Dažninis dabartinės rašomosios lietuvių kalbos žodynas (pirmieji tyrimo rezultatai)

LIETUVIŲ KALBOTYROS KLAUSIMAI XXXIX (1998) Vida ŽILINSKIENĖ Instituut voor Wiskunde en Informatica, Vilnius FREQUENTIEWOORDENBOEK VAN HET HUIDIGE GESCHREVEN LITOUWS (eerste onderzoeksresultaten) Er is inmiddels een computergebaseerd frequentiewoordenboek van het huidige geschreven Litouws beschikbaar, samengesteld op basis van materiaal uit vier functionele stijlen (literatuur, journalistiek, wetenschap en zakelijk taalgebruik). Zie voor meer informatie over de methodologie en uitgangspunten van de samenstelling van het woordenboek het artikel (Grumadienė 1995). De lexicale variatie van een taal, een bepaalde functionele stijl, een schrijver of een werk wordt beoordeeld met behulp van de zogenaamde iteratiecoëfficiënt (de verhouding tussen het aantal woordvoorkomens en het aantal woorden), die tevens de gemiddelde woordfrequentie in de tekst weergeeft. Uitgevoerde berekeningen tonen aan dat de iteratiecoëfficiënt voor de genoemde stijlen en voor het Litouws als geheel is: literatuur – 9,53, journalistiek – 10,51, wetenschap – 12,63, zakelijk taalgebruik – 20,78, de taal als geheel – 20,06. Hoe kleiner deze coëfficiënt is, des te meer verschillende woorden zijn aangetroffen in teksten met hetzelfde aantal woordvoorkomens (in ons geval zijn uit de teksten van elke functionele stijl telkens 300000 woordvoorkomens onderzocht); des te gevarieerder is de woordenschat van die stijl. Uit de gegeven cijfers blijkt zeer duidelijk dat: 1) de woordenschat van literatuur tweemaal gevarieerder is dan die van de zakelijke stijl; 2) de lexicale variatie in literatuur, journalistiek en zelfs de wetenschappelijke stijl vrij vergelijkbaar is. De variatie in woordvormen die in de onderzochte teksten zijn aangetroffen, kunnen we vergelijken door de verhouding tussen het aantal woordvoorkomens en het aantal woordvormen in de afzonderlijke stijlen naast elkaar te zetten: literatuur – 4,34, journalistiek – 4,48, wetenschap – 4,83, van de vakteksten – 7,29, van de taal als geheel – 7,16. Deze cijfers laten eveneens duidelijk zien dat: 1) meer uiteenlopende grammaticale vormen worden gebruikt in literaire teksten, journalistieke teksten en wetenschappelijke teksten, 2) de vakstijl in dit opzicht ook aanzienlijk verschilt van de andere stijlen. 219 Aangezien we beschikken over een frequentiewoordenboek van de Litouwse journalistieke teksten dat volgens dezelfde methodiek is samengesteld (Žilinskienė 1990) en is berekend op basis van kranten- en tijdschriftteksten uit 1973–74, en over een frequentiewoordenboek van de Letse journalistieke teksten (Jakubaitė 1969), berekend op basis van teksten uit 1966–67, kunnen we de iteratiecoëfficiënten ervan vergelijken: Litouwse journalistieke teksten uit 1993–95 – 10,51; Litouwse journalistieke teksten uit 1973–74 – 15,38; Letse journalistieke teksten uit 1966–67 – 18,60. Deze coëfficiënten laten duidelijk zien dat de woordenschat van de hedendaagse Litouwse journalistieke teksten gevarieerder is dan die van de Litouwse journalistieke teksten van twintig jaar geleden, of die van de Letse journalistieke teksten van bijna dertig jaar geleden. Laten we de top tien van de meest frequente woorden in de afzonderlijke stijlen en in de taal als geheel vergelijken (zie tabel 1; in deze en de andere tabellen geeft het getal naast een woord de frequentie van dat woord aan). Tabel 1. De top tien van meest frequente woorden in afzonderlijke stijlen literaire teksten | journalistieke teksten | wetenschappelijke teksten | vakteksten | taal als geheel en* 11442 | en* 9743 | en* 11140 | en* 10990 | en* 43315 hij 9634 | zijn 5825 | zijn 6294 | zijn 5138 | hij 24613 ik 4580 | hij 5824 | hij 4692 | hij 4463 | zijn 21366 in 4216 | die 3487 | die 2783 | die 3286 | die 13528 zijn 4109 | dat* 3235 | deze 2138 | die 2273 | in 10715 die 3972 | in 2719 | die 2054 | Litouwen 2195 | dat* 9877 maar* 2822 | ik 2602 | in 1941 | deze 2135 | ik 9025 dat* 2811 | die 1985 | dat* 1844 | dat* 1992 | die 7610 zoals 2219 | maar* 1904 | met 1838 | of 1903 | uit 7162 wat 2136 | met 1897 | uit 1647 | in 1839 | met 7034 De frequentie van de woorden die in tabel 1 met een sterretje (*) zijn gemarkeerd, verschilt van de frequentie van dezelfde woorden zoals vermeld in het proefschrift (Žilinskienė 1995), omdat hier de totale frequentie van de betreffende lexemen wordt gegeven, terwijl in het proefschrift de frequentie wordt vermeld van het betreffende lexeem zoals dat in de onderzochte teksten uitsluitend als voegwoord voorkomt. Uit tabel 1 blijkt duidelijk dat: 1) in de top tien van meest frequente woorden functiewoorden, voornaamwoorden — die zich statistisch gezien doorgaans als functiewoorden gedragen — en het werkwoord zijn zijn opgenomen, dat in teksten vaak als hulpwerkwoord wordt gebruikt, 2) in de eerste top tien van meest frequente woorden de- 220 in de top honderd zes woorden (en, hij, zijn, die, dat, naar) zijn dezelfde, alleen verschillen hun rangen (posities in frequentielijsten); uiteraard met uitzondering van en. 3) is er in de top tien van de meest frequente woorden in de zakelijke stijl slechts één woord met een specifieke betekenis: Lietuva. Laten we de top twintig van de meest frequente woorden in de hedendaagse en oudere Litouwse journalistiek en in de Letse journalistiek vergelijken (zie tabel 2). Tabel 2. Meest frequente woorden in de Litouwse en Letse journalistiek Journalistiek 1993–95 | Journalistiek 1973–74 | Letse journalistiek | en 9743 | en 11890 | un 10401 | zijn 5825 | hij 5733 | būt 6395 | hij 5824 | zijn 4167 | die 5244 | die 3487 | die 3939 | of 3631 | dat 3235 | naar 2614 | par 3546 | naar 2719 | ik 2461 | kas 3119 | ik 2602 | dat 2455 | viņš 2610 | die 1985 | die 2394 | no 2342 | maar 1904 | met 2046 | ka 2325 | met 1897 | deze 2024 | ari 2304 | uit 1890 | alle 1825 | šis 2275 | Lietuva 1839 | werk 1759 | darbs 2059 | deze 1715 | uit 1602 | mēs 2030 | alle 1517 | zoals 1594 | gads 1789 | eigen 1463 | jaar 1563 | bet 1643 | maar 1273 | maar 1538 | uz 1630 | mens 1271 | mens 1421 | kā 1609 | of 1213 | niet 1389 | viss 1601 | jaar 1302 | alleen 1277 | padome 1386 | over 1165 | eigen 1263 | savs 1349 Wanneer we de Litouwse journalistiek uit beide perioden vergelijken, zien we dat de gebruiksfrequentie van de allerfrequentste woorden sterk overeenkomt; slechts drie woorden (maar, of, over), die voorkomen 221 in de top twintig van de hedendaagse journalistiek, staan lager in de oudere journalistiek (maar staat op positie 22, of op 39 en over op positie 26) (Žilinskienė 1990). Het woord Lietuva was in de oudere journalistiek gecodeerd als een staatsnaam; daar werd alleen de totale frequentie van afzonderlijke groepen eigennamen (bijvoorbeeld voornamen, achternamen, staatsnamen, hydroniemen enz.) geteld. Daarom is het niet opgenomen in de woordenlijst, gerangschikt naar afnemende frequentie. Bij de verwerking van de hedendaagse journalistiek is savo beschouwd als de genitief van het voornaamwoord savas, zodat uiteraard de lexeem savas werd geregistreerd. Als de oudere journalistiek op die manier opnieuw was geteld, zou savas een frequentie van 1461 hebben gehad en op positie 17 zijn terechtgekomen. Bovendien moet worden opgemerkt dat in de tweede top tien van meest frequente woorden ook zelfstandige naamwoorden zijn verschenen (jaar, mens); alleen is werk in de hedendaagse journalistiek naar de derde top tien gezakt. Bij vergelijking met de Letse journalistiek zien we dat de meeste van dezelfde woorden met een grammaticale functie in de eerste top tien voorkomen, evenals dezelfde twee meest frequente zelfstandige naamwoorden; alleen is het Letse padome nog zeer frequent (in de oudere Litouwse journalistiek kwam taryba 455 keer voor, en in de hedendaagse 137 keer). Laten we de zelfstandige naamwoorden, bijvoeglijke naamwoorden, telwoorden, werkwoorden en bijwoorden vergelijken die voorkomen in de eerste honderd meest frequente woorden van alle vier de stijlen en van de taal als geheel (zie tabel 3). Tabel 3. De meest frequente nominale woorden, werkwoorden en bijwoorden in afzonderlijke stijlen literatuur journalistiek wetenschappelijke stijl zakelijke stijl de taal als geheel mens Lietuva werk Litouwen Litouwen oog mens systeem werk werk hand jaar Litouwen document mens hoofd werk mens artikel jaar dag land onderzoek republiek recht tijd dag deel recht document huis tijd tijd persoon tijd woord staat proces bedrijf dag man aarde element wet staat keer Vilnius materiaal voorzitter republiek werk tijd water staat deel kind leven tijd instelling wet vader school jaar organisatie artikel been Rusland cultuur taal bedrijf 222 literatuur tijd vrouw leven raam groot goed journalistiek kind Litouwer bedrijf keer bank wet wereld huis economie Europa deel stad groot nieuw goed belangrijk wetenschap gegeven Litouwer voorwaarde manier getal betekenis geval taal wetenschap vorm groep oppervlak methode resultaat activiteit probleem plaats eigenschap groot divers voornaamste nieuw belangrijk zakelijk deel woord afgevaardigde rechtbank commissie kwestie zaak besluit procedure artikel raad land werknemer lid persoon geval regering overtreding maatregel dag project bank vergadering vorm overeenkomst tijd prijs staats- hoog administratief voornaamste belangrijk alle talen woord taal land persoon systeem keer aarde tijd plaats leven groot nieuw hoog 223 literatuur journalistiek wetenschap zakelijk alle talen algemeen sociaal één twee één eerste twee drie één eerste twee één eerste twee één eerste twee zijn kunnen niet zijn hebben zeggen weten gaan willen nemen moeten zeggen kijken niet kunnen zien lijken zijn hebben kunnen niet zijn zeggen moeten zijn kunnen hebben niet zijn vormen gebruiken vaststellen zijn hebben kunnen moeten niet zijn voorzien willen zijn kunnen hebben niet zijn moeten weten vaststellen willen vormen zeggen krijgen niet kunnen zo zeer veel waar hier daar goed dan zeer nu zo daarom hier nog al zeer veel daarom vaak eveneens veel zo nu daarom vaak zeer veel nog zo al nu hier eveneens waar daarom alleen 224 Zoals te verwachten was, blijkt uit de eerste honderd meest voorkomende woorden dat literatuur zich allereerst onderscheidt van non-fictiestijlen: 1) in literatuur komen de minste zelfstandige naamwoorden (18) en bijvoeglijke naamwoorden (2) voor, en zijn er tweemaal zoveel werkwoorden (15); 2) journalistiek staat dichter bij literatuur, zowel wat de verhouding tussen woordsoorten betreft als wat specifieke lexemen aangaat (bijv. huis, keer, kind, leven, goed, zeggen, hier komen alleen in de eerste honderd meest voorkomende woorden van deze stijlen voor). Enkele lexemen komen voor in de eerste honderd meest voorkomende woorden van alle stijlen: mens, werk, tijd, zijn, kunnen, niet zijn, hebben. Op basis van de eerste honderd meest voorkomende zelfstandige naamwoorden zou men al gemakkelijk kunnen zeggen uit welke stijl de teksten afkomstig zijn waaruit deze woorden zijn geselecteerd. Zo is het onmogelijk zich voor te stellen dat woorden als onderzoek, proces, element, gegeven, voorwaarde, betekenis, vorm vaak in literatuur zouden voorkomen, net zoals het onmogelijk is zich voor te stellen dat oog, hand, hoofd, kind, vader en dergelijke vaak in wetenschappelijke teksten zouden terugkeren. Zulke woorden kunnen alleen frequent zijn in een bepaalde steekproef waarin uitsluitend over dat onderwerp wordt geschreven. Bovendien is het zeer duidelijk dat de werkwoorden in de eerste honderd meest voorkomende woorden een zeer algemene betekenis hebben en in teksten meestal als hulpwerkwoorden functioneren. Laten we de zelfstandige naamwoorden, bijvoeglijke naamwoorden, telwoorden en werkwoorden vergelijken die voorkomen in de eerste honderd meest voorkomende woorden van de journalistiek in het hedendaagse en eerdere Litouws en in de Letse journalistiek (zie tabel 4). Tabel 4. De meest voorkomende zelfstandige naamwoorden, bijvoeglijke naamwoorden en werkwoorden in Litouwse en Letse journalistiek Journalistiek 1993–95 Journalistiek 1973–74 Letse journalistiek Litouwen werk werk mens jaar jaar jaar mens raad werk school mens land land tijd dag keer partij tijd republiek volk staat economie staat land dag dag Vilnius leven republiek tijd film land leven district plaats school tijd schuld Rusland stad fabriek kind wetenschap district Litouwer aarde leven 225 publicistiek uit 1993–95 publicistiek uit 1973–74 Letse publicistiek bedrijf generatie bank wet wereld huis economie Europa deel stad kind volk raad vraag wereld plaats tijd leraar productie organisatie sport student vrouw stad vraag organisatie keer comité onderneming wereld woord strijd taak les kracht arbeider groot nieuw goed belangrijk nieuw groot goed Sovjet- belangrijk jong hoog socialistisch echt jong groot goed hoog één eerste twee drie één eerste eerste één twee tweede zijn hebben kunnen niet zijn zeggen moeten zijn hebben kunnen moeten niet zijn weten werken spreken willen zeggen zijn niet zijn kunnen worden gebeuren werken beginnen geven Deze vergelijking laat juist zien welke lexemen kenmerkend zijn voor de publicistiek, dat wil zeggen welke lexemen frequent voorkomen in zowel de Litouwse publicistiek van beide perioden als in de Letse 226 in de journalistiek. Ten slotte wijzen bepaalde frequente lexemen (zo zijn bijvoorbeeld uitsluitend in de huidige journalistiek bankas, įstatymas inmiddels tot de meest frequente woorden gaan behoren, terwijl dat in de vroegere journalistiek tarybinis, socialistinis waren) op politieke en economische aspecten van de betreffende periode. In dit onderzoek is gebruikgemaakt van het materiaal uit het computergestuurde Frequentiewoordenboek van het hedendaagse geschreven Litouws, dat met steun van het Litouwse Fonds voor Wetenschap en Studies is samengesteld. Ontvangen op 26-06-1998 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