Paieškos sistemos „Google“ naudojimo galimybės tiriant kalbos reiškinius

SKAISTĖ ALEKSANDRAVIČIŪTĖ Istituto di lingua lituana POSSIBILITÀ DI UTILIZZO DEL MOTORE DI RICERCA GOOGLE NELLO STUDIO DEI FENOMENI LINGUISTICI I linguisti lituani indicano sempre più spesso nei loro articoli che, per raccogliere determinati dati — dagli esempi d’uso alle espressioni numeriche di frequenza — è stato utilizzato un qualche motore di ricerca su Internet. Il più citato è il maggiore motore di ricerca, Google, che tuttavia, purtroppo, non è sufficientemente adatto allo studio delle lingue. È quindi piuttosto sorprendente che di solito ci si limiti a citare Google come una delle fonti, senza indicare il metodo di ricerca né approfondire alcune caratteristiche del motore di ricerca e della lingua che possono agevolare o complicare la ricerca, precisare o distorcere i risultati. Il metodo di ricerca è importante sia per raccogliere esempi d’uso, sia per studiare la diffusione di diversi fenomeni linguistici, per i quali sono rilevanti le espressioni numeriche. Questo articolo illustra i principi di formulazione della stringa di ricerca, tenendo conto delle caratteristiche del motore di ricerca e della lingua lituana che determinano il successo della ricerca. L’articolo si basa su uno studio, condotto nel 2007–2008, della frequenza relativa delle nuove parole straniere (di seguito NS), il cui obiettivo principale era stabilire i limiti tra le NS considerate rare, mediamente frequenti e frequenti. Il lavoro si fondava sull’ipotesi che i punti di riferimento della frequenza individuati nello studio sarebbero poi stati utili per valutare anche la diffusione nell’uso di altre NS. Ciò potrebbe essere utile anche nell’attività di normazione linguistica; pertanto, l’obiettivo dell’articolo è descrivere il metodo di formulazione della stringa di ricerca. Il materiale dello studio — le NS reperite nel 2005–2006 sulla stampa e nei documenti e, nel 2007, su Internet1 — ammonta complessivamente a 201 parole. L’elenco è molto vario: comprende 33 verbi e 168 nomi, tra cui figurano 25 sostantivi con paradigmi difettivi (20 singolari e 5 plurali); vi sono parole di origine inglese e di altre 1 L’elenco è stato compilato in base al Programma 2006–2015 per la normazione, l’uso, la promozione e la diffusione della lingua di Stato, utilizzando l’archivio del progetto «Studio dell’uso delle nuove parole straniere nella lingua lituana: 1998–2008», svolto presso la Sezione di cultura linguistica dell’Istituto di lingua lituana. 266 KALBOS KULTŪRA | 81 origine. Va osservato che alcune parole esaminate come NS sono incluse nel Dizionario dei termini internazionali (TŽŽ 2001) e possono essere considerate parole internazionali. Internet è uno spazio estremamente eterogeneo e in continua evoluzione. Nel condurre lo studio, le pagine web non sono state classificate né per argomento né per stile (sebbene il motore di ricerca Google consenta anche di farlo), perché si voleva ottenere un quadro complessivo della diffusione delle NS nell’uso generale. A causa delle peculiarità specifiche del discorso online, in questo articolo se ne parla in termini piuttosto generali, si sottolinea il carattere condizionale delle osservazioni, si dedica notevole attenzione ai possibili margini di errore e spesso ci si affida all’intuizione linguistica. La prima parte dell’articolo presenta i principali principi di formulazione della stringa di ricerca, sia generali sia specifici dello studio qui descritto. La seconda illustra i metodi per restringere il campo di ricerca e le ragioni per cui ciò è necessario. 1. PRINCIPI FONDAMENTALI PER LA FORMULAZIONE DELLA STRINGA DI RICERCA Di norma, la ricerca su Google si effettua inserendo nel campo di ricerca la forma di citazione della parola d’interesse. Questo metodo di ricerca è in parte sufficiente per raccogliere esempi d’uso, ma è probabile che una parte considerevole di essi passi inosservata; ciò è ancora meno utile quando si studia la frequenza delle parole, per la quale sono importanti i valori numerici. Il problema nasce dal fatto che il motore di ricerca Google in parte comprende che la parola inserita può avere un’altra forma e include anche tali forme nei risultati. Tuttavia, anzitutto, l’algoritmo di ricerca non è del tutto chiaro per l’utente comune: non è chiaro quante e quali forme della parola compariranno tra i risultati. In secondo luogo, il motore di ricerca non riconosce le parti del discorso. Per esempio, inserendo l’infinito di un verbo, tra i risultati compaiono anche sostantivi con la stessa radice; ad esempio, inserendo la parola autorizuoti, il sistema restituirà anche testi in cui è stata usata la parola autorizacija. Per le ultime due ragioni è preferibile effettuare una ricerca un po’ più complessa, ma più utile per gli studi linguistici. Da varie prove è emerso che è più opportuno inserire l’intero paradigma flessivo della parola o la maggior parte di esso. La lunghezza della stringa di ricerca è limitata dal fatto che nel campo di ricerca di Google possono essere inserite al massimo 32 parole chiave. S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 267 È consigliabile racchiudere tra virgolette le forme flesse della parola, perché nel sistema Google soltanto il testo contrassegnato in questo modo viene inteso come citazione esatta. Tutte le forme flesse della parola si collegano con l’operatore logico OR (in inglese oppure). La stringa di ricerca così formulata è la seguente: „akreditavimas“ OR „akreditavimo“ OR „akreditavimui“ OR „akreditavimą“ OR „akreditavimų“ OR „akreditavime“ OR „akreditavimai“ OR „akreditavimų“ OR „akreditavimams“ OR „akreditavimus“ OR „akreditavimais“ OR „akreditavimuose“ Lo studio della frequenza relativa di NS menzionato è stato condotto utilizzando il filtro del motore di ricerca Google «pagine in lingua lituana», e per questo è già stato oggetto di critiche. L’obiezione si fondava sul fatto che si perde circa due terzi delle informazioni, cioè pressappoco altrettanti esempi d’uso, poiché non tutti i proprietari dei siti web indicano nei metadati la lingua dei siti. Tuttavia, ciò è del tutto sufficiente per gli studi sulla frequenza relativa delle parole. Inoltre, senza ricorrere a questo filtro è estremamente difficile escludere i testi in inglese restituiti dal motore di ricerca, che ostacolano la raccolta di esempi d’uso. Riteniamo quindi che la ricerca nelle pagine web in lingua lituana sia più adeguata; è soltanto importante applicare questa limitazione con coerenza in tutti i casi. Segni di punteggiatura Il motore di ricerca Google reagisce allo stesso modo a qualsiasi segno di punteggiatura, anche se è racchiuso tra virgolette e dovrebbe essere interpretato come citazione esatta. Di conseguenza, «account'as» inserito nel campo di ricerca verrà interpretato come due parole separate e confuso con «account:as», «account as» o altri casi simili. Questa caratteristica del motore di ricerca è importante in due casi. Primo, quando NS è composto da due parole, il sistema non consente di distinguere varianti ortografiche come «ex post» ed «ex-post», il che potrebbe essere importante per valutare l’uso del trattino. In questi casi, i risultati relativi alla frequenza vengono accorpati, ma quando si confronta la frequenza complessiva delle parole, anziché quella delle singole varianti ortografiche, non è necessario distinguere nella ricerca queste forme. Secondo, quando si esaminano varianti ortografiche di NS con apostrofo, si incontrano problemi un po’ più complessi, poiché alcune desinenze lituane coincidono con: a) alcune parole inglesi (ad es.: as – «come», is – «è», us – «ci»); b) alcune parole lituane (la congiunzione o, la preposizione į, le interiezioni ei, ai); c) parole lituane scritte senza segni diacritici («senza segni diacritici») (is – «da», as – «io»). 268 KALBOS KULTŪRA | 81 Nell’eseguire la ricerca, è molto difficile controllare queste ultime imprecisioni, mentre è persino impossibile controllare l’omografia ortografica tra le desinenze delle NS e le parole lituane. Tuttavia, i casi in cui dopo una NS compare immediatamente una delle parole lituane menzionate, coincidenti con la forma scritta del formante flessivo, non sono così frequenti da incidere in modo significativo sui risultati della ricerca. Selezione delle forme flesse che compongono la stringa di ricerca Nomi e aggettivi Nell’esaminare la frequenza delle NS nominali o delle loro varianti ortografiche, nella maggior parte dei casi veniva inserito nella stringa di ricerca l’intero paradigma flessivo di caso e numero. Facevano eccezione le parole con paradigmi flessivi incompleti (20 sostantivi singolari e 5 plurali) e i casi di polisemia (esaminati più approfonditamente nella seconda parte dell’articolo). Inoltre, a causa della coincidenza ortografica con altre forme flesse e della loro scarsa diffusione, non vale la pena includere separatamente il vocativo. In questo modo è possibile coprire quasi per intero il paradigma flessivo dei nomi e degli aggettivi. Per quanto riguarda la flessione delle NS nominali, resta da affrontare la problematica questione del genere. In alcuni casi il femminile potrebbe essere considerato una variante ortografica della NS, per esempio googlė / gūglė / google‘ė / googl‘ė; puzlė / puzzlė / pūzlė; skypė / skaipė. Queste NS hanno in comune il fatto di designare oggetti inanimati e di non essere quindi soggette alla flessione di genere in lituano, nonché il fatto che le loro forme originali terminano con la desinenza -e, che, pur non essendo pronunciata, è indicata nella grafia; cfr. google, puzzle, skype. Dalla ricerca è emerso che in questi casi le forme femminili sono nettamente meno frequenti di quelle maschili; ciò può essere spiegato ricorrendo al presupposto della teoria dell’ottimalità secondo cui «in caso di conflitto si sceglie la categoria meno marcata» (Vaicekauskienė 2007: 177). Il maschile e il femminile degli aggettivi e dei sostantivi che designano esseri animati non sono stati considerati lemmi distinti, sebbene vi sia una certa differenza di significato. Loreta Vaicekauskienė, che ha esaminato approfonditamente le NS in lituano, osserva che «[n]ei casi in cui un sostantivo può designare persone di entrambi i sessi, sembra che dapprima si generalizzi il maschile, dal quale, quando necessario, talvolta si ricava una forma femminile» (Vaicekauskienė 2007: 175). Le forme maschili e femminili non sono state considerate lemmi distinti neppure nella compilazione del Dažninį dabartinės S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 269 rašomosios lietuvių kalbos žodyną (DDRLKŽ 1998: XIV–XV, XVI). Sudarant paieškos eilutes reikia į tai atsižvelgti, nes dirbant su paieškos sistema Google neįmanoma atskirti sutampančių vyriškosios ir moteriškosios giminės kait ybos formų. Verbi Il caso dei verbi è più complesso, poiché il numero delle categorie grammaticali del verbo è molto maggiore. Poiché, come già menzionato, la lunghezza della stringa di ricerca di Google è limitata, occorre chiedersi quali forme verbali siano più rappresentative in termini di frequenza e debbano essere incluse nella stringa di ricerca. È ovvio che, per coprire una distribuzione più ampia dei verbi, nella stringa di ricerca occorre inserire le forme più frequentemente usate. A tal fine servono dati sulla frequenza delle categorie grammaticali in lituano, preferibilmente nel discorso elettronico (ED). Finora Asta Ryklienė ha studiato più approfonditamente l’ED come varietà linguistica distinta dalla lingua scritta e parlata, ma la metodologia da lei adottata non fornisce i dati necessari sulla distribuzione delle categorie grammaticali nell’ED. L’obiettivo del lavoro di questa autrice era confrontare l’ED con la lingua scritta e parlata (Ryklienė 2001: 3), mentre le differenze quantitative relative alle parti del discorso e alle forme delle parole nella lingua scritta e nell’ED sono state esaminate confrontando repertori delle cinquanta parole e forme di parola più frequenti in queste varietà linguistiche (Ryklienė 2001: 9). Questo articolo si basa sulle ricerche di Vida Žilinskienė ed Erika Rimkutė sull’uso delle forme di parola in lituano. Va precisato che i lavori delle due autrici differiscono perché V. Žilinskienė, diversamente da E. Rimkutė, nel suo studio sulla frequenza delle forme di parola confronta due stili funzionali: quello giornalistico e quello specialistico. Ritenendo che la lingua dell’ED sia più vicina allo stile giornalistico che a quello specialistico, l’autrice di questo articolo si basa sulle statistiche di frequenza delle forme grammaticali dello stile giornalistico. I dati di V. Žilinskienė ed E. Rimkutė sono molto simili: il modo indicativo del verbo rappresenta il 92,12% (Žilinskienė 2002: 110) e il 91,5% (Rimkutė 2006: 35) dell’intera distribuzione verbale; le forme finite del verbo rappresentano il 55,48% (Žilinskienė 2002: 110) e il 50,7% (Rimkutė 2006: 35); l’infinito, il 15,85% (Žilinskienė 2002: 111). Tuttavia, E. Rimkutė (2006: 35) indica una diversa prevalenza dell’infinito: secondo lei, esso costituisce il 33,6% delle forme verbali non finite, la cui prevalenza complessiva è del 49,3%. 270 KALBOS KULTŪRA | 81 Tenendo conto dei dati più recenti, è più opportuno includere nella stringa di ricerca tutte le forme personali del verbo al modo indicativo, l’infinito e il nominativo plurale maschile del participio passivo (si confronti la coincidenza ortografica con l’infinito). Tutte le 26 forme grammaticali (in totale 21 parole chiave significative, poiché coincidono anche le terze persone di tutti i tempi) costituiscono poco più della metà dell’intera distribuzione del verbo. Ecco un esempio di stringa di ricerca: „baninti“ OR „baninu“ OR „banini“ OR „banina“ OR „baniname“ OR „baninate“ OR „baninau“ OR „baninai“ OR „banino“ OR „baninome“ OR „baninote“ OR „baninsiu“ OR „baninsi“ OR „banins“ OR „baninsime“ OR „baninsite“ OR „banindavau“ OR „banindavai“ OR „banindavo“ OR „banindavome“ OR „banindavote“ Come già menzionato in precedenza, il motore di ricerca Google non tiene conto dei segni di punteggiatura e considera le varianti ortografiche con apostrofo come due parole separate. Poiché la lunghezza della stringa di ricerca di Google è limitata, nello studio delle varianti ortografiche dei verbi con apostrofo si possono omettere dalla stringa di ricerca le forme del tempo passato frequentativo, poiché, secondo i dati sia di V. Žilinskienė sia di E. Rimkutė, il passato frequentativo è il meno frequente tra tutti i tempi verbali. Naturalmente, se occorre confrontare la frequenza di diverse varianti ortografiche della stessa parola, si potrebbe effettuare una ricerca più ampia, cioè predisporre diverse stringhe di ricerca. Tuttavia, quando si confronta la frequenza delle parole e non delle loro forme flesse, il metodo illustrato è, a quanto si ritiene, sufficiente. È importante soltanto mantenere la coerenza ovunque e applicare gli stessi criteri di ricerca a tutti i verbi. Da quanto esposto in questa sezione è chiaro che nella ricerca è possibile coprire più o meno l’intero paradigma flessivo dei nomi, mentre per i verbi solo poco più della metà del paradigma flessivo; viene quindi a mancare una solida base di confronto. Naturalmente si potrebbe calcolare un determinato coefficiente del rapporto di frequenza tra verbi e nomi, ma a tal fine occorrono studi più approfonditi sull’ED. Per il momento non sarebbe opportuno confrontare la frequenza dei singoli verbi e nomi. Pertanto, il diverso insieme di forme flesse considerato per nomi e verbi comporta che, negli studi di frequenza, sia più conveniente suddividerli in due gruppi. S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 271 Varianti ortografiche Quando si studia l’uso linguistico tramite la ricerca su Internet, si compie un’operazione inversa rispetto al metodo dei corpora, poiché, nel predisporre la stringa di ricerca, occorre in un certo senso decidere in anticipo quali varianti ortografiche possa avere ciascuna parola. Nella ricerca di fenomeni linguistici su Internet, sarebbe opportuno evitare le varianti ortografiche autentiche di origine inglese e rimuovere quelle che dovessero comparire per caso nelle stringhe di ricerca. Durante lo studio menzionato si è osservato che, se non lo si fa, è quasi impossibile restringere il campo di ricerca in misura tale da impedire che tra i risultati compaiano inserti o frasi in inglese da considerarsi citazioni. Per esempio, cercando le parole baby o crazy si ottengono moltissimi testi che menzionano titoli di canzoni: Baby one more time, Crazy e così via. Un caso analogo è quello di funky, poiché questo NS designa non solo uno stile musicale, ma anche un gruppo musicale lituano un tempo molto popolare. Tuttavia, nel valutare la frequenza relativa di parole di questo tipo, occorre tenere conto di tali varianti ortografiche, poiché nell’uso sono piuttosto frequenti. Si esaminano le varianti ortografiche che, in base all’intuizione linguistica, appaiono possibili. Al prestito adattabile ortograficamente si aggiungono le desinenze flessive possibili dal punto di vista derivazionale. Quando il NS non viene adattato ortograficamente, le desinenze flessive si aggiungono direttamente alla forma invariabile del NS. Casi particolari sono quelli in cui la forma invariabile del NS termina in una vocale, perché, nello studio delle varianti ortografiche del NS senza apostrofo, tale vocale viene eliminata (è emerso che smileas, skypeas, googleas e varianti ortografiche simili sono rare nell’uso). Nello studio di fenomeni linguistici che finora non sono stati normati può spesso sorgere la questione di dove passi il confine tra errore ortografico e variante ortografica. Tale confine è determinato dalla frequenza. Per esempio, nello studio menzionato dei NS, le varianti ortografiche del NS con meno di 10 occorrenze non sono state incluse nel calcolo della frequenza complessiva del singolo NS e sono considerate errori ortografici, ovvero sviste isolate che non riflettono tendenze generali dell’uso. Va detto, però, che questo principio è stato applicato soltanto alle parole che superavano la soglia di 1000 occorrenze, non a quelle più rare. Ciononostante, talvolta può essere significativo anche il fatto che il fenomeno linguistico studiato non sia stato affatto reperito su Internet o non abbia raggiunto la soglia di 10 occorrenze. Si sommano i valori numerici che indicano la frequenza delle varianti ortografiche individuate e selezionate secondo questi principi, ottenendo così una stima approssimativa della frequenza della parola. Di seguito è riportata una tabella che illustra più chiaramente l’elaborazione dei risultati della ricerca. 272 KALBOS KULTŪRA | 81 TABELLA 1. Metodo di raccolta dei dati Variante ortografica di NS Stringa di ricerca per una singola variante ortografica Frequenza della variante ortografica di NS puzlas „puzlas“ OR „puzlo“ OR „puzliui“ OR „puzlą“ OR „puzlų“ OR „puzle“ OR „puzlai“ OR „puzlų“ OR „puzlams“ OR „puzlus“ OR „puzlais“ OR „puzluose“ 6430 puzlė „puzlė“ OR „puzlės“ OR „puzlei“ OR „puzlę“ OR „puzlėje“ OR „puzlėms“ OR „puzles“ OR „puzlėmis“ OR „puzlėse“ 3210 puzlis „puzlis“ OR „puzlio“ OR „puzliui“ OR „puzlį“ OR „puzliu“ OR „puzlyje“ OR „puzliai“ OR „puzlių“ OR „puzliams“ OR „puzlius“ OR „puzliais“ OR „puzliuose“ 711 puzzlė „puzzlė OR „puzzlės“ OR „puzzlei“ OR „puzzlę“ OR „puzzlėje“ OR „puzzlėms“ OR „puzzlėmis“ OR „puzzlėse“ 458 puzzlis „puzzlis“ OR „puzzlio“ OR „puzzliui“ OR „puzzlį“ OR „puzzliu“ OR „puzzlyje“ OR „puzzliai“ OR „puzzlių“ OR „puzzliams“ OR „puzzlius“ OR „puzzliais“ OR „puzzliuose“ 315 pūzle „pūzle“ OR „pūzlės“ OR „pūzlei“ OR „pūzlę“ OR „pūzlėje“ OR „pūzlėms“ OR „pūzles“ OR „pūzlėmis“ OR „pūzlėse“ 239 puzzlas „puzzlas“ OR „puzzlo“ OR „puzzlui“ OR „puzzlą“ OR „puzz-lų“ OR „puzzlai“ OR „puzzlų“ OR „puzzlams“ OR „puzzlus“ OR „puzzlais“ OR „puzzluose“ 167 pūzlis „pūzlis“ OR „pūzlio“ OR „pūzliui“ OR „pūzlį“ OR „pūzliu“ OR „pūzlyje“ OR „pūzliai“ OR „pūzlių“ OR „pūzliams“ OR „pūzlius“ OR „pūzliais“ OR „pūzliuose“ 101 puzzle’as „puzzle’as“ OR „puzzle’o“ OR „puzzle’ui“ OR „puzzle’ą“ OR „puzzle’u“ OR „puzzle’ė“ OR „puzzle’ai“ OR „puzzle’ų“ OR „puzzle’ams“ OR „puzzle’us“ OR „puzzle’ais“ OR „puzzle’uose“ -are 80 11 711 Per ogni NS esaminato veniva elaborata una tabella analoga. Nella prima colonna sono elencate tutte le varianti ortografiche degli NS esaminate, ordinate per frequenza, poiché S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 273 nell’articolo si prescinde dalle considerazioni su quale variante ortografica di un NS possa essere considerata la forma lemma. Nella seconda colonna sono riportate le stringhe di ricerca per ciascuna variante ortografica, dopo aver ristretto il campo di ricerca, cioè eliminato tutte le forme polisemiche (cfr. sezione 2). La terza colonna indica la frequenza di ciascuna variante ortografica (questi dati sono solo intermedi), che viene poi sommata per ottenere una frequenza approssimativa della parola esaminata. Solo questi ultimi dati sono rilevanti per determinare i limiti della frequenza relativa degli NS (i dati presentati nella tabella sono stati raccolti nel marzo-aprile 2008). 2. RESTRINGIMENTO DEL CAMPO DI RICERCA A causa dell’eccesso di risultati in inglese Il problema delle parole inglesi omografe (con ortografia identica) e delle varianti ortografiche con apostrofo può essere risolto in parte usando la funzione logica «escludi», indicata nel sistema Google con il segno «-». Ciò significa che la ricerca non verrà effettuata sulle pagine web in cui compare la parola che segue questo segno. Pertanto, indicando alla fine della stringa di ricerca una delle parole inglesi più frequenti e contrassegnandola con il segno menzionato, è possibile ridurre notevolmente il numero dei casi in lingua inglese. Nello studio menzionato è stata applicata ovunque l’esclusione di una delle parole più frequenti in inglese, are2 (è – terza persona plurale del presente), ma è possibile scegliere diversamente. Occorre solo tenere presente che, a questo scopo, la parola inglese va scelta con particolare attenzione, perché alcune delle parole inglesi più frequenti possono coincidere graficamente anche con alcune parole lituane (ingl. it, be), con desinenze flessive (ingl. is, as, a, I) o con casi di ortografia «senza segni diacritici» (ingl. is, as, I). Inoltre, una parte considerevole delle parole inglesi più frequenti (a, the, of) svolge una funzione grammaticale e viene spesso usata in vari nomi che possono comparire anche nelle pagine web lituane. La stessa esclusione è applicabile anche in tutti i casi in cui la stringa di ricerca è costituita da una forma invariabile di NS (con ortografia autentica o adattata), indipendentemente dalla lingua da cui la parola in questione può essere giunta al lituano. 2 The 500 Most Commonly Used Words in the English Language: http://www.world-english.org/english500.htm (consultato il 07/06/2008). 274 KALBOS KULTŪRA | 81 Si è osservato che, anche effettuando ricerche di NS non di origine inglese e limitandosi ai siti web in lingua lituana, tra i risultati compaiono comunque molti esempi in inglese. Ciò è riconducibile allo status di lingua franca di questa lingua nell’ED. Inoltre, alcuni NS esaminati potrebbero già essere diventati internazionalismi in inglese oppure semplicemente non essere adattabili. Sull’ambiguità delle parole e delle loro forme Utilizzando il motore di ricerca Google, è inevitabile imbattersi in parole o forme ambigue. Il termine «ambiguità»3 è stato scelto, innanzitutto, per evitare la confusione tra termini quali omonimi, omografi, omofoni e simili nella linguistica lituana4. In secondo luogo, nelle definizioni di questi ultimi termini si fa spesso riferimento al piano fonetico della parola, del tutto irrilevante quando si effettuano ricerche su Internet. In terzo luogo, i termini menzionati non bastano a denominare alcuni casi di ambiguità, quando, per esempio, coincidono nella grafia forme flessive dello stesso vocabolo, ma appartenenti a varianti ortografiche diverse. L’ambiguità può manifestarsi a più livelli: derivazionale (lo stesso formante derivativo conferisce significati diversi), testuale, sintattico-semantico, lessico-semantico (ulteriormente suddiviso in omonimia, omografia, omofonia e polisemia) e morfologico (Rimkutė 2006: 7, 40). In questo articolo sono pertinenti l’ambiguità morfologica (di seguito MD) e, in parte, quella lessico-semantica. Forme morfologicamente ambigue di una stessa parola L’ambiguità morfologica delle forme di una stessa parola è un fenomeno sistematico, poiché è legata alle peculiarità del sistema morfologico della lingua lituana e al sincretismo dei casi. Questo articolo elenca soltanto i casi di ambiguità morfologica incontrati nel corso della ricerca e indica come occorra procedere in tali casi nel sistema Google. 3 Anche E. Rimkutė utilizza il termine «ambiguità» e approfondisce questo fenomeno nei suoi lavori (Rimkutė 2002, 2003; Rimkutė, Grybinaitė 2004). 4 Cfr. le definizioni di omonimi, omografi, omofoni e omoforme e le peculiarità del loro uso nelle seguenti fonti: Jakaitienė 1980: 42–48; 2005: 53–55, 161–168; Gaivenis, Keinys 1990: 79–80; LKE 1999: 247–249. S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 275 Forme flesse omografe dello stesso variante ortografica: (i)o dei nomi a tema, singolare nominativo e strumentale, ad es.: akreditacija, alibidemija, aromaterapija, autorizacija, blogosfera / blogsfera, digitalizacija, harisa / harissa, konvergencija, looser iška / lūzeriška, medija / media, milonga, salsa, spamintoja; (i)o dei nomi a tema, singolare genitivo e plurale nominativo, ad es.: akreditacijos, autorizacijos, blogosferos / blogsferos, harisos / harissos, looser iškos / lūzeriškos, medijos / medios, spamintojos; ė dei nomi a tema, singolare genitivo e plurale nominativo, ad es.: baik erės, blogerės / bloger‘ės / blog‘erės, gliancinės, golbolininkės, karaokės, lūzerės / looserės/ looser‘ės / loser‘ės / loserės, menedžerės / managerės, multipleksinės, neformatės, puzlės / puzzlės / pūzlės (žr. 1 lentelę), skaipės / skypės, sponsorės, šo menės; (i)u dei sostantivi a tema, singolare nominativo e plurale accusativo, ad es.: aspiratorius, blokatorius, epiliatorius / epile torius; (i)u dei sostantivi a tema, singolare accusativo e plurale genitivo, ad es.: aspiratorių, sponsorių. Questi casi di MD possono anche essere definiti omonimi grammaticali, che nella linguistica lituana sono definiti come «forme foneticamente coincidenti della stessa parola, con significati grammaticali diversi» (Jakaitienė 1980: 42). Queste forme hanno in comune il fatto che, effettuando una ricerca nel sistema Google, vengono incluse nella stessa stringa di ricerca, sono collegate tra loro dall’operatore logico OR (oppure) e la loro frequenza non viene sommata nuovamente. In questi casi è comunque conveniente abbreviare la stringa di ricerca per ragioni di economicità, ma ciò non influisce sui risultati. Un’altra tipologia di MD è costituita da forme flesse omografe della stessa parola, ma appartenenti a varianti ortografiche diverse: genitivo plurale dei nomi maschili e femminili, ad es.: baik erių, blogerių / bloger‘ių / blog‘erių, gliancinių, lūzeri ų / looserių / looserių / loser‘i ū / loserių, looseriškų / lūzeriškų, menedžerių / managerių, multipleksinių, puzlių / pūzlių / puzzlių (žr. 1 lentelę), spamintojų, sponsorių; (i)a dei sostantivi a tema in -a al singolare nominativo e (i)o dei sostantivi a tema in -o al plurale genitivo, ad esempio: looser: scavo / da perdente, spammer; 276 KALBOS KULTŪRA | 81 sostantivi del tema (i)a al nominativo plurale e sostantivi del tema (i)o al dativo singolare, ad es.: spamintojai; sostantivi del tema (i)a al locativo singolare e sostantivi del tema ė allo strumentale singolare, ad es.: gūglė / google‘ė, internaute, puzle / pūzle (v. tabella 1), skaipe, šo(u)mene; sostantivi dei temi (i)o e (i)a all’accusativo singolare, ad es.: più libero / da perdente, spammer. Questi ultimi casi di MD sono più complessi e richiedono maggiore attenzione. Le forme flesse di varianti ortografiche diverse della stessa parola, identiche nella grafia, finiscono in stringhe di ricerca diverse; ciò significa che la frequenza di tali forme, nel calcolare la frequenza complessiva di una singola parola, viene sommata più volte. Pertanto, nello studio della frequenza delle parole, le forme omografe di questo tipo dovrebbero essere lasciate in una sola stringa di ricerca. Vale la pena menzionare che, nel corso dello studio della frequenza relativa di NS, ci si è imbattuti in due tipi di MD non ancora descritti, in cui coincidono ortograficamente il nominativo plurale dei sostantivi del tema (i)a e il dativo singolare dei sostantivi del tema (i)o (cfr. tie varnai e tai várnai), nonché il locativo singolare dei sostantivi del tema (i)a e lo strumentale singolare dei sostantivi del tema ė (cfr. tame draugė5 e su draugė). Sebbene questi due tipi di MD siano stati individuati studiando l’uso di NS, dagli esempi riportati si vede che sono caratteristici anche del lituano standard. Casi sistematici di MD che tuttavia esulano dalla lingua lituana: forme flesse morfologicamente adattate di NS che coincidono ortograficamente con forme NS autentiche, invariabili e non oggetto di studio: sostantivi del tema (i)a al locativo singolare, ad es.: drive (drivas), google (googlas), puzzle (puzzlas, v. tabella 1), skype (skypas); sostantivi del tema (i)o al nominativo singolare e allo strumentale singolare, ad es.: media; sostantivi del tema ė allo strumentale singolare, ad es.: google (googlie), karaoke (karaoke), puzzle (puzzle, v. tabella 1), skype (skype). Poiché, per le ragioni già menzionate, le varianti NS con grafia autentica sono difficili da esaminare, le forme morfologicamente ambigue di quest’ultimo tipo devono essere escluse dalle stringhe di ricerca in tutti i casi. 5Sebbene dal punto di vista della cultura linguistica questa forma sia sconsigliata, è tuttavia teoricamente possibile. S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 277 Forme di parole morfologicamente ambigue con significati lessicali diversi Talvolta la grafia di tutte o di alcune forme flesse di una parola può coincidere con quella delle forme flesse di un’altra parola. È evidente che, a differenza dei casi di MD descritti in precedenza, il significato lessicale sarà diverso. Inoltre, questi casi di MD sono occasionali e non presentano carattere sistematico. Di seguito sono elencati gli esempi di questo tipo di MD individuati durante la ricerca, indicando la forma della variante ortografica NS e la parola della lingua comune con cui tale forma coincide: – blogas, b l o g a s (agg.), b l o g a i (avv.) – la stringa di ricerca è ridotta a «blogui» OR «bloge» OR «blogams» (sono indicate soltanto le forme che differiscono dalla parola della lingua comune: sing. dat., sing. loc., pl. dat.); – smailas, s m a i l a s (agg.), s m a i l a i (avv.) – la stringa di ricerca viene abbreviata come nel caso di blog: «smailui» OR «smaile» OR «smailams»; – bodis, b o d u s (agg.), b o d ž i a i (avv.) – la stringa di ricerca è ridotta a «bodis» OR «bodžio» OR «bodžiui» OR «bodį» OR «bodyje» OR «bodžiams» (le forme che differiscono dalla parola della lingua comune sono: sing. nom., sing. gen., sing. dat., sing. acc., sing. loc., pl. dat.); – brendas, b r e n d o (di bręsti, bręsta, brendo), b r e n d u (di bristi, brenda, brido); – si sono verificati anche casi in cui la variante ortografica NS esaminata coincideva del tutto con una parola della lingua comune – cfr. bōtas, b ò t a s (una caloscia femminile con tacco alto), b õ t a s (un tipo di nave), nonché sáitas e s a ì t a s. Per decidere come comportarsi in questi casi di omonimia, aiutano i dati sulla diffusione delle parole forniti dal corpus VDU o dal DDRLKŽ. Se la parola coincidente della lingua comune è rara, è possibile anche non abbreviare la stringa di ricerca, poiché ciò non incide in misura significativa sui risultati. Inoltre, talvolta basta anche il risultato di una sola variante ortografica per considerare frequente la parola esaminata. Per altri motivi Si verificano casi in cui la parola oggetto di studio può essere usata in qualche denominazione ampiamente diffusa di un’impresa, di un’istituzione o di altro tipo, oppure essere scelta come pseudonimo. In Internet le denominazioni sono di solito assai numerose; ciò è più riconducibile alle strategie pubblicitarie o ai principi strutturali dei forum di discussione che alle abitudini d’uso delle parole impiegate per formare tali denominazioni. Pertanto, durante la ricerca si cerca di escludere casi di questo genere. 278 KALBOS KULTŪRA | 81 Il campo di ricerca può essere ristretto in due modi. In primo luogo, in base al contesto: nella stringa di ricerca si indica di escludere una parola che, secondo gli esempi d’uso, ricorre spesso nello stesso contesto insieme al fenomeno linguistico oggetto di studio, ma non forma con esso un sintagma. In secondo luogo, in base alla collocazione6: nella stringa di ricerca si indica di escludere una parola che forma con il fenomeno oggetto di studio una combinazione di parole frequente nell’uso. I casi più particolari di restringimento del campo di ricerca riscontrati nello studio sono presentati nella Tabella 2, con l’indicazione delle parole utilizzate e delle varianti ortografiche e delle forme del NS cui è stata applicata tale restrizione (quando necessario, sono indicate anche le collocazioni). TABELLA 2. Restringimento del campo di ricerca in base al contesto e alla collocazione In base al contesto -nikas -autore -utente -membro -blog -uab -ufficio -terreno Harissa / harisa, googlis, sasha funke, esesas, twisteris, neformatas, mixas, extremas topas, saitas, respectas, funkaś, autletas, bugo grafitas skypas In base alla collocazione -la -centro -eesti -area -baltico +caffè –occidentale «La speme» (spemas) «Topo centras» (topas) «Eesti post» (post’as) «Cluster area» (cluster‘is) «Baltijos autletas» (autletas) Ekspreso caffè, Vakarų ekspresas Le maggiori difficoltà riguardano le parole usate come pseudonimi (la prima e la seconda riga della tabella). In base ai risultati della ricerca, occorre scegliere una o più delle parole di restrizione indicate. La tabella elenca soltanto le parole di restrizione più efficaci, ma la scelta finale dipende dalle specificità di ciascun caso esaminato. 6 La collocazione è un contesto d’uso della parola molto comune, dotato di senso e grammaticalmente corretto, costituito da un’espressione composta da almeno due parole che ricorrono spesso insieme (Jakaitienė 2005: 25). S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 279 In questo contesto è molto interessante e piuttosto insolito il caso di skaipo. Nell’esaminare la variante ortografica di questo NS, skypas, è stato necessario restringere il campo di ricerca, poiché in Internet sono stati trovati numerosi annunci di vendita di appezzamenti di terreno scritti con un errore (omissione della lettera l). CONCLUSIONI 1. Nel formulare la stringa di ricerca è anzitutto importante selezionare forme lessicali rappresentative, sulla base dei risultati delle ricerche sulla frequenza delle categorie grammaticali della lingua lituana. Nell’analisi dei nomi, la stringa di ricerca può comprendere quasi tutto il paradigma flessivo; per i verbi, invece, solo una parte. È più pratico inserire nella stringa di ricerca l’infinito del verbo e le forme coniugate dei tempi del modo indicativo (presente, passato remoto, futuro e passato frequentativo). In questo modo è possibile coprire poco più della metà della distribuzione delle categorie grammaticali dei verbi. 2. Poiché la stringa di ricerca Google ha una lunghezza limitata, la copertura della distribuzione delle categorie grammaticali è diversa; viene così meno una solida base per confrontare verbi e nomi. È quindi più pratico separare i gruppi dei nomi e dei verbi. 3. Spesso è necessario restringere il campo di ricerca a causa dell’eccesso di risultati in inglese e del problema della polisemia in lituano. A tale scopo si usa l’operatore logico «escludi», indicato nella sintassi del motore di ricerca Google con il segno «-», oppure si omettono dalla stringa di ricerca determinate forme polisemiche. 4. Nella ricerca occorre prestare attenzione ai casi di polisemia che incidono diversamente sui risultati; a ciascuno va applicata una diversa limitazione del campo di ricerca. Le forme flesse omografe appartenenti alla stessa variante ortografica possono essere eliminate dalla stringa di ricerca, senza però influire sui risultati. È consigliabile mantenere nella stringa di ricerca le forme flesse coincidenti della stessa parola ma appartenenti a varianti ortografiche diverse soltanto per una delle varianti. Le forme di parole con significati lessicali diversi e ambiguità morfologica dovrebbero essere mantenute o eliminate in base ai dati del corpus VDU e del DDRLKŽ. 5. Il metodo di ricerca descritto è utile sia per raccogliere esempi di diversi fenomeni linguistici, sia per esaminarne la diffusione nell’uso. Inoltre, il metodo per determinare la frequenza relativa di un NS può essere applicato anche alle attività di codificazione linguistica, per esempio nella compilazione di elenchi di NS considerati gravi errori linguistici. 280 KALBOS KULTŪRA | 81 ŠALTINIAI Paieškos sistema www.google.lt The 500 Most Commonly Used Words in the English Language: http://www.world-english.org/english500.htm TŽŽ 2001 – Tarptautinių žodžių žodynas, Vilnius: Alma littera. VDU Dabartinės lietuvių kalbos tekstynas: http://donelaitis.vdu.lt LITERATŪRA DDRLKŽ 1998: L. Grumadienė, V. Žilinskienė. Dažninis dabartinės rašomosios lietuvių kalbos žodynas, Vilnius: Lietuvių kalbos institutas. Gaivenis K., Keinys S. 1990: Kalbotyros terminų žodynas, Kaunas: Šviesa. Jakaitienė E. 1980: Lietuvių kalbos leksikologija, Vilnius: Mokslas. Jakaitienė E. 2005: Leksikografija, Vilnius: Mokslo ir enciklopedijų leidybos institutas. LKE 1999: Lietuvių kalbos enciklopedija, Vilnius: Mokslo ir enciklopedijų leidybos institutas. Rimkutė E. 2002: Homoformos dabartinės lietuvių kalbos tekstyne. – Lituanistica 2(50), 86–101. Rimkutė E. 2003: Morfologinio daugiareikšmiškumo tipologija. – Lituanistica 4(56), 60–78. Rimkutė E. 2006: Morfologinio daugiareikšmiškumo ribojimas kompiuteriniame tekstyne. Daktaro disertacija, Kaunas. Rimkutė E., Grybinaitė A. 2004: Dažniausios lietuvių kalbos morfologinio daugiareikšmiškumo rūšys ir jų automatinis vienareikšminimas. – Kalbų studijos 5, 74–78. Ryklienė A. 2001: Elektroninis diskursas: kalbos ypatybės ir stilius. Daktaro disertacijos santrauka, Vilnius. Vaicekauskienė L. 2007: Naujieji lietuvių kalbos svetimžodžiai. Kalbos politika ir vartosena, Vilnius: Lietuvių kalbos institutas. Žilinskienė V. 2002: Žodžių formų vartojimas lietuvių kalbos dalykinio ir publicistinio stilių duomenimis. – Lituanistica 1(49), 106–116. Gauta 2008 07 08 S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 281 POSSIBILITIES OF USING THE SEARCH SYSTEM GOOGLE IN LINGUISTIC RESEARCH S u m m a r y The paper introduces the methodology which can be used to implement Google as a tool for data accumulation and storage and investigating the spread of a linguistic phenomenon in the internet. The method is described in the framework of an investigation aimed at identifying relative frequency count of new loanwords between 2007 and 2008. The first section of the article describes the main principles of filling in the slot of a query: general as well as specific for a particular descriptive research. Rather than entering only the main word form, a proposal has been launched to enter the whole grammatical paradigm of the word or its major part considering that in the Google query slot the maximum number of key words is 32. The second section identifies the ways to narrow down the search domain and reasons why it should be done. This type of research is bound to face a problem of word and word-form ambiguity. The term of ambiguity has been selected to avoid confusion of more specific terms like homonyms, homographs, homophones etc. Moreover, the explication of the above terms often emphasises the phonetic aspect of the word, which for internet search is irrelevant. The above terms are not sufficiently precise for some cases of ambiguity, when, for example, the spelling of one word form coincides with another form of the same word. The method of search is instrumental in collecting various examples of language use as well as in investigating their frequency. Also the method of relative frequency of loanwords could be applied in language standardisation, e.g. in compiling lists of new loanwords which are considered grave mistakes. SKAISTĖ ALEKSANDRAVIČIŪTĖ Lietuvių kalbos institutas P. Vileišio g. 5, LT-10308 Vilnius [email protected] 282 KALBOS KULTŪRA | 81