Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’

Víceslovné vzorce v korpusu informačních a komunikačních technologií. Terminologické svazky v žánru — „Učebnice ICT“ MAREK WEBER Bialystok University of Technology KLÍČOVÁ SLOVA: korpusová lingvistika, informační a komunikační technologie, lexikální svazky, funkční klasifikace lexikálních svazků, terminologické svazky, lexikální analýza DATA PRO STUDII, KORPUS INFORMAČNÍCH A KOMUNIKAČNÍCH TECHNOLOGIÍ Data pro studii tvoří elektronický korpus z široké oblasti informačních a komunikačních technologií (ICT), což je zastřešující pojem zahrnující všechny technologie vyvinuté za účelem zpracování a přenosu dat. Texty byly vybrány tak, aby reprezentovaly průřez oborem ICT. Byly rozděleny do sedmi kategorií, které lze považovat za žánry v rámci oblasti ICT: Žánr 1: odborné články v oblasti ICT; Žánr 2: akademické články v oblasti ICT; Žánr 3: technická dokumentace softwarových aplikací v oblasti ICT; Žánr 4: technická dokumentace hardwaru ICT; Žánr 5: učebnice ICT; Žánr 6: technická dokumentace programovacích jazyků a programovacích prostředí; Žánr 7: technická dokumentace síťových technologií. Korpus obsahuje soubor 973 textů o celkovém rozsahu téměř 24 milionů slov. Výběr dat pro korpus je pro výzkumníka jednou z nejdůležitějších otázek, protože korpus by měl být reprezentativní pro analyzovanou oblast užívání jazyka. Jak uvádí Douglas Biber, množství textů je zásadní pro výzkum, v němž se badatel zaměřuje na text jako primární jednotku analýzy. V každém žánru by měl být zahrnut dostatečný počet textů, aby bylo možné zohlednit rozdíly mezi kategoriemi a autory (Biber, 2006). Terminologija | 2012 | 19 39 Tabulka 1. Složení korpusu informačních a komunikačních technologií ŽánrPočet textůPočet tokenů (běžných slov)Odborné články391225551Akademické články951272001Technická dokumentace softwarových aplikací v ICT922472839Technická dokumentace hardwaru ICT1002471772Učebnice9915315237Technická dokumentace programovacích jazyků a programovacích prostředí901282175Technická dokumentace síťových technologií106725418CELKEM97323764993 LEXIKÁLNÍ BUNDLE: TERMÍN Opakující se sekvence slov, která se vyskytují společně častěji, než by se dalo očekávat náhodou, jsou důležitou součástí jazykového výstupu. Termín lexical bundle poprvé použili Douglas Biber, Stig Johansson, Geoffrey Leech, Susan Conrad a Edward Finegan v dnes již klasické práci Longman grammar of spoken and written English pro označení víceslovných spojení vymezených výhradně na základě frekvence (Biber et al. 1999), zatímco Mike Scott jim v příručce k softwarové aplikaci WordSmith Tools, verze 4 (1996), a WordSmith Tools, verze 5 (2010), říká word clusters. Jediným hlediskem při identifikaci lexikálních bundlů je jejich frekvence. „Clustery jsou slova, která se opakovaně vyskytují společně, jedno vedle druhého, v sekvenci“ (Scott 2010: 337). Scott upozorňuje, že slovní clustery mohou zahrnovat sémantickou prozodii, tj. tendenci určitých lexémů vyskytovat se společně s některými jinými lexémy (např. tendenci slova cause spojovat se s negativními důsledky, jako jsou accident, trouble atd.) (Scott 2010: 337). Biber, Johansson, Leech, Conrad a Finegan definují lexical bundles jako opakující se výrazy bez ohledu na jejich strukturální vlastnosti, tj. jde o sekvence slovních tvarů, které se v diskurzu často vyskytují společně, a poukazují na to, že kratší bundly bývají často součástí více než jednoho delšího lexikálního bundlu (Biber et al. 1999). Rovněž konstatují, že lexikální bundly ve většině případů netvoří strukturální jednotky a většina z nich 40 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ nejsou výrazy, které by uživatelé jazyka rozpoznávali jako idiomy či jiné ustálené lexikální výrazy. Biber, Johansson, Leech, Conrad a Finegan stanovují následující hranice frekvence, aby víceslovné sekvence mohly být považovány za lexikální bundly: musí se vyskytovat alespoň desetkrát na milion slov a nejméně v pěti textech (Biber et al. 1999). Biber poznamenává, že překvapivým výsledkem přístupu založeného na frekvenci jsou dvě nečekané vlastnosti lexikálních bundlů (Biber 2006: 134). Zaprvé většina z nich nemá idiomatický význam; jejich významy jsou však obvykle průhledné na základě jednotlivých slovních tvarů. Ken Hyland rovněž poukazuje na to, že většina bundlů je sémanticky průhledná a „formálně pravidelná a poskytuje stavební prvky koherentního diskurzu“ (Hyland 2008: 6). Zadruhé většina bundlů nepředstavuje úplné gramatické struktury. Biber, Johansson, Leech, Conrad a Finegan zjistili, že přibližně 15% lexikálních bundlů v konverzaci tvořilo úplné strukturální jednotky, zatímco za úplné fráze či věty bylo možné považovat pouze přibližně 5% lexikálních bundlů v akademickém diskurzu (Biber et al. 1999: 1000). Cenným Biberovým zjištěním o syntaktické povaze lexikálních bundlů je, že jde o lexikální jednotky, které často překračují hranice gramatických struktur; například mohou spojovat dvě fráze nebo věty tak, že poslední slova jednoho bundlu tvoří počáteční část druhé syntaktické struktury (Biber 2006: 135). Hyland rovněž zdůrazňuje, že lexikální bundly identifikované výhradně na základě frekvence obvykle překračují hranice strukturálních jednotek (Hyland 2008: 6). Analýze opakujících se řetězců nepřerušených slovních tvarů se věnuje řada korpusových studií. Ukazují, jak jsou tyto řetězce důležité v různých typech diskurzu, a zároveň dokládají značné rozdíly v lexikálních bundlech napříč žánry a registry (např. Biber 2006; Biber, Conrad, Cortes 2004; Hyland 2008; Scott, Tribble 2006; Gozdz-Roszkowski 2011). M E T O D O L O G I E P O U Ž I T Á V E S T U D I I Bylo rozhodnuto soustředit se na analýzu čtyřslovných svazků, protože na jedné straně jsou frekvence čtyřslovných svazků podstatně vyšší než frekvence pětislovných sekvencí a na druhé straně často obsahují tříslovná spojení a umožňují identifikovat zřetelnější vzorce a struktury než tříslovné výrazy. Seznamy čtyřslovných svazků v každém ze Terminologija | 2012 | 19 41 sedmi žánrů ICT byly vytvořeny pomocí programu WordSmith Tools v. 5.0 – softwarového balíku pro vyhledávání vzorců v korpusech. V této studii byly stanoveny následující dvě hraniční hodnoty: minimální frekvence výskytu 20krát na milion slov a další kritérium, podle něhož se svazek musel vyskytovat alespoň v pěti textech. Použití hraničních kritérií vyžadovalo odpovídající výpočty v každém ze sedmi souborů obsahujících seznam svazků v daném žánru. Výpočty jsou popsány v následujících krocích: 1. Vytvoření dalšího sloupce s názvem „Frekvence na milion“ v tabulce získané ze softwaru WordSmith Tools. 2. Vložení hodnoty počtu slov do volné buňky tabulky Excel v dané kategorii. 3. Vyplnění první buňky sloupce „Frekvence na milion“ následujícím vzorcem: Frekvence na milion slov = Frekvence x 1 000 000 / Počet slov 4. Zkopírování vzorce do ostatních buněk kliknutím na pravý dolní roh vyplněné buňky a přetažením dolů do dalších buněk. 5. Označení sloupce „Počet textů“. 6. Výběr nabídky „Data“ a položky „Seřadit a filtrovat“ v nástroji pro řazení. 7. Výběr sestupného pořadí řazení. 8. Odstranění všech řádků tabulky, u nichž je hodnota pole „Počet textů“ nižší než 5. 9. Označení sloupce „Frekvence na milion“. 10. Výběr nabídky „Data“ a položky „Seřadit a filtrovat“ v nástroji pro řazení. 11. Výběr sestupného pořadí řazení. 12. Odstranění všech řádků tabulky, u nichž jsou hodnoty v poli „Frekvence na milion“ nižší než 20. 1886 různých lexikálních svazků bylo v korpusu nalezeno po uplatnění výše uvedených hraničních kritérií. Celkový počet svazků identifikovaných v celém souboru dat činil 197 553. 42 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ Tabulka 2. Rozložení lexikálních svazků v žánrech ICT Žánr Celkový počet svazků po uplatnění hraničních kritérií Počet různých svazků po uplatnění hraničních kritérií % průběžného textu tvořeného svazky Odborné články 1057 131 1,8 Akademické články 5548 120 1,7 Softwarové aplikace 44669 403 7,2 Hardware 55296 672 8,9 Učebnice 72483 119 1,9 Programovací jazyky a programovací prostředí 10984 180 3,4 Síťové technologie 7516 261 4,1 Celkem 197553 1886 Procento slov v textu, která jsou součástí víceslovných svazků, se získalo vynásobením celkového počtu výskytů pro daný žánr číslem 4 (analyzují se čtyřslovné svazky), vydělením počtem slov v textu daného žánru a následným vynásobením 100%, podle vzorce: Podle našeho názoru lze dva parametry, rozsah různých víceslovných svazků a procento slov v textu, která jsou jejich součástí, považovat za ukazatele míry, do jaké je daný žánr ve srovnání s ostatními žánry šablonovitý a repetitivní. Jinými slovy, míru šablonovitosti a repetitivnosti žánru lze měřit rozsahem různých svazků použitých v daném žánru a procentem slov v textu, která jsou jejich součástí. Žánry ICT lze podle kritéria šablonovitosti a repetitivnosti rozdělit do tří skupin. Žánr 3 – „technická dokumentace softwarových aplikací v ICT“ a žánr 4 – „technická dokumentace hardwaru ICT“ se vyznačují vysokou mírou šablonovitosti a repetitivnosti, neboť vykazují srovnatelné vzorce: využívají největší rozsah různých víceslovných svazků (403, respektive 672) a nejvyšší procento slov v textu, která jsou jejich součástí (7,2%, respektive 8,9%). Terminologija | 2012 | 19 43 Obrázek 1: Žánry s vysokou mírou formulaicity a repetitivnosti Naproti tomu žánry 1 – „odborné články v ICT“, 2 – „akademické články v ICT“ a 5 – „učebnice v ICT“ se vyznačují relativně nízkou mírou formulaicity a repetitivnosti, protože používají nejmenší rozsah různých víceslovných svazků (131, 120 a 119) a nejnižší procento běžících slov ve svazcích (1,8%, 1,7% a 1,9%). Zbývající dva žánry: žánr 6 – „technická dokumentace programovacích jazyků a programovacích prostředí“ a žánr 7 – „technická dokumentace síťových technologií“ tvoří třetí skupinu, jejíž hodnoty obou parametrů se nacházejí uprostřed rozmezí (počty různých svazků: 180 a 261; procento běžících slov ve svazcích: 3,4% a 4,1%). Je však třeba mít na paměti, že, jak správně upozorňuje Stanislaw Gozdz-Roszkowski, přímá srovnání lze bezpečně provádět pouze mezi žánry s podobným počtem slov. Aby se tato skutečnost zohlednila, parametr procento běžících slov ve svazcích se pro každý žánr vypočítává tak, aby odrážel počet slov v jednotlivých subkorpusech zastupujících příslušné žánry (Gozdz-Roszkowski 2011: 111). FUNKČNÍ KLASIFIKACE SVAZKŮ Rámec pro funkční analýzu svazků získaných z tohoto korpusu byl vytvořen na základě taxonomií Biberové (Biber 2006; Biber et al. 2004), Hylandové (2008) a Gozdz-Roszkowského (2011). Biber’s (2006) classification resulted from the scrutiny of a broad corpus of spoken and written registers which covered among others such types of discourse as: casual conversations, class sessions tapes, classroom teaching, office hours, study groups, on-campus service encounters, textbooks, course packs, institutional texts (e.g. university catalogs, brochures). 44 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ The corpus in Hyland’s (2008) study (size 3,5 million words) comprises research articles, PhD dissertations and MA/MSc theses from four disciplines: electrical engineering and microbiology from the applied and pure sciences, and business studies and applied linguistics from the social sciences. Gozdz-Roszkowski (2011) analyzed a corpus of American Law containing over 5,5 million words and representing seven genres within American legal culture and education: academic articles, briefs, contracts, legislation, opinions, professional articles and textbooks. Na základě výše uvedených taxonomií byly lexikální svazky v ICT podle jejich významu v textech funkčně rozděleny do tří širokých kategorií: zaměřené na výzkum, zaměřené na text a zaměřené na účastníka. Svazky zařazené do první kategorie pomáhají autorům uspořádat jejich činnosti a zkušenosti v oblasti ICT. Svazky zaměřené na text slouží k vyjádření organizace textu a jeho významu. A konečně svazky zaměřené na účastníka se používají k vyjádření různých postojů či hodnocení a zaměřují se na autora nebo čtenáře textu. Obrázek 2: Funkční taxonomie lexikálních svazků Každá ze tří hlavních funkčních kategorií lexikálních svazků byla dále rozdělena do několika podkategorií. Svazky zaměřené na výzkum zahrnují následující podkategorie: Svazky vyjadřující množství (např. jeden z největších; velký počet; jeden z následujících; počet prvků); Svazky časového určení (např. v době; na konci roku; v příštích několika týdnech; v nadcházejících týdnech); Svazky místního či směrového určení (např. ve Spojených státech; hlavního okna; dolní části okna; ve stavovém řádku); Terminologija | 2012 | 19 45 Procedurální svazky – používané k popisu různých funkcí souvisejících s ICT (např. the use of the; the use of a); Svazky označující téma – vztahují se k oblasti výzkumu (např. proceedings of the IEEE; programming languages and systems; the drop down menu; the following configuration options); Multifunkční referenční svazky – svazky, které lze použít jako časový, místní nebo textový odkaz (např. the end of the; the start of the; the left of the; at the beginning of); Popisné svazky – specifikují charakteristiky následujícího podstatného jména (např. the complexity of the; the surface of the; the scope of the; the height of the). Textově orientované svazky zahrnují následující podkategorie: Rozvíjející svazky – dále rozvádějí analyzované téma a upřesňují je (např. at the same time, as well as the, this means that the, in this case the); Přechodové svazky – vytvářejí aditivní nebo kontrastní vazby mezi částmi textů (např. on the other hand, as opposed to the, in addition to the, in contrast to the); Svazky vymezující rámec – „zasazují argumenty do kontextu tím, že stanovují omezující podmínky“ (Hyland 2008: 14) při formulování tvrzení či argumentů (např. in terms of the, in the context of, in the presence of, the contents of the); Podmínkové svazky – vyjadřují podmínky (např. if you want to, if you do not, if you have a, if you have an); Výsledkové svazky – vyjadřují logické vazby mezi prvky z hlediska vztahů příčiny a následku (např. so that you can, as a result of, as a result the, as a function of); Strukturální ukazovací svazky – slouží k odkazování na jiné části textu (např. as shown in figure, as discussed in section, is shown in ex ample, later in this chapter). Na účastníka orientované svazky zahrnují následující podkategorie: Angažující svazky – obracejí se přímo na čtenáře; „aktivně oslovují čtenáře jako účastníky rozvíjejícího se diskurzu“ (Hyland 2008: 18) (např. do one of the, select the type of, is recommended that you, select one of the); Postojové svazky – vyjadřují emoce, postoje, hodnotové soudy a hodnocení; „vytvářejí rámec pro interpretaci následujícího tvrzení“ (Biber, 2006: 139) (např. it is necessary to, is no guarantee that, it is important to, it is not possible, it is possible to); 46 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ Modální svazky – vyjadřují, že je něco pravděpodobné, přípustné nebo nezbytné (např. musí být splněno, lze použít k, jak je vidět, ve kterém můžete, nemusí být zobrazeno, může být reprodukováno nebo, musí přijmout jakékoli rušení, rušení, které může způsobit, které může způsobit nežádoucí); Predikční svazky – vyjadřují autorovu předpověď nějaké budoucí činnosti (např. očekává se, že bude, budete vyzváni, bude zobrazeno v, otevře se tím, budete požádáni, abyste). Tabulka 3 uvádí počty svazků náležejících ke třem hlavním funkčním kategoriím v jednotlivých žánrech. Tabulka 3: Rozložení lexikálních svazků napříč funkčními kategoriemi Výzkumně orientované | Textově orientované | Na účastníky orientované | Ostatní | Odborné články | 45 | 23 | 13 | 45 | Akademické články | 48 | 35 | 9 | 28 | Softwarové aplikace | 123 | 55 | 122 | 83 | Hardware | 207 | 51 | 138 | 187 | Učebnice | 32 | 35 | 18 | 20 | Programovací jazyky a programovací prostředí | 39 | 39 | 26 | 62 | Síťové technologie | 91 | 24 | 11 | 91 Obrázek 3: Klasifikace výzkumně orientovaných svazků Terminologija | 2012 | 19 47 Tabulka 4: Rozložení výzkumně orientovaných svazků napříč podkategoriemi VÝZKUMNĚ ORIENTOVANÉ Počet žánrů Množství Časové určení Určení místa/směru Postup Ukazatel tématu Multifunkční určení Popis 1 4 7 4 0 27 3 0 2 7 0 3 1 34 0 3 3 4 1 63 0 40 8 7 4 3 11 33 2 154 0 4 5 4 0 4 1 16 3 4 6 6 0 2 1 15 3 12 7 6 0 5 2 73 2 3 TERMINOLOGICKÉ SLOVNÍ SPOJENÍ Terminologická slovní spojení byla identifikována jako podkategorie slovních spojení označujících téma a definována jako víceslovné kombinace obsahující termíny. Obrázek 4: Rozložení terminologických slovních spojení v 7 žánrech ICT Jak ukazuje tabulka 5, žánr 7 – „technická dokumentace síťových technologií“ – obsahuje nejvyšší procentní podíl (18%) i největší počet terminologických slovních spojení – 47. Takto vysoká terminologická hustota může souviset s vysoce specializovanou, doménově specifickou povahou textů v žánru 7. Předávání vysoce specializovaných znalostí vyžaduje opakované používání ustálených a specializovaných víceslovných kombinací. 48 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ Tabulka 5: Počty a podíly terminologických víceslovných spojení v žánrech ICT Číslo žánru Počet víceslovných spojení v žánru Počet terminologických víceslovných spojení v žánru Podíl terminologických víceslovných spojení v žánru Podíl terminologických víceslovných spojení v kategorii ZAMĚŘENÉ NA VÝZKUM 1 131 1 0.7 2.2 2 120 8 6.6 16.6 3 403 13 3.2 10.5 4 672 37 5.5 17.8 5 119 14 11.7 66.6 6 180 13 7.2 38.2 7 261 47 18.0 50.0 Druhý nejvyšší počet víceslovných spojení se vyskytuje v žánru 4 – „technická dokumentace hardwaru ICT“ a činí 37. Podíl všech víceslovných spojení v žánru 4, která patří do kategorie terminologických víceslovných spojení, je však poměrně nízký – pouze 5,5%. Je však třeba mít na paměti, že žánr 4 má po uplatnění mezních kritérií zdaleka nejvyšší počet různých víceslovných spojení – 672 – a nejvyšší podíl běžících slov ve víceslovných spojeních – 8,9%. Žánr 5 – „učebnice ICT“ – má poměrně vysoký podíl terminologických víceslovných spojení, a to 11,7%. Tabulka 6 níže uvádí terminologická víceslovná spojení identifikovaná v žánru 5 – „učebnice ICT“. Tabulka 6: Terminologická víceslovná spojení identifikovaná v žánru 5 – „učebnice ICT“ ŽÁNR 5 Víceslovné spojení Frekvence Počet textů Frekvence na milion java io package 345 12 22.53 java lang package 322 9 21.02 import java awt import 336 15 21.94 public static final int 1306 21 85.27 static void main string 967 39 63.14 public static void main 952 40 62.16 public final static int 861 5 56.22 void main string args 846 36 55.24 Terminologija | 2012 | 19 4 9 ŽÁNR 5 int x int y 600 14 39.18 public instance methods public 539 5 35.19 import java io import 447 22 29.19 počet bytes 433 38 28.27 balíček java lang package 322 9 21.02 x int y int 316 12 20.63 Významný podíl učebnic (52%) se týká různých témat souvisejících s programováním v řadě programovacích jazyků, jako jsou Java, C++, C#, Objective-C, PHP a další. To se odráží ve značném počtu terminologických svazků v žánru 5, které obsahují často se vyskytující řádky kódu. Například terminologické svazky jako STATIC VOID MAIN STRING (967 výskytů ve 39 textech; frekvence na milion 63,14), PUBLIC STATIC VOID MAIN (952 výskytů ve 40 textech; frekvence na milion 62,16) a VOID MAIN STRING ARGS jsou všechny součástí programového kódu a obsahují klíčové slovo main. Klíčové slovo main označuje hlavní funkci, která odpovídá za vysokoúrovňovou organizaci funkcionality programu. Funkce, označované také jako metody, jsou soubory instrukcí používaných k operacím se vstupními daty, například k matematickým výpočtům. V mnoha programovacích jazycích se v hlavní funkci zahajuje vykonávání programu. Například programy v jazyce Java začínají vykonávání v hlavní funkci, jejíž hlavička metody má následující podobu: public static void main (String[] args). Hlavní funkce odpovídá za vysokoúrovňovou organizaci funkcionality programu. Klíčové slovo void znamená, že metoda nevrací žádnou hodnotu. Pokud by metoda vracela celočíselnou hodnotu, použilo by se místo void klíčové slovo int. Následující dva terminologické svazky PUBLIC STATIC FINAL INT (1306 výskytů ve 21 textech; frekvence na milion 85,27) a PUBLIC FINAL STATIC INT (861 výskytů v 5 textech; frekvence na milion 56,22) jsou součástí řádků kódu v programovacích jazycích, například v Javě. Určují typy funkcí, které mají být použity. Klíčové slovo public znamená, že metoda je viditelná a lze ji volat z objektů jiných typů. Klíčové slovo static znamená, že metoda je přiřazena třídě, nikoli konkrétní instanci (objektu) této třídy. To znamená, že statickou metodu lze volat bez vytvoření objektu dané třídy. 50 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ Spojení INT X INT Y se vyskytuje 600krát ve 14 textech s frekvencí 39,18 výskytu na milion slov. Spojení představuje deklaraci proměnných; typ proměnných je v tomto případě celé číslo, tedy zkráceně int. Množinu celých čísel tvoří přirozená čísla (0, 1, 2, 3,...) spolu se zápornými přirozenými čísly (−1, −2, −3,...). Časté klíčové slovo Java, název programovacího jazyka, se vyskytuje v 6 spojeních: JAVA ENTERPRISE IN A (653 výskytů v 5 textech; frekvence 42,64 na milion); IMPORT JAVA IO IMPORT (447 výskytů ve 22 textech; frekvence 29,19 na milion); THE JAVA IO PACKAGE (345 výskytů ve 12 textech; frekvence 22,53 na milion); IMPORT JAVA AWT IMPORT (336 výskytů v 15 textech; frekvence 21,94 na milion); JAVA IO IMPORT JAVA (328 výskytů ve 20 textech; frekvence 21,42 na milion) a THE JAVA LANG PACKAGE (322 výskytů v 9 textech; frekvence 21,02 na milion). Java získala popularitu díky takovým vlastnostem, jako je snadné používání, multiplatformní možnosti a bezpečnostní funkce. Pomocí Javy lze jeden program spustit na mnoha různých platformách. To znamená, že není třeba vynakládat úsilí na vývoj jiné verze softwaru pro každou platformu. Java byla navržena tak, aby se snadno používala, a považuje se za snazší na psaní, kompilaci, ladění, spouštění i učení než některé jiné programovací jazyky. Zkratka AWT, která se objevuje ve spojení IMPORT JAVA AWT IMPORT, označuje The Abstract Window Toolkit, což je na platformě nezávislá sada nástrojů pro práci s okny, grafikou a uživatelským rozhraním. Úplný název JAVA ENTERPRISE, přičemž tato posloupnost je součástí častého spojení JAVA ENTERPRISE IN A, zní Java Platform, Enterprise Edition. Označuje podnikovou výpočetní platformu Java společnosti Oracle, která poskytuje běhové prostředí pro vývoj a provoz podnikového softwaru, včetně síťových a webových služeb a dalších rozsáhlých, škálovatelných a bezpečných síťových aplikací. Spojení je součástí delšího pětislovného ustáleného výrazu (653 výskytů v 5 textech; frekvence 42,64 na milion): Java Enterprise in a Nutshell, jak ukazuje následující příklad: Ukázka 1: Sun vše ještě více usnadňuje tím, že poskytuje poskytovatele mnoha názvových služeb. Zatímco tedy poskytovatel služeb může věnovat spoustu času implementaci rozhraní javax.naming.spi, klient musí pouze zadat adresu URL poskytovatele a třídu továrny kontextu a poté použít názvovou službu. Další informace o JNDI i souvisejících tématech najdete v publikaci Java Enterprise in a Nutshell. [Žánr 5 – „učebnice ICT“] Terminologija | 2012 | 19 51 Posloupnost JAVA EDITOR, která je součástí spojení IN THE JAVA EDITOR (75 výskytů v 5 textech; frekvence 58,49 na milion), označuje softwarový nástroj určený k úpravě a kompilaci programů napsaných v Javě i k jejich spouštění. Použití tohoto spojení ilustruje následující příklad: Ukázka 2: Chcete-li implementovat asistenta pro vkládání obsahu, musí být konfigurace zdrojového prohlížeče vašeho editoru nastavena tak, aby definovala účetního asistenta. To se provádí v příkladu Java editor uvnitř JavaSourceViewerConfiguration. Pravopisné chyby se zobrazují v Java editor a jsou k dispozici odpovídající rychlé opravy: Slovník můžete zpřístupnit také asistentovi pro vkládání obsahu. Vytvářejte vlastní návrhy asistenta kódu podobné těm, které nabízí Java editor. Vytvořte instanci třídy CompletionProposalCollector, abyste získali stejné návrhy jako editor Java, nebo ji podtřídou rozšiřte a přidejte vlastní návrhy. [Žánr 6 – „technická dokumentace programovacích jazyků a programovacích prostředí“] ZÁVĚRY Výsledky shrnuté v této práci odhalují značné rozdíly ve frekvenci forem a funkcí lexikálních svazků napříč jednotlivými žánry jazyka informačních a komunikačních technologií. Tyto rozdíly jsou popsány kvantitativně i kvalitativně. Z kvantitativního hlediska jsou nejvíce formulaické a opakující se žánr 3 – „technická dokumentace softwarových aplikací v ICT“ a žánr 4 – „technická dokumentace hardwaru ICT“. Ostatní žánry ICT používají podstatně méně lexikálních svazků a lexikální svazky tvoří výrazně menší podíl z celkového počtu slov. Všech 14 terminologických svazků vyskytujících se v žánru učebnic, který je předmětem zkoumání v této práci, souvisí s různými aspekty programování. To lze vysvětlit tím, že značné procento učebnic (52%) se věnuje různým tématům programování. REFERENCES Biber D. 2006: University language: A corpus-based study of spoken and written registers, Philadelphia/Amsterdam: John Benjamins Publishing Company. Biber D., Conrad S., Cortes V. 2004: If you look at …: Lexical bundles in university teaching and textbooks, Applied Linguistics, 25L, 371–405. Biber D., Conrad S., Cortes V. 2003: Lexical bundles in speech and writing: an initial taxonomy. – Corpus Linguistics by the Lune: A festschrift for Geoffrey Leech, Wilson A., Rayson P. and McEnery T. (eds.), Frankfurt/Main: Peter Lang. Biber D., Johansson S., Leech G., Conrad S. and Finegan E. (1999): Longman grammar of spoken and written English, Harlow: Pearson. 52 Marek Weber Multi-word patterns in the corpus of Information and Communication Technology. Terminological bundles in the genre – ‘Textbooks in ICT’ Hyland K. 2008: As can be seen: Lexical bundles and disciplinary variation. – English for Specific Purposes 27 (2008), 4–21. Gozdz-Roszkowski S. 2011: Patterns of linguistic variation in American legal English, Frankfurt/Main: Peter Lang. Gozdz-Roszkowski S. (ed.) 2011: Explorations across languages and corpora, PALC 2009, Frankfurt/Main: Peter Lang. Scott M. 1996: WordSmith Tools 4 manual, Oxford University Press. Scott M. 2010: WordSmith Tools 5 manual, Oxford University Press. Scott M., Tribble C. 2006: Textual patterns, Philadelphia/Amsterdam: John Benjamins Publishing Company. DAUGIAŽODŽIAI MODELIAI INFORMACINIŲ IR KOMUNIKACINIŲ TECHNOLOGIJŲ TEKSTYNE. TERMINOLOGINĖS SAMPLAIKOS IKT VADOVĖLIUOSE Pagrindinis straipsnio tikslas – informacinių ir komunikacinių technologijų (IKT) kalboje pasikartojančių tam tikrų lingvistinių modelių tyrimas pasinaudojant tekstynų lingvistikos naujovėmis. Straipsnyje nagrinėjamos keturžodės samplaikos iš 24 milijonų žodžių IKT srities tekstyno, suskirstyto į 7 kategorijas (žanrus): profesiniai straipsniai, moksliniai straipsniai, programinės įrangos dokumentacija, aparatinės įrangos dokumentacija, vadovėliai, programavimo kalbų ir aplinkos dokumentacija ir tinklo technologijų dokumentacija. Atliekant tyrimą buvo nutarta apsiriboti keturžodėmis samplaikomis. Naudojant modelių paieškos tekstynuose programų paketą WordSmith Tools v. 5.0 sudaryti kiekvieno iš septynių IKT srities tekstų žanrų keturžodžių samplaikų sąrašai. Pasirinktos dvejopos ribos: mažiausias samplaikos dažnumas turi būti 20 kartų milijonui žodžių ir samplaika turi būti rasta mažiausiai 5 tekstuose. Pritaikius tokius apribojimus tekstyne rastos 1886 skirtingos samplaikos. Bendras duomenų rinkinyje nustatytų samplaikų skaičius – 197 553. Pagal reikšmę tekste samplaikos suskirstytos į tris plačias funkcines kategorijas: orientuotas į tyrimus, į tekstą ir į dalyvį. Pirmai kategorijai priskirtos samplaikos toliau išskirstytos į keletą subkategorijų: kiekybės, laiko, vietos / krypties, procesų, temos, daugiafunkcių nuorodų, apibūdinimo. Terminologinės samplaikos buvo priskirtos temos rodiklio subkategorijai ir apibrėžtos kaip keliažodžiai junginiai, kuriuose yra terminų. Straipsnyje nagrinėjamos terminologinės samplaikos, rastos IKT vadovėliuose. Didelė vadovėlių dalis (52%) skirta įvairiems programavimo klausimams. Tai paaiškina faktą, kad visos 14 šio žanro terminologinių samplaikų susijusios su įvairiais programavimo aspektais. Gauta 2012-10-30 Marek Weber Bialystok University of Technology ul. Wiejska 45A, Bialystok, Poland E-mail [email protected] Terminologija | 2012 | 19 53