Tipare multi-cuvânt în corpusul Tehnologiei Informației și Comunicațiilor. Grupuri terminologice în genul „Manuale de TIC”

MAREK WEBER

Bialystok University of Technology

CUVINTE-CHEIE: lingvistica corpusurilor, Tehnologia Informației și Comunicațiilor, grupuri lexicale, clasificarea funcțională a grupurilor lexicale, grupuri terminologice, examinare lexicală

DATELE STUDIULUI, CORPUSUL TEHNOLOGIEI INFORMAȚIEI ȘI COMUNICAȚIILOR

Datele studiului constau într-un corpus electronic din domeniul larg al Tehnologiei Informației și Comunicațiilor (TIC), termen-umbrelă care include toate tehnologiile dezvoltate în scopul prelucrării și transferului de date. Textele au fost selectate pentru a reprezenta o secțiune transversală a domeniului TIC. Textele au fost împărțite în șapte categorii, care pot fi considerate genuri în cadrul domeniului TIC:

Genul 1: articole profesionale în domeniul TIC;

Genul 2: articole academice în domeniul TIC;

Genul 3: documentație tehnică pentru aplicații software în domeniul TIC;

Genul 4: documentație tehnică pentru hardware TIC;

Genul 5: manuale de TIC;

Genul 6: documentație tehnică pentru limbaje de programare și medii de programare;

Genul 7: documentație tehnică pentru tehnologii de rețea.

Corpusul conține o colecție de 973 de texte, însumând aproape 24 de milioane de cuvinte. Alegerea datelor pentru un corpus este una dintre cele mai importante preocupări ale cercetătorului, deoarece corpusul ar trebui să fie reprezentativ pentru domeniul de utilizare analizat. După cum sugerează Douglas Biber, cantitatea de texte este esențială pentru cercetările în care cercetătorul se concentrează asupra textului ca unitate principală de analiză. În fiecare gen ar trebui incluse suficiente texte pentru a ține cont de variațiile dintre categorii și autori (Biber, 2006).

Terminologija | 2012 | 19

39

Tabelul 1. Componența corpusului de Tehnologia Informației și Comunicațiilor

GenNumărul textelorNumărul de tokenuri (cuvinte în text)Articole profesionale391225551Articole academice951272001Documentație tehnică pentru aplicații software în TIC922472839Documentație tehnică pentru hardware TIC1002471772Manuale9915315237Documentație tehnică pentru limbaje de programare și medii de programare901282175Documentație tehnică pentru tehnologii de rețea106725418TOTAL97323764993

UNITATEA LEXICALĂ: TERMENUL

Secvențele recurente de cuvinte care apar împreună mai frecvent decât ar fi de așteptat întâmplător constituie o parte importantă a producției lingvistice. Termenul unitate lexicală a fost folosit pentru prima dată de Douglas Biber, Stig Johansson, Geoffrey Leech, Susan Conrad și Edward Finegan în lucrarea devenită clasică Longman grammar of spoken and written English pentru a desemna combinații de mai multe cuvinte identificate pe baza unicului criteriu al frecvenței (Biber et al. 1999), în timp ce Mike Scott le numește grupuri de cuvinte în manualul aplicației software WordSmith Tools versiunea 4 (1996) și WordSmith Tools versiunea 5 (2010). Singurul criteriu folosit pentru identificarea unităților lexicale este frecvența lor. „Grupurile sunt cuvinte care se găsesc în mod repetat împreună, în succesiune” (Scott 2010: 337). Scott observă că grupurile de cuvinte pot implica prosodie semantică, adică tendința anumitor lexeme de a apărea împreună cu alte lexeme specifice (de exemplu, tendința ca cause să fie asociat cu efecte negative, precum accident, trouble etc.) (Scott 2010: 337).

Biber, Johansson, Leech, Conrad și Finegan definesc unitățile lexicale drept expresii recurente, indiferent de proprietățile lor structurale; acestea sunt secvențe de forme de cuvinte care apar frecvent împreună în discurs. Ei observă că unitățile lexicale mai scurte sunt adesea incluse în mai mult de o unitate lexicală mai lungă (Biber et al. 1999). De asemenea, constată că, în majoritatea cazurilor, unitățile lexicale nu formează unități structurale și că cele mai multe dintre ele sunt

40

Marek Weber

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

nu sunt expresii pe care utilizatorii limbii le-ar recunoaște drept idiomuri sau alte expresii lexicale fixe. Biber, Johansson, Leech, Conrad și Finegan stabilesc următoarele praguri pentru ca secvențele de mai multe cuvinte să fie considerate unități lexicale: ele trebuie să apară de cel puțin 10 ori la un milion de cuvinte și în cel puțin cinci texte (Biber et al. 1999).

Biber remarcă faptul că un rezultat surprinzător al unei abordări bazate pe frecvență este că unitățile lexicale au două caracteristici neașteptate (Biber 2006: 134). În primul rând, cele mai multe nu au un sens idiomatic, ci sensurile lor sunt de obicei transparente pornind de la formele individuale ale cuvintelor. Ken Hyland subliniază, de asemenea, că majoritatea grupurilor sunt transparente semantic și „regulate formal, oferind elementele de bază ale unui discurs coerent” (Hyland 2008: 6).

În al doilea rând, majoritatea grupurilor nu sunt structuri gramaticale complete. Biber, Johansson, Leech, Conrad și Finegan au constatat că aproximativ 15% dintre unitățile lexicale din conversație formau unități structurale complete, în timp ce doar aproximativ 5% dintre unitățile lexicale din proza academică puteau fi considerate sintagme sau propoziții complete (Biber et al. 1999: 1000). O constatare valoroasă a lui Biber privind natura sintactică a unităților lexicale este că acestea sunt unități lexicale care traversează frecvent structuri gramaticale; de exemplu, pot face legătura între două sintagme sau propoziții în așa fel încât ultimele cuvinte ale unei unități să fie începutul unei a doua structuri sintactice (Biber 2006: 135). Hyland subliniază, de asemenea, că unitățile lexicale identificate exclusiv pe baza frecvenței traversează de obicei unități structurale (Hyland 2008: 6).

Numeroase studii de corpus au fost dedicate analizei șirurilor recurente de forme de cuvinte neîntrerupte și demonstrează cât de importante sunt acestea în diverse tipuri de discurs, arătând totodată variația considerabilă a unităților lexicale în diferite genuri și registre (de exemplu, Biber 2006; Biber, Conrad, Cortes 2004; Hyland 2008; Scott, Tribble 2006; Gozdz-Roszkowski 2011).

M E T O D O L O G I A U T I L I Z A T Ă Î N S T U D I U

S-a decis concentrarea asupra analizei secvențelor de 4 cuvinte, deoarece, pe de o parte, frecvențele secvențelor de 4 cuvinte sunt considerabil mai mari decât cele ale secvențelor de 5 cuvinte, iar, pe de altă parte, acestea conțin frecvent șiruri de 3 cuvinte și permit identificarea unor modele și structuri mai evidente decât expresiile de 3 cuvinte. Listele secvențelor de 4 cuvinte din fiecare dintre cele

Terminologija | 2012 | 19

41

șapte genuri ICT au fost generate utilizând WordSmith Tools v. 5.0 – pachetul software pentru căutarea tiparelor în corpusuri.

În acest studiu au fost stabilite următoarele două praguri: o frecvență minimă de apariție de 20 de ori la un milion de cuvinte și criteriul suplimentar ca o secvență să apară în cel puțin cinci texte. Aplicarea criteriilor-prag a necesitat efectuarea unor calcule corespunzătoare în fiecare dintre cele șapte fișiere care conțineau lista secvențelor dintr-un anumit gen. Calculele sunt descrise în pașii următori:

1. Crearea unei coloane suplimentare, denumită „Frecvență la un milion”, în foaia de calcul obținută din software-ul WordSmith Tools.

2. Introducerea valorii numărului total de cuvinte într-o celulă liberă dintr-o foaie de calcul Excel, în categoria respectivă.

3. Introducerea următoarei formule în prima celulă a coloanei „Frecvență la un milion”:

Frecvență la un milion de cuvinte = Frecvență x 1 000 000 / Numărul total de cuvinte

4. Copierea formulei în celelalte celule, făcând clic pe colțul din dreapta jos al celulei completate și trăgând în jos până la celelalte celule.

5. Evidențierea coloanei „Numărul de texte”.

6. Alegerea meniului „Date” și selectarea câmpului „Sortare și filtrare” din instrumentul de sortare.

7. Alegerea ordinii de sortare descrescătoare.

8. Ștergerea tuturor rândurilor din tabel pentru care valorile câmpului „Numărul de texte” sunt mai mici decât 5.

9. Evidențierea coloanei „Frecvență la un milion”.

10. Alegerea meniului „Date” și selectarea câmpului „Sortare și filtrare” din instrumentul de sortare.

11. Alegerea ordinii de sortare descrescătoare.

12. Ștergerea tuturor rândurilor din tabel pentru care valorile din câmpul „Frecvență per milion” sunt mai mici de 20.

1886 combinații diferite au fost identificate în corpus după aplicarea criteriilor de prag de mai sus. Numărul total de combinații identificate în întregul set de date a fost de 197 553.

42

Marek Weber

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

Tabelul 2. Distribuția combinațiilor lexicale în genurile TIC

Gen

Numărul total de combinații după aplicarea criteriilor de prag

Numărul de combinații diferite după aplicarea criteriilor de prag

% din totalul cuvintelor din text reprezentat de combinații

Articole profesionale

1057

131

1,8

Articole academice

5548

120

1,7

Aplicații software

44669

403

7,2

Hardware

55296

672

8,9

Manuale

72483

119

1,9

Limbaje de programare și medii de programare

10984

180

3,4

Tehnologii de rețea

7516

261

4,1

Total

197553

1886

Procentul cuvintelor curente din grupurile lexicale a fost obținut prin înmulțirea numărului total de cazuri pentru un anumit gen cu 4 (sunt analizate grupurile lexicale de 4 cuvinte), împărțirea rezultatului la numărul de cuvinte curente din genul respectiv și apoi înmulțirea cu 100%, conform formulei:

În opinia noastră, doi parametri — gama de grupuri lexicale distincte și procentul cuvintelor curente din grupurile lexicale — pot fi considerați indicatori ai gradului în care un anumit gen este formulatic și repetitiv în comparație cu alte genuri. Cu alte cuvinte, gradul de caracter formular și de repetitivitate al unui gen poate fi măsurat prin gama de grupuri lexicale distincte utilizate într-un gen și prin procentul cuvintelor curente din grupurile lexicale.

Genurile din domeniul ICT pot fi împărțite în trei grupuri conform criteriului caracterului formular și al repetitivității.

Genul 3 — „documentație tehnică a aplicațiilor software din domeniul ICT” — și genul 4 — „documentație tehnică pentru hardware-ul ICT” — se caracterizează printr-un grad ridicat de caracter formular și de repetitivitate, deoarece prezintă tipare comparabile, utilizând cea mai mare gamă de grupuri lexicale distincte (403 și, respectiv, 672) și cel mai mare procent de cuvinte curente din grupurile lexicale (7,2% și, respectiv, 8,9%).

Terminologija | 2012 | 19 43

Figura 1: Genuri cu grade ridicate de formulaicitate și repetitivitate

În schimb, genul 1 – „articole profesionale în ICT”, genul 2 – „articole academice în ICT” și genul 5 – „manuale în ICT” se caracterizează prin grade relativ scăzute de formulaicitate și repetitivitate, deoarece utilizează cel mai mic număr de tipuri de secvențe recurente diferite (131, 120 și, respectiv, 119) și cel mai mic procent de cuvinte din textul curent care fac parte din secvențe recurente (1,8%, 1,7% și, respectiv, 1,9%).

Cele două genuri rămase — genul 6, „documentație tehnică privind limbajele de programare și mediile de programare”, și genul 7, „documentație tehnică privind tehnologiile de rețea” — formează al treilea grup, cu valori ale ambilor parametri situate la mijlocul intervalului (numărul de secvențe recurente diferite: 180 și, respectiv, 261; procentul cuvintelor din textul curent care fac parte din secvențe recurente: 3,4% și, respectiv, 4,1%).

Totuși, merită reținut că, așa cum observă pe bună dreptate Stanislaw Gozdz-Roszkowski, comparațiile directe pot fi făcute în siguranță numai între genuri cu număr similar de cuvinte. Pentru a ține seama de acest aspect, parametrul procentul cuvintelor din textul curent care fac parte din secvențe recurente este calculat pentru fiecare gen astfel încât să reflecte numărul de cuvinte din fiecare dintre subcorpusurile care reprezintă genurile respective (Gozdz-Roszkowski 2011: 111).

CLASIFICAREA FUNCȚIONALĂ A SECVENȚELOR RECURENTE

Cadrul pentru analiza funcțională a secvențelor recurente obținute în acest corpus a fost stabilit pornind de la taxonomiile lui Biber (Biber 2006; Biber et al. 2004), Hyland (2008) și Gozdz-Roszkowski (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.

Pe baza taxonomiilor menționate mai sus, secvențele lexicale recurente din ICT au fost împărțite funcțional în trei categorii generale, în funcție de semnificația lor în texte: centrate pe cercetare, centrate pe text și centrate pe participant. Secvențele grupate în prima categorie îi ajută pe autori să-și organizeze activitățile și experiențele în domeniul ICT. Secvențele centrate pe text sunt folosite pentru a indica organizarea textului și sensul acestuia. În cele din urmă, secvențele centrate pe participant sunt utilizate pentru a semnala diferite atitudini sau evaluări și se concentrează asupra autorului sau cititorului textului.

Figura 2: Taxonomia funcțională a secvențelor lexicale recurente

Fiecare dintre cele trei categorii funcționale majore ale secvențelor lexicale recurente a fost subdivizată, la rândul ei, în mai multe subcategorii.

Secvențele centrate pe cercetare includ următoarele subcategorii:

Secvențele de cantitate (de ex., one of the biggest; a large number of; one of the following; the number of elements);

Secvențele de referință temporală (de ex., at the time of; end of the year; the next few weeks; in the coming weeks);

Secvențele de referință la loc / direcție (de ex., in the United States; of the main window; bottom of the window; in the status bar);

Terminologija | 2012 | 19 45

Procedurale – utilizate pentru a descrie diverse funcții legate de TIC (de ex. the use of the; the use of a);

Indicative de subiect – referitoare la domeniul de cercetare (de ex. proceedings of the IEEE; programming languages and systems; the drop down menu; the following configuration options);

De referință multifuncțională – grupuri de cuvinte care pot fi utilizate ca referințe temporale / spațiale / textuale (de ex. the end of the; the start of the; the left of the; at the beginning of);

Descriptive – specifică caracteristicile substantivului care urmează (de ex. the complexity of the; the surface of the; the scope of the; the height of the).

Grupurile de cuvinte centrate pe text includ următoarele subcategorii:

De elaborare – elaborează suplimentar subiectul analizat și îl clarifică (de ex. at the same time, as well as the, this means that the, in this case the);

De tranziție – oferă legături aditive sau contrastive între porțiuni de text (de ex. on the other hand, as opposed to the, in addition to the, in contrast to the);

De încadrare – „plasează argumentele într-un cadru prin precizarea condițiilor limitative” (Hyland 2008: 14) pentru formularea afirmațiilor sau argumentelor (de ex. in terms of the, in the context of, in the presence of, the contents of the);

Condiționale – exprimă condiții (de ex. if you want to, if you do not, if you have a, if you have an);

De rezultat – indică legături logice între elemente în ceea ce privește relațiile de cauză și rezultat (de ex. so that you can, as a result of, as a result the, as a function of);

Marcatori structurali – sunt utilizați pentru a trimite la alte părți ale textului (de ex. as shown in figure, as discussed in section, is shown in ex ample, later in this chapter).

Grupurile de cuvinte centrate pe participant includ următoarele subcategorii:

De implicare – se adresează direct cititorilor; „li se adresează activ cititorilor ca participanți la discursul în desfășurare” (Hyland 2008: 18) (de ex. do one of the, select the type of, is recommended that you, select one of the);

De poziționare – transmit emoții, atitudini, judecăți de valoare și evaluări; „oferă un cadru pentru interpretarea propoziției următoare” (Biber, 2006: 139) (de ex. 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’

Grupurile de modalitate exprimă faptul că ceva este probabil, permis sau necesar (de exemplu, trebuie îndeplinit, poate fi utilizat, după cum se poate observa, în care puteți, este posibil să nu fie afișat, poate fi reprodus sau, trebuie să accepte orice interferență, interferență care poate cauza, care poate cauza nedorit);

Grupurile de predicție exprimă predicția autorului cu privire la o acțiune viitoare (de exemplu, se așteaptă să fie, vi se va solicita, va fi afișat în, acesta va deschide, vi se va cere să).

Tabelul 3 prezintă numărul grupurilor care aparțin celor trei categorii funcționale majore în fiecare gen.

Tabelul 3: Distribuția grupurilor lexicale pe categorii funcționale

Centrate pe cercetare | Centrate pe text | Centrate pe participanți | Altele | Articole profesionale | 45 | 23 | 13 | 45 | Articole academice | 48 | 35 | 9 | 28 | Aplicații software | 123 | 55 | 122 | 83 | Hardware | 207 | 51 | 138 | 187 | Manuale | 32 | 35 | 18 | 20 | Limbaje de programare și medii de programare | 39 | 39 | 26 | 62 | Tehnologii de rețea | 91 | 24 | 11 | 91

Figura 3: Clasificarea grupurilor centrate pe cercetare

Terminologija | 2012 | 19

47

Tabelul 4: Distribuția grupurilor centrate pe cercetare pe subcategorii

CENTRATE PE CERCETARE

Numărul genurilor

Cantitate

Referință temporală

Referință de loc/direcție

Procedură

Indicator tematic

Referință multifuncțională

Descriere

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

UNITĂȚI FRAZEOLOGICE TERMINOLOGICE

Unitățile frazeologice terminologice au fost identificate ca subcategorie a unităților frazeologice indicatoare de subiect și definite drept combinații de mai multe cuvinte care conțin termeni.

Figura 4: Distribuția unităților frazeologice terminologice în 7 genuri ICT

După cum arată Tabelul 5, genul 7 – „documentație tehnică privind tehnologiile de rețea” – conține cel mai mare procent (18%) și, de asemenea, cel mai mare număr de unități frazeologice terminologice: 47. O asemenea densitate terminologică ar putea fi asociată cu caracterul foarte specializat și specific domeniului al textelor din genul 7. Diseminarea cunoștințelor foarte specializate necesită utilizarea recurentă a unor combinații fixe și specializate de mai multe cuvinte.

48

Marek Weber

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

Tabelul 5: Numărul și proporțiile grupurilor terminologice în genurile TIC

Numărul genului

Numărul grupurilor dintr-un gen

Numărul grupurilor terminologice dintr-un gen

Procentul grupurilor terminologice dintr-un gen

Procentul grupurilor terminologice din categoria CENTRATĂ PE CERCETARE

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

Al doilea cel mai mare număr de grupuri se găsește în genul 4 – „documentație tehnică pentru hardware TIC”, însumând 37. Cu toate acestea, proporția tuturor grupurilor care aparțin categoriei grupurilor terminologice în genul 4 este relativ scăzută – doar 5,5%. Dar trebuie avut în vedere că genul 4 are de departe cel mai mare număr de grupuri diferite după aplicarea criteriilor de prag – 672 și cel mai ridicat procent de cuvinte curente în grupuri – 8,9%.

Genul 5 – „manuale de TIC” are o proporție relativ mare de grupuri terminologice – 11,7%. Tabelul 6 de mai jos cuprinde grupurile terminologice identificate în genul 5 – „manuale de TIC”.

Tabelul 6: Grupuri terminologice identificate în genul 5 – „manuale de TIC”

GENUL 5

Grup

Frecvență.

Numărul de texte

Frecvență per milion

the java io package

345

12

22.53

pachetul limbajului 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

GENRE 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

numărul de bytes

433

38

28.27

the java lang package

322

9

21.02

x int y int

316

12

20.63

O proporție considerabilă a manualelor (52%) abordează diverse subiecte legate de programarea într-o serie de limbaje de programare, precum Java, C++, C#, Objective-C, PHP și altele. Acest lucru se reflectă în numărul considerabil de grupuri terminologice din genul 5, care conțin linii de cod frecvent întâlnite. De exemplu, grupuri terminologice precum STATIC VOID MAIN STRING (967 de ocurențe în 39 de texte; frecvență per milion 63,14), PUBLIC STATIC VOID MAIN (952 de ocurențe în 40 de texte; frecvență per milion 62,16) și VOID MAIN STRING ARGS fac parte din codul de programare și includ cuvântul-cheie main. Cuvântul-cheie main se referă la funcția principală, responsabilă de organizarea la nivel înalt a funcționalității programului. Funcțiile, denumite și metode, sunt seturi de instrucțiuni utilizate pentru prelucrarea datelor de intrare, de exemplu pentru efectuarea unor calcule matematice. În multe limbaje de programare, funcția principală este punctul din care programul își începe execuția. De exemplu, programele Java încep să se execute în funcția principală, care are următoarea declarație de metodă: public static void main (String[] args). Funcția principală este responsabilă de organizarea la nivel înalt a funcționalității programului. Cuvântul-cheie void înseamnă că metoda nu returnează nicio valoare. Dacă metoda ar returna o valoare întreagă, s-ar folosi cuvântul-cheie int în loc de void.

Următoarele două grupuri terminologice PUBLIC STATIC FINAL INT (1306 ocurențe în 21 de texte; frecvență per milion 85,27) și PUBLIC FINAL STATIC INT (861 de ocurențe în 5 texte; frecvență per milion 56,22) fac parte din liniile de cod din limbaje de programare, de exemplu Java. Ele definesc tipul funcțiilor care urmează să fie aplicate. Cuvântul-cheie public înseamnă că metoda este vizibilă și poate fi apelată din obiecte de alte tipuri. Cuvântul-cheie static înseamnă că metoda este asociată clasei, nu unei instanțe (unui obiect) specifice a clasei respective. Aceasta înseamnă că este posibil să se apeleze o metodă statică fără a crea un obiect al clasei.

50

Marek Weber

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

Secvența INT X INT Y apare de 600 de ori în 14 texte, cu o frecvență de 39,18 la un milion de cuvinte. Secvența reprezintă o declarație de variabile; în acest caz, tipul variabilelor este integer sau, pe scurt, int. Mulțimea numerelor întregi este formată din numerele naturale (0, 1, 2, 3,...) și numerele naturale negative (−1, −2, −3,...).

Cuvântul-cheie frecvent Java, numele unui limbaj de programare, apare în 6 secvențe: JAVA ENTERPRISE IN A (653 de apariții în 5 texte; frecvența la un milion de cuvinte este 42,64); IMPORT JAVA IO IMPORT (447 de apariții în 22 de texte; frecvența la un milion de cuvinte este 29,19); THE JAVA IO PACKAGE (345 de apariții în 12 texte; frecvența la un milion de cuvinte este 22,53); IMPORT JAVA AWT IMPORT (336 de apariții în 15 texte; frecvența la un milion de cuvinte este 21,94); JAVA IO IMPORT JAVA (328 de apariții în 20 de texte; frecvența la un milion de cuvinte este 21,42) și THE JAVA LANG PACKAGE (322 de apariții în 9 texte; frecvența la un milion de cuvinte este 21,02).

Java a devenit popular datorită unor caracteristici precum ușurința în utilizare, compatibilitatea multiplatformă și funcțiile de securitate. Utilizând Java, un program poate rula pe multe platforme diferite. Aceasta înseamnă că nu este nevoie să se depună eforturi pentru dezvoltarea unei versiuni diferite de software pentru fiecare platformă. Java a fost conceput pentru a fi ușor de utilizat și este considerat mai ușor de scris, compilat, depanat, rulat și învățat decât unele alte limbaje de programare.

Abrevierea AWT, care apare în secvența IMPORT JAVA AWT IMPORT, desemnează The Abstract Window Toolkit, un set de instrumente independente de platformă pentru gestionarea ferestrelor, grafică și interfața cu utilizatorul.

Denumirea completă a JAVA ENTERPRISE, secvență care face parte din secvența frecventă JAVA ENTERPRISE IN A, este Java Platform, Enterprise Edition. Aceasta desemnează platforma de calcul Java de nivel enterprise a Oracle, care oferă un mediu de execuție pentru dezvoltarea și rularea software-ului de nivel enterprise, inclusiv a serviciilor de rețea și web, precum și a altor aplicații de rețea de mari dimensiuni, scalabile și sigure. Secvența face parte dintr-o formulă mai lungă, de 5 cuvinte (653 de apariții în 5 texte; frecvența la un milion de cuvinte este 42,64): Java Enterprise in a Nutshell, după cum se arată în exemplul următor:

Eșantionul 1: Sun simplifică și mai mult lucrurile, furnizând furnizori pentru numeroase servicii de denumire. Astfel, în timp ce furnizorul de servicii își petrece mult timp implementând interfețele javax.naming.spi, clientul trebuie doar să furnizeze un URL pentru furnizor și clasa fabricii de contexte, apoi să utilizeze serviciul de denumire. Pentru mai multe informații despre JNDI și subiecte conexe, puteți consulta Java Enterprise in a Nutshell. [Genul 5 – „manuale de specialitate în TIC”]

Terminologija | 2012 | 19

51

Secvența JAVA EDITOR, care face parte din secvența IN THE JAVA EDITOR (75 de apariții în 5 texte; frecvența la un milion de cuvinte este 58,49), desemnează un instrument software conceput pentru editarea și compilarea programelor scrise în Java, precum și pentru executarea acestora. Utilizarea secvenței este ilustrată în exemplul următor:

Eșantionul 2: Pentru a implementa asistența la introducerea conținutului, configurația vizualizatorului de cod sursă al editorului trebuie configurată pentru a defini asistența pentru contabili. Acest lucru este realizat în exemplul Java editor din JavaSourceViewerConfiguration.

Erorile de ortografie sunt afișate în Java editor, iar corecțiile rapide corespunzătoare sunt disponibile: dicționarul poate fi pus la dispoziție și pentru asistența la introducerea conținutului.

Creați propriile sugestii de asistență la scrierea codului, similare celor oferite în Java editor. Instanțiați CompletionProposalCollector pentru a obține aceleași sugestii ca în editorul Java sau creați o subclasă a acestuia pentru a integra propriile sugestii. [Genul 6 – „documentație tehnică a limbajelor de programare și a mediilor de programare”]

CONCLUZII

Rezultatele sintetizate în această lucrare evidențiază diferențe substanțiale în frecvența formelor și funcțiilor grupurilor lexicale în diferitele genuri ale limbajului tehnologiei informației și comunicațiilor. Variațiile sunt prezentate atât în termeni cantitativi, cât și calitativi. Din punct de vedere cantitativ, Genul 3 – „documentație tehnică pentru aplicații software în TIC” și Genul 4 – „documentație tehnică pentru hardware TIC” sunt cele mai formulare și repetitive. Celelalte genuri TIC folosesc un număr considerabil mai mic de grupuri lexicale, iar acestea reprezintă proporții mult mai mici din numărul total de cuvinte. Toate cele 14 grupuri terminologice care apar în genul manualelor, analizat în această lucrare, se referă la diverse aspecte ale programării. Acest lucru se explică prin faptul că un procent considerabil de manuale (52%) tratează diverse subiecte de programare.

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