Terminografija ir tekstynas

TERMİNOLOJİ VE GÜNCELLİK Rūta MARCINKEVIČIENĖ Vytauto Didžiojo universitetas TERMİNOLOJİ VE DERLEM İlk derlemin ortaya çıkmasıyla otuz yılı aşkın bir süre önce başlayan derlem dilbilimi, genel sözlükbilimde devrim yarattı. Günümüzde açıklamalı sözlükler, az ya da çok derlemlere dayanılarak hazırlanıyor. Bu açıdan terminografi, derlem dilbiliminde daha ileri gitmiş ülkelerde bile bugüne kadar ihmal edilmiş durumda; bizim gibi yeni başlayanlardan söz etmeye bile gerek yok. Burada derlemin terim sözlüklerinin hazırlanmasında ne kadar önemli, hatta vazgeçilmez bir araç olduğunu göstermeye çalışacağız. Bilgisayar teknolojileri ve bunlarla birlikte bilgisayar derlemleri çağı, geleneksel terminoloji ile terminografiyi yeni yaklaşımlardan açıkça ayırdı. Terminologların çeşitli konulara bakışları önemli ölçüde farklılaşmaya başladı: terim kavramının kendisi, terim kaynakları, terimi terim olmayanlardan ayırma ölçütleri, terminoloğun nitelikleri, terimlerin standartlaştırılması ve başka bazı konular. Uzmanlık alanlarının büyük ölçüde genişlemesi ve iç içe geçmesi terminologların iş yükünü çok artırdı; çünkü geleneksel yöntemlerle çalışıldığında bilim ve teknolojideki ilerlemeye yetişmek artık neredeyse imkânsızdı. Tam da bu nedenle terimlere farklı bir gözle bakılmaya başlandı: normdan çok kullanıma vurgu yapılıyor. Bu yüzyılın başında muazzam teknolojik atılımın bir sonucu olarak ortaya çıkan geleneksel terminoloji, kavramları adlandırmayı, kısa sürede ortaya çıkan çok çeşitli terimleri düzenlemeyi, farklı bilim dalları ve alanlarının terminolojisini sistemleştirip standartlaştırmayı önemsiyordu. Terminolojinin bağımsız bir bilim olarak ortaya çıkışından itibaren terimlere diğer sözcüklerden farklı yaklaşılmıştır. Terminolojinin öncüsü Wüster (Pearson 1998: 10'dan aktarıldığı üzere), terminoloji kavramların çözümlenmesiyle başladığından, terimlerin genel dil sözcüklerinden farklı ele alınması gerektiğini ileri sürmüştür. Kavramların ise bilindiği gibi, var- 5 ... bağımsız olarak, yalnızca onları adlandıran terimlere değil, farklı dillere de bağlıdır. Terimler, ideal durumda kavramların kendileriyle şu ilişki içinde etkileşen kavram adlarından başka bir şey değildir: bir kavram – bir terim. Terimler, çoğunlukla adlandırdıkları kavramların hiyerarşik kavramlar sistemindeki yeri ve diğer kavramlarla ilişkileri dikkate alınarak tanımlanıyordu. Terminolojinin temelini, ilgili alanın uzmanlarınca oluşturulan ve/veya standartlaştırılıp onaylanan, açıkça tanımlanmış, yerleşik ve dolayısıyla koruma altına alınmış bir anlama sahip terimler oluşturuyordu. Bu nedenle, kuralcı yaklaşımları benimseyen geleneksel terminologların (karş. Sein-Norm'u Ist-Norm'dan çok daha önemli gören Wüster) çeşitli bilim dallarının dilindeki gerçek durumla ve terimlerin otantik kullanımıyla hiç ilgilenmemiş olmaları şaşırtıcı değildir. Kavramdan terime doğru ilerleyerek her bir alanın terminolojisini onomasyolojik ilkeye göre oluşturmak, o dönemin terminologları için terimi belirleme sorununu doğurmuyordu ve doğuramazdı da; sorun yalnızca terimi yaratmaktı. Ayrıca o dönemde bilim dalları oldukça özerkti. Terminologlar da alanlara daha fazla ayrılmış ve görece yalıtılmış alanların terminolojisine hâkim olmuşlardı. Ortak konular ortaya çıktıkça, bu konuların temsilcileri terimlerle ilgilenmeye başladı; ayrıca terminoloji alanına yeni kişiler katıldı. Bunlar mutlaka belirli bir bilim dalının uzmanları ve/veya dilbilimciler değildi; başka bir deyişle programcılar, terminoloji veri tabanları ve elektronik sözlükler geliştirenler vb. idi. Gerçek dil kullanımı ve yeni terimlerin sayısı, onaylanmış terim listelerinin çoktan önüne geçtiğinden, geleneksel fiş yönteminin gerisinde bıraktığı ve hızla değişen bilim dallarının terminografisi, alana yeni girenlerin daha önce kaydedilmiş terimlere güvenmesine imkân vermiyordu. Terimler metinlerden derlenmeye başlandı; terminoloğun çalışmasının başlangıç noktası artık metnin kendisi oldu (Rogers et al. 1994: 843). Ayrıca terimlerin gerçek kullanımlarına bakılıyor; bu kullanım çoğu zaman dil planlamacılarının ulaşmaya çalıştığı idealden büyük ölçüde farklılaşıyordu. Bu noktada neyin terim sayılacağı, bir sözcüğün ne zaman terminolojik nitelik kazandığı, hangi sözcük kullanımının terimsel kabul edileceği ve terimin terim olmayandan nasıl ayrılacağı belirsizleşiyor. Böylece terminoloji, artık o kadar açıkça tanımlanmış ve yalıtılmış bir sözcük dağarcığı bölümü olmaktan çıkıyor. Her zaman prototip üyelerin merkezde yer aldığı ve … olarak algılandığı, sınırları oldukça güç belirlenen bir sözcük grubu oluşturuyor. 6 terim, ardından yalnızca belirli koşullarda, belirli bir bağlamda terim statüsü kazananlar gelir. Çeperde ise ilk bakışta terimlere benzemeyen, ancak terim olarak kabul edilmesi gereken sözcükler de bulunur. Örneğin, bilimsel popüler metinlerde karşılaşılan genel dil söz varlığına ait sözcükler için bu söylenebilir. Bu ve başka nedenlerle, terminograflar için terimleri belirlemek, özgün metinlerden seçip çıkarmak ve betimlemek çok önemlidir. Bu nedenle derlemler ve derlemlerle çalışmayı kolaylaştıran yazılımlar büyük önem kazanır. Gerçek kullanıma odaklanmak, terminologları norm koymaktan ziyade betimlemeye yöneltirken, preskriptivizm-deskriptivizm ayrımı terminografiyi geleneksel ve çağdaş olmak üzere ikiye ayırır. Derlem neden Terimlerin kaynağı olan derlem, birçok nedenle terminograflar için kullanışlıdır. Derlemlerin oluşturulmasını ve kullanılmasını savunan yazarlar, bu nedenlerin başlıcalarını belirtir. Belki de en önemlisi, aynı derlemden terminografların ihtiyaç duyduğu üç şeyin birden elde edilmesidir: terimlerin kendileri, tanımları (yani kavramın kendisi hakkındaki alan bilgisi) ve kullanım örnekleri; dolayısıyla kullanım sıklığı, terimlerin eşdizimlilik özellikleri vb. (Sager 1990, Meyer et al. 1996, Pearson 1998). Elbette, önceden bir terim listesine sahip araştırmacılar da derlemden yararlanabilir. Bu durumda derlemden alan bilgisi ve dil bilgisi elde ederler. Ancak terimler derlemden elde edilirse, büyük bir avantaja sahip olurlar: sistematik ve birbirleriyle ilişkilidirler; çünkü ayrı metinlerde, ayrı yazarların kullandığı terim kümeleri yer alır ve bu kümelerin her birindeki terimler üzerinde iyi düşünülmüş, birbiriyle uyumlu terimlerdir. Elde edilen terimlerin ayrı sistemleri yansıtması için derleme alıntılar değil, tam metinler eklenmelidir (Meyer et al. 1996: 268). Metinlerin tam hâlinden oluşan bir derlem, metin parçalarıyla yetinildiğinde kaybedilecek alan bilgisi bakımından da gereklidir. Günümüzde terminografların oluşturduğu derlemler hâlâ ağırlıklı olarak daha önceden bilinen terimler hakkında bilgi toplamak için kullanılmaktadır. Şuna bakılır, 7 bu terimlerin hâlâ kullanılıp kullanılmadığına; kullanılıyorlarsa nasıl kullanıldıklarına, kullanım özelliklerinin ve dolayısıyla anlamlarının değişip değişmediğine, yeni terimlerin ortaya çıkmasıyla adlandırdıkları kavramların kapsamının değişip değişmediğine. Ancak derlem, yeni terimleri elde etmek için çok daha gereklidir; belki de bu yüzden terimlerin belirlenmesi ve otomatik ya da yarı otomatik olarak elde edilmesi, günümüzde elektronik terminografinin en popüler konularından biridir. Bu bakımdan terminograf, sözlükbilimciden ayrılır. Sözlükbilimci için sözcüğün ne olduğu sorusu gündeme gelmez; yalnızca hangi sözcüklerin hangi sözlüklere konacağı önemlidir. Oysa terminograf için “terim nedir?” sorusu oldukça sık gündeme gelir. Derlemden elde edilen, özel veri tabanlarında saklanan ve düzenlenen yeni terimlerin bir başka özelliği de kaynaklarının kesin biçimde belirtilmiş ve tarihlendirilmiş olmasıdır; bu kaynaklardan terimlerin ortaya çıkışı, yaygınlaşması ve ortadan kalkışı hakkında çıkarım yapılabilir. Terminografın çalışmasının nihai sonucunu elektronik bir veri tabanı (DB) ya da bunun temelinde hazırlanmış basılı bir sözlük olarak düşünürsek, derlem bu DB'nin hazırlanmasının bütün aşamalarında önem taşır. Bilgisayarlar, bilgisayarlı derlemlerden özel terim arama ve belirleme programlarına, oradan terim veri tabanlarının oluşturulmasına, terimlerin betimlenmesine ve bu betimlemenin elektronik ya da geleneksel kitap biçiminde yayımlanmasına kadar terminografın tüm çalışma döngüsünü kapsar (Ahmad et al. 1994: 267). Terminografın çalışma döngüsü şöyledir. İlk aşamada, elektronik metin arşivinden belirli ilkeler doğrultusunda bir derlem oluşturulur; daha sonra bu derlemden terimler elde edilir, DB'ye aktarılır ve betimlenir. Başka bir deyişle, DB'nin ayrı alanlarında, konkordanstan alınmış tipik kullanım örnekleri ve yine oradan elde edilen tanımlar sunulur. Daha sonra derlemden elde edilen dilsel ve alana ilişkin bilgiler temelinde, betimlenen terimle ilişkili sözcükler belirtilir: eşanlamlılar, karşıt anlamlılar, alt anlamlılar ve üst anlamlılar; bunların maddelerine çapraz göndermeler verilir, terimin ait olduğu alan ve genel kavramlar sistemindeki yeri gösterilir. Ayrıca dilbilgisel ve pragmatik özellikler, eşdizimlilik ya da diğer kullanım kısıtlamaları, terimin tercih edilirliğine ilişkin bilgiler ve amaçlanmışsa çeviri karşılıkları da sunulur (terminografik betimlemenin özellikleri hakkında ayrıntılı bilgi için bk. Sager 1990: 142–163). Dolayısıyla derlem, en başından, yani bilim dalının kendisiyle tanışmaktan itibaren vazgeçilmezdir. 8 bilim dalıyla tanışmadan son aşamaya, yani sözlük maddesinin hazırlanmasına kadar. Günümüz terminologları, derlem temelli olmayan mevcut basılı sözlüklerin bilgisayar ortamına aktarılmasına, başka bir deyişle veri tabanlarına yüklenmesine oldukça kuşkuyla yaklaşmaktadır (Sager 1990: 141). Terminograflar için özel derlemler hazırlamanın bir başka nedeni, özgün dil örneklerinin terminografi açısından sözlükbilime kıyasla daha da önemli olmasıdır. Bu örnekler, iç gözlemden çok daha önemlidir; çünkü terminograf, sözlükbilimciden farklı olarak, betimlediği dil varyantının uzmanı değildir ve bu varyantta metinler üretmez. Sorunlu bir durumla karşılaştığında “Ben bu sözcüğü nasıl kullanırdım?” diye soramaz; yalnızca “Bu sözcük, o alandaki bir uzman için ne anlama geliyor; bir bilim insanı, teknoloji uzmanı ya da uzman bunu nasıl kullanır?” diye sorabilir. Dolayısıyla dil sezgisinin sınırlı ölçüde işe yaraması nedeniyle terminograflar derleme, sözlükbilimcilerden çok daha fazla bağımlıdır. Atkins et al., derlem kullanıcılarını üç gruba ayırır: a) metinlerin diliyle ilgilenenler, b) metinlerin içeriğiyle ilgilenenler ve c) metinleri metin olarak, yani yapılarını, oluşturulmalarını vb. inceleyenler (Meyer et al. 1996: 269'dan aktaran). Sözlükbilimciler ilk gruba, terminograflar ise ilk iki gruba girer; çünkü terminograflar hem dil bilgisine hem de konunun kendisine ilişkin bilgiye ihtiyaç duyar. Derlemin terminoloji açısından önemini ve sunduğu olanakları kavradıktan sonra, terminografın derleminin nasıl olması gerektiğini tanımlamak gerekir. Hangi derlem Daha önce belirtildiği gibi, terminograf için derlemden eşit derecede önemli iki tür bilgi gerekir: dilsel ve konuya ilişkin bilgi; bu nedenle derlemden her ikisinin de elde edilebilmesi önemlidir. Dil açısından derlem, terimlerin içinde açık, doğru ve tercihen tanımlarıyla birlikte sunulduğu nitelikte olmalıdır. Terimlerin mümkün olduğunca çok ve çeşitli olması, ideal olarak belirli bir dil topluluğu tarafından oluşturulmuş ve kullanılan tüm terimleri içermesi tercih edilir. Terimlerin zengin ve çeşitli bağlamlarda kullanılması da önemlidir. Konu açısından derleme, terimlerle adlandırılan kavramların içeriğini, aralarındaki ilişkileri ve bağımlılıkları ortaya koyan metinler alınmalıdır. Bu metinlerde terimlerin tanımlanmış olması çok önemlidir. 9 Belirtilen nedenlerle uzmanlar, derlemlere iletişimsel ve pragmatik açıdan sunulan olası metinlerin en basitinden en karmaşığına kadar tüm yelpazesinin dahil edilmesini önermektedir. Pearson, özel amaçlı dil metinlerini, içlerinde terim bulunma olasılığına göre dört gruba ayırır: a) uzmanın muhatabının bilgi bakımından kendisine denk bir ortak, yani başka bir uzman olduğu metinler; başka bir deyişle, hakemli bilimsel dergilerdeki makaleler ve monografiler. Bu metinlerde terim yoğunluğu en yüksektir; b) uzmanın, kendisinden daha düşük düzeyde, ancak aynı alandan bir uzmana hitaben yazdığı metinler; örneğin çeşitli talimatlar ve ders kitapları. Bunlarda terim sayısı biraz daha azdır; c) özel bir alana aşina olmayan kişiler için yazılmış popüler bilim metinleri. Bu metinlerde karmaşık ya da herhangi bir terim kullanmaktan bilinçli olarak kaçınılır; açıklama yapmaya, başka sözcüklerle ifade etmeye, benzetme ve karşılaştırmalara başvurulur. Dolayısıyla yazar isterse terimleri tamamen kullanmadan da yazabilir; d) öğretmen-öğrenci iletişimine karşılık gelen metinler: ders kitapları ve öğretim materyalleri. Bunlarda terimler bulunur, ancak biraz farklı biçimde kullanılır. Bu metinlerin önemli bir özelliği, terimlerin açıklanmış olmasıdır (Pearson 1998: 36–40). Terminografik derlemdeki metinleri yalnızca iletişimsel-pragmatik açıdan tanımlamak yeterli değildir. Derlemin niteliği ve temsil gücü bakımından diğer metin parametreleri ve oranları da en az bunun kadar önemlidir. Uzmanlara, derlem verilerine güvenilebilmesi için ne kadar metin toplanması gerektiği sorulduğunda şöyle yanıt verirler: “Genel amaçlı derlemlerin aksine, burada nitelik nicelikten çok daha önemlidir” (Meyer et al. 1996: 268). Anlaşılır nedenlerle özel amaçlı derlemler genellikle genel amaçlı derlemlerden daha küçüktür. Ancak daha küçük olsalar da bunlar eksiksiz ve kısaltılmamış metinlerden oluşturulur. Ayrıca, derlemciler tarafından önceden seçilen, temsil edilen alanın tümünü ve ona bağlı bütün alt alanları kapsamalıdır. Özellikle söz konusu alan genel konularla bağlantılıysa, farklı bilim dalları arasına net bir sınır çizmek çoğu zaman zordur; bu durumda derlem hazırlayanlar daha derine inme, yani uzmanların uzmanlara yönelik yazdığı ve kuşkusuz o alana ait olan daha fazla metni dahil etme eğilimine kapılabilir. Bu nedenle terminologlara, her bakımdan temsil gücü olan bir derlem oluşturmak için hangi metinlerin dahil edilmesi gerektiği konusunda öneri almak üzere betimlenen alanın uzmanlarına başvurmaları tavsiye edilir; böylece dahil edilmeyen metinlerle birlikte önemli noktaların da gözden kaçması önlenir 10 sistem açısından önemli kavramlar ve bunları adlandıran terimler dışarıda kalmaz; en önemlisi de tek bir derlem hazırlayıcısının öncelikleri baskın hâle gelmez (Ahmad 1993: 60). Terminografik derlem söz konusu olduğunda, sözlükbilimcilerin genel amaçlı derlemler için zaman zaman uyguladığı “Elimde ne varsa onu koyarım” ilkesi hiç uygun değildir. Derlem tipolojisi ve süreklilik bakımından başlıca derlem türleri —sınırlı, sürekli ve değişimli (monitor)— göz önünde bulundurularak, terminografik derlemin ikinci, hatta daha iyisi son türde bir metin koleksiyonu olarak hazırlanması önerilir. Böylece derlem sürekli olarak yeni metinlerle tamamlanır; eski metinler ise sürekli derlemde tutulur ya da değişimli derlem söz konusuysa arşive aktarılır. Sürekli derlem büyümeyi sürdürür ve yapısına ilişkin önceden belirlenen ilkeler mutlaka korunmayabilir; çünkü yayıncılık eğilimleri değiştikçe yeni metinler bir yöne ya da diğerine ağırlık kazandırabilir. Değişimli derlemin oranları değişmeden kalır ve yeni metinler yalnızca baştan ilgili metin türlerine ayrılan alanı kaplar. Her durumda derlemi sürekli güncellemek gerekir; çünkü terimler, gündelik dil sözcüklerinden çok daha hızlı eskir. Derlemin büyüklüğü, niteliği ve konuya ilişkin sınırları hakkındaki genel meseleler değerlendirildikten ve kararlar alındıktan sonra, derlemin temsil gücüne sahip ve dengeli olması için hangi somut metinlerin derleme alınacağına bakılmalıdır. Her özel durumda metnin türü, yazıldığı tarih, yazarı ve dilsel statüsü dikkate alınmalı ve mümkün olan en geniş çeşitlilik hedeflenmelidir. Çünkü ciddi metinlerden popüler metinlere uzanan geniş metin yelpazesi ve tür çeşitliliği, hem çok sayıda yazarın ürettiği neolojizmi içeren bilimsel, biçimsel terimlerin hem de çok daha yaygın ve konuşma dilinde yerleşmiş popüler terimlerin seçilmesini sağlar. Metinlerin yaşı değerlendirilirken yenilere öncelik verilir; ancak özellikle konu açısından bakıldığında, daha önce yazılmış metinler de değerli olabilir. Yazarlık çeşitliliği de, çokça temsil edilen bir ya da birkaç yazarın üslup özelliklerinin ağırlık kazanmaması için büyük olmalıdır. Bilimsel metinlerin üslup çeşitliliği, örneğin edebî eserlerle karşılaştırıldığında çok geniş olmasa da yazarın üslubu, yalnızca dil birimlerinin kullanımı açısından değil, seçimi bakımından da önemlidir. Bu nedenle, özellikle farklı bilimsel düşünce ekollerine mensup olduklarında, farklı bilim insanlarının şu tür sözcükler kullanmasına şaşmamak gerekir— 11 bu tür terimleri. Terimlerin standartlaştırılması ve normlaştırılması, ayrıca neolojizmlerin araştırılması için, derlemdeki terim çeşitliliğinin olabildiğince fazla olması büyük önem taşır. Son olarak, diğerleri kadar önemli bir başka husus da metinlerin dilsel statüsüdür. Öncelik, çeviri metinlere değil, ana dili konuşurları tarafından yazılmış özgün metinlere; ardından da gözden geçirilip düzenlenmiş metinlere verilir. Terminograflar için derlem analiz araçları Geçtiğimiz on yılda, sözlükbilimcilerin sözcük aramasını ve derlem üzerinde başka türden analizler yapmasını kolaylaştıran çeşitli yazılımlar geliştirilmiştir. Sözlükbilimcilerin ve terminografların çalışmaları genel olarak farklı olsa da, hemen hemen aynı yazılım olanaklarından yararlanırlar: a) sözcük sıklığı listeleri; b) konkordanslar, yani incelenen sözcüğün belirli büyüklükteki, genellikle tek satırlık bağlamlarda geçtiği tüm örnekler; ve c) eşdizim ortaklarına ilişkin istatistikler (Meyer et al. 1996: 274). Bu araçlar, derlemi dilbilimsel açıdan incelemeye yardımcı olur. Sözlükbilimcilerle ortaklaşa kullanılan genel dilbilimsel yazılım araçlarının yanı sıra, yalnızca terminograflara yönelik özel programlar da giderek ortaya çıkmaktadır. Bu programlar genel amaçlı programlardan artık dilbilimsel değil, alan odaklı olmaları bakımından ayrılır; çünkü derlemdeki bilgileri çözümlemek üzere tasarlanmışlardır. Bu durumda derlem, terimlerin kullanım bağlamlarının bütünü olarak değil, belirli bir alanın ya da bilim dalının özel bilgi kaynağı olarak ele alınır. Burada bunların birkaç grubundan söz edilebilir: a) metni içerdiği bilgi bakımından çözümlemek üzere tasarlanmış programlar; anlamlı sözcükleri ve kavramlar arasındaki ilişkileri ve bağımlılıkları belirten, bilgi bakımından zengin metin bölümlerini arayan programlar vb.; b) terminografın işine yarayacak derlem bölümlerini, örneğin terim tanımlarını seçen programlar; c) terimlerle adlandırılan kavramları çözümlemeye ve derlemden elde edilen bilginin düzenlenmesini kolaylaştırmaya yardımcı olan programlar (knowledge acquisition systems). Son grup bütünüyle yeni ve çok umut verici olmasına karşın, uzmanlık literatüründe henüz yeterince ilgi görmemiştir. Derlemdeki terim tanımlarının yarı otomatik olarak toplanması olanağı hakkında ise çok daha fazla yazılmıştır (Pearson 1998: 121–204). 12 Hem tanımları hem de çok sözcüklü terimleri derlemek için morfolojik olarak etiketlenmiş, yani tüm sözcükleri sözcük türlerine göre işaretlenmiş bir derlem gerekir. Çalışmanın ilk aşamasını sözlükbilimcinin kendisi yürütmelidir: metinleri okur ve tanımlanmış terimleri toplar. Daha sonra bu bilgilere dayanarak tanımların morfolojik modellerini, başka bir deyişle tanımlama sırasında ortaya çıkan tüm sözcük türü dizisi birleşimlerini oluşturur. Ardından bilgisayar bu tür sözcük bileşimlerini derlemin tamamında arar. Böylece henüz terimlerin ve tanımlarının değil, tanımlanmış terim adaylarının bir listesi elde edilir. Bu liste, ilgili alanın uzmanına incelemesi ve gereksiz cümleleri çıkarması için sunulur. Gereksiz ve tesadüfen örtüşen morfolojik bileşimlerin sayısını azaltmak için bilgisayara tanımlarda en sık görülen sözlüksel birimler, yani tanımlarda sık geçen sözcükler bildirilir. Benzer biçimde derlemden çok sözcüklü terimler de elde edilebilir; birinci nesil otomatik terim belirleme programları LEXTER (Bourigault 1995) ve TERMINO’nun (Lauriston 1994) temel yaklaşımı budur. Elbette derlemi bu şekilde işlerken bazı sorunlar ortaya çıkar. Her şeyden önce, seçilen sözcük öbeklerinin hepsi terim değildir. Bu sorun, bilgisayara bir gereksiz sözcükler listesi (stop-list) oluşturup girmekle çözülür; bu sözcükler terim adayları listelerine alınmaz. Ayrıca çok sözcüklü terimin hangi sözcüklerden oluştuğu, hangilerinin ise yalnızca çevresindeki bağlama ait olduğu çoğu zaman belirsiz kalır. Ancak terimleri elle toplarken de bu hususlar her zaman açık değildir. Yarı otomatik terim seçme yöntemi Terminografa en basit yazılım araçlarının sunduğu olanakları göstermek amacıyla, analiz için V. Labutis’in „Sintaksės“ (T.I, V., 1994) adlı eserinin elektronik sürümünü seçtik ve metni, dilbilimciler için Miko Scott’ın geliştirdiği araç paketi olan WordSmith Tools, version 2.0 (Oxford, 1997) ile inceledik. İstatistiksel analizin amacı, daha sonra terim adaylarının ve terimlerin kendilerinin seçilebileceği birkaç sözcük ya da sözcük öbeği listesi elde etmekti. İncelenen metnin istatistiksel göstergeleri şöyledir: metnin tamamı 37 319 sözcük ve sözcük biçiminden oluşur; tekrarlananlar çıkarıldığında geriye 13 9.249 sözcük ve bunların biçimleri. Sözcüksel çeşitlilik katsayısı (type/token ratio) 24,78’dir. Metnin tamamında 2.364 cümle vardır; ortalama cümle uzunluğu 15,78 sözcüktür. Öncelikle, en basit işlem gerçekleştirildi: terimlerin en sık kullanılan sözcükler arasında yer alacağı beklentisiyle, metindeki tüm sözcüklerin sıklık listesi oluşturuldu. Sunulan liste parçasından da görülebileceği gibi, metin sıklık sırasına göre dizilmiş sözcüklerden ve sözcük biçimlerinden oluşmaktadır. Metinde, her sözcük biçiminin ayrı dilbilgisel sözcük türlerine ait olduğunu gösteren dilbilgisel etiketler bulunmadığından liste lemmatize edilmemiştir; dolayısıyla aynı sözcüğün farklı dilbilgisel biçimleri ayrı ayrı yer almaktadır. Kısalık adına, hem çekimlenmeyen sözcükler hem de çekimli sözcüklerin farklı biçimleri, metnin devamında yalnızca sözcük olarak adlandırılacaktır. Tablo 1. Metindeki en sık kullanılan 20 sözcük ve sözcük biçimi No. Sözcük ve sözcük biçimi İncelenen metindeki sıklık Metinde kapladığı bölüm (%) 1. IR 1,319 3.53 2. SU 479 1.28 3. AR 390 1.05 4. CÜMLENİN 288 0.77 5. BU 284 0.76 6. SÖZCÜKLERİN 258 0.69 7. OLABİLİR 243 0.65 8. O 229 0.61 9. IŠ 206 0.55 10. CÜMLELER 196 0.53 11. Į 194 0.52 12. -DİR 194 0.52 13. NASIL 187 0.50 14. NE 182 0.49 15. SADECE 171 0.46 16. GÖRE 170 0.46 17. OLMAK 155 0.42 18. JŲ 143 0.38 19. CÜMLELER 143 0.38 20. BİRLEŞİMLER 141 0.38 14 Her zamanki gibi, metin nispeten az sayıda ve birçok kez kullanılan sözcüklerden ve seyrek kullanılan çok sayıda sözcükten oluşur. Bir kez kullanılan sözcükler, toplam sözcük kullanımının%62’sini oluşturur. Genellikle metnin yarısını teşkil ederler; liste lemmatize edildiğinde, görünüşe göre sayıları yine bu kadar olur, çünkü türemiş sözcük biçimleri temel biçimlerin altında toplanmış olur. Bir kez ve seyrek, yani 2 ila 10 kez kullanılan sözcükler terminologları ilgilendirmez; çünkü burada terim bulma olasılığı düşüktür. Listenin nispeten küçük bir kısmı kalır: metinde sık kullanılan sözcüklerin yalnızca%6’sı; tek sözcüklü terimleri toplamaya değecek sözcükler bunlardır. Diyagram Metindeki sözcüklerin ve sözcük biçimlerinin kullanım sıklığına göre dağılımı (kullanım sayısı) 10 kereden fazla kullanılan sözcükler ve biçimleri%6 2 ila 10 kez kullanılan sözcükler ve biçimleri%32 1 kez kullanılan sözcükler ve biçimleri%62 Bu kullanım verileri diyagram yerine bir eğri biçiminde sunulsaydı, 10 kullanımın çok belirgin bir sınır, bir eşik olduğu ve bu eşiğin ötesinde yer alan sözcüklerin öncesindekilere kıyasla çok daha sık kullanıldığı görülürdü. Daha ayrıntılı bir çözümleme, 10 veya daha fazla kez kullanılan 599 sözcükten 239’unun tek sözcüklü terimler ya da çok sözcüklü terimlerin parçaları, başka bir deyişle terminograflar için önemli sözcükler olduğunu gösterdi. Bunlar arasında sözcük türlerinin, hâllerin, dil olgularının, birimlerin ve dilbilim dallarının adları yer alır. Genel sıklık sözlüğünün avantajı, daha önce belirtilen çok belirgin kullanım sıklığı eşiğidir; buna karşılık birkaç dezavantajı vardır. Bunlardan biri şudur: liste tek tek sözcüklerden oluşur, oysa bilindiği gibi tek sözcüklü terimler o kadar fazla değildir. Öte yandan, sözlüklere girmemiş ve bu nedenle terminologların özellikle ilgisini çeken yeni terimlerin büyük çoğunluğu çok sözcük- 15 …ler. İkinci eksiklik: listenin büyük bir bölümünü, terminologlar açısından da ayırt edici olmayan, çok sık kullanılan işlev sözcükleri oluşturur. Bu eksiklik, biraz farklı, anlamlı sözcüklerden oluşan bir liste hazırlanarak giderilebilir. Anlamlı sözcükler metinden biraz daha karmaşık bir şekilde, incelenen metin çok daha büyük bir derlemle karşılaştırılarak elde edilir; bizim durumumuzda bu, 55 milyon sözcük hacmindeki Vytautas Magnus Üniversitesi bilgisayar derlemidir. İncelenen metinde bir sözcük, büyük derlemdeki ortalama sıklığından görece daha sık görünüyorsa, o metnin anlamlı sözcüğü sayılır. Daha basitçe söylemek gerekirse, sinemadan söz ediliyorsa bu sözcük metinde çok daha sık geçer ve dolayısıyla anlamlı sözcükler listesine girer. Tablodan görüldüğü üzere, burada işlev sözcükleri çok daha azdır; çünkü bunların metindeki ve derlemdeki sıklıkları birbirine yakındır. Böylece incelenen metne özgü sözcükler, bilimsel metin söz konusu olduğunda ise terimler, ilk sıraya çıkar. Ne yazık ki bu listede de, ilkinde olduğu gibi, bunlar tek başlarına, sözcük öbekleri içinde değil, verilir. Tablo 2. En sık kullanılan 20 anlamlı sözcük ve sözcük biçimi No. | Sözcük ve sözcük biçimi | İncelenen metindeki sıklık | Derlemdeki sıklık | Anlamlılık katsayısı 1. | SAKINIO | 288 | 707 | 2,974.8; 2. | SAKINIAI | 196 | 370 | 2,108.4; 3. | ŽODŽIŲ | 258 | 6,504 | 1,554.3; 4. | SAKINIŲ | 143 | 386 | 1,453.6; 5. | JUNGINIAI | 141 | 405 | 1,418.4; 6. | DĖMENŲ | 103 | 130 | 1,171.5; 7. | JUNGINIŲ | 103 | 591 | 909.2; 8. | DĖMUO | 77 | 124 | 847.4; 9. | SAKINYJE | 85 | 310 | 819.6; 10. | DĖMENYS | 73 | 106 | 815.0; 11. | DĖMENS | 71 | 84 | 814.2; 12. | SAKINYS | 91 | 528 | 801.4; 13. | DĖMENIU | 69 | 78 | 795.8; 14. | SINTAKSĖS | 68 | 163 | 704.7; 15. | SAKINĮ | 73 | 634 | 588.1; 16. | SAKINIUS | 61 | 315 | 550.1; 17. | TARINIO | 44 | 60 | 495.3; 18. | SAKINIAIS | 49 | 205 | 460.5; 19. | SUDĖTINIO | 42 | 75 | 455.4; 20. | TARINIU | 36 | 36 | 421.4 16 İstatistiksel yöntemlere dayanan yazılımın üçüncü olanağı, incelenen metinden aynı biçimde iki veya daha fazla kez kullanılmış sözcük öbeklerini seçip çıkarmaktır. Program, sekiz sözcük uzunluğuna kadar olan dizileri tespit edebilir. Anlaşılacağı üzere, metinde bu uzunluktaki yapıların sayısı fazla değildir. Kalıplaşmış dört sözcüklü, üç sözcüklü ve özellikle iki sözcüklü öbekler çok daha fazladır. V. Labutis’in incelenen metninde en az iki kez kullanılmış sekiz sözcüklü öbeklerden 2, yedi sözcüklülerden 6, altı sözcüklülerden 23, beş sözcüklülerden 65, dört sözcüklülerden 211, üç sözcüklülerden 756 ve iki sözcüklülerden tam 2695 tane vardır. Aşağıda farklı uzunluktaki sözcük dizileri sunulmaktadır; koyu yazılanlar, bölümleri birleşik terimler sayılabilecek öbeklerdir; yanlarında ise bu dizinin metinde kaç kez kullanıldığı belirtilmiştir. SEKİZ SÖZCÜK ONU EN AZ İKİ BAĞIMSIZ SÖZCÜK OLUŞTURUR 2 EN AZ İKİ BAĞIMSIZ SÖZCÜĞÜN BİÇİMLERİ OLUŞTURUR 2 YEDİ SÖZCÜK ONU EN AZ İKİ BAĞIMSIZ SÖZCÜK OLUŞTURUR 2 EN AZ İKİ BAĞIMSIZ SÖZCÜĞÜN BİÇİMLERİ 2 EN AZ İKİ BAĞIMSIZ SÖZCÜK OLUŞTURUR 2 SÖZCÜK BİÇİMLERİNİN DİĞER SÖZCÜK BİÇİMLERİYLE BİRLİKTE KULLANILMASI 2 ALTI SÖZCÜK İKİ BAĞIMSIZ SÖZCÜKTEN AZ OLMAMAK ÜZERE 4 FİİL VE YÜKLEM OLARAK KULLANILAN SÖZCÜK BİÇİMLERİ 3 LİTVANYA DİLİNİN AKADEMİK GRAMERİNDE LKG III 2 İKİ YA DA BİRDEN ÇOK BAĞIMSIZ SÖZCÜK BİÇİMİ 2 BİÇİMLERİN DİĞER SÖZCÜK BİÇİMLERİYLE BİRLİKTE KULLANIMI 2 VE BAZI EDATLI YAPILARLA BİRLİKTE 2 CÜMLENİN BİR ÖGESİNİ YA DA BİLEŞİK CÜMLENİN BİR BÖLÜMÜNÜ 2 DİĞER HÂLLERLE VE EDATLI YAPILARLA 2 HÂLLERLE VE EDATLI YAPILARLA 2 SÖZCÜK BİÇİMİ HERHANGİ BİR ŞEKİLDE BİRLİKTE KULLANILIR 2 SÖZCÜK BİÇİMLERİNİN DİĞER SÖZCÜKLERLE BİRLİKTE KULLANIMI 2 BEŞ KELİME İKİDEN AZ BAĞIMSIZ SÖZCÜK 4 FİİLLER VE YÜKLEM OLARAK KULLANILAN SÖZCÜKLER 4 17 HÂL EKLERİYLE VE EDATLI YAPILARLA 3 BİRLEŞİK CÜMLEYİ OLUŞTURAN PREDİKATİF YAPILAR 3 YA DA BAĞIMSIZ SÖZCÜKLERİN BİRDEN FAZLA BİÇİMİ 2 GERÇEKLİKTEKİ BİR DURUMA İLİŞKİN BAĞIMSIZ BİR BİLDİRİM 2 BİR BÖLÜMÜ YA DA BİRLEŞİK CÜMLENİN BİR ÖGESİNİ 2 İSİM ÖBEĞİNİN BAĞIMLI ÖGESİ OLARAK GÖREV YAPAR 2 BİÇİMLERİN BAŞKA SÖZCÜKLERLE KULLANIMI 2 BİRLEŞİK CÜMLENİN DE BİR ÖGESİ OLABİLİR 2 VE BİRLEŞİK CÜMLENİN PREDİKATİF ÖGELERİ ARASINDA 2 VE ÖZNE GÖREVİNDEKİ SÖZCÜK BİÇİMLERİ 2 İKİ BAĞIMSIZ SÖZCÜK BİÇİMİ OLARAK 2 DİĞER HÂLLERLE VE EDATLI YAPILARLA 2 HÂL EKİ YA DA EDATLI HÂL EKİYLE 2 GRAMERDE KİŞİ KATEGORİSİYLE İLİŞKİ 2 SÖZDİZİMSEL İLİŞKİLER VE SÖZCÜK ÖBEKLERİ 2 SINIFLANDIRMA BİRÇOK KEZ ELEŞTİRİLDİ 2 İKİNCİ DERECEDEN YAN CÜMLEYLE 2 HANGİ EDATLI YAPILARLA 2 DİĞER HÂLLERLE VE EDATLI YAPILARLA 2 YÖNELME HÂLİYLE VE ARAÇ HÂLİYLE 2 TÜMCE DÜZEYİNDEKİ YAN CÜMLEYLE 2 BUNLAR ÇOĞUNLUKLA ŞU FİİL ÖBEKLERİDİR 2 DİĞER SÖZCÜK BİÇİMLERİYLE KULLANIM 2 AYNI DERECEDEKİ YAN CÜMLELER 2 ORTAK BİR İKİNCİL CÜMLE ÖGESİNE SAHİPTİR 2 TÜM BİR BİRLEŞİK CÜMLE AÇISINDAN İŞLEVİ 2 SÖZCÜK BİÇİMİ HER NE KADAR KULLANILSA DA 2 SÖZCÜK BİÇİMLERİNİN DİĞER ÖGELERLE KULLANIMI 2 SÖZCÜK ÖBEĞİ YA DA BAŞKA BİR YAPI 2 DÖRT SÖZCÜK VE EDATLı YAPILARLA 5 VE YÜKLEM GÖREVİNDEKİ SÖZCÜKLERİN 4 ANA ÖGESİ 4 İKİDEN AZ BAĞIMSIZ 4 EN AZ İKİ 4 ÖZNE GÖREVİNDEKİ SÖZCÜK BİÇİMİ 4 ÖZNE VE YÜKLEM GÖREVİNDEKİ 4 İKİ BAĞIMSIZ SÖZCÜK BİÇİMİ 3 BAĞLAYICI VE İLİŞKİLENDİRİCİ 3 HÂL EKLERİYLE VE EDATLı 3 TEMEL ÖGELER GÖREVİNDEKİ SÖZCÜĞÜN 3 CÜMLEYİ OLUŞTURAN PREDİKATİF YAPI 3 DİLBİLGİSEL KİŞİ KATEGORİSİYLE 3 SÖZCÜKLER ARASI İLİŞKİLERİ İFADE ETME BİÇİMİ 3 İKİNCİ DERECEDEN YAN CÜMLE 2 BU KAVRAMLAR HAKKINDA BKZ. 2 18 BUNU ALIŞTIRMALARDA İŞLEYECEĞİZ 2 BİLEŞİK CÜMLENİN BİR ÖGESİ Mİ 2 DİĞER PREDİKATİF ÖGEYİ ORTAYA ÇIKARIR 2 CÜMLENİN ORTAK İKİNCİL ÖGESİ 2 TARZIN NİTELİĞİ VE NİCELİĞİ 2 SIFAT, BİR ÖBEK OLUŞTURUR 2 İSİM ÖBEĞİNİN BAĞIMLI ÖGESİ 2 TRYS ŽODŽIAI OLABİLİR 14 EDATLI YAPILARLA 11 AZ ÇOK 10 LİTVANYA DİLBİLGİSİ 9 CÜMLELER OLABİLİR 9 FİİL ÖBEKLERİYLE 8 ÖGELER OLABİLİR 7 ANA ÖGESİ 7 İSİM ÖBEKLERİYLE 6 EN AZ 6 BAĞLAMA VE BİRLEŞTİRME 6 CÜMLELERİN OLABİLİR 6 BAĞIMSIZ SÖZCÜK BİÇİMLERİ 6 FİİL VE YÜKLEM 6 İKİ BAĞIMSIZ SÖZCÜK 5 DVIPUSĖS SĄSAJOS SANTYKIU 5 DU ŽODŽIAI OLABİLİR 118 VE DİĞERLERİ 41 LİTVANYA DİLİNİN 36 ŽODŽIŲ FORMŲ 35 AYNI ZAMANDA 34 SUDĖTINIO SAKINIO 32 SAKINIO DALIŲ 31 ŽODŽIŲ FORMOS 31 YALNIZCA DEĞİL 29 ŽODŽIŲ JUNGINIŲ 26 ÖBEKLERLE 25 PREDIKATINIŲ DĖMENŲ 24 SAHİP OLABİLİR 23 BUNA RAĞMEN 23 TEMEL BİLEŞENLERİN 21 PREDİKAT MERKEZİNİ 20 PREDİKATİF BİLEŞENLER 20 GİBİ VE 18 BİRLEŞİK CÜMLELER 18 19 OLUŞTURABİLİR 17 TEMEL BİLEŞEN 17 EDATLI YAPILARLA 17 TAMLAYANLA 17 GİBİ VE 16 DİL SİSTEMLERİ 16 BAĞIMLI BİLEŞENİN 16 BİRLEŞİK CÜMLELERİN 16 BUNA EK OLARAK 15 VE GÖRE 15 SÖZ ÖBEĞİNİN 15 Verilen örneklerden görüldüğü üzere, uzun sözcük öbekleri deyişlere veya ifadelere, kısa olanlar ise sözdizimsel sözcük öbeklerine daha çok benzer. Bunların kalıplaşma dereceleri de farklıdır. Kalıplaşma dereceleri de farklıdır; bu durum, kullanım sayılarından anlaşılır. Örneğin bazı iki sözcüklü öbekler, bu kadar kısa bir metinde bile 118 kez kullanılmıştır. Ayrıca bazı sözcük dizileri bileşik terimlerle tamamen örtüşür; örneğin: ikinci derece yan cümle, iki yönlü bağlantı ilişkisi, dil sistemi; diğerlerinden ise bu terimleri ayıklamak gerekir; örneğin: diğer yüklemsel öge ortaya çıkarır, sözcüğün biçimi ana öge işlevindeki sözcüğe bir şekilde uyarlanır vb. Kısaltılmaları gerekse de bunlar kendilerine özgü biçimde bilgilendiricidir; çünkü terimin kendisine değil çevresine ait olan yüklemsel sözcükler (örneklerde aralıklı gösterilmiştir), bağlanma özellikleri ve kullanım özellikleri hakkında önemli bilgiler sağlar. Önceki listeler gibi, son liste de lemmatize edilmemiştir; bu nedenle aynı çok sözcüklü terim her defasında farklı bir dilbilgisel biçimde yinelenir. Ayrıca, en uzundan en kısaya doğru değişen uzunluktaki sözcük dizilerinde de yinelenir: en az iki bağımsız sözcük biçiminden oluşur, en az iki bağımsız sözcük biçiminden oluşur, bağımsız sözcük biçimleri, sözcük biçimleri. Her hâlükârda, sık tekrarlar engel olmak yerine en önemli ve en sık kullanılan bileşik terimlerin fark edilmesine yardımcı olur. Yarı otomatik yazılım araçlarıyla araştırılan metindeki terimlerin tümü ayıklanamasa bile, bu araçlar en önemlilerini belirlemeyi sağlar; bilgisayarın oluşturduğu listelerin bir terminograf tarafından okunup düzenlenmesi ise nihai sonucun kalitesini güvence altına alır. 20 Sonuç Çeşitli bilim dallarının terimlerini derlemeyi, betimlemeyi ve standartlaştırmayı amaçlayan çağdaş terminoloji, bilgisayar destekli bir derlem ve bununla bağlantılı bilgisayar destekli terim bankası hazırlama aşamalarının diğer unsurları olmadan yürütülemez: genel amaçlı ya da özel yazılım, sözcüksel veri tabanı vb. Derlem, mümkün olduğunca çok metin çeşitliliği içerecek ve böylece betimlenen bilim dalının dilini temsil edecek biçimde hazırlanmalıdır. Sözlükbilimcilere yönelik genel amaçlı yazılımlar kullanılarak bile, terim adayı olan sözcük ve sözcük öbeklerinin listeleri otomatik olarak elde edilebilir; bilinen ve yeni terimler bu listelerden seçilir. Alınış tarihi: 21.06.1999 Literatūra 1. A h m a d 1994 – Ahmad, K., Davies, A., Fulford, H., Rogers, M. What is a term? The semi-automatic extraction of terms from text. In: M. Snell-Hornby, F. Pochacker, K. Kaindl (eds.). Translation Studies: An Interdiscipline. Amsterdam – Philadelphia, 1994, P. 267–278. 2. A h m a d 1993 – Ahmad, K. Pragmatics of Specialist Terms: The Acquisition and Representation of Terminology. In: Petra Steffens (ed.). Machine Translation and the Lexicon. Thirds International EAMT Workshop. Heidelberg, Germany, April 26–28. 1993. Proceedings. Berlin – Heidelberg, 1995, P. 51–76. 3. B o u r i g a u l t 1996 – Bourigault, D., Gonzalez-Mullier, I., Gros, C. LEXTER, a Natural Language Processing Tool for Terminology Extraction. In: Euralex ’96 Proceedings II, Goteborg, 1996, P. 771 – 780. 4. L a u r i s t o n 1994 – Lauriston, A. Automatic Recognition of Complex terms: Problems and the TERMINO solution. In: Terminology. Vol 1(1), 1994, P. 147–170. 5. M e y e r 1996 – Meyer, I., Mackintosh, K. The Corpus from a Terminographer’s Viewpoint. In: International Journal of Corpus Linguistics. Vol. 1(2), 1996, P. 257–285. 6. P e a r s o n 1998 – Pearson, J. Terms in Context. Amsterdam – Philadelphia, 1998. 7. R o g e r s 1994 – Rogers, M., Ahmad, K. Computerised Terminology for Translators: the role of text. In: M. Brekke, O. Andersen, T. Dahl, J. Myking. Applications and Implications of Current LSP Research. Proceedings of the 9th European Symposium on LSP, Bergen, Aug. 2–6, 1993. Vol. II. Bergen, 1994. P. 840–851. 21 8. Sager 1990 – Sager, J.C. A Practical Course in Terminology Processing. Amsterdam – Philadelphia, 1990. TERMINOGRAPHY AND CORPUS Summary The paper deals with role of a corpus in terminology in general and terminology in particular. It argues for the necessity to use not only corpus but also general purpose and specific tools for the extraction of terminology and compilation of terminological databases. Peculiarities of the terminographer’s corpus such as its contents, size and specificity are also discussed. In addition, a wide range of possible general purpose and specific tools for term extraction are presented here. Some of them, based on statistical analyses of a text, were applied for one Lithuanian text on syntax in order to show how different tools can produce different semi-automatic lists of terms. 22