Οι υπολογιστικές τεχνολογίες έχουν ανοίξει νέες δυνατότητες για τη γλωσσολογική έρευνα: τα ψηφιακά σώματα κειμένων και το λογισμικό ανάλυσης σωμάτων κειμένων διευκόλυναν την πρόσβαση στις βαθύτερες δομές της γλώσσας και στις σχέσεις μεταξύ διαφορετικών γλωσσικών μονάδων, καθώς και την ανάδειξη των ιδιαιτεροτήτων της χρήσης τους σε διαφορετικούς τομείς και σε διαφορετικές χρονικές περιόδους. Ως εκ τούτου, η ανάλυση της φυσικής γλώσσας με βάση σώματα κειμένων εφαρμόζεται σήμερα σε ένα ευρύ φάσμα γλωσσολογικών πεδίων: λεξικογραφία, διδασκαλία γλωσσών, ανάπτυξη μηχανικής μετάφρασης, κατάρτιση γλωσσολογικών βάσεων δεδομένων κ.ά.
Η έρευνα στην ορολογία έχει επίσης καταστεί σε μεγάλο βαθμό βασισμένη σε σώματα κειμένων. Τα ψηφιακά σώματα κειμένων επιτρέπουν στους ορολόγους να εργάζονται με μεγάλο όγκο εγγράφων, να παρατηρούν συγκεκριμένα χαρακτηριστικά μιας εξειδικευμένης γλώσσας, να συλλέγουν πληροφορίες σχετικά με την πραγματική χρήση των όρων και την εξέλιξή τους, να εντοπίζουν νέους όρους που δεν θα μπορούσαν να γίνουν διαισθητικά αντιληπτοί ή να προβλεφθούν, καθώς και να πραγματοποιούν αντιπαραβολική ανάλυση δεδομένων από διάφορες γλώσσες. Το λογισμικό ανάλυσης σωμάτων κειμένων και τα εργαλεία αυτόματης και ημιαυτόματης εξαγωγής όρων συμβάλλουν επίσης στην τυποποίηση της ορολογίας· για παράδειγμα, η καταμέτρηση της συχνότητας των συνωνύμων μπορεί να προσφέρει χρήσιμα κατανεμητικά τεκμήρια που υποδεικνύουν στατιστικά προτιμώμενους όρους (Khurshid, Rogers 1992: 36). Έτσι, τα ψηφιακά σώματα κειμένων επιτρέπουν στους ορολόγους να αναθεωρούν τις ορογραφικές πληροφορίες σχετικά με τους όρους στις υπάρχουσες βάσεις δεδομένων και να τις επικαιροποιούν συνεχώς.
86
Oksana Smirnova Sigita Rackevičienė
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 2
Σύμφωνα με τους M. Teresa Cabré, M. Amor Montané και Rogelio Nazar, στόχος της σύγχρονης ορολογίας είναι να παρέχει τυπικές, σημασιολογικές και λειτουργικές περιγραφές λεξικών μονάδων με ορολογική αξία, καθώς και να εξηγεί τη σχέση τους με τις υπόλοιπες μονάδες του γλωσσικού συστήματος. Αντικείμενο της ορολογικής έρευνας είναι «η ζωντανή ορολογία» (ορολογία που απαντά φυσικά σε εξειδικευμένα κείμενα) και η επικοινωνιακή διάσταση της χρήσης των όρων, η οποία αποτυπώνεται καλύτερα σε ένα σώμα κειμένων (Cabré, Montané, Nazar 2012).
Σκοπός, αντικείμενο και στόχοι της έρευνας. Σκοπός της έρευνας είναι η εφαρμογή της μεθοδολογίας της γλωσσολογίας σωμάτων κειμένων για την εξαγωγή και την ανάλυση της τυπικής δομής πολυλεκτικών οικονομικών όρων που περιλαμβάνουν τη λέξη «risk» ως πυρηνικό ουσιαστικό, στα αγγλικά, τα γαλλικά και τα λιθουανικά.
Για την επίτευξη αυτού του σκοπού, τέθηκαν οι ακόλουθοι στόχοι:
1) να αναλυθούν οι αρχές της περιγραφικής ορολογίας με βάση σώματα κειμένων, συμπεριλαμβανομένων των μεθόδων κολοκational και κολιγκαционικής ανάλυσης·
2) να καταρτιστούν σώματα κειμένων των νομικών πράξεων της ΕΕ στον οικονομικό τομέα σε τρεις γλώσσες (αγγλικά, γαλλικά και λιθουανικά) και να επιλεγεί το κατάλληλο λογισμικό για την έρευνα με βάση σώματα κειμένων·
3) να εξαχθούν από τα σώματα κειμένων οι συχνότερες λέξεις στις υπό διερεύνηση γλώσσες και να επιλεγεί η συχνότερη λέξη-κλειδί (ουσιαστικό) για περαιτέρω ανάλυση·
4) να διενεργηθεί κολοκational ανάλυση της επιλεγμένης λέξης-κλειδιού στο αγγλικό σώμα κειμένων και να εξαχθούν από το υλικό του αγγλικού σώματος πολυλεκτικοί όροι που περιλαμβάνουν την επιλεγμένη λέξη-κλειδί ως σημασιολογικό και συντακτικό πυρήνα των όρων·
5) να προσδιοριστούν τα γαλλικά και λιθουανικά ισοδύναμα των επιλεγμένων αγγλικών όρων στο παράλληλο αγγλο-γαλλο-λιθουανικό σώμα κειμένων·
6) να πραγματοποιηθεί ποσοτική ανάλυση της τυπικής δομής των επιλεγμένων πολυλεκτικών όρων και να προσδιοριστούν τα κυρίαρχα πρότυπα τροποποίησης και οι συντακτικές δομές των όρων στις υπό διερεύνηση γλώσσες.
Δεδομένα και εύρος της έρευνας. Για τους σκοπούς της έρευνας, καταρτίστηκαν τέσσερα σώματα κειμένων εγγράφων της ΕΕ στον οικονομικό τομέα: τρία μονόγλωσσα σώματα (αγγλικά, γαλλικά και λιθουανικά) και ένα παράλληλο σώμα (EN-FR-LT). Τα μεγέθη των σωμάτων είναι τα εξής: EN 802 933 λέξεις, FR 940 655 λέξεις, LT 639 279 λέξεις. Συνολικά, 210 οικονομικοί-
Terminologija | 2018 | 25
87
Page 3
Ειδικοί όροι που περιλαμβάνουν τη λέξη ‘risk’ ως κύριο ουσιαστικό εξήχθησαν από τα σώματα κειμένων: 70 αγγλικοί όροι και τα αντίστοιχά τους στα γαλλικά και τα λιθουανικά. Η επιλογή της λέξης ‘risk’ καθορίστηκε από τα δεδομένα των σωμάτων κειμένων, τα οποία έδειξαν ότι αυτή η λέξη ήταν η συχνότερη στα επιλεγμένα έγγραφα της ΕΕ.
2. ΘΕΩΡΗΤΙΚΕΣ ΑΡΧΕΣ ΤΗΣ ΕΡΕΥΝΑΣ
2.1. Κανονιστική και περιγραφική διαχείριση της ορολογίας
Η εξέλιξη των υπολογιστικών τεχνολογιών για την έρευνα της φυσικής γλώσσας διαφοροποίησε σαφώς την παραδοσιακή ορολογία από τη σύγχρονη. Η στάση των ορολόγων απέναντι στην έννοια του όρου, στις πηγές των όρων, στην τυποποίηση των όρων και σε άλλα ζητήματα ορολογίας έχει αλλάξει σημαντικά. Έχουν διακριθεί δύο κατευθύνσεις στην ορολογική έρευνα και διαχείριση: κανονιστική ορολογία και περιγραφική ορολογία (Zeller 2005· Bielinskienė et al. 2015).
Οι υποστηρικτές της κανονιστικής ορολογίας επικεντρώνονται στην τυποποίηση της ορολογίας με βάση ορολογικά λεξικά, βάσεις δεδομένων, καταλόγους εγκεκριμένης ορολογίας και έγγραφα σχετικά με τις αρχές της τυποποίησης. Στην κανονιστική ορολογία, η έννοια ενός όρου βασίζεται στη θέση της έννοιας που αυτός περιγράφει στο εννοιολογικό ιεραρχικό σύστημα του πεδίου και στη σχέση της με άλλες έννοιες (Pearson 1998: 10· Marcinkevičienė 2000: 6). Σύμφωνα με τις αρχές της κανονιστικής ορολογίας, ένας όρος πρέπει να χρησιμοποιείται για να περιγράφει μία έννοια, καθώς αυτή η αμοιβαιότητα μειώνει την πιθανότητα αμφισημίας, διευκολύνει την επικοινωνία και, ταυτόχρονα, την ανάπτυξη του εννοιολογικού ιεραρχικού συστήματος ενός πεδίου.
Οι περιγραφικοί ορολόγοι αποστασιοποιούνται από την αυστηρή στάση απέναντι στην έννοια του όρου, τη μονοσημία του όρου, την ανάπτυξη ιεραρχικού εννοιολογικού συστήματος και την τυποποίηση. Στην περιγραφική ορολογία, σε αντίθεση με την κανονιστική, το συγκείμενο διαδραματίζει καθοριστικό ρόλο στην ανάλυση ενός όρου, και ο όρος θεωρείται λεξική μονάδα εξαρτώμενη από το συγκείμενό του. Στόχος τους δεν είναι να διαμορφώσουν έναν όρο σύμφωνα με ορισμένες αρχές, αλλά να καταγράψουν τη χρήση του και την ποικιλία των μορφών του σε διαφορετικά κείμενα και να περιγράψουν τις ιδιαιτερότητές του, θέτοντας έτσι τη βάση για την τυποποίησή του (Bielinskienė et al. 2015: 10–11).
Η ανάπτυξη των τεχνολογιών προκάλεσε τεράστια ροή πληροφοριών που παρουσιάζονται σε διάφορους τύπους κειμένων και, ταυτόχρονα, διαρκώς αυξανόμενο αριθμό όρων που χρησιμοποιούνται σε αυτά. Σε αυτή την πραγματικότητα που αλλάζει συνεχώς, οι ορολό-
88
Oksana Smirnova
Sigita Rackevičienė
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 4
γοι δεν είναι πλέον σε θέση να ελέγξουν την ταχεία ανάπτυξη της ορολογίας, καθώς οι όροι αλλάζουν ταχύτερα από όσο προλαβαίνουν να υποβληθούν σε επεξεργασία. Επομένως, η διαχείριση της ορολογίας απαιτεί μια πιο ευέλικτη προσέγγιση, βασισμένη στην περιγραφική και όχι στην κανονιστική μεθοδολογία. Η έμφαση έχει μετατοπιστεί από την τυποποίηση της ορολογίας στην ανάλυσή της μέσα σε σώματα κειμένων (Bielinskinė et al. 2015: 11).
Η περιγραφική ορολογία οδήγησε στην ανάπτυξη της Επικοινωνιακής Θεωρίας της Ορολογίας, η οποία εστιάζει στη ζωντανή ορολογία που χρησιμοποιείται σε εξειδικευμένους λόγους και δίνει έμφαση στην επικοινωνιακή διάσταση της χρήσης των όρων (Cabré, Montané, Nazar 2012). Σύμφωνα με αυτή τη θεωρία, ο κύριος ρόλος των όρων είναι να επικοινωνούν εξειδικευμένη γνώση· επομένως, νοούνται «ως ένα τρισδιάστατο πολύεδρο με γνωστική συνιστώσα (την έννοια), γλωσσική συνιστώσα (τον όρο) και επικοινωνιακή συνιστώσα (την περίσταση)» (Cabré, Montané, Nazar 2012: 1).
Οι ορολογικές μελέτες που βασίζονται στην επικοινωνιακή θεωρία ενδιαφέρονται όχι μόνο για την ορολογία που έχει καθιερωθεί με πρότυπα ή απαντά σε επίσημες βάσεις δεδομένων, αλλά και (ιδιαίτερα) για τους όρους που πράγματι χρησιμοποιούνται σε κείμενα ειδικής γλώσσας. Έτσι, η επικοινωνιακή θεωρία «δεν υιοθετεί μόνο μια προσέγγιση in vitro, αλλά ενδιαφέρεται επίσης για τους όρους in vivo» (Cabré, Montané, Nazar 2012: 1–2). Η έρευνα της ζωντανής ορολογίας αποκαλύπτει ότι η παραδοσιακή έννοια της μονοσημίας του όρου (αντιστοιχία ένα προς ένα ανάμεσα σε μια έννοια και συγκεκριμένους όρους σε διαφορετικές γλώσσες) δεν τεκμηριώνεται επαρκώς στην πραγματική γλώσσα. Η ποικιλία (συνωνυμία, αμφισημία, περιφράσεις, πλεονασμός) χαρακτηρίζει όχι μόνο τις μονάδες της γενικής γλώσσας, αλλά και την ορολογία· επομένως, οι έννοιες και οι όροι πρέπει να μελετώνται «στη δυναμική αλληλεπίδρασή τους» (Cabré, Montané, Nazar 2012: 2–3).
Η εστίαση στη χρήση των όρων έχει καταστήσει τα σώματα κειμένων τον κύριο χώρο εργασίας της σύγχρονης ορολογικής ανάλυσης. Τα ψηφιακά σώματα κειμένων και το λογισμικό ανάλυσης σωμάτων κειμένων έχουν εμπλουτίσει την ορολογία με πλούσιους πόρους και εργαλεία που επιτρέπουν στους ορολόγους να εξάγουν όρους από μεγάλο όγκο εγγράφων, να καταγράφουν τις πιο πρόσφατες αλλαγές στην ορολογία ενός συγκεκριμένου πεδίου, να αναλύουν την εξέλιξή της, καθώς και να καθορίζουν τις εννοιολογικές διασυνδέσεις μεταξύ όρων του ίδιου πεδίου. Τα σώματα κειμένων παρέχουν αξιόπιστες, στατιστικά τεκμηριωμένες πληροφορίες για τη χρήση των όρων στη φυσική γλώσσα, οι οποίες προηγουμένως ήταν εντελώς απρόσιτες. Επομένως, η μεθοδολογία που καθοδηγείται από σώματα κειμένων έχει καταστεί η επικρατούσα μεθοδολογία, παρέχοντας απαραίτητα εργαλεία για την ορολογική έρευνα και διαχείριση (Zeller 2005· Cabré, Montané, Nazar 2012· Bielinskinė et al. 2015).
Terminologija | 2018 | 25
89
Page 5
2.2. Αρχές ανάλυσης με βάση σώματα κειμένων: μέθοδοι συνάφειας και γραμματικής συνάφειας
Η εξαγωγή και ανάλυση ορολογίας με βάση σώματα κειμένων πραγματοποιούνται με τη χρήση στατιστικών και γλωσσολογικών μεθόδων. Στην παρούσα έρευνα εφαρμόζονται οι μέθοδοι συνάφειας και γραμματικής συνάφειας.
Οι συνάψεις αναφέρονται στη συνταγματική έλξη μεταξύ λεξικών μονάδων. Σύμφωνα με τον Tomas Lehecka (2015), «η έννοια της σύναψης βασίζεται στην αντίληψη ότι κάθε λέξη μιας γλώσσας προτιμά ορισμένα λεξικά συμφραζόμενα έναντι άλλων, δηλαδή ότι κάθε δεδομένη λέξη τείνει να συνεμφανίζεται με ορισμένες λέξεις συχνότερα απ’ ό,τι με άλλες» (Lehecka 2015: 2). Η στατιστική ανάλυση δεδομένων σωμάτων κειμένων χρησιμοποιείται για τη μέτρηση του βαθμού έλξης μεταξύ λέξεων· τα αποτελέσματά της καθιστούν δυνατό να προσδιοριστούν ποιοι συνδυασμοί λέξεων εμφανίζονται μαζί σημαντικά συχνότερα απ’ όσο θα αναμενόταν τυχαία, δεδομένης της συνολικής συχνότητας των λέξεων στο σώμα κειμένων (Lehecka 2015: 2). Με αυτόν τον τρόπο προσδιορίζονται οι στατιστικά σημαντικότερες συνάψεις των επιλεγμένων λέξεων στο υπό ανάλυση σώμα κειμένων.
Η μέθοδος αυτή χρησιμοποιείται κυρίως για τη συμφραστική σημασιολογική ανάλυση λεξικών μονάδων, καθώς καθιστά δυνατή την παρατήρηση ολόκληρης της ποικιλίας των λέξεων που συνεμφανίζονται με τις υπό εξέταση λέξεις, τον προσδιορισμό των κυρίαρχων προτύπων συνεμφάνισης και, συνεπώς, την περιγραφή της σημασίας τους με βάση το συμφραστικό τους περιβάλλον (Atkins, Rundell, Sato 2003: 340–341).
Η ανάλυση συνάψεων έχει καταστεί απαραίτητο εργαλείο για τους λεξικογράφους και εφαρμόζεται επίσης ευρέως στην υπολογιστική γλωσσολογία για σκοπούς μηχανικής μετάφρασης, επεξεργασίας φυσικής γλώσσας και σε άλλους τομείς (Lehecka 2015).
Η μέθοδος της συνάφειας χρησιμοποιείται συχνά σε συνδυασμό με τη μέθοδο της γραμματικής συνάφειας. Η έννοια της γραμματικής συνάφειας αναφέρεται στην έλξη μεταξύ μιας λεξικής μονάδας και ενός γραμματικού προτύπου και βασίζεται στην αντίληψη ότι οι λέξεις προτιμούν να χρησιμοποιούνται σε ορισμένα γραμματικά πρότυπα και αποφεύγουν άλλα (Sinclair 1998; Lehecka 2015). Η ανάλυση γραμματικής συνάφειας μπορεί να διευρυνθεί ώστε να περιλαμβάνει τη σχέση μεταξύ της λεξικής μονάδας και της θέσης σε μια φράση, πρόταση, περίοδο, κείμενο ή λόγο όπου μπορεί να χρησιμοποιηθεί η λεξική μονάδα (Hoey 2005: 49–52).
Η ανάλυση γραμματικής συνάφειας έχει χρησιμοποιηθεί εκτενώς σε συνδυασμό με την ανάλυση συνάψεων για τη μελέτη των σημασιών σχεδόν συνωνύμων, καθώς οι μελέτες γλωσσολογίας σωμάτων κειμένων έχουν δείξει ότι αυτά χρησιμοποιούνται συχνά σε διαφορετικά λεξικά και γραμματικά συμφραζόμενα (Lehecka 2015). Οι έρευνες στη γλωσσολογία σωμάτων κειμένων
90
Oksana Smirnova Sigita Rackevičienė
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 6
έχουν δείξει ότι ακόμη και οι διαφορετικές σημασίες πολυσήμαντων λέξεων ενδέχεται να έχουν διαφορετικά πρότυπα συνάψεων και γραμματικής συνάφειας (Aston, Burnard 1998). Επομένως, οι αναλύσεις συνάψεων και γραμματικής συνάφειας έχουν αποδείξει ότι η σημασιολογία και η γραμματική δεν πρέπει να αντιμετωπίζονται ως ανεξάρτητα, αλλά μάλλον ως στενά αλληλένδετα συστήματα (Lehecka 2015). Στις αναλύσεις πρέπει επίσης να λαμβάνεται υπόψη η πραγματολογική διάσταση, καθώς οι προτιμήσεις μιας λεξικής μονάδας ως προς τις συνάψεις και τη γραμματική συνάφεια ποικίλλουν σημαντικά μεταξύ διαφορετικών πεδίων και διαφορετικών τύπων κειμένων (Butler 2004: 157; Newman, Rice 2006).
2.3. Εφαρμογή της μεθόδου συνεμφάνισης και συνταγματικής συνάφειας στην εξαγωγή και ανάλυση ορολογίας
Η μέθοδος συνεμφάνισης και συνταγματικής συνάφειας μπορεί επίσης να χρησιμοποιηθεί για την εξαγωγή πολυλεκτικών όρων· είναι ιδιαίτερα κατάλληλη για την εξαγωγή ορολογίας που περιλαμβάνει προκαθορισμένες λέξεις-κλειδιά — λέξεις δυνητικής ορολογικής σημασίας, χαρακτηριστικές του πεδίου στο οποίο ανήκει το σώμα κειμένων. Η μεθοδολογία αυτή βασίζεται στην παραδοχή ότι οι σύνθετοι όροι αποτελούνται από υπάρχοντες απλούς όρους (Nakagawa 2001).
Τα εργαλεία ανάλυσης σωμάτων κειμένων εξάγουν λέξεις που συνυπάρχουν με τις προκαθορισμένες λέξεις-κλειδιά και καθιστούν δυνατό τον προσδιορισμό των κυρίαρχων συνεμφανίσεων. Μέρος αυτών των συνεμφανίσεων είναι ονοματικές φράσεις, οι οποίες πρέπει να επιλεγούν από τους καταλόγους συνεμφανίσεων με τη χρήση γλωσσολογικών μεθόδων. Οι επιλεγμένες ονοματικές φράσεις χρησιμοποιούνται για περαιτέρω ανάλυση των δεδομένων του σώματος κειμένων και για την εξαγωγή πολυλεκτικών όρων που αποτελούνται από τις επιλεγμένες ονοματικές φράσεις και, ενδεχομένως, πρόσθετες λέξεις συνεμφάνισης.
Στην παρούσα έρευνα, οι όροι που εξήχθησαν αναλύονται περαιτέρω με τη χρήση των αρχών της ανάλυσης συνταγματικών σχέσεων, με στόχο να αποκαλυφθούν πρότυπα τυπικής δομής της ορολογίας στις υπό εξέταση γλώσσες και να συμβάλουν σε αντιπαραθετικές πολυγλωσσικές μελέτες των προτύπων σχηματισμού όρων (βλ. Janulevičienė, Rackevičienė 2014· Mockienė 2016).
3. ΑΝΑΠΤΥΞΗ ΣΩΜΑΤΩΝ ΚΕΙΜΕΝΩΝ ΚΑΙ ΕΠΙΛΟΓΗ ΛΟΓΙΣΜΙΚΟΥ ΓΙΑ ΤΗΝ ΑΝΑΛΥΣΗ
Σύμφωνα με τους M. Teresa Cabré, M. Amor Montané και Rogelio Nazar, η σύνταξη ενός σώματος κειμένων εγγράφων από συγκεκριμένο πεδίο έχει τριπλό σκοπό. Πρώτον, οι ορολόγοι χρειάζεται να εξοικειωθούν με τη γλωσσική ποικιλία του πεδίου· δεύτερον, απαιτείται σώμα κειμένων για την εξαγωγή ορολογίας και τη διεξαγωγή στατιστικών αναλύσεων των όρων· και
Terminologija | 2018 | 25
91
Page 7
τέλος, τα κείμενα χρησιμοποιούνται για την απόκτηση συμπληρωματικών πληροφοριών σχετικά με τους όρους, όπως σημασιολογικές, συντακτικές ή συνεμφανισιακές ενδείξεις (Cabré, Montané, Nazar 2012: 3–4).
Το συγκροτημένο σώμα κειμένων πρέπει να έχει επαρκές μέγεθος και ποιότητα ώστε να θεωρείται αντιπροσωπευτικό του επιλεγμένου πεδίου. Δεν υπάρχουν ακριβείς απαιτήσεις για το μέγεθος ενός σώματος κειμένων· ωστόσο, θα πρέπει να περιλαμβάνει όσο το δυνατόν περισσότερα έγγραφα, επειδή όσο μεγαλύτερο είναι, τόσο πιο αξιόπιστα μπορούν να είναι τα συμπεράσματα σχετικά με τη χρήση της ορολογίας στο πεδίο (Cabré, Montané, Nazar 2012: 4).
Λαμβάνοντας υπόψη όλες αυτές τις πτυχές, συγκροτήθηκαν σώματα κειμένων των νομικών πράξεων της ΕΕ στην αγγλική, γαλλική και λιθουανική γλώσσα. Οι νομικές πράξεις λήφθηκαν από την Επίσημη Εφημερίδα της Ευρωπαϊκής Ένωσης, μια διαδικτυακή πηγή ελεύθερης πρόσβασης. Συλλέχθηκαν 101 νομικές πράξεις σχετικά με οικονομικά ζητήματα της ΕΕ, οι οποίες θεσπίστηκαν κατά την περίοδο 2014–2017. Τα έγγραφα μετατράπηκαν σε απλό κείμενο και ευθυγραμμίστηκαν για την εξαγωγή όρων και την ανάλυσή τους.
Για τη συγκρότηση των σωμάτων κειμένων, την ευθυγράμμιση των κειμένων και την εξαγωγή των απαραίτητων δεδομένων χρησιμοποιήθηκαν τρία προγράμματα: AntConc (2014), AntPConc (2017), τα οποία δημιουργήθηκαν και πιστοποιήθηκαν από τον Laurence Anthony, και NOVA Text Aligner (2014).
Το AntConc είναι ένα δωρεάν εργαλείο πολλαπλών πλατφορμών για τη διεξαγωγή γλωσσολογικής έρευνας με σώματα κειμένων και μάθησης βασισμένης σε δεδομένα, ενώ το AntPConc προορίζεται για τη δημιουργία παράλληλων σωμάτων κειμένων σε πολλές γλώσσες. Και τα δύο προγράμματα επιτρέπουν στον ερευνητή να διαχειρίζεται μεγάλο όγκο δεδομένων και να διεξάγει ολοκληρωμένη πολυγλωσσική γλωσσολογική ανάλυση.
Τα εργαλεία που παρέχει στους χρήστες το πρόγραμμα AntConc είναι τα εξής: Word list, Collocates, Clusters, Keywords, Concordance, Concordance plot, File view tool. Στην παρούσα έρευνα χρησιμοποιήθηκαν τέσσερα εργαλεία του AntConc:
• Το Wordlist επέτρεψε τον προσδιορισμό των συχνότερων λέξεων στα σώματα κειμένων·
• Το Collocates επέτρεψε τον προσδιορισμό των κυρίαρχων λέξεων συνεμφάνισης της λέξης ‘risk’ και τη μέτρηση του βαθμού συνταγματικής έλξης τους προς τη λέξη ‘risk’·
• Το Clusters επέτρεψε να αποκαλυφθούν οι κυρίαρχοι πολυλεκτικοί όροι που περιλαμβάνουν τη λέξη ‘risk’ ως κεφαλή της ονοματικής φράσης·
• Τα Concordances παρείχαν μεγάλη ποικιλία παραδειγμάτων που απεικονίζουν τη χρήση των όρων στα κείμενα.
Στο Σχήμα 1 παρουσιάζεται στιγμιότυπο του προγράμματος AntConc.
92
Oksana Smirnova | Sigita Rackevičienė
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 8
Σχήμα 1. Πρόγραμμα AntConc
Πριν από τη δημιουργία παράλληλου σώματος κειμένων, τα κείμενα που είχαν ληφθεί στις τρεις γλώσσες ευθυγραμμίστηκαν χειροκίνητα με τη βοήθεια του προγράμματος NOVA Text Aligner. Μετά την ευθυγράμμιση των κειμένων, δημιουργήθηκε παράλληλο σώμα κειμένων με τη χρήση του προγράμματος AntPConc (βλ. Σχήμα 2).
Σχήμα 2. Πρόγραμμα AntPConc
Terminologija | 2018 | 25
93
Page 9
Το πρόγραμμα AntPConc επέτρεψε την ταυτόχρονη προβολή των παραδειγμάτων από τις τρεις γλώσσες: μπορούσε κανείς να κάνει κλικ σε μια επιλεγμένη πρόταση για να δει τα ισοδύναμά της στις άλλες γλώσσες. Το πρόγραμμα επέτρεπε επίσης τη διάκριση των λέξεων-κλειδιών και των αριστερών ή δεξιών συνεμφανίσεών τους με τη χρήση διαφορετικών χρωμάτων. Ωστόσο, δεν ήταν δυνατό να προβληθεί το έγγραφο από το οποίο είχε εξαχθεί το παράδειγμα. Με τη χρήση του παράλληλου σώματος κειμένων εξήχθησαν τα γαλλικά και ελληνικά ισοδύναμα 70 αγγλικών όρων.
4. ΑΝΑΛΥΣΗ ΣΩΜΑΤΩΝ ΚΕΙΜΕΝΩΝ ΚΑΙ ΕΞΑΓΩΓΗ ΟΡΩΝ ΜΕ ΧΡΗΣΗ ΤΩΝ ΕΡΓΑΛΕΙΩΝ ΤΩΝ ΠΡΟΓΡΑΜΜΑΤΩΝ AntConc ΚΑΙ AntPConc
4.1. Καθορισμός των συχνότερων λέξεων στα σώματα κειμένων
Για τον προσδιορισμό των συχνότερων λέξεων στο σώμα κειμένων των χρηματοοικονομικών εγγράφων χρησιμοποιήθηκε το εργαλείο Κατάλογος λέξεων του προγράμματος AntConc. Παρείχε αποτελέσματα συχνότητας λέξεων στα αγγλικά, γαλλικά και ελληνικά σώματα κειμένων, τα οποία επέτρεψαν τη σύγκριση της συχνότητας των λέξεων στις υπό εξέταση γλώσσες και τη δημιουργία τρίγλωσσου καταλόγου των 10 συχνότερων λέξεων (βλ. Πίνακα 1). Το εργαλείο Κατάλογος λέξεων παρείχε επίσης πληροφορίες σχετικά με τον αριθμό των λεκτικών εμφανίσεων και των διαφορετικών λέξεων στα σώματα κειμένων και παρείχε πρόσβαση στα συμφραζόμενα στα οποία χρησιμοποιήθηκαν οι όροι (βλ. Πίνακα 1).
Πίνακας 1. Οι 10 συχνότερες λέξεις στα σώματα κειμένων
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 10
EN (σώμα κειμένων 802 933 λεκτικές εμφανίσεις, 9333 λεκτικοί τύποι) FR (σώμα κειμένων 940 655 λεκτικές εμφανίσεις, 12365 λεκτικοί τύποι) LT (σώμα κειμένων 639 279, 24727 λεκτικοί τύποι) 4. amount (1545) montant (1672) suma, sumos (684) 5. instruments (1448) instruments (1489) priemones (1542), priemonių (1393), priemones (649) 6. value (1356) valeur (1754) vertės, vertė (599) 7. securities (1275) titres (1229), titrisation (503) vertybinių popierių (1095), vertybinio popieriaus (691) 8. services (1275) services (1778) paslaugų, paslaugas (485) 9. capital (1093) capital (660) kapitalo (1143) 10. funds (1087) fonds (2773) lėšų (877)
Τα ευρήματα αυτής της ανάλυσης δείχνουν ότι οι συχνότερες λέξεις στα σώματα κειμένων και των τριών υπό εξέταση γλωσσών είναι οι ‘risk’ και ‘credit’, ενώ η λέξη ‘market’ καταλαμβάνει την τρίτη θέση στους καταλόγους συχνότητας. Και οι τρεις λέξεις, και ιδίως οι λέξεις ‘risk’ και ‘credit’, εμφανίζονται συχνά μαζί στα χρηματοοικονομικά έγγραφα. Αυτό θα μπορούσε να εξηγηθεί από τη στενή σημασιολογική σχέση μεταξύ των λέξεων: είναι αυτονόητο ότι κάθε χρηματική συναλλαγή συνεπάγεται κίνδυνο· με άλλα λόγια, η ‘credit’ δημιουργεί ‘risk’. Ο συνηθέστερος γραμματικός αριθμός των λέξεων είναι ο ενικός, αν και χρησιμοποιείται και ο πληθυντικός στις γλώσσες που εξετάστηκαν. Στα λιθουανικά, που είναι συνθετική γλώσσα με πλούσιο κλιτικό σύστημα, οι λέξεις χρησιμοποιούνται σε διαφορετικές γραμματικές πτώσεις, με κυρίαρχη τη γενική ενικού.
Τα ευρήματα της ανάλυσης επιτρέπουν να διατυπωθεί ότι οι λέξεις ‘risk’, ‘credit’ και ‘market’ πρέπει να θεωρηθούν λεξικές μονάδες που δηλώνουν τις θεμελιώδεις έννοιες του χρηματοοικονομικού πεδίου. Η λέξη ‘risk’, η οποία είναι η συχνότερη στα σώματα κειμένων, επιλέχθηκε για περαιτέρω εξαγωγή και ανάλυση όρων.
Δεδομένου ότι αντικείμενο της έρευνας είναι οι αγγλικοί πολυλεκτικοί όροι που περιλαμβάνουν την επιλεγμένη λέξη-κλειδί (τη λέξη ‘risk’) και τα ισοδύναμά τους στα γαλλικά και τα λιθουανικά, η επακόλουθη εργασία εξαγωγής όρων οργανώθηκε στα εξής στάδια: προσδιορισμός των κυρίαρχων αγγλικών συμπαραθέσεων της λέξης ‘risk’· εξαγωγή των ονοματικών φράσεων με τη λέξη ‘risk’ ως
Terminologija | 2018 | 25
95
Page 11
κεφαλή-ουσιαστικό, επιλογή των φράσεων που έχουν ορολογική αξία και προσδιορισμός των γαλλικών και λιθουανικών ισοδυνάμων τους.
4.2. Προσδιορισμός των συμπαρατιθέμενων λέξεων της λέξης ‘risk’ στο αγγλικό σώμα κειμένων
Στο δεύτερο στάδιο της εξαγωγής όρων, προσδιορίστηκαν οι κυρίαρχες συμπαραθέσεις της λέξης ‘risk’ στο αγγλικό σώμα κειμένων. Ο στόχος αυτός επιδιώχθηκε με τη βοήθεια του εργαλείου AntConc Collocates. Το εργαλείο αυτό παρείχε τις αριστερές και δεξιές συμπαρατιθέμενες λέξεις της επιλεγμένης λέξης-κλειδιού και επέτρεψε την ανάλυση των μη διαδοχικών μοτίβων στις γλώσσες.
Το εργαλείο παρείχε τις συνολικές συχνότητες των συμπαρατιθέμενων λέξεων, καθώς και τις συχνότητές τους αριστερά και δεξιά από τη λέξη ‘risk’. Παρείχε επίσης τις τιμές στατιστικών μετρικών (βαθμολογίες αμοιβαίας πληροφορίας (MI)), οι οποίες έδειξαν τον βαθμό συνταγματικής έλξης μεταξύ της λέξης-κλειδιού και των συμπαρατιθέμενων λέξεών της. Τα αποτελέσματα της ανάλυσης συμπαραθέσεων παρουσιάζονται στον Πίνακα 2, ο οποίος παρέχει εξαντλητικά δεδομένα για τις συμπαρατιθέμενες λέξεις με τις υψηλότερες βαθμολογίες MI (10 πρώτες).
Πίνακας 2. Οι 10 πρώτες συμπαρατιθέμενες λέξεις της λέξης ‘risk’ στο αγγλικό σώμα κειμένων
Τα ευρήματα αποκαλύπτουν το πλησιέστερο λεξικό περιβάλλον της λέξης ‘risk’ στην αγγλική γλώσσα και επιτρέπουν να διαφανεί ο κυρίαρχος διλεκτικός πυρήνας των πολυλεκτικών όρων που περιλαμβάνουν τη λέξη ‘risk’ στο υπό εξέταση σώμα κειμένων.
96
Oksana Smirnova
Sigita Rackevičienė
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 12
4.3. Εξαγωγή ονοματικών φράσεων που περιλαμβάνουν τη λέξη «risk» ως κεφαλή στο αγγλικό σώμα κειμένων
Η περαιτέρω ανάλυση του σώματος κειμένων και η εξαγωγή όρων επικεντρώθηκαν σε συνάψεις συγκεκριμένης τυπικής δομής – στις ονοματικές φράσεις που περιλαμβάνουν τη λέξη ‘risk’ ως κεφαλή. Εξήχθησαν από το αγγλικό σώμα κειμένων με τη χρήση των εργαλείων Clusters και Concordance.
Το εργαλείο Clusters επέτρεψε την αναζήτηση συστάδων (συνδυασμών λέξεων) που περιλαμβάνουν τη λέξη ‘risk’ μαζί με τις αριστερές και δεξιές συνάψεις της. Επέτρεψε την επιλογή του ελάχιστου και του μέγιστου μήκους (αριθμού λέξεων) των συστάδων, καθώς και της ελάχιστης συχνότητας των συστάδων που εμφανίζονταν. Οι ταξινομημένες συστάδες μπορούσαν να εμφανιστούν είτε με βάση τη συχνότητά τους είτε με βάση τον αριθμό των αρχείων στα οποία εμφανίζονταν στα σώματα κειμένων.
Για την εξαγωγή ονοματικών φράσεων που περιλαμβάνουν τη λέξη ‘risk’ ως κεφαλή ορίστηκαν οι ακόλουθες παράμετροι: μέγεθος συστάδας από 2 έως 5, ταξινόμηση κατά συχνότητα. Έπρεπε επίσης να επιλεγεί η θέση της λέξης-κλειδιού: πρώτα ταξινομήθηκαν οι συστάδες με τη λέξη-κλειδί στα δεξιά και, στη συνέχεια, εκείνες με τη λέξη-κλειδί στα αριστερά. Με την παράμετρο ‘search keyword on right’, το εργαλείο εμφάνισε 4814 εμφανίσεις συστάδων και 181 τύπους συστάδων· με την παράμετρο ‘search keyword on left’ εμφάνισε 4284 εμφανίσεις συστάδων και 137 τύπους συστάδων.
Από τους εμφανιζόμενους καταλόγους συστάδων εξήχθησαν χειροκίνητα οι ονοματικές φράσεις που περιλαμβάνουν τη λέξη ‘risk’ ως κεφαλή. Το ευρύτερο συγκείμενό τους αναλύθηκε με το εργαλείο Concordance, το οποίο επέτρεψε τον προσδιορισμό των ορίων των ονοματικών φράσεων, καθώς και των ονοματικών φράσεων που περιλαμβάνουν τόσο τις αριστερές όσο και τις δεξιές συνάψεις της λέξης ‘risk’. Ο Πίνακας 3 παρουσιάζει τις συχνότερες ονοματικές φράσεις.
Πίνακας 3. Οι 20 συχνότερες ονοματικές φράσεις που περιλαμβάνουν τη λέξη ‘risk’ ως κεφαλή
Τα αποτελέσματα δείχνουν ότι οι ονοματικές φράσεις που περιλαμβάνουν τη λέξη «κίνδυνος» στην πιο δεξιά θέση είναι πολύ συχνότερες από τις ονοματικές φράσεις που περιλαμβάνουν τη λέξη «κίνδυνος» στην πιο αριστερή θέση. Στο σώμα κειμένων εντοπίστηκαν μόνο ορισμένα παραδείγματα ονοματικών φράσεων που περιλαμβάνουν τόσο αριστερά όσο και δεξιά συμφραστικά στοιχεία της λέξης «κίνδυνος»: πιστωτικός κίνδυνος επαναγορασθεισών συναλλαγών, πιστωτικός κίνδυνος θέσης τιτλοποίησης, πιστωτικός κίνδυνος για τρίτους.
Για την περαιτέρω έρευνα καταρτίστηκε κατάλογος με τις 70 κορυφαίες αγγλικές ονοματικές φράσεις που περιλαμβάνουν τη λέξη «κίνδυνος» ως κύριο ουσιαστικό. Στον κατάλογο συμπεριλήφθηκαν μόνο οι ονοματικές φράσεις που είχαν ορολογική αξία (δήλωναν αφηρημένες έννοιες του χρηματοοικονομικού πεδίου). Στην περαιτέρω ανάλυση αποκαλούνται πολυλεκτικοί όροι.
4.4. Καθορισμός γαλλικών και λιθουανικών ισοδυνάμων των επιλεγμένων αγγλικών όρων
Στο τελικό στάδιο της εξαγωγής όρων καθορίστηκαν τα γαλλικά και λιθουανικά ισοδύναμα των επιλεγμένων αγγλικών όρων. Για τον σκοπό αυτό χρησιμοποιήθηκε το λογισμικό AntPConc, που αναπτύχθηκε για την ανάλυση παράλληλων σωμάτων κειμένων. Τα σώματα κειμένων των τριών υπό μελέτη γλωσσών φορτώθηκαν στο πρόγραμμα. Καθώς αναζητούνταν οι επιλεγμένοι αγγλικοί όροι στο αγγλικό σώμα κειμένων, το πρόγραμμα εμφάνιζε τις παράλληλες συμβολοσειρές των γαλλικών και λιθουανικών κειμένων, καθιστώντας έτσι δυνατή τη χειροκίνητη επιλογή των απαραίτητων ισοδυνάμων. Συνολικά, καθορίστηκαν 70 γαλλικά και 70 λιθουανικά ισοδύναμα των επιλεγμένων αγγλικών όρων. Ο Πίνακας 4 παρουσιάζει τους 10 κορυφαίους αγγλικούς όρους και τα γαλλικά και λιθουανικά ισοδύναμά τους.
Τα ευρήματα αυτής της ανάλυσης αποκάλυψαν τις τυπικές διαφορές μεταξύ των όρων στις υπό μελέτη γλώσσες, οι οποίες εξετάζονται και συζητούνται παρακάτω.
98 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 14
Πίνακας 4. Οι 10 κορυφαίοι αγγλικοί όροι και τα ισοδύναμά τους στα γαλλικά και τα λιθουανικά
EN FR LT πιστωτικός κίνδυνοςrisque de créditkredito rizika συστημικός κίνδυνος risque systémiquesisteminė rizikaλειτουργικός κίνδυνοςrisque opérationneloperacinė rizikaκίνδυνος ρευστότηταςrisque de liquiditélikvidumo rizikaειδικός κίνδυνοςrisque spécifiquespecifinė rizikaκίνδυνος αγοράςrisque de marchérinkos rizikaπιστωτικός κίνδυνος αντισυμβαλλομένουrisque de crédit de contrepartiesandorio šalies kredito rizikaκίνδυνος απομείωσηςrisque de dilutiongautinų sumų rizikaκίνδυνος επιτοκίουrisque de taux d’intérêtpalūkanų normos rizikaεπιχειρηματικός κίνδυνοςrisque économiqueverslo rizika
5. ΑΝΑΛΥΣΗ ΤΗΣ ΤΥΠΙΚΗΣ ΔΟΜΗΣ ΤΩΝ ΕΞΑΓΟΜΕΝΩΝ ΟΡΩΝ
Οι εξαγόμενοι όροι αναλύθηκαν περαιτέρω με βάση τις αρχές της συναρμοστικής ανάλυσης, με στόχο να αποκαλυφθούν μοντέλα τυπικής δομής της ορολογίας σε διαφορετικές γλώσσες.
Τα συστατικά των όρων ανήκουν σε δύο κύριες κατηγορίες: το ουσιαστικό κεφαλή ‘κίνδυνος’ και τους προσδιορισμούς του. Με βάση τη θέση των προσδιορισμών, διακρίθηκαν δύο πρότυπα τροποποίησης – η προονοματική τροποποίηση (όπου οι προσδιορισμοί τοποθετούνται πριν από το ουσιαστικό κεφαλή) και η μεταονοματική τροποποίηση (όπου οι προσδιορισμοί τοποθετούνται μετά το ουσιαστικό κεφαλή). Στον κατάλογο TOP 70 των όρων που επιλέχθηκαν για τη στατιστική ανάλυση δεν περιλήφθηκαν όροι με προονοματικούς και μεταονοματικούς προσδιορισμούς ταυτόχρονα.
Η ανάλυση επικεντρώθηκε στις ακόλουθες πτυχές του σχηματισμού των όρων: τον αριθμό των συστατικών τους, τα πρότυπα τροποποίησης και τις συντακτικές δομές τους (θέση και γραμματικές κατηγορίες των προσδιορισμών). Οι Πίνακες 5 και 6 παρουσιάζουν τα συνοπτικά ευρήματα της ανάλυσης.
Τα ευρήματα που παρουσιάζονται στους πίνακες δείχνουν ότι οι όροι έχουν διαφορετικά πρότυπα τροποποίησης στις υπό εξέταση γλώσσες. Η ποσοτική
Terminologija | 2018 | 25
99
Page 15
ανάλυση της τροποποίησης πραγματοποιήθηκε για να εντοπιστούν τα κυρίαρχα πρότυπα τροποποίησης στις υπό εξέταση γλώσσες· τα αποτελέσματά της παρουσιάζονται στο Διάγραμμα 1.
Πίνακας 5. Συντακτικές δομές των μοτίβων των όρων με προονοματική τροποποίηση
Τα αποτελέσματα δείχνουν ότι η προθετική τροποποίηση κυριαρχεί στην αγγλική και τη λιθουανική γλώσσα, ενώ η επιθετική τροποποίηση είναι χαρακτηριστική της γαλλικής γλώσσας. Στα γαλλικά δεν εντοπίστηκαν όροι με πρότυπο προθετικής τροποποίησης, ενώ στα λιθουανικά δεν εντοπίστηκαν όροι με πρότυπο μεταθετικής τροποποίησης. Μόνο οι αγγλικοί όροι ανήκαν και στους δύο τύπους, αν και ο αριθμός των όρων με μεταθετικούς προσδιορισμούς είναι αρκετά μικρός.
Όλοι οι όροι που εξετάστηκαν περιλαμβάνουν έναν ή περισσότερους προσδιορισμούς, οι οποίοι είναι ουσιαστικά, επίθετα ή εμπρόθετες φράσεις και καταλαμβάνουν διαφορετικές θέσεις στις ορολογικές μονάδες. Τα αποτελέσματα της ανάλυσης αποκαλύπτουν ότι οι κυρίαρχοι προσδιορισμοί στους αγγλικούς και λιθουανικούς όρους είναι ουσιαστικά και επίθετα, ενώ στους γαλλικούς όρους η λέξη ‘risk’ προσδιορίζεται κυρίως από εμπρόθετες φράσεις. Οι όροι που περιλαμβάνουν 3 ή περισσότερες λέξεις μπορούν να ταξινομηθούν περαιτέρω με βάση τα επίπεδα προσδιορισμού τους (όροι που περιλαμβάνουν προσδιορισμούς του ουσιαστικού-κεφαλής και όροι που περιλαμβάνουν προσδιορισμούς άλλων προσδιορισμών), αλλά, λόγω περιορισμένου χώρου, η ανάλυση αυτή δεν παρουσιάζεται στο παρόν άρθρο.
Τα συνοπτικά ευρήματα στους πίνακες αποκαλύπτουν επίσης ότι οι όροι διαφέρουν ως προς τον αριθμό των συστατικών τους. Πραγματοποιήθηκε ποσοτική ανάλυση του μήκους των όρων, ώστε να προσδιοριστεί ο κυρίαρχος αριθμός συστατικών των όρων στις γλώσσες που εξετάστηκαν· τα αποτελέσματά της παρουσιάζονται στο Διάγραμμα 2.
Το διάγραμμα αποκαλύπτει δύο κύριες τάσεις. Πρώτον, οι συντάκτες όρων της ΕΕ τηρούν τη βασική απαίτηση της γλωσσικής οικονομίας (συντομία των όρων): οι δίλεκτοι όροι υπερισχύουν και στις τρεις γλώσσες. Δεύτερον, μόνο λίγοι αγγλικοί και γαλλικοί όροι έχουν περισσότερες από 2–3 λέξεις, ενώ στους
Διάγραμμα 2. Αριθμός συστατικών των όρων
102
Oksana Smirnova | Sigita Rackevičienė
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 18
Οι λιθουανικοί όροι που περιλαμβάνουν 4 ή περισσότερες λέξεις αποτελούν σημαντικό μέρος των επιλεγμένων δεδομένων (17 από τους 70).
Η τάση υπεροχής των δίλεκτων όρων συνάδει με τις τάσεις που έχουν διαπιστώσει άλλοι ερευνητές της ορολογίας. Η έρευνα της Agnė Bielinskienė κ.ά. για την αυτόματη εξαγωγή και τον ορισμό όρων της εκπαίδευσης και της επιστήμης έδειξε ότι οι περισσότεροι λιθουανικοί όροι αυτού του πεδίου είναι δίλεκτοι: αποτελούσαν περισσότερο από τα δύο τρίτα των όρων που επιλέχθηκαν από τους υποψήφιους όρους οι οποίοι εξήχθησαν αυτόματα από εξειδικευμένο σώμα κειμένων (Bielinskienė et al. 2015: 62). Η αντιπαραβολική έρευνα της Liudmila Mockienė για την ορολογία του συνταγματικού δικαίου διαπίστωσε την ίδια τάση σε τρεις διαφορετικές γλώσσες. Στα αγγλικά, ρωσικά και λιθουανικά νομικά κείμενα συνταγματικού χαρακτήρα που εξετάστηκαν, η πλειονότητα των πολυλεκτικών όρων που εξήχθησαν αποτελούνταν από δύο συστατικά: αντιπροσώπευαν το 78.5% των αγγλικών πολυλεκτικών όρων, το 62% των ρωσικών πολυλεκτικών όρων και το 74.5% των λιθουανικών πολυλεκτικών όρων (Mockienė 2016: 43–45). Συνεπώς, οι συντάκτες όρων σε διαφορετικά πεδία και γλώσσες τείνουν να τηρούν την ίδια αρχή της γλωσσικής οικονομίας και της φιλικότητας προς τον χρήστη.
6. Σ Υ Μ Π Ε Ρ Α Σ Μ Α Τ Α
Το λογισμικό AntCont, που χρησιμοποιήθηκε για την ανάλυση μονόγλωσσων σωμάτων κειμένων, και το AntPConc, που χρησιμοποιήθηκε για την ανάλυση παράλληλων σωμάτων κειμένων, επέτρεψαν την εξαγωγή αγγλικών, γαλλικών και λιθουανικών πολυλεκτικών όρων που περιλαμβάνουν τη λέξη ‘risk’ ως ουσιαστικό-κεφαλή, από τα εξειδικευμένα σώματα κειμένων εγγράφων της ΕΕ στον χρηματοοικονομικό τομέα, τα οποία καταρτίστηκαν για τους σκοπούς της έρευνας. Η εξαγωγή πραγματοποιήθηκε στα ακόλουθα στάδια:
• εξαγωγή των λέξεων-κλειδιών από τα αγγλικά, γαλλικά και λιθουανικά σώματα κειμένων (λέξεις δυνητικής ορολογικής συνάφειας, χαρακτηριστικές του πεδίου που αντιπροσωπεύουν τα σώματα κειμένων) και επιλογή της συχνότερης λέξης-κλειδιού (της λέξης ‘risk’) για περαιτέρω ανάλυση;
• εξαγωγή συμπλοκών της λέξης ‘risk’ και ονοματικών φράσεων που περιλαμβάνουν τη λέξη ‘risk’ ως ουσιαστικό-κεφαλή, με αριστερούς ή/και δεξιούς συμπλοκούς όρους, από το αγγλικό σώμα κειμένων;
• επιλογή των λεξικών μονάδων που έχουν ορολογική αξία από τον κατάλογο των ονοματικών φράσεων που εξήχθησαν;
• προσδιορισμός των γαλλικών και λιθουανικών ισοδύναμων των επιλεγμένων αγγλικών όρων στο παράλληλο αγγλο-γαλλο-λιθουανικό σώμα κειμένων.
Terminologija | 2018 | 25
1 0 3
Page 19
Η εφαρμοζόμενη μεθοδολογία αποδείχθηκε κατάλληλη για την αποτελεσματική εξαγωγή ορολογίας από πολύγλωσσα σώματα κειμένων, η οποία μπορεί να χρησιμοποιηθεί για την ανάπτυξη/επικαιροποίηση βάσεων όρων ή για την επιστημονική ανάλυση όρων.
Η ανάλυση της επίσημης δομής των όρων που εξήχθησαν αποκάλυψε ορισμένες βασικές τάσεις σχηματισμού όρων στις υπό εξέταση γλώσσες:
• η προθετική τροποποίηση κυριαρχεί στην αγγλική και τη λιθουανική γλώσσα, ενώ η μεταθετική τροποποίηση χαρακτηρίζει τη γαλλική γλώσσα·
• οι κυρίαρχοι προσδιορισμοί των αγγλικών και λιθουανικών όρων είναι ουσιαστικά και επίθετα, ενώ στους γαλλικούς όρους η λέξη «risk» τροποποιείται κυρίως από εμπρόθετες φράσεις·
• ο επικρατέστερος τύπος όρου ως προς τον αριθμό των συστατικών είναι οι δίλεκτοι όροι – αποτελούν την πολυπληθέστερη κατηγορία όρων στους καταλόγους TOP 70 στα αγγλικά, τα γαλλικά και τα λιθουανικά· αυτό δείχνει ότι οι δημιουργοί ορολογίας της ΕΕ τηρούν τη βασική αρχή της γλωσσικής οικονομίας (τη συντομία των όρων)·
• μόνο λίγοι αγγλικοί και γαλλικοί όροι έχουν περισσότερες από 2–3 λέξεις, ενώ στον λιθουανικό κατάλογο TOP 70 οι όροι που περιλαμβάνουν 4 ή περισσότερες λέξεις αποτελούν σημαντικό μέρος των επιλεγμένων δεδομένων (17 από τους 70).
Τα ευρήματα της ανάλυσης της επίσημης δομής αποκαλύπτουν τάσεις σχηματισμού όρων στις υπό εξέταση γλώσσες και παρέχουν ορολογικές πληροφορίες που ενδέχεται να είναι χρήσιμες για τους δημιουργούς όρων και τους μεταφραστές. Τα συντακτικά πρότυπα που καθορίστηκαν κατά την έρευνα μπορούν να χρησιμοποιηθούν για την ανάπτυξη αυτόματων γλωσσικών μεθόδων εξαγωγής όρων χωρίς προκαθορισμένες λέξεις-κλειδιά.
REFERENCES
Aston G., Burnard L. 1998: The BNC Handbook. Exploring the British National Corpus with SARA, Edinburgh: Edinburgh University Press.
Atkins S., Rundell M., Sato H. 2003: The contribution of FrameNet to practical lexicography. – International Journal of Lexicography 16(3), 333–357.
Bielinskienė A., Boizou L, Grigonytė G., Kovalevskaitė J., Rimkutė E., Utka A. 2015: Lietuvių kalbos terminų automatinis atpažinimas ir apibrėžimas. Monografija, Kaunas: Vytauto Didžiojo universitetas.
Butler C. S. 2004: Corpus studies and functional linguistic theories. – Functions of Language 11(2), 147–186.
Cabré M. T., Montané M. A., Nazar R. 2012: Corpus-based Terminology Processing. TKE 2012 Tutorial. Available at http://terminus.iula.upf.edu/tke2012/.
Hoey M. 2005: Lexical Priming: A New Theory of Words and Language, London: Routledge.
Janulevičienė V., Rackevičienė S. 2014: Formation of criminal law terms in English, Lithuanian and Norwegian. – LSP journal – Language for special purposes, professional communication, knowledge management and cognition 15(1), 4–20.
104
Oksana Smirnova | Sigita Rackevičienė
Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
Page 20
Lehecka T. 2015: Collocation and colligation. – Handbook of Pragmatics Online. J.-O. Östman, & J. Verschuren (Eds.), Amsterdam: John Benjamins Publishing Company, 1–23.
Khurshid A., Rogers M. 1992: Terminology management: a corpus-based approach. – Translating and the Computer 14, 33–44.
Marcinkevičienė R. 2000: Terminografija ir tekstynas. – Terminologija 6, 5–23.
Mockienė L. 2016: Formation of terminology of constitutional law in English, Lithuanian and Russian. Doctoral Thesis, Vilnius: Mykolas Romeris University.
Nakagawa H. 2001: Experimental evaluation of ranking and selection methods in term extraction. – Recent Advances in Computational Terminology. D. Bourigault, Ch. Jacquemin and M.-C. L’Homme (Eds.), Amsterdam/Philadelphia: John Benjamins Publishing Company, 303–325.
Newman J., Rice S. 2006: Transitivity schemas of English EAT and DRINK in the BNC. – Corpora in Cognitive Linguistics: Corpus-Based Approaches to Syntax and Lexis. S.T. Gries and A. Stefanowitsch (Eds.), Berlin/New York: Mouton de Gruyter, 225–260.
Pearson J. 1998: Terms in Context, Amsterdam/Philadelphia: John Benjamins Publishing Company.
Sinclair J. 1998: The lexical item. – Contrastive Lexical Semantics. E. Weigand (Ed.), Amsterdam: John Benjamins Publishing Company, 1–24.
Zeller I. 2005: Automatinis terminų atpažinimas ir apdorojimas. Daktaro disertacija, Kaunas: Vytauto Didžiojo universitetas, Vilnius: Lietuvių kalbos institutas.
SOURCES
Official Journal of European Union: https://eur-lex.europa.eu/oj/direct-access.html
COMPUTER SOFTWARE USED FOR THE ANALYSIS
Anthony L. 2014: AntConc (Version 3.4.4w) [Computer Software]. Tokyo, Japan: Waseda University. Available at http://www.antlab.sci.waseda.ac.jp
Anthony L. 2017: AntPConc (Version 1.2.0) [Computer Software]. Tokyo, Japan: Waseda University. Available at http://www.antlab.sci.waseda.ac.jp
Supernova-soft. NOVA Text Aligner. Available at https://nova-text-aligner.soft112.com/.
ANGLŲ, PRANCŪZŲ IR LIETUVIŲ KALBŲ DAUGIAŽODŽIŲ TERMINŲ SU ŽODŽIU RIZIKA ANALIZĖ TEKSTYNŲ LINGVISTIKOS METODAIS
Straipsnyje pristatomi deskriptyviosios terminologijos tyrimo principai bei empirinis daugiažodžių terminų su žodžiu rizika tyrimas, kurio tikslas – taikant tekstynų lingvistikos metodus, surinkti terminus iš ES finansų srities dokumentų tekstynų ir atlikti jų formaliosios sandaros analizę.
Tyrimo tikslams buvo sukaupti keturi tekstynai: finansų srities dokumentų anglų kalba (802 933 žodžiai), prancūzų kalba (940 655 žodžiai) ir lietuvių kalba (639 279 žodžiai) bei lygiagretusis anglų–prancūzų–lietuvių kalbų tekstynas. Iš tekstynų surinkta 210 terminų, kuriuose žodis rizika eina pagrindiniu dėmeniu: 70 angliškų terminų ir po tiek pat jų atitikmenų prancūzų ir lietuvių kalbomis. Žodžio rizika pasirinkimą lėmė tai, kad šis žodis buvo dažniausias visų trijų kalbų tekstynuose.
Terminų atpažinimui ir surinkimui buvo naudojamos dvi kompiuterinės programos – AntConc ir AntPConc. Dirbta tokiais etapais:
• dažniausių žodžių, galinčių būti terminų branduoliu, angliškame, prancūziškame ir lietuviškame tekstynuose nustatymas ir vieno iš jų (žodžio rizika) atrinkimas tolesnei analizei;
Terminologija | 2018 | 25
105
Page 21
• žodžio rizika kolokacijų ir daiktavardinių junginių su pagrindiniu dėmeniu rizika ir jo kairiaisiais bei dešiniaisiais kolokatais nustatymas angliškame tekstyne;
• atrinktų angliškų terminų prancūziškų ir lietuviškų atitikmenų nustatymas.
Pritaikyta metodologija leido rezultatyviai surinkti daugiažodžius terminus iš daugiakalbių tekstynų. Tai duoda pagrindą teigti, kad ji gali būti taikoma terminų kaupimui bei tyrimams.
Surinktų terminų formaliosios sandaros analizė atskleidė keletą svarbių terminų darybos tendencijų tiriamose kalbose:
• vyraujantis terminų tipas pagal dėmenų skaičių visose trijose tiriamose kalbose yra dvižodžiai terminai; tai rodo, kad ES terminų kūrėjai laikosi kalbos ekonomijos principo ir stengiasi kurti kuo trumpesnius daugiažodžius terminus;
• tik keletas angliškų ir prancūziškų terminų turi daugiau kaip 2–3 dėmenis; tuo tarpu lietuviški terminai, susidedantys iš 4 ir daugiau dėmenų, sudaro beveik ketvirtadalį surinktų terminų;
• anglų ir lietuvių kalbų terminų darybos modeliuose vyrauja prepozicinė ir postpozicinė modifikacija, o prancūzų kalbos – postpozicinė modifikacija;
• daugumos anglų ir lietuvių kalbų terminų priklausomieji dėmenys yra daiktavardžiai ir būdvardžiai, o prancūzų kalboje – prielinksninės konstrukcijos.
Formaliosios sandaros analizės rezultatai suteikia informacijos, kuri gali būti naudinga terminų kūrėjams ir vertėjams. Tyrimo metu nustatyti sintaksinių struktūrų modeliai gali būti taikomi, kuriant kompiuterinius lingvistinius metodus automatiniam terminų atpažinimui be iš anksto pasirinktų raktažodžių.
Gauta 2018-05-21
Oksana Smirnova Mykolo Romerio universitetas Ateities g. 20, LT-08303 Vilnius E. paštas [email protected]
Sigita Rackevičienė Mykolo Romerio universitetas Ateities g. 20, LT-08303 Vilnius E. paštas [email protected]
106 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian
