία βρέθηκαν 284.687 λέξεις με σημασία (15.313 λεγόμενα «σκουπίδια»), στη διοικητική ποικιλία 279.505 (20.495 που δεν συμπεριλήφθηκαν στο λεξικό για τους προαναφερθέντες λόγους), στην επιστημονική 278.311 (21.689) και στη λογοτεχνική 290.561 (9.439). Η καρδιά δεν μου επέτρεψε να απορρίψω το κύριο όνομα Λιθουανία, γι’ αυτό και αυτό, ως η μοναδική εξαίρεση, συμπεριλήφθηκε στο λεξικό ως κύριο όνομα (αποδεικνύεται ότι είναι η 16η συχνότερη λέξη και η πρώτη μεταξύ των ουσιαστικών· η συχνότητά της είναι 5151 σε 614 δείγματα: εδώ καθοριστικό ρόλο έπαιξαν τα επίσημα έγγραφα,

DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 27

ονομασίες ιδρυμάτων κ.λπ., στις οποίες αυτή η λέξη εμφανιζόταν συχνά σε γενική πτώση). Υπό προϋποθέσεις, κύρια ονόματα μπορούν να θεωρηθούν και ονομασίες θρησκευτικών και άλλων εορτών που έχουν περιέλθει στη χρήση (συχνά χρησιμοποιούνται και ως κοινά ουσιαστικά), π.χ., Joninės, Kūčios, Žolinė, ή ονομασίες των σημείων του ορίζοντα Rytai, Vakarai, Pietūs, Šiaurė.

Τηρώντας την αρχή της αντιπροσωπευτικότητας, από καθένα από τα προαναφερθέντα υφολογικά επίπεδα επιλέχθηκαν μόνο κείμενα που ανήκουν στο καθαρό ύφος: αποκλείστηκαν κείμενα σχολικών εγχειριδίων που θεωρούνται οριακά, επιστημονική αρθρογραφία, αρθρογραφία για περιορισμένο αναγνωστικό κοινό, θεατρικά έργα, ποίηση κ.λπ. Τα κείμενα της δημοσιογραφίας επέλεξε η Vida Žilinskienė· αποτελούνταν από κείμενα του 1994–1995 από 19 κεντρικές ημερήσιες ή εβδομαδιαίες εφημερίδες υπό επιμέλεια και ευρέως διαδεδομένα περιοδικά, τα οποία αντιπροσώπευαν πέντε θεματικές ομάδες: 1) πολιτική, 2) βιομηχανία και γεωργία, 3) εκπαίδευση και δίκαιο, 4) τέχνη και 5) ψυχαγωγία (αθλητισμός, ωροσκόπια, προγνώσεις καιρού). Τα κείμενα του ειδικού ύφους επιλέχθηκαν από τους Pranas Kniūkšta και Danutė Vainauskienė από εκδόσεις και έγγραφα της περιόδου 1990–1995, με βάση επτά θεματικές ομάδες: 1) νόμοι και συνοδευτικά έγγραφα, σχόλια, 2) νομικά έγγραφα, 3) εγχειρίδια αναφοράς και έγγραφα οικονομίας και επιχειρήσεων, 4) εκδόσεις πολιτικής επιστήμης και έγγραφα κομμάτων, 5) πρότυπα και στατιστικές εκδόσεις, 6) πηγές πληροφόρησης (βιβλιογραφίες, κατάλογοι, λεξικά), 7) έγγραφα επιμέρους κοινωνικών τομέων (εθνική άμυνα, κοινωνική ασφάλιση, εκπαίδευση, πολιτισμός κ.ά.). Τα κείμενα επιστημονικού ύφους επιλέχθηκαν από την Irena Andriukaitienė από επιστημονικές εκδόσεις που δημοσιεύτηκαν στη Λιθουανία κατά την περίοδο 1990–1995 ή από εργασίες εγκεκριμένες από επιστημονικούς φορείς, με βάση οκτώ θεματικές ομάδες (επιστημονικά πεδία): 1) γεωπονικές επιστήμες, 2) φυσικές επιστήμες, 3) ανθρωπιστικές επιστήμες, 4) μαθηματικά, 5) ιατρική, 6) κοινωνικές επιστήμες, 7) τεχνικές επιστήμες, 8) θεολογία. Τα κείμενα λογοτεχνικού ύφους επέλεξε η Laima Grumadienė από πεζογραφικά έργα λογοτεχνίας που εκδόθηκαν στη Λιθουανία την περίοδο 1985–1990 (με λίγες εξαιρέσεις), ενώ οι έξι «θεματικές» ομάδες τους ταξινομήθηκαν με βάση τις γενέτειρες των συγγραφέων: 1) Žemaičiai, 2) ανατολικοί Aukštaičiai, 3) δυτικοί Aukštaičiai, 4) νότιοι Aukštaičiai, 5) κάτοικοι πόλεων, 6) απόδημοι (χωρίς να λαμβάνεται υπόψη η πραγματική γενέτειρα των τελευταίων).

Αποφασίστηκε ότι ακριβώς αυτά τα κείμενα μπορούσαν να αντιπροσωπεύσουν τη σύγχρονη γραπτή λιθουανική γλώσσα. Από αυτά επιλεγόταν τυχαία (οι σελίδες και οι γραμμές επιλέγονταν με βάση πίνακα τυχαίων αριθμών) ένα απόσπασμα έκτασης 1.000 εμφανίσεων λέξεων, το λεγόμενο δείγμα, και καταχωριζόταν με πληκτρολόγιο υπολογιστή (εργασία περίπου δύο ωρών). Στη συνέχεια, τα δείγματα λημματοποιούνταν, δηλαδή αναλύονταν μορφολογικά με το πρόγραμμα MAN (Morfologinio Analizavimo ir Normalizavimo) που είχε αναπτύξει ο Vytautas Zinkevičius. Ο δημιουργός το προσάρμοσε ειδικά για αυτή την εργασία, ξεκινώντας από το πρόγραμμα διόρθωσης της ορθογραφίας λέξεων μέσω υπολογιστή που είχε δημιουργήσει παλαιότερα ο ίδιος· το 2000, κατόπιν ανάθεσης του Πανεπιστημίου Vytautas Magnus, το βελτίωσε ελαφρώς, το αναβάθμισε σε νεότερη έκδοση και το ονόμασε λημματοποιητή (Zinkevičius 2000).

Η δουλειά γινόταν περίπου ως εξής: λαμβανόταν μια εκτύπωση από τον υπολογιστή, από την οποία έπρεπε να «πεταχτούν» οι περιττές γραμμές (η υπογράμμιση δική μου). Π.χ., ήδη σε απόσπασμα κειμένου επεξεργασμένο από άνθρωπο και όχι μόνο από μηχανή (…) manęs visa ši komedija (…) η εκτύπωση έχει ως εξής:

ΕΙΚ. 1. ΠΑΡΑΔΕΙΓΜΑ ΛΗΜΜΑΤΟΠΟΙΗΣΗΣ ΚΕΙΜΕΝΟΥ

εγώ νομίζω εγώ αντωνυμία προσωπική ενικός αριθμός αιτιατική εγώ ρήμα μετοχή παθητική ενεστώτα ενεργητική φωνή μη προσδιορισμένο γένος ενικός αριθμός ονομαστική

28 |

LAIMA GRUMADIENĖ

ολόκληρος

ολόκληρη αντωνυμία θηλυκό γένος ενικός αριθμός ονομαστική

ολόκληρη αντωνυμία θηλυκό γένος ενικός αριθμός οργανική

ολόκληρη αντωνυμία θηλυκό γένος ενικός αριθμός γενική

ολόκληρο αντωνυμία επίρρημα

αυτός

αυτή αντωνυμία προσωπική θηλυκό γένος ενικός αριθμός ονομαστική

κωμωδία

κωμωδία ουσιαστικό θηλυκό γένος ενικός αριθμός ονομαστική

κωμωδία ουσιαστικό θηλυκό γένος ενικός αριθμός οργανική

κωμωδία ουσ θηλ ενικ ονομ

Στην πρώτη γραμμή παραμένει η αποκατεστημένη λημματική λέξη, στη δεύτερη (που δεν έχει διαγραφεί) η μορφή της λέξης με τα γραμματικά χαρακτηριστικά της. Αυτή η εργασία με 1000 λέξεις διαρκεί περίπου 4 ώρες, αλλά πιθανότατα δεν υπάρχει ακόμη ταχύτερος τρόπος μορφολογικής ανάλυσης των λιθουανικών λέξεων. Έπειτα αναζητούνται ομώνυμα και ομόηχα, τα δείγματα διορθώνονται με το πρόγραμμα MAN-K του Vytautas Zinkevičius και συγχωνεύονται σε υπολογιστή – όλα αυτά διαρκούν άλλη μία ώρα. Συνολικά, με αυτόν τον τρόπο επεξεργάστηκαν 1 200 δείγματα με 1000 εμφανίσεις λέξεων το καθένα.

Μετά την ολοκλήρωση αυτού του τεράστιου έργου, τα δεδομένα υποβλήθηκαν σε περαιτέρω επεξεργασία με υπολογιστικά προγράμματα που είχαν εκπονήσει ο Valentinas Černiauskas και η Snieguolė Meškauskienė (και οι δύο από το Ινστιτούτο Μαθηματικών και Πληροφορικής): υπολογίστηκαν διάφορες συχνότητες. Προετοιμάστηκαν για δημοσίευση τρία λεξικά, δύο από τα οποία έχουν ήδη εκδοθεί (Grumadienė, Žilinskienė 1997; 1998), ενώ το τρίτο, ελπίζουμε, θα δει το φως της δημοσιότητας φέτος. Τα δύο πρώτα λεξικά είναι κατάλογοι λημματικών λέξεων κατά συχνότητα. Το πρώτο είναι ταξινομημένο κατά φθίνουσα συχνότητα, το δεύτερο αλφαβητικά. Σε αυτά περιλήφθηκαν αντίστοιχα 38 337 διαφορετικές λέξεις. Το τρίτο, λεξικό τύπων λέξεων, είναι αρκετές φορές μεγαλύτερο (31 α.φ.), περιλαμβάνει περίπου 150 000 τύπους λέξεων και αποτυπώνει τη χρήση διαφορετικών λέξεων, καθώς και των ίδιων λέξεων σε διάφορους γραμματικούς τύπους (πρόκειται να παρουσιαστεί τόσο αλφαβητικά όσο και με αντίστροφη ταξινόμηση). Καταρτίστηκαν ακόμη αρκετές δεκάδες λεξικών συχνότητας με διαφορετική διάταξη, για ηλεκτρονική χρήση: για καθένα από τα τέσσερα υφολογικά επίπεδα, για όλες τις θεματικές ομάδες κάθε επιπέδου κ.ά. (τόσο για λημματικές λέξεις όσο και για τύπους λέξεων).

Η σύγκριση ορισμένων στατιστικών δεδομένων δείχνει ήδη ότι στη γραπτή λιθουανική γλώσσα χρησιμοποιούνται κυρίως διαφορετικά ουσιαστικά – από το σύνολο των διαφορετικών λέξεων, το 45,25% είναι ουσιαστικά· υπάρχουν πολλά ρήματα και ρηματικοί τύποι – 32,65%, ενώ σημαντικό είναι και το ποσοστό των επιθέτων – 15,31%. Τα διαφορετικά επιρρήματα που εντοπίστηκαν ανέρχονται σε 5,03%. Τα άλλα μέρη του λόγου δεν φτάνουν ούτε το μισό τοις εκατό το καθένα (συνολικά αποτελούν μόλις το 0,88%). Αυτό, όμως, δεν σημαίνει ότι η κατανομή τους στα κείμενα είναι ακριβώς η ίδια. Ένας άλλος δείκτης, η συχνότητα των ίδιων λέξεων στο κείμενο, δείχνει ότι το ποσοστό των κύριων μερών του λόγου και των επιρρημάτων μειώνεται αισθητά υπέρ των λειτουργικών μερών του λόγου και των αντωνυμιών, καθώς στα κείμενα αυτά αποτελούν πλέον περισσότερο από το ένα τέταρτο – 26,71%. Αξίζει να δοθεί προσοχή όχι μόνο στον δείκτη συχνότητας, αλλά και στον αριθμό των δειγμάτων στα οποία εμφανίζεται μια λέξη ή ένας τύπος λέξης: έτσι μπορεί να διαπιστωθεί αν η συχνότητα κάποιας λέξης οφείλεται σε ένα τυχαίο κείμενο που περιέχει πολλές επαναλήψεις της ή αν, αντιθέτως, η συχνότητά της δεν είναι τυχαία, καθώς η διασπορά της είναι ομοιόμορφη στα διάφορα δείγματα.

DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 29

Η λεξιλογική ποικιλία αξιολογείται με τον συντελεστή επανάληψης (τον λόγο των εμφανίσεων λέξεων προς τις λημματικές λέξεις), ο οποίος στο προαναφερθέν λεξικό είναι 20,06 (όσο μικρότερη είναι αυτή η τιμή, τόσο περισσότερες διαφορετικές λέξεις έχουν εντοπιστεί). Από τα λεξικά λημματικών λέξεων και τύπων λέξεων για καθένα από τα τέσσερα λειτουργικά υφολογικά επίπεδα, τα οποία καταμετρήθηκαν αλλά δεν δημοσιεύτηκαν (ορισμένες γλωσσοστατιστικές ιδιαιτερότητες που παρατηρήθηκαν σε αυτά έχουν ήδη σχολιαστεί από τη V. Žilinskienė (1998, 2001, υπό έκδοση κ.ά.)), προκύπτει ότι, για παράδειγμα, το λεξιλόγιο της λογοτεχνίας είναι δύο φορές πιο ποικίλο από το λεξιλόγιο κειμένων διοικητικού ύφους (οι συντελεστές επανάληψης είναι αντίστοιχα 9,53 και 20,78). Το πιο ενδιαφέρον είναι ότι, αν ληφθούν μαζί και τα τέσσερα υφολογικά επίπεδα, ο συντελεστής επανάληψης διαφέρει ελάχιστα από εκείνον του διοικητικού ύφους, αλλά πολύ από εκείνον του λογοτεχνικού ύφους (είναι 10,51 για τη δημοσιογραφία και 12,63 για την επιστήμη). Οι δείκτες αυτοί αποτελούν ισχυρό επιχείρημα κατά τον καθορισμό των αρχών σύνταξης, για παράδειγμα, ενός λεξικού της κοινής γλώσσας: σε ποια αναλογία θα πρέπει να εκπροσωπούνται τα λειτουργικά υφολογικά επίπεδα· αν θα πρέπει να συνεχιστεί γενικά η πρακτική σύνδεσης της κοινής γλώσσας με τα λειτουργικά υφολογικά επίπεδα· και, αν ναι, είναι απαραίτητο να λαμβάνονται υπόψη οι στατιστικοί δείκτες των λειτουργικών υφολογικών επιπέδων κ.ά.

Ενδιαφέροντα δεδομένα προέκυψαν από τη σύγκριση του καταλόγου των συχνότερων λέξεων, ο οποίος καταρτίστηκε με βάση το σώμα κειμένων του Πανεπιστημίου Vytautas Magnus (οι λέξεις καταγράφηκαν και καταμετρήθηκαν με τις μορφές με τις οποίες απαντούν στο κείμενο, χωρίς να αποκαθίστανται τα λήμματά τους, σε αντίθεση με το Λεξικό συχνότητας της σύγχρονης γραπτής λιθουανικής γλώσσας). Η σύγκριση των 50 συχνότερων άκλιτων λέξεων και κλιτών τύπων λέξεων σε λιθουανικό σώμα κειμένων 60 εκατομμυρίων λέξεων (Utka 2000: 278) με τις πρώτες 50 λημματικές λέξεις του Λεξικού συχνότητας (Grumadienė, Žilinskienė 1997: 3) δείχνει ξεκάθαρα ότι ουσιαστικά συμπίπτουν. Μόνο ο πρώτος κατάλογος συχνότητας περιέχει κάπως λιγότερες διαφορετικές λέξεις, επειδή εκεί αναφέρονται διάφοροι τύποι της ίδιας λέξης, π.χ., buvo, būti; jis, jo, jų, jos, jie, ενώ στον δεύτερο κατάλογο, δηλαδή στο λεξικό, αντιπροσωπεύονται αντίστοιχα από τα būti και jis. Στο Λεξικό συχνότητας, σύμφωνα με τις αρχές σύνταξης λεξικών αυτού του τύπου, δεν περιλήφθηκαν συντομογραφίες· ωστόσο, από τις συντομογραφίες m, d, a που υπήρχαν στον προαναφερθέντα κατάλογο συχνότερων λέξεων –οι οποίες αντιστοιχούν στις λέξεις metai, diena, amžius– η σύγκριση με τα δεδομένα του Λεξικού συχνότητας δείχνει ότι οι δύο πρώτες λέξεις είναι συχνές και στο λεξικό –κατατάσσονται 30ές και 57ες ως προς τη συχνότητα, δηλαδή την κατάταξη (λέξεις με την ίδια κατάταξη θεωρούνται εκείνες που έχουν την ίδια συχνότητα)–, ενώ η λέξη amžius εμφανίζεται μόνο στην τρίτη εκατοντάδα. Παρεμπιπτόντως, η συντομογραφία και η πλήρης λέξη χρησιμοποιούνται αρκετά συχνά και με ελαφρώς διαφορετικές σημασίες. Όπως επιβεβαιώνει η πρακτική σύνταξης λεξικών συχνότητας πολλών συνθετικών γλωσσών, οι συχνότερες λέξεις στο Λεξικό συχνότητας της σύγχρονης γραπτής λιθουανικής γλώσσας είναι ορισμένοι σύνδεσμοι (ir, kad, o, kaip, ar, bet, bei, kai κ.ά.), προθέσεις (į, iš, su, nuo, apie, po, už, dėl, per, prie κ.ά.), αντωνυμίες (jis, tas, aš, kuris, šis, visas, kitas, savas, toks, kas, tu κ.ά.), μόρια (ir, ne, tik κ.ά.), τα δημοφιλέστερα ρήματα είναι τα būti, galėti, turėti, nebūti, reikėti, žinoti, nustatyti κ.ά., ενώ τα ουσιαστικά είναι τα Lietuva, darbas, žmogus, metai κ.ά. Από τα αριθμητικά, συχνότερα είναι τα vienas, pirmas, du, ενώ τα επίθετα που περιλαμβάνονται στην πρώτη εκατοντάδα των συχνότερων λέξεων είναι τα dideli, naujas, aukštas, įvairus, svarbus, pagrindinis. Παρεμπιπτόντως, τα δεδομένα αναλυτικών γλωσσών δείχνουν επίσης ότι, για παράδειγμα, στα αγγλικά κείμενα η αντωνυμία I, ο σύνδεσμος and και το άρθρο the αποτελούν το 10% των κειμένων (Hillerich www: eduplace.com).

Σημαντικό είναι και το ζήτημα των διεθνών λέξεων – πόσες και ποιες από αυτές θα πρέπει να συμπεριληφθούν στο λεξικό της κοινής γλώσσας; Μπορεί να αποδειχθεί χρήσιμη και η γνώση ότι, για παράδειγμα, στον κατάλογο λημματικών λέξεων του Λεξικού συχνότητας της σύγχρονης γραπτής λιθουανικής γλώσσας (1998, XXXIV–XXXVI) εντοπίστηκε ποσοστό 27,52% διεθνών λέξεων και ότι στα κείμενα καταλάμβαναν το 13,34% του χώρου· χρήσιμοι μπορεί να είναι και οι ίδιοι οι κατάλογοι αυτών των λέξεων.

30 |

LAIMA GRUMADIENĖ

Κατά την προετοιμασία μιας νέας γραμματικής της λιθουανικής γλώσσας, είναι σημαντικό να γνωρίζουμε και τις στατιστικές των τύπων των λέξεων: ποιες κατηγορίες λέξεων κλίνονται με ποιον τρόπο και γιατί, καθώς και γιατί η ποικιλία των γραμματικών τύπων ορισμένων λέξεων είναι μεγάλη, ενώ άλλων όχι. Τέτοια στοιχεία αφθονούν στο λεξικό τύπων λέξεων που ετοιμάζεται για έκδοση. Η V. Žilinskienė (2001) έχει ήδη δημοσιεύσει ενδιαφέροντα στοιχεία μόνο για το δημοσιογραφικό ύφος. Διαπιστώνεται ότι τρεις πτώσεις των ουσιαστικών αποτελούν το 82,29% όλων των περιπτώσεων χρήσης ουσιαστικών (γεν. – 38,91%, ονομ. – 26,62%, αιτ. – 16,76%· το γεγονός ότι, για παράδειγμα, η δοτική χρησιμοποιείται μόνο στο 3,88% των περιπτώσεων ίσως ήδη υποδηλώνει τάσεις προς τον αναλυτισμό;). Τα επίθετα, παρεμπιπτόντως, χρησιμοποιούνται συχνότερα στην ονομαστική – στο 36,93% των περιπτώσεων. Διαπιστώθηκε ότι υπερισχύει ο ενικός αριθμός των ουσιαστικών – το 68,86% όλων των χρήσεων. Στα δημοσιογραφικά κείμενα βρέθηκαν σχετικά λίγες μετοχές επιρρηματικού τύπου (2,34%) και ημιμετοχές (1,84%), ενώ οι μετοχές ανέρχονταν σε 24,46%· το απαρέμφατο χρησιμοποιήθηκε στο 15,85% των περιπτώσεων.

Ενδιαφέροντα και ασυνήθιστα αποτελέσματα, ιδίως για εκπαιδευτικούς και ειδικούς που καταρτίζουν σχολικά εγχειρίδια, προγράμματα σπουδών και λεξικά, προέκυψαν από την εξέταση των τριών ελάχιστων λεξικών λιθουανικών–ρωσικών γλωσσών των Valstybinės kalbos mokėjimo kvalifikacinių kategorijų lietuvių–rusų kalbų minimaliuosius žodynus, τα οποία συνέταξαν και εξέδωσαν οι V. Žilinskienė και L. Grumadienė (1998· 1999a· 1999b), καθώς και έξι ακόμη ανάλογα λεξικά λιθουανικών–αγγλικών και λιθουανικών–πολωνικών γλωσσών, τα οποία έχουν συνταχθεί αλλά δεν έχουν ακόμη εκδοθεί. Εδώ πρέπει να επισημανθεί και πάλι ότι τα δείγματα συλλέχθηκαν από γραπτά κείμενα της λιθουανικής γλώσσας· επομένως, ενδέχεται να λείπουν λέξεις της προφορικής γλώσσας. Αυτά τα μικρά λεξικά προσανατολίζονται στην εκμάθηση της γραπτής γλώσσας, επειδή οι απαιτήσεις πιστοποίησης της γνώσης της κρατικής γλώσσας συνδέονται με τη δημόσια χρήση της, πρωτίστως σε επίσημες περιστάσεις, ιδίως σε κρατικούς φορείς. Γι’ αυτό εδώ είναι περισσότερο απαραίτητο το ουδέτερο και θεματικό λεξιλόγιο παρά το καθημερινό: απαιτείται η ικανότητα ανάγνωσης και σύνταξης υπηρεσιακών εγγράφων και κατανόησης κειμένων των μέσων ενημέρωσης. Στο μέλλον θα συνταχθούν και ελάχιστα λεξικά της προφορικής γλώσσας. Στη Λιθουανία έχει εκδοθεί το εγχειρίδιο του Vytautas Šernas (1994) Kaip racionaliau mokytis kalbų, το οποίο περιλαμβάνει επίσης ένα ελάχιστο δίγλωσσο λεξικό αγγλικών–λιθουανικών: πρόκειται για μετάφραση του περίφημου Basic English, που δημοσιεύτηκε το 1942 από τον Ch. K. Ogden και αποτελείται από 850 λέξεις (παρεμπιπτόντως, μπορεί να βρεθεί και στον τρίτο τόμο της Encyclopaedia Britannica). Με το πέρασμα του χρόνου κάποιες λέξεις παλιώνουν και άλλες εμφανίζονται, οπότε ο κατάλογος των 850 λέξεων μπορεί να αλλάξει ανάλογα. Κατά τον καθορισμό των απαιτήσεων για τις τρεις κατηγορίες πιστοποίησης της γνώσης της κρατικής λιθουανικής γλώσσας, ελήφθη υπόψη και η άποψη των συγγραφέων του Dartinės rašomosios lietuvių kalbos dažninio žodyno σχετικά με την έκταση των ελάχιστων λεξικών: αποφασίστηκε ότι οι απαιτήσεις της κατηγορίας I θα αντιστοιχούσαν στη γνώση περίπου 800 λέξεων, της κατηγορίας II περίπου 1.200 και της κατηγορίας III περίπου 2.500 λέξεων. Η απόφαση βασίστηκε τόσο στο ευρέως αποδεκτό αξίωμα του Ogden για τις 850 λέξεις όσο και στα αποτελέσματα ερευνών συχνότητας της μητρικής και άλλων γλωσσών, καθώς και στην ανάλογη πρακτική άλλων χωρών. Το ότι αυτοί οι υπολογισμοί δεν είναι αυθαίρετοι φαίνεται και στους τρεις πίνακες του παραρτήματος, όπου διακρίνεται σαφώς ποιο ποσοστό των κειμένων καλύπτεται αντίστοιχα από τις 800, 1.200 και 2.500 συχνότερες λέξεις της γραπτής λιθουανικής γλώσσας: 56,66%, 65,70% και 78,04%.

Έχει πλέον γίνει συνήθεια όλα τα μεγάλα λεξικά να παρέχουν πληροφορίες για τις συχνότερες λέξεις μιας γλώσσας. Για παράδειγμα, στο αγγλικό λεξικό COBUILD (www.antimoon.com), οι 680 συχνότερες λέξεις επισημαίνονται με 1–4 ρόμβους. Στο αγγλικό λεξικό Longman, οι 3.000 συχνότερες λέξεις επισημαίνονται ως S1, S2 (S – spoken English), W1, W2 (W – written English). Στο αγγλικό λεξικό Macmillan οι συχνότερες λέξεις τυπώνονται με κόκκινο χρώμα, ενώ η συχνότητα των υπόλοιπων σημειώνεται με 1–3 αστέρια. Πλησιάζει η στιγμή που, προφανώς, θα πρέπει να ασχοληθεί με αυτό και η λιθουανική λεξικογραφία.

DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 31

4. ΣΥΜΠΕΡΑΣΜΑΤΑ

Οι ηλεκτρονικές βάσεις δεδομένων της σύγχρονης λιθουανικής γλώσσας δεν είναι πολλές· οι μεγαλύτερες είναι το Dabartinės rašomosios lietuvių kalbos dažninio žodyno των V. Žilinskienė και L. Grumadienė (μορφολογικά επισημειωμένο και στατιστικά επεξεργασμένο, με 1.200.000 χρήσεις λέξεων) και το Lietuvių kalbos tekstynas του Πανεπιστημίου Vytautas Magnus (μη επισημειωμένο, με περίπου 60.000.000 χρήσεις λέξεων). Στη λιθουανική φιλολογία δεν υπάρχει ακόμη επαρκής πρακτική αξιοποίησης ούτε των ηλεκτρονικών βάσεων δεδομένων της σύγχρονης γλώσσας ούτε των γλωσσοστατιστικών εκδόσεων. Πρώτα απ’ όλα, στα ανώτατα εκπαιδευτικά ιδρύματα της Λιθουανίας δεν καλλιεργείται αρκετά αυτή η πρακτική εργασίας· υπάρχει όμως και η άλλη όψη του νομίσματος: οι ηλεκτρονικές βάσεις δεδομένων της λιθουανικής γλώσσας που είναι διαθέσιμες στο κοινό είναι πολύ λίγες. Ένας από τους λόγους της καθυστέρησης είναι επίσης ότι οι ηλεκτρονικές βάσεις δεδομένων δεν αναγνωρίζονται ως έργο πνευματικής δημιουργίας. Ένα από τα πιο επίκαιρα προβλήματα στη Λιθουανία που σχετίζονται με τις ηλεκτρονικές βάσεις δεδομένων είναι η αδυναμία της σχεδιαστικής τους σύλληψης: συχνά προβλέπεται να χρησιμοποιούνται οι ηλεκτρονικές βάσεις δεδομένων μόνο ως κείμενα σε ηλεκτρονική μορφή, χωρίς να προβλέπεται η εφαρμογή υπολογιστικών τεχνολογιών για την επεξεργασία των δεδομένων.

32 |

LAIMA GRUMADIENĖ

ΠΙΝΑΚΑΣ 1: ΣΥΧΝΟΤΗΤΑ ΛΕΞΕΩΝ ΑΝΑ ΓΛΩΣΣΙΚΟ ΜΕΡΟΣ ΚΑΙ ΣΥΝΟΛΙΚΑ, ΓΙΑ ΤΗΝ ΠΙΣΤΟΠΟΙΗΣΗ ΓΝΩΣΗΣ ΤΗΣ ΚΡΑΤΙΚΗΣ ΛΙΘΟΥΑΝΙΚΗΣ ΓΛΩΣΣΑΣ

Κατάταξη Συχνότητα ουσ επίθ ρμ αντων λοιπά 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

ΓΛΩΣΣΟΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΤΟΥ ΕΛΑΧΙΣΤΟΥ ΛΕΞΙΚΟΥ ΤΩΝ ΚΑΤΗΓΟΡΙΩΝ:

σύνδ σύνδ. συν. αρ. αριθ. Σύνολο – 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

Κατάταξη Συχνότητα ουσ. ρ. επιθ. επιρ. αντ. 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%

Ελάχιστο λεξιλόγιο της Iης κατηγορίας πιστοποίησης γνώσης της κρατικής λιθουανικής γλώσσας (περίπου 800

ΠΙΝΑΚΑΣ 2: ΣΥΧΝΟΤΗΤΑ ΤΩΝ ΜΕΡΩΝ ΤΟΥ ΛΟΓΟΥ ΚΑΙ ΓΕΝΙΚΗ ΣΥΧΝΟΤΗΤΑ ΛΕΞΕΩΝ ΓΙΑ ΤΗ II ΚΑΤΗΓΟΡΙΑ ΠΙΣΤΟΠΟΙΗΣΗΣ ΓΝΩΣΗΣ ΤΗΣ ΚΡΑΤΙΚΗΣ ΛΙΘΟΥΑΝΙΚΗΣ ΓΛΩΣΣΑΣ

Κατάταξη Συχνότητα ουσ. ρ. επιθ. επιρ. αντ. 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%

Ελάχιστο λεξιλόγιο της IIης κατηγορίας πιστοποίησης γνώσης της κρατικής λιθουανικής γλώσσας (περίπου 1200

ΠΙΝΑΚΑΣ 3: ΣΥΧΝΟΤΗΤΑ ΤΩΝ ΜΕΡΩΝ ΤΟΥ ΛΟΓΟΥ ΚΑΙ ΓΕΝΙΚΗ ΣΥΧΝΟΤΗΤΑ ΛΕΞΕΩΝ ΓΙΑ ΤΗ III ΚΑΤΗΓΟΡΙΑ ΠΙΣΤΟΠΟΙΗΣΗΣ ΓΝΩΣΗΣ ΤΗΣ ΚΡΑΤΙΚΗΣ ΛΙΘΟΥΑΝΙΚΗΣ ΓΛΩΣΣΑΣ

Κατάταξη Συχνότητα ουσ. ρ. επιθ. επιρ. αντ. 601–650 105-56 45751 20328 12145 5822 433 52,31% 23,25% 13,88% 6,66% 0,50%

Ελάχιστο λεξιλόγιο της IIIης κατηγορίας πιστοποίησης γνώσης της κρατικής λιθουανικής γλώσσας (περίπου 2500

DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 35

skt prl jng dll išt; jst Σύνολο 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% λέξεων) καλύπτει το 56,66% του κειμένου (δείγμα από 1,2 εκατομμύρια εμφανίσεις λέξεων). 56,66%

ΓΛΩΣΣΟΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΤΗΣ ΚΑΤΗΓΟΡΙΑΣ ΤΟΥ ΕΛΑΧΙΣΤΟΥ ΛΕΞΙΚΟΥ:

skt prl jng dll išt; jst Σύνολο 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% λέξεων) καλύπτει το 65,70% του κειμένου (δείγμα από 1,2 εκατομμύρια εμφανίσεις λέξεων). 9,04% Σύνολο: (=65,70%)

ΓΛΩΣΣΟΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΤΗΣ ΚΑΤΗΓΟΡΙΑΣ ΤΟΥ ΕΛΑΧΙΣΤΟΥ ΛΕΞΙΚΟΥ:

skt prl jng dll išt; jst Σύνολο 460 341 372 1697 102 87446 0,52% 0,40% 0,42% 1,94% 0,12% 7,29% λέξεων) καλύπτει το 78,04% του κειμένου (δείγμα από 1,2 εκατομμύρια εμφανίσεις λέξεων). 7,29% Σύνολο: (=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