Dažninis dabartinės rašomosios lietuvių kalbos žodynas (pirmieji tyrimo rezultatai)

LIETUVIŲ KALBOTYROS KLAUSIMAI XXXIX (1998) Vida ŽILINSKIENĖ Matematikos ir informatikos institutas, Vilnius DICIONÁRIO DE FREQUÊNCIA DA LÍNGUA LITUANA ESCRITA CONTEMPORÂNEA (primeiros resultados da pesquisa) Já está em funcionamento um dicionário de frequência computorizado da língua lituana escrita contemporânea, elaborado com base em materiais de quatro estilos funcionais (literário, jornalístico, científico e técnico). Para mais informações sobre a metodologia e os princípios de elaboração do dicionário, ver o artigo (Grumadienė 1995). A diversidade lexical de uma determinada língua, de um estilo funcional, de um escritor ou de uma obra é avaliada pelo chamado coeficiente de iteração (a razão entre as ocorrências de palavras e o número de palavras), que também indica a frequência média das palavras no texto. Os cálculos realizados mostram que o coeficiente de iteração dos estilos mencionados e da língua lituana como um todo é: literário – 9,53, jornalístico – 10,51, científico – 12,63, técnico – 20,78, língua no seu conjunto – 20,06. Quanto menor este coeficiente, mais palavras diferentes se encontram em textos com o mesmo número de ocorrências de palavras (no nosso caso, foram analisadas 300 000 ocorrências de palavras em textos de cada estilo funcional), e mais diversificado é o léxico desse estilo. Os números apresentados mostram claramente que: 1) o léxico literário é duas vezes mais diversificado do que o do estilo técnico; 2) a diversidade lexical dos estilos literário, jornalístico e até científico é bastante semelhante. Podemos comparar a diversidade das formas de palavras encontradas nos textos analisados confrontando a razão entre as ocorrências de palavras e as formas de palavras nos diferentes estilos: literário – 4,34, jornalístico – 4,48, científico – 4,83, do estilo técnico – 7,29, de toda a língua – 7,16. Esses números também mostram claramente que: 1) formas gramaticais mais variadas são usadas nos estilos literário, jornalístico e científico; 2) nesse aspecto, o estilo técnico também difere consideravelmente dos outros estilos. 219 Como dispomos de um dicionário de frequência do jornalismo lituano elaborado segundo a mesma metodologia (Žilinskienė 1990), calculado a partir de textos de jornais e revistas de 1973–74, e de um dicionário de frequência do jornalismo letão (Jakubaitė 1969), calculado a partir de textos de 1966–67, podemos comparar os seus coeficientes de iteração: jornalismo lituano de 1993–95 – 10,51; jornalismo lituano de 1973–74 – 15,38; jornalismo letão de 1966–67 – 18,60. Esses coeficientes mostram claramente que o léxico do jornalismo lituano atual é mais variado do que o léxico do jornalismo lituano de vinte anos atrás ou, há quase trinta anos, o léxico do jornalismo letão. Comparemos os dez vocábulos mais frequentes de cada estilo e da língua em geral (ver a Tabela 1; nesta e nas demais tabelas, o número ao lado da palavra indica a frequência dessa palavra). Tabela 1. Os dez vocábulos mais frequentes de cada estilo literário | jornalístico | científico | técnico | língua em geral ir* 11442 | ir* 9743 | ir* 11140 | ir* 10990 | ir* 43315 jis 9634 | būti 5825 | būti 6294 | būti 5138 | jis 24613 aš 4580 | jis 5824 | jis 4692 | jis 4463 | būti 21366 į 4216 | tas 3487 | tas 2783 | tas 3286 | tas 13528 būti 4109 | kad* 3235 | šis 2138 | kuris 2273 | į 10715 tas 3972 | į 2719 | kuris 2054 | Lietuva 2195 | kad* 9877 o* 2822 | aš 2602 | į 1941 | šis 2135 | aš 9025 kad* 2811 | kuris 1985 | kad* 1844 | kad* 1992 | kuris 7610 kaip 2219 | o* 1904 | su 1838 | ar 1903 | iš 7162 kas 2136 | su 1897 | iš 1647 | į 1839 | su 7034 A frequência das palavras assinaladas com asterisco (*) na Tabela 1 difere da frequência dessas mesmas palavras apresentada na tese (Žilinskienė 1995), porque aqui se apresenta a frequência total de uma determinada unidade lexical, enquanto na tese se apresenta a frequência da unidade lexical correspondente quando usada nos textos analisados exclusivamente como conjunção. A Tabela 1 mostra claramente que: 1) entre os dez vocábulos mais frequentes figuram palavras gramaticais, pronomes que, do ponto de vista estatístico, em geral se comportam como palavras gramaticais, e o verbo būti, frequentemente usado no texto como verbo auxiliar; 2) no primeiro conjunto dos vocábulos mais frequentes 220 no grupo dos cem primeiros, seis palavras (ir, jis, būti, tas, kad, į) são as mesmas, diferindo apenas suas posições (números de ordem nas listas de frequência), exceto, naturalmente, ir; 3) há apenas uma palavra com significado específico, Lietuva, entre as dez palavras mais frequentes do estilo técnico. Comparemos as vinte palavras mais frequentes do jornalismo contemporâneo, do jornalismo lituano mais antigo e do jornalismo letão (ver Tabela 2). Tabela 2. Palavras mais frequentes no jornalismo lituano e letão Jornalismo de 1993–95 | Jornalismo de 1973–74 | Jornalismo letão | ir 9743 | ir 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 Ao comparar o jornalismo lituano dos dois períodos, vemos que a frequência de uso das palavras mais frequentes é muito semelhante; apenas três palavras (bet, ar, apie), que aparecem 221 entre as vinte primeiras do jornalismo contemporâneo, ficaram em posições inferiores no jornalismo anterior (bet ocupa a 22.ª posição, ar a 39.ª e apie a 26.ª) (Žilinskienė 1990), enquanto a palavra Lietuva, no jornalismo anterior, foi codificada como nome de Estado e ali se contabilizou apenas a frequência total de grupos específicos de nomes próprios (por exemplo, nomes, sobrenomes, nomes de Estados, nomes de cursos de água etc.); por isso, não foi incluída no dicionário de palavras em ordem decrescente de frequência. Na organização do jornalismo contemporâneo, savo foi considerado o genitivo do pronome savas e, naturalmente, foi então registrada a lexema savas; se o jornalismo anterior fosse recontabilizado dessa maneira, savas teria frequência 1461 e ocuparia a 17.ª posição. Além disso, deve-se observar que, entre as dez palavras seguintes mais frequentes, já aparecem substantivos (metai, žmogus); apenas darbas passou para o terceiro grupo de dez no jornalismo contemporâneo. Comparando com o jornalismo letão, podemos ver que a maioria das mesmas palavras funcionais entrou no primeiro grupo de dez, assim como os dois substantivos mais frequentes; apenas padome é ainda muito frequente em letão (no jornalismo lituano anterior, taryba ocorreu 455 vezes, e no contemporâneo, 137 vezes). Comparemos os substantivos, adjetivos, numerais, verbos e advérbios que aparecem entre as cem palavras mais frequentes nos quatro estilos e na língua em geral (ver Tabela 3). Tabela 3. Nomes, verbos e advérbios mais frequentes em estilos individuais literário jornalístico científico técnico língua em geral pessoa Lituânia trabalho Lituânia Lituânia olho pessoa sistema trabalho trabalho mão ano Lituânia documento pessoa cabeça trabalho pessoa artigo ano dia país pesquisa república direito tempo dia parte direito documento casa período período pessoa tempo palavra Estado processo empresa dia homem terra elemento lei Estado vez Vilnius material presidente república trabalho tempo água Estado parte criança vida tempo instituição lei pai escola ano organização artigo perna Rússia cultura língua empresa 222 literatura época mulher vida janela grande bom jornalismo criança lituano empresa vez banco lei mundo casa economia Europa parte cidade grande novo bom importante científico dado lituano condição modo número significado caso língua ciência forma grupo superfície método resultado atividade problema lugar propriedade grande diverso principal novo importante especializado parte palavra deputado tribunal comissão questão processo resolução ordem mercadoria conselho país funcionário membro pessoa caso governo infração medida dia projeto banco reunião forma contrato tempo preço estatal elevado administrativo principal importante todos os estilos palavra língua país pessoa sistema vez terra época lugar vida grande novo elevado 223 literatura jornalismo científico especializado todos os estilos geral social um dois um primeiro dois três um primeiro dois um primeiro dois um primeiro ser poder não ser ter dizer saber ir querer pegar precisar dizer olhar não poder ver parecer ser ter poder não ser dizer precisar ser poder ter não ser compor usar estabelecer ser ter poder precisar não ser prever querer ser poder ter não ser precisar saber estabelecer querer compor dizer obter não poder assim muito muito onde aqui ali bem então muito agora assim portanto aqui ainda já muito muito portanto frequentemente também assim muito assim agora portanto frequentemente muito muito ainda assim já agora aqui também onde portanto apenas 224 Como era de esperar, a partir do primeiro grupo de cem palavras mais frequentes, fica claro que, antes de mais nada, a literatura se distingue dos estilos não ficcionais: 1) na literatura há menos substantivos (são 18) e adjetivos (são 2), e o dobro de verbos (são 15); 2) o jornalismo é mais próximo da literatura tanto pela proporção das classes gramaticais como no que diz respeito a lexemas específicos (por exemplo, casa, vez, criança, vida, bom, dizer, aqui aparecem apenas no primeiro grupo de cem palavras mais frequentes desses estilos). Alguns lexemas são os mesmos no primeiro grupo de cem palavras mais frequentes de todos os estilos: pessoa, trabalho, tempo, ser, poder, não ser, ter. Com base no primeiro grupo de cem substantivos mais frequentes, já seria fácil dizer de que estilo de textos essas palavras foram extraídas. Por exemplo, é impossível imaginar que palavras como pesquisa, processo, elemento, dado, condição, significado, forma fossem frequentes na literatura, assim como é impossível imaginar que olho, mão, cabeça, criança, pai e semelhantes aparecessem com frequência na linguagem do estilo científico. Essas palavras só podem ser frequentes, talvez, em alguma amostra específica, na qual se escreve precisamente apenas sobre isso. Além disso, é muito evidente que os verbos no primeiro grupo de cem palavras mais frequentes têm significados muito gerais e, nos textos, funcionam sobretudo como verbos auxiliares. Comparemos os substantivos, adjetivos, numerais e verbos presentes no primeiro grupo de cem palavras mais frequentes do jornalismo lituano contemporâneo, do jornalismo lituano anterior e do jornalismo letão (ver Tabela 4). Tabela 4. Nomes e verbos mais frequentes no jornalismo lituano e letão Jornalismo de 1993–95 Jornalismo de 1973–74 jornalismo letão Lituânia trabalho trabalho pessoa ano ano ano pessoa conselho trabalho escola pessoa país país tempo dia vez partido ocasião república povo Estado economia Estado terra dia dia Vilnius vida república tempo filme terra vida distrito lugar escola tempo dívida Rusija cidade fábrica criança ciência distrito lituano terra vida 225 jornalismo de 1993–95 jornalismo de 1973–74 jornalismo letão empresa geração banco lei mundo casa economia Europa parte cidade criança povo conselho questão mundo lugar época professor produção organização esporte estudante mulher cidade questão organização vez comissão empresa mundo palavra luta tarefa estudo força trabalhador grande novo bom importante novo grande bom soviético importante jovem alto socialista verdadeiro jovem grande bom alto um primeiro dois três um primeiro primeiro um dois segundo ser ter poder não ser dizer precisar ser ter poder precisar não ser saber trabalhar falar querer dizer ser não ser poder tornar-se acontecer trabalhar começar dar Esta comparação mostra precisamente quais lexemas são mais característicos do jornalismo, isto é, quais lexemas são frequentes tanto no jornalismo lituano dos dois períodos como no letão 226 no jornalismo. Por fim, certas lexemas frequentes (por exemplo, apenas no jornalismo atual, entre as palavras mais frequentes já figuravam bankas, įstatymas, enquanto no jornalismo anterior figuravam tarybinis, socialistinis) revelam aspetos políticos e económicos do período correspondente. Este estudo utilizou materiais do Dicionário de Frequência do Lituano Escrito Contemporâneo, compilado com o apoio do Fundo Lituano para a Ciência e os Estudos. Recebido em 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