Dažninis dabartinės rašomosios lietuvių kalbos žodynas (pirmieji tyrimo rezultatai)

LIETUVIŲ KALBOTYROS KLAUSIMAI XXXIX (1998) Vida ŽILINSKIENĖ Matematikos ir informatikos institutas, Vilnius DICȚIONARUL DE FRECVENȚĂ AL LIMBII LITUANIENE SCRISE CONTEMPORANE (primele rezultate ale cercetării) Este deja funcțional dicționarul computerizat de frecvență al limbii lituaniene scrise contemporane, alcătuit pe baza materialelor din patru stiluri funcționale (beletristic, publicistic, științific și administrativ). Pentru mai multe detalii despre metodologia și principiile elaborării dicționarului, a se vedea articolul (Grumadienė 1995). Diversitatea lexicală a unei limbi, a unui anumit stil funcțional, a unui scriitor sau a unei opere este evaluată prin așa-numitul coeficient de repetiție (raportul dintre numărul de ocurențe ale cuvintelor și numărul de cuvinte), care exprimă totodată și frecvența medie a unui cuvânt în text. Calculele efectuate arată că coeficientul de repetiție al stilurilor menționate și al limbii lituaniene în ansamblu este: beletristic – 9,53, publicistic – 10,51, științific – 12,63, administrativ – 20,78, limba în ansamblu – 20,06. Cu cât acest coeficient este mai mic, cu atât textele care conțin același număr de ocurențe ale cuvintelor (în cazul nostru, au fost analizate câte 300000 de ocurențe din textele fiecărui stil funcțional) prezintă mai multe cuvinte diferite și, prin urmare, vocabularul stilului respectiv este mai variat. Cifrele prezentate arată foarte clar că: 1) vocabularul beletristic este de două ori mai variat decât cel al stilului administrativ; 2) diversitatea lexicală a stilurilor beletristic, publicistic și chiar științific este destul de apropiată. Putem compara diversitatea formelor cuvintelor întâlnite în textele analizate, examinând raportul dintre numărul de ocurențe ale cuvintelor și numărul formelor de cuvinte pentru fiecare stil: beletristic – 4,34, publicistic – 4,48, științific – 4,83, specializat – 7,29, întreaga limbă – 7,16. Aceste cifre arată, de asemenea, în mod evident, că: 1) formele gramaticale mai variate sunt folosite în stilurile beletristic, publicistic și științific, 2) din acest punct de vedere, stilul specializat se deosebește, de asemenea, considerabil de celelalte stiluri. 219 Deoarece dispunem de un dicționar de frecvență al publicisticii lituaniene întocmit după aceeași metodologie (Žilinskienė 1990), calculat pe baza textelor din ziare și reviste din 1973–74, și de un dicționar de frecvență al publicisticii letone (Jakubaitė 1969), calculat pe baza textelor din 1966–67, putem compara coeficienții lor de iterație: publicistica lituaniană din 1993–95 – 10,51, publicistica lituaniană din 1973–74 – 15,38, publicistica letonă din 1966–67 – 18,60. Acești coeficienți arată clar că lexicul publicisticii lituaniene contemporane este mai variat decât lexicul publicisticii lituaniene de acum douăzeci de ani sau decât lexicul publicisticii letone de acum aproape treizeci de ani. Să comparăm primele zece cuvinte cele mai frecvente din diferitele stiluri și din întreaga limbă (vezi tabelul 1; în acest tabel și în celelalte tabele, cifra de lângă cuvânt indică frecvența acelui cuvânt). Tabelul 1. Primele zece cuvinte cele mai frecvente în diferitele stiluri beletristic | publicistic | științific | specializat | întreaga limbă și* 11442 | și* 9743 | și* 11140 | și* 10990 | el 43315 el 9634 | a fi 5825 | a fi 6294 | a fi 5138 | el 24613 eu 4580 | el 5824 | el 4692 | el 4463 | a fi 21366 în 4216 | acel 3487 | acel 2783 | acel 3286 | acel 13528 a fi 4109 | că* 3235 | acesta 2138 | care 2273 | în 10715 acel 3972 | în 2719 | care 2054 | Lituania 2195 | că* 9877 sau* 2822 | eu 2602 | în 1941 | acesta 2135 | eu 9025 că* 2811 | care 1985 | că* 1844 | că* 1992 | care 7610 cum 2219 | sau* 1904 | cu 1838 | ori 1903 | din 7162 ce 2136 | cu 1897 | din 1647 | în 1839 | cu 7034 Frecvența cuvintelor marcate cu asterisc (*) în tabelul 1 diferă de frecvența acelorași cuvinte prezentată în teze (Žilinskienė 1995), deoarece aici este prezentată frecvența totală a lexemului respectiv, în timp ce în teze este prezentată frecvența lexemului corespunzător folosit în textele studiate numai ca o conjuncție. Din tabelul 1 se vede clar că: 1) în primul grup de zece cuvinte cele mai frecvente au intrat părți de vorbire auxiliare, pronume care, din punct de vedere statistic, se comportă de obicei ca părți de vorbire auxiliare, și verbul a fi, folosit adesea în text ca verb auxiliar, 2) în primul grup de zece cuvinte cele mai frecvente- 220 în topul celor șase cuvinte (și, el, a fi, acel, că, în) sunt aceleași, diferind doar rangurile lor (numerele pozițiilor în listele de frecvență), desigur, cu excepția lui și, 3) există un singur cuvânt cu sens concret, Lietuva, în topul celor mai frecvente zece cuvinte din stilul tehnic. Să comparăm topurile celor mai frecvente douăzeci de cuvinte din publicistica lituaniană actuală, din cea mai veche și din publicistica letonă (vezi Tabelul 2). Tabelul 2. Cele mai frecvente cuvinte din publicistica lituaniană și letonă Publicistică din 1993–95 | Publicistică din 1973–74 | Publicistică letonă | și 9743 | și 11890 | un 10401 | a fi 5825 | el 5733 | būt 6395 | el 5824 | a fi 4167 | acel 5244 | acel 3487 | acel 3939 | sau 3631 | că 3235 | în 2614 | par 3546 | în 2719 | eu 2461 | cine 3119 | eu 2602 | că 2455 | viņš 2610 | care 1985 | care 2394 | no 2342 | iar 1904 | cu 2046 | ka 2325 | cu 1897 | acest 2024 | ari 2304 | din 1890 | întreg 1825 | šis 2275 | Lietuva 1839 | muncă 1759 | darbs 2059 | acest 1715 | din 1602 | mēs 2030 | întreg 1517 | cum 1594 | gads 1789 | propriu 1463 | an 1563 | dar 1643 | dar 1273 | iar 1538 | uz 1630 | om 1271 | om 1421 | kā 1609 | sau 1213 | nu 1389 | viss 1601 | an 1302 | doar 1277 | padome 1386 | despre 1165 | său 1263 | savs 1349 Comparând publicistica lituaniană din cele două perioade, observăm că frecvența de utilizare a celor mai frecvente cuvinte este foarte asemănătoare; numai trei cuvinte (dar, sau, despre), aflate 221 în topul primelor douăzeci al publicisticii actuale, au coborât pe poziții inferioare în publicistica mai veche (dar se află pe poziția 22, sau – pe 39, despre – pe poziția 26) (Žilinskienė 1990), iar cuvântul Lietuva era codificat în publicistica mai veche ca denumire de stat și acolo se calcula frecvența totală doar pentru grupuri separate de nume proprii (de exemplu, prenume, nume de familie, denumiri de state, hidronime etc.); de aceea, nu este inclus în dicționarul de cuvinte în ordinea descrescătoare a frecvenței. La prelucrarea publicisticii actuale, propriu a fost considerat genitivul pronumelui propriu și, desigur, a fost înregistrată atunci lema propriu; dacă publicistica mai veche ar fi fost recalculată astfel, propriu ar fi avut frecvența 1461 și s-ar fi aflat pe poziția 17. În plus, trebuie observat că în al doilea top al celor mai frecvente cuvinte au apărut deja și substantive (an, om); numai muncă a coborât în al treilea top de zece în publicistica actuală. Comparând cu publicistica letonă, putem observa că în primul top de zece au intrat majoritatea acelorași cuvinte cu funcție gramaticală, precum și aceleași două substantive cele mai frecvente; numai cuvântul leton padome este încă foarte frecvent (în publicistica lituaniană mai veche, taryba a apărut de 455 de ori, iar în cea actuală – de 137 de ori). Să comparăm substantivele, adjectivele, numeralele, verbele și adverbele care se găsesc în primele o sută de cuvinte cele mai frecvente din toate cele patru stiluri și din întreaga limbă (vezi Tabelul 3). Tabelul 3. Substantivele, verbele și adverbele cele mai frecvente în diferite stiluri beletristică publicistică științific tehnic întreaga limbă om Lituania muncă Lituania Lituania ochi om sistemă muncă muncă mână an Lituania document om cap muncă om articol an zi țară cercetare republică drept timp zi parte drept document casă moment moment persoană timp cuvânt stat proces întreprindere zi bărbat pământ element lege stat dată Vilnius material președinte republică muncă timp apă stat parte copil viață timp instituție lege tată școală an organizație articol picior Rusia cultură limbă întreprindere 222 literatură timp femeie viață fereastră mare bun publicistică copil lituanian întreprindere dată bancă lege lume casă gospodărie Europa parte oraș mare nou bun important știință dată lituanian condiție metodă număr semnificație caz limbă știință formă grupă suprafață metodă rezultat activitate problemă loc proprietate mare divers principal nou important de specialitate parte cuvânt deputat tribunal comisie întrebare dosar hotărâre ordine marfă consiliu țară angajat membru persoană caz guvern încălcare măsură zi proiect bancă ședință formă contract timp preț de stat înalt administrativ principal important toate stilurile cuvânt limbă țară persoană sistem dată pământ timp loc viață mare nou înalt 223 literatură publicistică știință de specialitate toate stilurile general social unu doi unu primul doi trei unu primul doi unu primul doi unu primul doi a fi a putea a nu fi a avea a spune a ști a merge a vrea a lua a trebui a spune a privi a nu putea a vedea a părea a fi a avea a putea a nu fi a spune a trebui a fi a putea a avea a nu fi a alcătui a utiliza a stabili a fi a avea a putea a trebui a nu fi a prevedea a vrea a fi a putea a avea a nu fi a trebui a ști a stabili a vrea a alcătui a spune a obține a nu putea astfel foarte mult unde aici acolo bine atunci foarte acum astfel de aceea aici încă deja foarte mult de aceea adesea astfel de asemenea mult astfel acum de aceea adesea foarte mult încă astfel deja acum aici de asemenea unde de aceea doar 224 Așa cum era de așteptat, primul centenar al celor mai frecvente cuvinte arată că, înainte de toate, literatura se deosebește de stilurile nonliterare: 1) în literatură sunt cei mai puțini substantivi (18) și adjective (2), iar verbele sunt de două ori mai numeroase (15); 2) publicistica este mai apropiată de literatură atât în privința raportului dintre părțile de vorbire, cât și a lexemelor concrete (de exemplu, namas, kartas, vaikas, gyvenimas, geras, sakyti, čia se găsesc doar în primul centenar al celor mai frecvente cuvinte din aceste stiluri). Câteva lexeme apar în primul centenar al celor mai frecvente cuvinte în toate stilurile: žmogus, darbas, laikas, būti, galėti, nebūti, turėti. Pe baza primului centenar al celor mai frecvenți substantivi, s-ar putea spune cu ușurință din ce stil provin textele din care au fost selectate aceste cuvinte. De exemplu, este cu neputință să ne imaginăm că în literatură ar fi frecvente cuvintele tyrimas, procesas, elementas, duomuo, sąlyga, reikšmė, forma, la fel cum este imposibil să ne imaginăm că akis, ranka, galva, vaikas, tėvas și altele asemenea s-ar repeta frecvent în limbajul stilului științific. Astfel de cuvinte pot fi frecvente doar într-un anumit eșantion concret, în care se scrie tocmai despre acel subiect. În plus, este foarte evident că verbele din primul centenar al celor mai frecvente cuvinte au sensuri foarte generale și funcționează cel mai adesea în texte ca verbe auxiliare. Să comparăm substantivele, adjectivele, numeralele și verbele care se află în primul centenar al celor mai frecvente cuvinte din publicistica lituaniană contemporană, din cea anterioară și din publicistica în limba letonă (a se vedea tabelul 4). Tabelul 4. Cele mai frecvente substantive, adjective și verbe din publicistica lituaniană și letonă Publicistică din anii 1993–95 Publicistică din anii 1973–74 Publicistică letonă Lituania muncă muncă om an an an om consiliu muncă școală persoană țară țară timp zi dată partid ocazie republică popor stat economie stat pământ zi zi Vilnius viață republică timp film pământ viață raion loc școală timp datorie Rusia oraș fabrică copil știință raion lituanian pământ viață 225 publicistică din anii 1993–95 publicistică din anii 1973–74 publicistică letonă întreprindere generație bancă lege lume casă economie Europa parte oraș copil popor consiliu întrebare lume loc timp profesor producție organizație sport studentă femeie oraș întrebare organizație dată comitet întreprindere lume cuvânt luptă sarcină învățătură putere muncitor mare nou bun important nou mare bun sovietic important tânăr înalt socialist adevărat tânăr mare bun înalt unu primul doi trei unu primul primul unu doi al doilea a fi a avea a putea a nu fi a spune a trebui a fi a avea a putea a trebui a nu fi a ști a lucra a vorbi a vrea a spune a fi a nu fi a putea a deveni a se întâmpla a lucra a începe a da Această comparație arată tocmai care lexeme sunt cele mai caracteristice publicisticii, adică ce lexeme sunt frecvente atât în publicistica lituaniană din ambele perioade, cât și în cea letonă 226 în publicistică. În cele din urmă, anumite lexeme frecvente (de exemplu, numai în publicistica actuală, printre cele mai frecvente cuvinte au ajuns deja bankas, įstatymas, în timp ce în publicistica anterioară se găseau tarybinis, socialistinis) reflectă aspectele politice și economice ale perioadei respective. În acest studiu s-a utilizat materialul Dicționarului frecvențelor limbii lituaniene scrise actuale, realizat pe calculator și alcătuit cu sprijinul Fondului lituanian pentru știință și studii. Primit la 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