Dažninis dabartinės rašomosios lietuvių kalbos žodynas (pirmieji tyrimo rezultatai)

LIETUVIŲ KALBOTYROS KLAUSIMAI XXXIX (1998) Vida ŽILINSKIENĖ Matematikos ir informatikos institutas, Vilnius ΛΕΞΙΚΟ ΣΥΧΝΟΤΗΤΑΣ ΤΗΣ ΣΥΓΧΡΟΝΗΣ ΓΡΑΠΤΗΣ ΛΙΘΟΥΑΝΙΚΗΣ ΓΛΩΣΣΑΣ (τα πρώτα αποτελέσματα της έρευνας) Έχει ήδη τεθεί σε λειτουργία ένα ηλεκτρονικό λεξικό συχνότητας της σύγχρονης γραπτής λιθουανικής γλώσσας, που έχει συνταχθεί από υλικό τεσσάρων λειτουργικών υφολογικών κατηγοριών (λογοτεχνίας, δημοσιογραφίας, επιστήμης και διοικητικού λόγου). Για περισσότερες πληροφορίες σχετικά με τη μεθοδολογία και τις αρχές κατάρτισης του λεξικού, βλ. το άρθρο (Grumadienė 1995). Η λεξιλογική ποικιλία μιας γλώσσας, ενός συγκεκριμένου λειτουργικού ύφους, ενός συγγραφέα ή ενός έργου αξιολογείται με τον λεγόμενο συντελεστή επανάληψης (τον λόγο των εμφανίσεων των λέξεων προς τις λέξεις), ο οποίος εκφράζει ταυτόχρονα και τη μέση συχνότητα της λέξης στο κείμενο. Οι υπολογισμοί που πραγματοποιήθηκαν δείχνουν ότι ο συντελεστής επανάληψης των προαναφερθέντων υφών και ολόκληρης της λιθουανικής γλώσσας είναι: λογοτεχνίας – 9,53, δημοσιογραφίας – 10,51, επιστήμης – 12,63, διοικητικού λόγου – 20,78, ολόκληρης της γλώσσας – 20,06. Όσο μικρότερος είναι αυτός ο συντελεστής, τόσο περισσότερες διαφορετικές λέξεις εντοπίζονται σε κείμενα με τον ίδιο αριθμό εμφανίσεων λέξεων (στην περίπτωσή μας εξετάστηκαν 300000 εμφανίσεις λέξεων από κείμενα κάθε λειτουργικού ύφους), και τόσο μεγαλύτερη είναι η λεξιλογική ποικιλία του συγκεκριμένου ύφους. Από τα στοιχεία που παρατίθενται φαίνεται πολύ καθαρά ότι: 1) το λεξιλόγιο της λογοτεχνίας είναι δύο φορές πιο ποικίλο από εκείνο του διοικητικού ύφους· 2) η λεξιλογική ποικιλία της λογοτεχνίας, της δημοσιογραφίας, ακόμη και της επιστήμης είναι αρκετά παρόμοια. Μπορούμε να συγκρίνουμε την ποικιλία των μορφών λέξεων που εντοπίστηκαν στα εξεταζόμενα κείμενα, αντιπαραβάλλοντας τον λόγο των εμφανίσεων των λέξεων προς τις μορφές λέξεων στα επιμέρους ύφη: λογοτεχνίας – 4,34, δημοσιογραφίας – 4,48, επιστήμης – 4,83, του εξειδικευμένου ύφους – 7,29, της συνολικής γλώσσας – 7,16. Οι αριθμοί αυτοί δείχνουν επίσης σαφώς ότι: 1) πιο ποικίλοι γραμματικοί τύποι χρησιμοποιούνται στα λογοτεχνικά, δημοσιογραφικά και επιστημονικά ύφη, 2) από αυτή την άποψη, το εξειδικευμένο ύφος διαφέρει επίσης σημαντικά από τα άλλα ύφη. 219 Εφόσον διαθέτουμε λεξικό συχνότητας της λιθουανικής δημοσιογραφίας, συνταγμένο με την ίδια μεθοδολογία (Žilinskienė 1990), το οποίο υπολογίστηκε από κείμενα εφημερίδων και περιοδικών του 1973–74, καθώς και λεξικό συχνότητας της λετονικής δημοσιογραφίας (Jakubaitė 1969), υπολογισμένο από κείμενα του 1966–67, μπορούμε να συγκρίνουμε τους συντελεστές επανάληψής τους: Λιθουανική δημοσιογραφία 1993–95 – 10,51, λιθουανική δημοσιογραφία 1973–74 – 15,38, λετονική δημοσιογραφία 1966–67 – 18,60. Οι συντελεστές αυτοί δείχνουν σαφώς ότι το λεξιλόγιο της σύγχρονης λιθουανικής δημοσιογραφίας είναι πιο ποικίλο από το λεξιλόγιο της λιθουανικής δημοσιογραφίας πριν από είκοσι χρόνια ή από το λεξιλόγιο της λετονικής δημοσιογραφίας πριν από σχεδόν τριάντα χρόνια. Ας συγκρίνουμε τις δεκάδες συχνότερων λέξεων των επιμέρους υφών και της συνολικής γλώσσας (βλ. Πίνακα 1· σε αυτόν και στους άλλους πίνακες, ο αριθμός δίπλα σε κάθε λέξη δηλώνει τη συχνότητά της). Πίνακας 1. Οι δέκα συχνότερες λέξεις στα επιμέρους ύφη λογοτεχνία | δημοσιογραφία | επιστήμη | εξειδικευμένο ύφος | συνολική γλώσσα και* 11442 | και* 9743 | και* 11140 | και* 10990 | και* 43315 αυτός 9634 | είμαι 5825 | είμαι 6294 | είμαι 5138 | αυτός 24613 εγώ 4580 | αυτός 5824 | αυτός 4692 | αυτός 4463 | είμαι 21366 σε 4216 | εκείνος 3487 | εκείνος 2783 | εκείνος 3286 | εκείνος 13528 είμαι 4109 | ότι* 3235 | αυτός 2138 | ο οποίος 2273 | σε 10715 εκείνος 3972 | σε 2719 | ο οποίος 2054 | Λιθουανία 2195 | ότι* 9877 αλλά* 2822 | εγώ 2602 | σε 1941 | αυτός 2135 | εγώ 9025 ότι* 2811 | ο οποίος 1985 | ότι* 1844 | ότι* 1992 | ο οποίος 7610 όπως 2219 | αλλά* 1904 | με 1838 | ή 1903 | από 7162 τι 2136 | με 1897 | από 1647 | σε 1839 | με 7034 Η συχνότητα των λέξεων που σημειώνονται με αστερίσκο (*) στον Πίνακα 1 διαφέρει από τη συχνότητα των ίδιων λέξεων που παρατίθεται στη διατριβή (Žilinskienė 1995), επειδή εδώ δίνεται η συνολική συχνότητα της συγκεκριμένης λέξης, ενώ στη διατριβή δίνεται η συχνότητα της αντίστοιχης λέξης όταν λειτουργεί αποκλειστικά ως σύνδεσμος στα κείμενα που εξετάστηκαν. Από τον Πίνακα 1 φαίνεται σαφώς ότι: 1) στη δεκάδα των συχνότερων λέξεων περιλαμβάνονται λειτουργικά μέρη του λόγου, αντωνυμίες, οι οποίες από στατιστική άποψη συμπεριφέρονται συνήθως ως λειτουργικά μέρη του λόγου, και το ρήμα είμαι, το οποίο χρησιμοποιείται συχνά στο κείμενο ως βοηθητικό ρήμα, 2) στην πρώτη δεκάδα των συχνότερων λέξεων 220 στην εκατοντάδα έξι λέξεις (ir, jis, būti, tas, kad, į) είναι οι ίδιες, διαφέρουν μόνο οι τάξεις τους (οι αριθμοί θέσεων στους καταλόγους συχνότητας), φυσικά, εκτός από τις ir, 3) υπάρχει μόνο μία λέξη με συγκεκριμένη σημασία, η Lietuva, στην πρώτη δεκάδα των συχνότερων λέξεων του θεματικού ύφους. Ας συγκρίνουμε τις εικοσάδες των συχνότερων λέξεων στον σύγχρονο λιθουανικό δημοσιογραφικό λόγο, στον παλαιότερο λιθουανικό δημοσιογραφικό λόγο και στον λετονικό δημοσιογραφικό λόγο (βλ. Πίνακα 2). Πίνακας 2. Συχνότερες λέξεις στον λιθουανικό και τον λετονικό δημοσιογραφικό λόγο Δημοσιογραφικός λόγος 1993–95 | Δημοσιογραφικός λόγος 1973–74 | Λετονικός δημοσιογραφικός λόγος | και 9743 | και 11890 | un 10401 | būti 5825 | jis 5733 | būt 6395 | jis 5824 | būti 4167 | tas 5244 | tas 3487 | tas 3939 | ar 3631 | kad 3235 | į 2614 | par 3546 | į 2719 | aš 2461 | kas 3119 | aš 2602 | kad 2455 | viņš 2610 | kuris 1985 | kuris 2394 | no 2342 | o 1904 | su 2046 | ka 2325 | su 1897 | šis 2024 | ari 2304 | iš 1890 | visas 1825 | šis 2275 | Lietuva 1839 | darbas 1759 | darbs 2059 | šis 1715 | iš 1602 | mēs 2030 | visas 1517 | kaip 1594 | gads 1789 | savas 1463 | metai 1563 | bet 1643 | bet 1273 | o 1538 | uz 1630 | žmogus 1271 | žmogus 1421 | kā 1609 | ar 1213 | ne 1389 | viss 1601 | metai 1302 | tik 1277 | padome 1386 | apie 1165 | savo 1263 | savs 1349 Συγκρίνοντας τον λιθουανικό δημοσιογραφικό λόγο των δύο περιόδων, βλέπουμε ότι η συχνότητα χρήσης των συχνότερων λέξεων είναι πολύ παρόμοια· μόνο τρεις λέξεις (bet, ar, apie), οι οποίες βρίσκονται 221 στην πρώτη εικοσάδα του σύγχρονου δημοσιογραφικού λόγου, έχουν υποχωρήσει χαμηλότερα στον παλαιότερο δημοσιογραφικό λόγο (το bet βρίσκεται στην 22η, το ar στην 39η και το apie στην 26η θέση) (Žilinskienė 1990), ενώ η λέξη Lietuva στον παλαιότερο δημοσιογραφικό λόγο ήταν κωδικοποιημένη ως ονομασία κράτους και εκεί υπολογιζόταν μόνο η συνολική συχνότητα επιμέρους ομάδων κύριων ονομάτων (π.χ. ονομάτων, επωνύμων, ονομασιών κρατών, υδρωνυμίων κ.λπ.), επομένως δεν καταχωρίστηκε στο λεξικό λέξεων κατά φθίνουσα σειρά συχνότητας. Κατά την επεξεργασία του σύγχρονου δημοσιογραφικού λόγου, το savo θεωρήθηκε γενική της αντωνυμίας savas και, φυσικά, καταγράφηκε τότε το λήμμα savas· αν επανυπολογιζόταν έτσι ο παλαιότερος δημοσιογραφικός λόγος, το savas θα είχε συχνότητα 1461 και θα κατατασσόταν στη 17η θέση. Επιπλέον, πρέπει να σημειωθεί ότι στη δεύτερη δεκάδα των συχνότερων λέξεων εμφανίστηκαν ήδη και ουσιαστικά (metai, žmogus), ενώ μόνο το darbas έχει υποχωρήσει στην τρίτη δεκάδα στον σύγχρονο δημοσιογραφικό λόγο. Συγκρίνοντας με τον λετονικό δημοσιογραφικό λόγο, μπορούμε να δούμε ότι στην πρώτη δεκάδα περιλαμβάνονται τα περισσότερα από τα ίδια λειτουργικά στοιχεία, καθώς και τα ίδια δύο συχνότερα ουσιαστικά· μόνο το λετονικό padome είναι ακόμη πολύ συχνό (στον παλαιότερο λιθουανικό δημοσιογραφικό λόγο το taryba εμφανίστηκε 455 φορές, ενώ στον σύγχρονο 137 φορές). Ας συγκρίνουμε τα ουσιαστικά, τα επίθετα, τα αριθμητικά, τα ρήματα και τα επιρρήματα που περιλαμβάνονται στην πρώτη εκατοντάδα των συχνότερων λέξεων και στα τέσσερα ύφη και σε ολόκληρη τη γλώσσα (βλ. Πίνακα 3). Πίνακας 3. Συχνότερα ονοματικά στοιχεία, ρήματα και επιρρήματα ανά ύφος λογοτεχνία δημοσιογραφικός λόγος επιστημονικό ύφος θεματικό ύφος ολόκληρη η γλώσσα άνθρωπος Λιθουανία εργασία Λιθουανία Λιθουανία μάτι άνθρωπος σύστημα εργασία εργασία χέρι έτος Λιθουανία έγγραφο άνθρωπος κεφάλι εργασία άνθρωπος άρθρο έτος ημέρα χώρα έρευνα δημοκρατία δικαίωμα χρόνος ημέρα μέρος δικαίωμα έγγραφο σπίτι περίοδος περίοδος πρόσωπο χρόνος λέξη κράτος διαδικασία επιχείρηση ημέρα άνδρας γη στοιχείο νόμος κράτος φορά Vilnius υλικό πρόεδρος δημοκρατία εργασία χρόνος νερό κράτος μέρος παιδί ζωή χρόνος ίδρυμα νόμος πατέρας σχολείο έτος οργάνωση άρθρο πόδι Ρωσία πολιτισμός γλώσσα επιχείρηση 222 λογοτεχνία εποχή γυναίκα ζωή παράθυρο μεγάλος καλός δημοσιογραφικός λόγος παιδί Λιθουανός επιχείρηση φορά τράπεζα νόμος κόσμος σπίτι οικονομία Ευρώπη μέρος πόλη μεγάλος νέος καλός σημαντικός επιστημονικός δεδομένο Λιθουανός συνθήκη τρόπος αριθμός σημασία περίπτωση γλώσσα επιστήμη μορφή ομάδα επιφάνεια μέθοδος αποτέλεσμα δραστηριότητα πρόβλημα τόπος ιδιότητα μεγάλος διάφορος βασικός νέος σημαντικός ειδικός μέρος λέξη βουλευτής δικαστήριο επιτροπή ερώτημα υπόθεση απόφαση τάξη προϊόν συμβούλιο χώρα εργαζόμενος μέλος άνθρωπος περίπτωση κυβέρνηση παράβαση μέτρο ημέρα σχέδιο τράπεζα συνεδρίαση μορφή σύμβαση χρόνος τιμή κρατικός υψηλός διοικητικός βασικός σημαντικός όλα τα κείμενα λέξη γλώσσα χώρα πρόσωπο σύστημα φορά γη εποχή τόπος ζωή μεγάλος νέος υψηλός 223 λογοτεχνία δημοσιογραφικός λόγος επιστημονικός ειδικός όλα τα κείμενα γενικός κοινωνικός ένας δύο ένας πρώτος δύο τρεις ένας πρώτος δύο ένας πρώτος δύο ένας πρώτος δύο είμαι μπορώ δεν είμαι έχω λέω ξέρω πηγαίνω θέλω παίρνω χρειάζεται λέω κοιτάζω δεν μπορώ βλέπω φαίνομαι είμαι έχω μπορώ δεν είμαι λέω χρειάζεται είμαι μπορώ έχω δεν είμαι αποτελώ χρησιμοποιώ καθορίζω είμαι έχω μπορώ χρειάζεται δεν είμαι προβλέπω θέλω είμαι μπορώ έχω δεν είμαι χρειάζεται ξέρω καθορίζω θέλω αποτελώ λέω παίρνω δεν μπορώ έτσι πολύ πολύς πού εδώ εκεί καλά τότε πολύ τώρα έτσι επομένως εδώ ακόμη ήδη πολύ πολύς επομένως συχνά επίσης πολύς έτσι τώρα επομένως συχνά πολύ πολύς ακόμη έτσι ήδη τώρα εδώ επίσης πού επομένως μόνο 224 Όπως ήταν αναμενόμενο, από την πρώτη εκατοντάδα των συχνότερων λέξεων γίνεται σαφές ότι πρώτα απ’ όλα η λογοτεχνία διαφέρει από τα μη λογοτεχνικά ύφη: 1) στη λογοτεχνία υπάρχουν τα λιγότερα ουσιαστικά (18) και επίθετα (2), καθώς και διπλάσια ρήματα (15), 2) η δημοσιογραφία είναι πιο κοντά στη λογοτεχνία τόσο ως προς την αναλογία των μερών του λόγου όσο και ως προς τις συγκεκριμένες λεξικές μονάδες (π.χ., σπίτι, φορά, παιδί, ζωή, καλός, λέω, εδώ περιλαμβάνονται στην πρώτη εκατοντάδα των συχνότερων λέξεων μόνο αυτών των υφών). Ορισμένες λεξικές μονάδες βρίσκονται στην πρώτη εκατοντάδα των συχνότερων λέξεων όλων των υφών: άνθρωπος, εργασία, χρόνος, είμαι, μπορώ, δεν είμαι, έχω. Από την πρώτη εκατοντάδα των συχνότερων ουσιαστικών θα μπορούσε κανείς εύκολα να πει από ποιο ύφος κειμένων έχουν επιλεγεί αυτές οι λέξεις. Για παράδειγμα, είναι αδύνατο να φανταστεί κανείς ότι στη λογοτεχνία θα ήταν συχνές λέξεις όπως έρευνα, διαδικασία, στοιχείο, δεδομένο, συνθήκη, σημασία, μορφή, όπως ακριβώς είναι αδύνατο να φανταστεί κανείς ότι οι λέξεις μάτι, χέρι, κεφάλι, παιδί, πατέρας και ούτω καθεξής θα επαναλαμβάνονταν συχνά στη γλώσσα του επιστημονικού ύφους. Τέτοιες λέξεις μπορεί να είναι συχνές μόνο σε κάποιο συγκεκριμένο δείγμα, στο οποίο γράφονται ακριβώς μόνο γι’ αυτό το θέμα. Επιπλέον, είναι πολύ προφανές ότι τα ρήματα της πρώτης εκατοντάδας των συχνότερων λέξεων έχουν πολύ γενική σημασία και στα κείμενα λειτουργούν συνήθως ως βοηθητικά ρήματα. Ας συγκρίνουμε τα ουσιαστικά, τα επίθετα, τα αριθμητικά και τα ρήματα που περιλαμβάνονται στην πρώτη εκατοντάδα των συχνότερων λέξεων στη σύγχρονη και την παλαιότερη λιθουανική δημοσιογραφία και στη λετονική δημοσιογραφία (βλ. Πίνακα 4). Πίνακας 4. Συχνότερα ονόματα και ρήματα στη λιθουανική και λετονική δημοσιογραφία Δημοσιογραφία 1993–95 Δημοσιογραφία 1973–74 λετονική δημοσιογραφία Λιθουανία εργασία εργασία άνθρωπος έτος gads έτος άνθρωπος padome εργασία σχολείο άνθρωπος χώρα χώρα χρόνος ημέρα φορά κόμμα περίοδος δημοκρατία έθνος κράτος οικονομία κράτος γη ημέρα ημέρα Vilnius ζωή δημοκρατία χρόνος ταινία γη ζωή περιοχή τόπος σχολείο χρόνος χρέος Ρωσία πόλη εργοστάσιο παιδί επιστήμη περιοχή Λιθουανός γη ζωή 225 δημοσιογραφικά κείμενα 1993–95 δημοσιογραφικά κείμενα 1973–74 λετονικά δημοσιογραφικά κείμενα επιχείρηση γενιά τράπεζα νόμος κόσμος σπίτι οικονομία Ευρώπη μέρος πόλη παιδί λαός συμβούλιο ερώτημα κόσμος τόπος χρόνος δάσκαλος παραγωγή οργανισμός άθλημα φοιτητής γυναίκα πόλη ερώτημα οργανισμός φορά επιτροπή επιχείρηση κόσμος λέξη αγώνας έργο μάθημα δύναμη εργάτης μεγάλος νέος καλός σημαντικός νέος μεγάλος καλός σοβιετικός σημαντικός νέος ψηλός σοσιαλιστικός αληθινός νέος μεγάλος καλός ψηλός ένας πρώτος δύο τρεις ένας πρώτος πρώτος ένας δύο δεύτερος είμαι έχω μπορώ δεν είμαι λέω χρειάζεται είμαι έχω μπορώ χρειάζεται δεν είμαι ξέρω εργάζομαι μιλώ θέλω λέω είμαι δεν είμαι μπορώ γίνομαι συμβαίνω εργάζομαι αρχίζω δίνω Αυτή η σύγκριση δείχνει ακριβώς ποιες λεξικές μονάδες είναι χαρακτηριστικές της δημοσιογραφίας, δηλαδή ποιες λεξικές μονάδες είναι συχνές τόσο στη λιθουανική δημοσιογραφία και των δύο περιόδων όσο και στη λετονική 226 στον δημοσιογραφικό λόγο. Τέλος, ορισμένα συχνά λήμματα (π.χ., μόνο στον σύγχρονο δημοσιογραφικό λόγο, μεταξύ των συχνότερων λέξεων, εμφανίστηκαν πλέον τα bankas, įstatymas, ενώ στον παλαιότερο δημοσιογραφικό λόγο υπήρχαν τα tarybinis, socialistinis), αποτυπώνουν τις πολιτικές και οικονομικές πτυχές της αντίστοιχης περιόδου. Στην παρούσα έρευνα χρησιμοποιήθηκε υλικό από το ηλεκτρονικό Συχνό λεξικό της σύγχρονης γραπτής λιθουανικής γλώσσας, το οποίο καταρτίστηκε με την υποστήριξη του Λιθουανικού Ιδρύματος Επιστήμης και Σπουδών. Ελήφθη 1998 06 26 LITERATŪRA Grumadienė L. 1995: Dabartinės rašomosios lietuvių kalbos dažnumų žodynas: sandara ir darbo eiga. – Lietuvių kalba: tyrėjai ir tyrimai. Konferencijos pranešimų tezės, Vilnius: Lietuvių kalbos institutas, 18–19. Jakubaitė T. 1969: Jakubaitė T., Gulėvska D., Ozola V., Prūse R., Rubina A., Sika N. Latviešu valodas biežuma vārdnīca. 2, Rīgā: Zinātne. Žilinskienė V. 1990: Lietuvių kalbos dažninis žodynas, Vilnius: Mokslas, 176. Žilinskienė V. 1995: Rašomosios lietuvių kalbos dažninis žodynas. – Lietuvių kalba: tyrėjai ir tyrimai. Konferencijos pranešimų tezės, Vilnius: Lietuvių kalbos institutas, 33–34. HÄUFIGKEITSWÖRTERBUCH DER LITAUISCHEN SCHRIFTSPRACHE (erste Forschungsresultate) Zusammenfassung Dieser Beitrag bietet die Einschätzung der Häufigkeit der Wörter in der Lexik der verschiedenen funktionalen Stile der gegenwärtigen litauischen Schriftsprache nach Iterationskoeffizienten, wobei auf das Verhältnis der Wortformen in den Stilgattungen hingewiesen wird. Verglichen werden, die gebräuchlichsten Wörter in den Stilgattungen und die gebräuchlichsten in der litauischen Publizistik 1993–1995 bzw. 1973–1974 sowie in der lettischen Publizistik. Der Vergleich zeigt, welche Lexeme für die Publizistik besonders kennzeichnend sind und wie sie die politischen bzw. wirtschaftlichen Aspekte einer gewissen Zeitperiode widerspiegeln. 227