Paieškos sistemos „Google“ naudojimo galimybės tiriant kalbos reiškinius

SKAISTĖ ALEKSANDRAVIČIŪTĖ Інститут литовської мови МОЖЛИВОСТІ ВИКОРИСТАННЯ ПОШУКОВОЇ СИСТЕМИ GOOGLE ДЛЯ ДОСЛІДЖЕННЯ МОВНИХ ЯВИЩ Литовські мовознавці дедалі частіше зазначають у статтях, що для збирання певних даних — від прикладів уживання до числових показників частотності — користувалися тією чи іншою інтернет-пошуковою системою. Найчастіше згадують найбільшу пошукову систему Google, однак, на жаль, вона недостатньо пристосована для дослідження мов. Тому доволі дивно, що зазвичай обмежуються лише посиланням на Google як на одне з джерел, але не вказують метод пошуку й не заглиблюються в певні особливості пошукової системи та мови, які можуть полегшити або ускладнити пошук, уточнити або спотворити результати. Метод пошуку важливий як для збирання прикладів уживання, так і для дослідження поширення різноманітних мовних явищ, де важливі числові показники. У цій статті розглянуто принципи побудови пошукового запиту з урахуванням особливостей пошукової системи та литовської мови, які визначають успішність пошуку. Стаття спирається на дослідження відносної частотності нових запозичених слів (далі — НЗ), проведене у 2007–2008 рр., основна мета якого — визначити межі між НЗ, які вважаються рідкісними, середньочастотними та частотними. Дослідження ґрунтувалося на припущенні, що встановлені під час нього контрольні точки частотності згодом стануть у пригоді для оцінювання поширення в ужитку й інших НЗ. Це могло б бути корисним і в діяльності з унормування мови, тож мета статті — описати спосіб побудови пошукового запиту. Матеріал дослідження — НЗ, знайдені у пресі й документах за 2005–2006 рр., а також в інтернеті за 2007 р.1 — загалом 201 одиниця. Перелік дуже різноманітний: у ньому 33 дієслова, 168 іменних слів, серед яких трапилося 25 слів із неповною парадигмою (20 іменників однини та 5 іменників множини), є слова англійського та інших 1 Перелік укладено відповідно до Програми нормування, вживання, розвитку та поширення державної мови на 2006–2015 рр., використовуючи картотеку проєкту «Дослідження вживання нових запозичених слів у литовській мові: 1998–2008», що виконується у відділі культури мови Інституту литовської мови. 266 KALBOS KULTŪRA | 81 походження. Варто зазначити, що деякі слова, досліджені як НЗ, включено до Словника іноземних слів (ТЖЖ 2001), і їх можна вважати інтернаціоналізмами. Інтернет — надзвичайно неоднорідний простір, що постійно змінюється. Під час дослідження вебсторінки не поділяли ні за темами, ні за стилями (хоча в пошуковій системі Google це можливо), оскільки прагнули скласти загальне уявлення про поширення НЗ у повсякденному вжитку. Через специфічні особливості інтернет-дискурсу в цій статті йдеться досить узагальнено, наголошується на умовності, значну увагу приділено можливим похибкам, і в багатьох випадках автори керуються мовним чуттям. У першій частині статті викладено основні принципи побудови пошукового запиту — як загальні, так і характерні для конкретного описуваного дослідження. У другій — зазначено способи звуження поля пошуку та причини, з яких це необхідно. 1. ОСНОВНІ ПРИНЦИПИ СКЛАДАННЯ ПОШУКОВОГО ЗАПИТУ Зазвичай пошук Google здійснюють, вводячи в поле пошуку початкову форму потрібного слова. Такий спосіб пошуку частково достатній для збирання прикладів уживання, проте ймовірно, що значна їх частина може залишитися непоміченою, а це ще менш зручно під час дослідження частотності слів, де важливі числові показники. Проблема полягає в тому, що пошукова система Google частково розуміє, що введене слово може мати іншу форму, і додає їх до результатів. Однак, насамперед, алгоритм пошуку не цілком зрозумілий звичайному користувачеві; незрозуміло, скільки й яких форм слова потрапить до результатів. По-друге, пошукова система не розпізнає частин мови. Наприклад, якщо ввести інфінітив дієслова, серед результатів трапляються й іменники з тим самим коренем: наприклад, якщо ввести слово авторизувати, система покаже також тексти, у яких ужито слово авторизація. З огляду на дві останні причини доцільніше виконати дещо складніший, але корисніший для мовознавчих досліджень пошук. Проведені різноманітні експерименти показали, що найдоцільніше вводити всю словозмінну парадигму слова або її більшу частину. Довжину пошукового рядка обмежує те, що в пошукове поле Google вміщується щонайбільше 32 ключові слова. S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 267 Рекомендується виділяти відмінкові форми слова лапками, оскільки лише так позначений текст Google система розуміє як точну цитату. Усі відмінкові форми слова поєднуються логічним сполучником OR (англ. або). Сформований у такий спосіб пошуковий рядок має такий вигляд: «akreditavimas» OR «akreditavimo» OR «akreditavimui» OR «akreditavimą» OR «akreditavimų» OR «akreditavime» OR «akreditavimai» OR «akreditavimų» OR «akreditavimams» OR «akreditavimus» OR «akreditavimais» OR «akreditavimuose» Згадане дослідження відносної частотності NS було проведене за допомогою фільтра пошукової системи Google «на сторінках литовською мовою», через що вже доводилося чути критику. Її обґрунтовують тим, що втрачається приблизно дві третини інформації, тобто приблизно стільки ж прикладів уживання, адже не всі власники інтернет-сайтів зазначають мовні метадані сайтів. Однак для досліджень відносної частотності слів цього цілком достатньо. Крім того, без використання цього фільтра надзвичайно важко відокремити тексти англійською мовою, які надає пошукова система; вони заважають збирати приклади вживання. Тому, на нашу думку, пошук на вебсторінках литовською мовою є доцільнішим, але важливо послідовно дотримуватися цього обмеження всюди. Розділові знаки Google пошукова система однаково реагує на будь-які розділові знаки, навіть якщо їх подано в лапках і вони мають сприйматися як точна цитата. Отже, введене в пошукове поле «account'as» буде оцінене як два окремі слова й змішане з «account:as», «account as» чи іншими подібними випадками. Ця особливість пошукової системи важлива у двох випадках. По-перше, коли NS складається з двох слів, система не дає змоги розрізнити такі варіанти написання, як «ex post» і «ex-post», що могло б бути важливим під час оцінювання вживання дефіса. У цих випадках результати частотності об’єднуються, однак під час порівняння загальної частотності слів, а не окремих варіантів їх написання, у пошуку немає потреби розрізняти такі форми. По-друге, коли досліджують варіанти написання NS з апострофом, виникають дещо складніші проблеми, оскільки деякі литовські закінчення збігаються з: a) деякими англійськими словами (наприклад: as — «як», is — «є», us — «нас»); b) деякими литовськими словами (сполучником o, прийменником į, вигуками ei, ai); c) литовськими словами, записаними без діакритичних знаків («швеплай», тобто спрощено): is — «iš», as — «aš». 268 KALBOS KULTŪRA | 81 Під час пошуку контролювати ці неточності дуже складно, а орфографічний збіг закінчень NS із литовськими словами — навіть неможливо. Утім, випадки, коли відразу після NS іде якесь із згаданих литовських слів, написання якого збігається з письмовим вираженням словозмінного форманта, трапляються не так часто, щоб суттєво вплинути на результати досліджень. Добір словозмінних форм, що утворюють пошуковий рядок Іменні частини мови Досліджуючи частотність іменних NS або варіантів їхнього написання, у більшості випадків до пошукового рядка вводили всю відмінкову та числову словозмінну парадигму. Винятками були слова з неповними словозмінними парадигмами (20 іменників, уживаних лише в однині, та 5 — лише в множині), а також випадки багатозначності (докладніше їх розглянуто в другій частині статті). Крім того, через орфографічний збіг з іншими словозмінними формами та низьку поширеність не варто окремо додавати кличний відмінок. Отже, таким способом можна охопити майже всю словозмінну парадигму іменних частин мови. Говорячи про відмінювання іменних NS, слід також розглянути проблемне питання граматичного роду. В одних випадках жіночий рід можна вважати варіантом написання NS, наприклад, googlė / gūglė / google‘ė / googl‘ė; puzlė / puzzlė / pūzlė; skypė / skaipė. Ці NS мають спільні риси: вони позначають неживі об’єкти, а тому в литовській мові не змінюються за родами; крім того, у кінці їхніх автентичних форм є, хоч і невимовне, але позначене на письмі закінчення –e, пор. google, puzzle, skype. У ході дослідження помічено, що в таких випадках форми жіночого роду трапляються значно рідше за форми чоловічого роду; це можна пояснити припущенням теорії оптимальності, згідно з яким «за наявності суперечності обирають найменш марковану категорію» (Vaicekauskienė 2007: 177). Чоловічий і жіночий рід прикметників та іменників, що позначають живі об’єкти, також не вважали окремими лемами, хоча певна різниця у значенні є. Лорета Вайчяускайтене, яка докладно досліджувала NS у литовській мові, зазначає: «[у] тих випадках, коли іменником можна назвати осіб обох статей, схоже, спочатку узагальнюється чоловічий рід, від якого за потреби іноді утворюється форма жіночого роду» (Vaicekauskienė 2007: 175). Форми чоловічого та жіночого роду також не вважали окремими лемами під час укладання Частотного сучасної 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. Дієслова Випадок дієслів складніший, оскільки кількість граматичних категорій дієслова значно більша. Оскільки, як уже зазначалося, Google має обмеження на довжину пошукового рядка, потрібно з’ясувати, які форми дієслова є найрепрезентативнішими з погляду частотності й мають увійти до пошукового рядка. Зрозуміло, що для охоплення ширшого розподілу дієслів до пошукового рядка слід увести найуживаніші форми. Для цього потрібні дані про частотність граматичних категорій у литовській мові, бажано в електронному дискурсі (ED). Досі ED як окремий мовний різновид поряд із писемним і усним мовленням докладніше досліджувала Аста Риклене, однак обрана нею методика дослідження не дає необхідних даних про розподіл граматичних категорій в ED. Метою праці цієї авторки було порівняти ED із писемним і усним мовленням (Ryklienė 2001: 3), а кількісні відмінності в частинах мови та словоформах у писемному мовленні й ED досліджували, зіставивши переліки п’ятдесяти найуживаніших у цих мовних різновидах слів і словоформ (Ryklienė 2001: 9). У цій статті використано результати досліджень уживання словоформ у литовській мові, проведених Відою Жилінскене та Ерікою Римкуте. Щоправда, праці цих авторок різняться тим, що В. Жилінскене, на відміну від Е. Римкуте, досліджуючи частотність словоформ, порівнює два функціональні стилі — публіцистичний і науково-діловий. Вважаючи, що мова ED ближча до публіцистичного, ніж до науково-ділового стилю, авторка цієї статті спирається на статистику частотності граматичних форм у публіцистичному стилі. Дані В. Жилінскене та Е. Римкуте дуже подібні: дійсний спосіб дієслова становить 92,12 відсотка (Žilinskienė 2002: 110) та 91,5 відсотка (Rimkutė 2006: 35) усього дієслівного розподілу; особові форми дієслова — 55,48 відсотка (Žilinskienė 2002: 110) та 50,7 відсотка (Rimkutė 2006: 35); інфінітив — 15,85 відсотка (Žilinskienė 2002: 111). Щоправда, Е. Римкуте (2006: 35) наводить дещо інші дані щодо поширеності інфінітива: за її твердженням, інфінітив становить 33,6 відсотка неособових форм дієслова, загальна поширеність яких дорівнює 49,3 відсотка. 270 KALBOS KULTŪRA | 81 З огляду на наведені вище дані, до пошукового запиту найдоцільніше включити всі особові форми дієслова дійсного способу, інфінітив і форму називного відмінка множини чоловічого роду пасивного дієприкметника (порівняйте орфографічний збіг із інфінітивом). Усі 26 граматичних форм (загалом 21 значуще пошукове слово, оскільки форми третьої особи всіх часів збігаються) становлять трохи більше половини всієї дієслівної дистрибуції. Приклад пошукового запиту: «банити» OR «баню» OR «баниш» OR «банить» OR «банимо» OR «баните» OR «банив» OR «банила» OR «банило» OR «банили» OR «банимо» OR «банили» OR «банитиму» OR «банитимеш» OR «банитиме» OR «банитимемо» OR «банитимете» OR «банитиму» OR «банив би» OR «банила б» OR «банило б» OR «банили б» OR «банили б» Як уже згадувалося раніше, пошукова система Google не зважає на розділові знаки, а варіанти написання з апострофом вважає двома окремими словами. Оскільки довжина пошукового запиту в Google обмежена, під час дослідження варіантів написання дієслів з апострофом до пошукового запиту можна не включати форми минулого багатократного часу, адже за даними як V. Žilinskienė, так і E. Rimkutė, минулий багатократний час є найрідшим серед усіх дієслівних часів. Звісно, за потреби порівняти частотність різних варіантів написання того самого слова можна було б провести ширший пошук, тобто скласти кілька пошукових запитів. Однак, як видається, описаного методу достатньо для порівняння частотності слів, а не їхніх словозмінних форм. Важливо лише дотримуватися послідовності та застосовувати ті самі критерії пошуку до всіх дієслів. Зі сказаного в цьому підрозділі зрозуміло, що в пошуку можна охопити більшою чи меншою мірою всю словозмінну парадигму іменних частин мови, а дієслів — лише трохи більше половини словозмінної парадигми, тому втрачається вагоме підґрунтя для порівняння. Звісно, можна було б обчислити певний коефіцієнт співвідношення частотності дієслів та іменних частин мови, однак для цього потрібно провести ґрунтовніші дослідження ED. Поки що недоцільно порівнювати частотність окремих дієслів та іменних частин мови. Отже, відмінність вибірок словозмінних форм іменних частин мови та дієслів зумовлює те, що в дослідженнях частотності доцільніше розглядати їх як дві групи. S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 271 Варіанти написання Під час дослідження вживання за допомогою пошуку в інтернеті виконується дія, зворотна до тієї, що застосовується в корпусному методі, оскільки, формуючи пошуковий запит, потрібно ніби заздалегідь вирішити, які варіанти написання може мати кожне слово. Під час пошуку мовних явищ в інтернеті слід уникати автентичних варіантів написання англійського походження, а ті, що випадково трапилися в пошукових запитах, — вилучати. Під час згаданого дослідження було помічено, що без цього майже неможливо настільки звузити поле пошуку, щоб серед результатів не траплялися англомовні вставки чи фрази, які слід вважати цитатами. Наприклад, пошук слів baby або crazy дає дуже багато текстів, у яких згадуються назви пісень: Baby one more time, Crazy тощо. Подібний випадок і з funky, оскільки цим NS називають не лише музичний стиль, а й колись дуже популярний литовський музичний гурт. Утім, оцінюючи відносну частотність таких слів, потрібно брати до уваги й ці варіанти написання, адже в ужитку вони досить поширені. Досліджуються такі варіанти написання, які, з огляду на мовну інтуїцію, видаються можливими. До орфографічно адаптованого запозиченого слова додаються словотвірно можливі словозмінні закінчення. Якщо NS орфографічно не адаптується, словозмінні закінчення додаються безпосередньо до незмінюваної форми NS. Особливими є випадки, коли незмінювана форма NS закінчується голосною, адже під час дослідження варіантів написання NS без апострофа її відкидають (виявилося, що smileas, skypeas, googleas та подібні варіанти написання в ужитку є рідкісними). Досліджуючи мовні явища, які досі не унормовано, часто можна поставити питання, де проходить межа між орфографічною помилкою та варіантом написання. Цю межу визначає частотна характеристика. Наприклад, у згаданому дослідженні NS варіанти написання NS, частотність яких не досягала порога у 10 випадків уживання, не враховували під час обчислення загальної частотності окремого NS і вважали орфографічними помилками — поодинокими обмовками, що не відображають загальних тенденцій уживання. Щоправда, цей принцип застосовувався лише до слів, частотність яких перевищувала поріг у 1000 випадків уживання, а до рідкісніших — ні. Утім, іноді може бути важливим і те, що досліджуваного мовного явища в інтернеті взагалі не виявлено або що його частотність не досягла порога у 10 випадків уживання. Числові показники частотності варіантів написання, сформованих і відібраних за цими принципами, підсумовують, отримуючи приблизну частотність слова. Нижче наведено таблицю, у якій обробку результатів пошуку показано наочніше. 272 KALBOS KULTŪRA | 81 ТАБЛИЦЯ 1. Спосіб накопичення даних Варіант написання NS Пошуковий запит для окремого варіанта написання Частотність варіанта написання 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 Для кожного дослідженого NS складали подібну таблицю. У першому стовпці перелічено всі досліджені варіанти написання NS, упорядковані за частотністю, оскільки S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 273 у статті не розглядається питання про те, який варіант написання NS можна вважати заголовним словом (лемою). У другому стовпці наведено пошукові запити для кожного варіанта написання після звуження пошукового поля, тобто після вилучення всіх багатозначних форм (див. розділ 2). У третьому стовпці зазначено частотність кожного варіанта написання (ці дані є лише проміжними); згодом їх підсумовують і отримують приблизну частотність досліджуваного слова. Лише останні дані мають значення для визначення меж відносної частотності NS (дані, наведені в таблиці, збиралися в березні–квітні 2008 року). 2. ЗВУЖЕННЯ ПОШУКОВОГО ПОЛЯ Через надлишок результатів англійською мовою Проблему, пов’язану з англійськими омографами (словами з однаковим написанням) і варіантами написання з апострофом, частково можна розв’язати за допомогою логічної функції «за винятком», яка в системі Google позначається знаком «-». Це означає, що пошук не здійснюватиметься на вебсторінках, де трапляється слово, розташоване після цього знака. Тому, зазначивши в кінці пошукового запиту одне з найуживаніших англійських слів і поставивши перед ним згаданий знак, можна значно зменшити кількість англомовних випадків. У згаданому дослідженні повсюдно застосовувалося обмеження за одним із найуживаніших в англійській мові слів are2 (є — третя особа множини теперішнього часу), проте можна обрати й інше слово. Треба лише зважати на те, що для цієї мети англійське слово слід добирати дуже ретельно, оскільки деякі найуживаніші англійські слова можуть збігатися за написанням і з деякими литовськими словами (англ. it, be), флексійними закінченнями (англ. is, as, a, I) або випадками «швеплого» написання (англ. is, as, I). Крім того, чимало найуживаніших англійських слів (a, the, of) виконують службову функцію і нерідко вживаються в різних назвах, які можуть траплятися й на литовських інтернет-сторінках. Таке саме обмеження застосовується в усіх випадках, коли пошуковий запит містить незмінювану форму NS (в автентичному або адаптованому написанні), незалежно від мови, з якої конкретне слово могло потрапити до литовської мови. 2 The 500 Most Commonly Used Words in the English Language: http://www.world-english.org/english500.htm (переглянуто 07.06.2008). 274 KALBOS KULTŪRA | 81 Помічено, що навіть під час пошуку NS нелатинського походження й лише на вебсторінках литовською мовою серед результатів усе одно трапляється багато прикладів англійською. Це пов’язано зі статусом цієї мови як lingua franca ED. Крім того, деякі досліджувані NS в англійській мові вже могли перетворитися на міжнародні слова або просто не адаптуються. Про багатозначність слів та їхніх форм Користуючись пошуковою системою Google, неминуче доводиться стикатися з багатозначними словами або їхніми формами. Термін «багатозначність»3 обрано насамперед, щоб уникнути плутанини з термінами «омоніми», «омографи», «омофони» тощо в литовському мовознавстві4. По-друге, у поясненнях визначень останніх термінів часто розглядається фонетичний план слова, цілком неактуальний під час пошуку в інтернеті. По-третє, згаданих термінів недостатньо, щоб назвати деякі випадки багатозначності, коли, наприклад, за написанням збігаються відмінкові форми того самого слова, але різних варіантів його написання. Багатозначність може виявлятися на кількох рівнях: словотвірному (той самий словотвірний формант надає різних значень), текстовому, синтаксично-семантичному, лексико-семантичному (детальніше поділяється на омонімію, омографію, омофонію та полісемію) і морфологічному (Rimkutė 2006: 7, 40). У цій статті йдеться про морфологічну багатозначність (далі — MD) і частково — про лексико-семантичну. Морфологічно багатозначні форми того самого слова Морфологічна багатозначність форм того самого слова є системним явищем, оскільки пов’язана з особливостями морфологічної системи литовської мови та синкретизмом відмінків. У цій статті перелічено лише ті випадки морфологічної багатозначності, з якими зіткнулися під час дослідження, і вказано, як слід діяти в таких випадках у системі Google. 3 Термін «багатозначність» використовує і це явище докладно досліджує у своїх працях E. Rimkutė (Rimkutė 2002, 2003; Rimkutė, Grybinaitė 2004). 4 Пор. визначення омонімів, омографів, омофонів, омоформ і особливості їх уживання в таких джерелах: 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 Відмінкові форми того самого орфографічного варіанта, що збігаються за написанням: (i)o-основних іменників в однині в називному та орудному відмінках, наприклад: акредитація, алібідемія, ароматерапія, авторизація, блогосфера / блогсфера, цифровізація, хариса / харісса, конвергенція, лузерська, медія / медіа, мілонга, сальса, спамниця; (i)o-основних іменників в однині в родовому та множині в називному відмінках, наприклад: акредитації, авторизації, блогосфери / блогсфери, хариси / харісси, лузерської, медії / медіа, спамниці; ė-основних іменників в однині в родовому та множині в називному відмінках, наприклад: байкерок, блогерок / блогер‘ок / блог‘ерок, глянцевих видань, голболісток, караоке, лузерок / лузерок / лузер‘ок / лузер‘ок / лузерок, менеджерок / менеджерок, мультиплексних, неформаток, пазлів / пазлів / пазлів (див. таблицю 1), скайпів / скайпів, спонсорок, шоуменок; (i)u-основних іменників в однині в називному та множині в знахідному відмінках, наприклад: аспіратор, блокатор, епілятор / епілетор; (i)u-основних іменників в однині в знахідному та множині в родовому відмінках, наприклад: аспіраторів, спонсорів. Ці випадки MD також можна назвати граматичними омонімами, які в литовському мовознавстві визначаються як «фонетично тотожні форми того самого слова, що мають різні граматичні значення» (Jakaitienė 1980: 42). Спільним для цих форм є те, що під час пошуку в системі Google вони потрапляють до того самого пошукового рядка, з’єднані між собою логічним оператором OR (або), а їхня частотність повторно не підсумовується. У таких випадках пошуковий рядок для зручності й надалі можна скоротити, однак на результати це не впливає. Інший різновид MD — це відмінкові форми того самого слова, але різних орфографічних варіантів, що збігаються за написанням: родовий відмінок множини іменників чоловічого та жіночого родів, наприклад: байкерів, блогерів / блогер‘ів / блог‘ерів, глянцевих видань, лузерів / лузерів / лузерів / лузер‘ів / лузерів, лузерських, менеджерів / менеджерів, мультиплексних, пазлів / пазлів / пазлів (див. таблицю 1), спамників, спонсорів; іменників з основою на (i)a в однині в називному та іменників з основою на (i)o у множині в знахідному відмінках, наприклад: looser ізка / лузерський, спамер; 276 KALBOS KULTŪRA | 81 іменників основи (i)a у мн. наз. відм. та іменників основи (i)o в одн. дав. відм., наприклад: спамери; іменників основи (i)a в одн. місц. відм. та іменників основи ė в одн. оруд. відм., наприклад: гўґле / google’ė, інтернауте, puzle / pūzle (див. таблицю 1), скайпе, шо(u)мене; іменників основ (i)o та (i)a у одн. знах. відм., наприклад: looser ізку / лузерську, спамера. Наведені вище випадки MD є складнішими й потребують більшої уважності. Форми відмінювання різних орфографічних варіантів написання того самого слова, які збігаються орфографічно, потрапляють до різних пошукових рядків, а це означає, що частотність таких форм повторно додається під час обчислення загальної частотності окремого слова. Тому, досліджуючи частотність слів, форми цього типу, що збігаються, слід залишати лише в одному з пошукових рядків. Варто зазначити, що під час дослідження відносної частотності NS довелося зіткнутися з двома ще не описаними різновидами MD, коли орфографічно збігаються іменники основи (i)a у мн. наз. відм. та іменники основи (i)o в одн. дав. відм. (пор. tie varnai і tai várnai), а також іменники основи (i)a в одн. місц. відм. та іменники основи ė в одн. оруд. відм. (пор. tame draugė5 та su draugė). Хоча ці два різновиди MD виявлено під час дослідження вживання NS, наведені приклади свідчать, що вони властиві й нормативній литовській мові. Систематичні, однак такі, що виходять за межі литовської мови, випадки MD — форми відмінювання морфологічно адаптованих NS, які орфографічно збігаються з незмінюваними NS в автентичному написанні, що не досліджуються: іменників основи (i)a в одн. місц. відм., наприклад: drive (drivas), google (googlas), puzzle (puzzlas, див. таблицю 1), skype (skypas); іменників основи (i)o в одн. наз. та одн. оруд. відм., наприклад: media; іменників основи ė в одн. оруд. відм., наприклад: google (googlie), karaoke (karaoke), puzzle (puzzle, див. таблицю 1), skype (skype). Оскільки з причин, згаданих раніше, варіанти НС автентичного написання складно досліджувати, форми останнього типу, морфологічно багатозначні, слід вилучати з пошукових рядків у всіх випадках. 5 Хоча з погляду культури мовлення ця форма не рекомендована до вживання, теоретично вона можлива. S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 277 Морфологічно багатозначні словоформи слів із різними лексичними значеннями Іноді всі або частина відмінюваних форм одного слова за написанням можуть збігатися з відмінюваними формами іншого слова. Очевидно, що, на відміну від описаних раніше випадків МД, лексичні значення відрізнятимуться. Крім того, ці випадки МД випадкові й не мають системного характеру. Далі наведено приклади такого типу МД, виявлені під час дослідження, із зазначенням форми варіанта написання НС і слова літературної мови, з яким ця форма збігається: – blogas, b l o g a s (прикм.), b l o g a i (присл.) – пошуковий рядок скорочено до «blogui» OR «bloge» OR «blogams» (зазначено лише форми, що відрізняються від форм слова літературної мови: одн. дав., одн. місц., мн. дав.); – smailas, s m a i l a s (прикм.), s m a i l a i (присл.) – пошуковий рядок скорочується так само, як і у випадку з blog: «smailui» OR «smaile» OR «smailams»; – bodis, b o d u s (прикм.), b o d ž i a i (присл.) – пошуковий рядок скорочено до «bodis» OR «bodžio» OR «bodžiui» OR «bodį» OR «bodyje» OR «bodžiams» (форми, що відрізняються від слова літературної мови: одн. наз., одн. род., одн. дав., одн. знах., одн. місц., мн. дав.); – brendas, b r e n d o (bręsti, bręsta, brendo), b r e n d u (bristi, brenda, brido); – траплялися й такі випадки, коли досліджуваний варіант написання НС повністю збігався зі словом літературної мови, пор. bōtas, b ò t a s (висока жіноча калоша), b õ t a s (такий корабель), а також sáitas і s a ì t a s. Визначити, як діяти в таких випадках омонімії, допомагають дані корпусу ВДУ або DDRLKŽ про поширеність слів. Якщо слово літературної мови, що збігається з досліджуваним, рідкісне, пошуковий рядок можна не скорочувати, оскільки це не має значного впливу на результати пошуку. Крім того, іноді результатів за одним варіантом написання достатньо, щоб вважати досліджуване слово частотним. З інших причин Трапляються випадки, коли досліджуване слово може вживатися в якійсь широко відомій назві компанії, установи чи іншій назві або бути обраним як псевдонім. В Інтернеті назв зазвичай безліч; це радше пов’язано з рекламними стратегіями чи принципами структурування дискусійних форумів, ніж із звичками вживання слів, використаних для утворення цих назв. Тому під час пошуку намагаються відмежуватися від таких випадків. 278 KALBOS KULTŪRA | 81 Поле пошуку можна звужувати двома способами. Перший — за контекстом, коли в пошуковому рядку вказують не включати слово, яке, судячи з прикладів уживання, часто вживається в тому самому контексті з досліджуваним мовним явищем, але не утворює з ним словосполучення. Другий — за колокацією6, коли в пошуковому рядку вказують не включати слово, яке утворює з досліджуваним явищем часто вживане словосполучення. Особливі випадки звуження поля пошуку, зафіксовані в проведеному дослідженні, наведено в таблиці 2 із зазначенням використаних слів, а також орфографічних варіантів і форм NS, до яких застосовувалося це звуження (де потрібно, зазначено й колокації). ТАБЛИЦЯ 2. Звуження поля пошуку за контекстом і колокацією За контекстом -нік -автор -користувач -учасник -блог -ТОВ -офіс -ділянка Harissa / harisa, googlis, sasha funke, esesas, twisteris, neformatas, mixas, extremas topas, saitas, respectas, funkaś, autletas, bugo grafitas skypas За колокацією -la -центр -eesti -area -балтійський +кава –західний «La speme» (spemas) «Topo centras» (topas) «Eesti post» (post’as) «Cluster area» (cluster‘is) «Baltijos autletas» (autletas) Ekspreso кава, Західний ekspresas Найбільше труднощів виникає з тими словами, які використовуються як псевдоніми (перший і другий рядки таблиці). З огляду на результати пошуку доводиться вибирати одне або кілька зазначених слів-обмежувачів. У таблиці наведено лише найефективніші слова-обмежувачі, однак остаточний вибір визначається специфікою кожного досліджуваного випадку. 6 Колокація — дуже звичний контекст уживання слова, змістовне й граматичне сполучення щонайменше двох слів, які часто вживаються разом (Jakaitienė 2005: 25). S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius 279 У цьому контексті дуже цікавим і дещо незвичним є випадок skaipo. Досліджуючи цей варіант написання NS skypas, довелося звужувати поле пошуку, оскільки в інтернеті було знайдено чимало оголошень про продаж земельних ділянок, написаних із помилкою (пропущено літеру l). ВИСНОВКИ 1. Під час формування пошукового рядка найважливішим є добір репрезентативних словоформ, який здійснюється на підставі результатів досліджень частотності граматичних категорій литовської мови. Під час дослідження іменних частин мови до пошукового рядка вміщується майже вся парадигма відмінювання, а дієслів — лише частина. Найзручніше вносити до пошукового рядка інфінітив дієслова та особові форми дієслова дійсного способу (теперішнього, простого минулого, майбутнього та давноминулого частотного часів). Так можна охопити дещо більше половини розподілу граматичних категорій дієслова. 2. Через різне охоплення розподілу граматичних категорій, зумовлене обмеженою довжиною пошукового рядка Google, втрачається вагома основа для порівняння дієслів та іменних частин мови, тому доцільніше розділити групи іменних частин мови та дієслів. 3. Нерідко поле пошуку доводиться звужувати через надлишок результатів англійською мовою та проблему багатозначності в литовській мові. Це роблять за допомогою логічної функції «виключити», яка в синтаксисі пошукової системи Google позначається знаком «-», або не включаючи до пошукового рядка певні багатозначні форми. 4. Під час пошуку слід зважати на випадки багатозначності, що по-різному впливають на результати пошуку; відповідно, для них потрібно по-різному обмежувати поле пошуку. Форми відмінювання того самого варіанта написання, що збігаються орфографічно, можна вилучити з пошукового рядка, однак на результати це не вплине. Форми відмінювання того самого слова, але різних варіантів написання, рекомендується залишати в пошуковому рядку лише для одного з варіантів написання. Форми слів із різними лексичними значеннями, морфологічно багатозначні, слід залишати або вилучати з огляду на дані корпусу ВДУ та DDRLKŽ. 5. Розглянутий метод пошуку корисний як для збирання різноманітних прикладів мовних явищ, так і для дослідження їх поширеності у вжитку. Крім того, метод визначення відносної частотності NS можна застосовувати й у діяльності з унормування мови, наприклад, укладаючи переліки NS, що вважаються грубими мовними помилками. 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