TERMINOLOGIE UND GEGENWART

Rūta MARCINKEVIČIENĖ

Vytautas-Magnus-Universität

TERMINOGRAFIE UND KORPUS

Die Korpuslinguistik, die vor mehr als drei Jahrzehnten mit dem ersten Korpus entstand, revolutionierte die allgemeine Lexikografie. Heute werden erklärende Wörterbücher mehr oder weniger auf der Grundlage von Korpora erstellt. Die Terminografie ist in dieser Hinsicht bis heute in Ländern vernachlässigt, die in der Korpuslinguistik weiter fortgeschritten sind – ganz zu schweigen von Neulingen wie uns. Hier soll gezeigt werden, wie wichtig, ja geradezu unersetzlich ein Korpus für die Erstellung von Terminologiewörterbüchern ist.

Das Zeitalter der Computertechnologien und zugleich der Computerkorpora hat die traditionelle Terminologie und Terminografie deutlich von der neuen abgegrenzt. Die Ansichten der Terminologen zu mehreren Fragen begannen sich stark zu unterscheiden: zum Begriff des Terminus selbst, zu den Quellen von Termini, zu den Kriterien für die Abgrenzung eines Terminus von einem Nichtterminus, zur Qualifikation von Terminologen, zur Normierung von Termini und zu einigen weiteren Fragen. Da sich die Fachgebiete stark ausgeweitet und miteinander verflochten haben, hat sich die Arbeit der Terminologen erheblich vermehrt, denn mit traditionellen Methoden lässt sich dem wissenschaftlichen und technologischen Fortschritt kaum noch folgen. Gerade deshalb begann man, Termini anders zu betrachten: Nicht die Norm, sondern der Gebrauch wird stärker betont.

Die traditionelle Terminologie, die zu Beginn dieses Jahrhunderts infolge des enormen technologischen Durchbruchs entstand, war vor allem darum bemüht, Begriffe zu benennen, die Vielfalt der in kurzer Zeit entstandenen Termini zu ordnen sowie die Terminologie einzelner Wissenschaftszweige und Fachgebiete zu systematisieren und zu normieren. Von Beginn an, seit der Entstehung der Terminologie als eigenständiger Wissenschaft, betrachtete man Termini anders als andere Wörter. Der Begründer der Terminologie, Wüster (zitiert nach Pearson 1998: 10), vertrat die Auffassung, dass man mit Termini anders umgehen müsse als mit Wörtern der Gemeinsprache, da die Terminologie bei der Analyse von Begriffen ansetzt. Und Begriffe, wie bekannt, exis-

5

tieren unabhängig nicht nur von den Termini, die sie benennen, sondern auch von den verschiedenen Sprachen. Termini sind nichts anderes als Bezeichnungen von Begriffen, die idealerweise in einer Beziehung zu den Begriffen selbst stehen, die folgendermaßen aussieht: ein Begriff – ein Terminus. Termini wurden überwiegend unter Berücksichtigung der Stellung der von ihnen bezeichneten Begriffe im hierarchischen Begriffssystem sowie ihrer Beziehungen zu anderen Begriffen definiert. Die Grundlage der Terminologie bildeten Termini, die von Fachleuten des jeweiligen Bereichs geschaffen und/oder normiert und anerkannt worden waren und eine klar definierte, festgelegte und somit geschützte Bedeutung hatten. Daher ist es keineswegs überraschend, dass sich traditionelle Terminologen, die präskriptive Positionen vertraten (vgl. Wüster, für den Sein-Norm wesentlich wichtiger war als Ist-Norm), überhaupt nicht für den tatsächlichen Sprachzustand in einzelnen Wissenschaftszweigen und den authentischen Gebrauch von Termini interessierten.

Beim Vorgehen vom Begriff zum Terminus und bei der onomasiologischen Bildung der Terminologie jedes einzelnen Fachgebiets stellte sich den damaligen Terminologen nicht – und konnte sich auch nicht – das Problem der Identifizierung eines Terminus, sondern nur das seiner Schaffung. Außerdem waren die einzelnen Wissenschaftszweige damals noch ziemlich autonom. Auch die Terminologen hatten ihre Fachgebiete stärker untereinander aufgeteilt und kannten die Terminologie vergleichsweise isolierter Bereiche. Mit dem Aufkommen gemeinsamer Themen interessieren sich deren Vertreter für Termini; zudem kommen neue Menschen in die Terminologie, die nicht unbedingt Fachleute eines bestimmten Wissenschaftsbereichs und/oder Sprachwissenschaftler sind, das heißt Programmierer, Entwickler terminologischer Datenbanken und elektronischer Wörterbücher usw. Da der tatsächliche Sprachgebrauch und die Zahl neuer Termini die vorhandenen Listen anerkannter Termini schon längst überholt haben, lässt die Terminografie der sich rasch wandelnden Wissenschaftszweige, die aufgrund der traditionellen Zettelkastenmethode deutlich hinter der Entwicklung zurückbleibt, neu hinzugekommenen Fachleuten keine Möglichkeit, sich auf früher verzeichnete Termini zu verlassen. Sie beginnen, Termini aus Texten zusammenzutragen; der Text wird somit zum Ausgangspunkt der Arbeit des Terminologen (Rogers et al. 1994: 843). Außerdem wird ihr tatsächlicher Gebrauch betrachtet, der sich häufig stark von dem Ideal unterscheidet, das die Sprachpfleger anstreben. Hier stellt sich die Frage, was als Terminus gilt, wann ein Wort terminologisiert wird, welcher Wortgebrauch als terminologisch anzusehen ist und wie sich ein Terminus von einem Nichtterminus unterscheiden lässt. Somit wird die Terminologie zu einem weniger klar abgegrenzten und isolierten Teil des Wortschatzes. Sie bildet eine Gruppe von Wörtern, die sich nur schwer abgrenzen lässt und in deren Zentrum prototypische Mitglieder stehen, die stets als

6

Auf die terminalen Einheiten folgen diejenigen, die nur unter bestimmten Umständen und in einem bestimmten Kontext den Status eines Terminus erlangen. An der Peripherie finden sich auch Wörter, die auf den ersten Blick nicht wie Termini aussehen, aber als solche gelten sollten. Dies gilt beispielsweise für Wörter der Gemeinsprache, die in populärwissenschaftlichen Texten vorkommen. Aus diesem und anderen Gründen ist es für Terminografen sehr wichtig, Termini zu identifizieren, sie aus authentischen Texten zu extrahieren und zu beschreiben. Gerade deshalb gewinnen Textkorpora und die Software, die die Arbeit mit ihnen erleichtert, große Bedeutung. Die Aufmerksamkeit für den tatsächlichen Sprachgebrauch lenkt Terminologen eher in Richtung Beschreibung als Normierung; die Trennlinie zwischen Präskriptivismus und Deskriptivismus teilt die Terminografie in eine traditionelle und eine moderne Richtung.

Warum ein Textkorpus

Als Quelle für Termini ist ein Textkorpus für Terminografen aus vielen Gründen nützlich. Autoren, die sich für seine Erstellung und Nutzung einsetzen, nennen die wichtigsten davon. Am wichtigsten ist wohl, dass sich aus ein und demselben Textkorpus unmittelbar drei für Terminografen erforderliche Dinge gewinnen lassen: die Termini selbst, ihre Definitionen, d. h. Sachinformationen über den jeweiligen Begriff, sowie Verwendungsbeispiele und damit auch Angaben zur Gebrauchshäufigkeit, zur Kombinierbarkeit der Termini usw. (Sager 1990, Meyer et al. 1996, Pearson 1998). Natürlich können auch Forschende, die bereits eine vorläufige Terminusliste haben, das Textkorpus nutzen. In diesem Fall gewinnen sie daraus Sach- und Sprachinformationen. Werden die Termini jedoch aus dem Textkorpus gewonnen, haben sie einen großen Vorteil: Sie sind systematisch und miteinander verknüpft, denn in einzelnen Texten finden sich Terminussammlungen, die von einzelnen Autoren verwendet werden; die Termini in jeder dieser Sammlungen sind gut durchdacht und stimmig aufeinander abgestimmt. Gerade aus diesem Grund – damit die gewonnenen Termini einzelne Systeme widerspiegeln – müssen vollständige Texte und nicht Auszüge, d. h. Stichproben, in das Textkorpus aufgenommen werden (Meyer et al. 1996: 268). Ein Korpus vollständiger Texte ist auch wegen der Sachinformationen unverzichtbar, die verloren gingen, wenn man sich mit Textteilen begnügte.

Heute werden von Terminografen zusammengestellte Textkorpora noch immer überwiegend dazu genutzt, Informationen über bereits bekannte Termini zu sammeln. Es wird geprüft,

7

ob sie weiterhin verwendet werden und, falls ja, wie; ob sich ihre Gebrauchseigenschaften und damit auch ihre Bedeutung verändert haben; ob sich der Umfang der durch sie bezeichneten Begriffe mit dem Aufkommen neuer Termini verändert hat. Ein Textkorpus wird jedoch viel dringender benötigt, um neue Termini zu gewinnen. Vielleicht gehören deshalb die Identifizierung von Termini und ihre automatische oder halbautomatische Gewinnung heute zu den populärsten Themen der elektronischen Terminografie. In dieser Hinsicht unterscheidet sich der Terminograf vom Lexikografen. Letzterer fragt nicht, was ein Wort ist, sondern nur, welche Wörter in welche Wörterbücher aufgenommen werden sollen; dem Terminografen stellt sich dagegen häufig die Frage: Was ist ein Terminus? Aus einem Textkorpus gewonnene und in speziellen Datenbanken gespeicherte und verwaltete neue Termini weisen noch eine weitere Besonderheit auf: Ihre Quellen sind genau angegeben und datiert, sodass sich daraus Rückschlüsse auf das Entstehen, die Verbreitung und das Verschwinden der Termini ziehen lassen.

Stellen wir uns das Endergebnis der Arbeit eines Terminografen als elektronische Datenbank (DB) oder als darauf beruhendes gedrucktes Wörterbuch vor, so ist das Textkorpus in allen Phasen der Erstellung dieser DB von Bedeutung. Computer decken den gesamten Arbeitszyklus des Terminografen ab: von computerisierten Textkorpora über spezielle Programme zur Suche und Identifizierung von Termini bis hin zur Erstellung terminologischer Datenbanken, zur Beschreibung der Termini und ihrer Verbreitung in elektronischer Form oder als herkömmliches Buch (Ahmad et al. 1994: 267).

Der Arbeitszyklus eines Terminografen sieht folgendermaßen aus. In der ersten Phase wird nach bestimmten Prinzipien aus einem elektronischen Textarchiv ein Textkorpus erstellt; anschließend werden daraus Termini gewonnen und in die DB übertragen. Dort werden sie beschrieben: In eigenen DB-Feldern werden typische, aus dem Konkordanztext entnommene Verwendungsbeispiele sowie die ebenfalls daraus gewonnenen Definitionen angeführt. Danach werden auf der Grundlage der aus dem Textkorpus gewonnenen sprachlichen und fachlichen Informationen Wörter angegeben, die mit dem beschriebenen Terminus zusammenhängen: Synonyme, Antonyme, Hyponyme und Hyperonyme. Es werden Querverweise auf deren Einträge sowie die Zugehörigkeit des Terminus zu einem Fachgebiet und seine Position im allgemeinen Begriffssystem angegeben. Außerdem werden grammatische und pragmatische Eigenschaften, Beschränkungen der Kombinierbarkeit oder sonstige Gebrauchsbeschränkungen, Informationen zur normativen Empfehlung des Terminus und – sofern vorgesehen – Übersetzungsäquivalente aufgeführt (ausführlicher zu den Besonderheiten der terminografischen Beschreibung siehe Sager 1990: 142–163). Das Textkorpus ist also von Anfang an unentbehrlich, das heißt, von der Beschäftigung mit dem Fachgebiet selbst

8

bis zur letzten Phase – dem fertigen Wörterbuchartikel. Heutige Terminologen betrachten die Digitalisierung bereits vorhandener gedruckter Wörterbücher, die nicht auf der Grundlage von Textkorpora erstellt wurden, d. h. ihre Übertragung in Datenbanken, sehr skeptisch (Sager 1990: 141).

Ein weiterer Grund für Terminografen, spezielle Textkorpora zu erstellen, ist, dass authentische Sprachbeispiele für die Terminografie noch wichtiger sind als für die Lexikografie. Sie sind wesentlich wichtiger als Introspektion, denn ein Terminograf ist – anders als ein Lexikograf – kein Fachmann, der Texte in der von ihm beschriebenen Sprachvarietät verfasst. Bei einem problematischen Fall kann er nicht fragen: Wie würde ich dieses Wort verwenden?, sondern nur: Was bedeutet dieses Wort für einen Fachkenner, und wie würde es ein Wissenschaftler, Technologe oder Experte verwenden? Da sich das Sprachgefühl nur eingeschränkt nutzen lässt, sind Terminografen daher weit stärker als Lexikografen auf Textkorpora angewiesen. Atkins et al. teilen alle Nutzer von Textkorpora in drei Gruppen ein: a) diejenigen, die sich für die Sprache der Texte interessieren, b) diejenigen, die sich für den Inhalt der Texte interessieren, und c) diejenigen, die sich für Texte als Texte interessieren, d. h. für deren Aufbau, Entstehung usw. (zitiert nach Meyer et al. 1996: 269). Lexikografen gehören zur ersten Gruppe, Terminografen dagegen zu den ersten beiden, denn für sie sind sowohl Sprachkenntnisse als auch Fachwissen wichtig. Wenn man die Bedeutung des Textkorpus für die Terminologie und die damit verbundenen Möglichkeiten erkannt hat, muss man festlegen, wie ein Textkorpus für die Terminografie beschaffen sein sollte.

Was für ein Korpus

Wie bereits erwähnt, benötigt der Terminograf aus einem Korpus zwei gleichermaßen wichtige Dinge: sprachliche und fachliche Informationen. Daher ist es wichtig, dass sich daraus beides gewinnen lässt. Im Hinblick auf die Sprache muss das Korpus so beschaffen sein, dass die Termini darin klar und korrekt sowie vorzugsweise mit Definitionen aufgeführt sind. Wünschenswert ist, dass möglichst viele und möglichst unterschiedliche Termini enthalten sind, im Idealfall alle, die von einer bestimmten Sprachgemeinschaft geschaffen und verwendet werden. Wichtig ist außerdem, dass die Termini in umfangreichen und vielfältigen Kontexten verwendet werden. Hinsichtlich des Fachgebiets sollten solche Texte in das Korpus aufgenommen werden, aus denen der Inhalt der durch Termini bezeichneten Begriffe, ihre Beziehungen untereinander und ihre Abhängigkeiten hervorgehen. Besonders wichtig ist, dass die Termini in diesen Texten definiert sind.

9

Aus den genannten Gründen schlagen Fachleute vor, in Korpora die gesamte Skala möglicher Texte aufzunehmen, die unter kommunikativen und pragmatischen Gesichtspunkten von den einfachsten bis zu den komplexesten reicht. Pearson unterteilt Fachsprachentexte danach, mit welcher Wahrscheinlichkeit sich darin Termini finden lassen, in vier Gruppen: a) Texte, in denen der Adressat des Fachmanns ein Wissenspartner auf gleicher Augenhöhe ist – also ebenfalls ein Fachmann, d. h. Artikel in wissenschaftlichen Fachzeitschriften und Monografien; in diesen Texten ist die Termini-Dichte am höchsten; b) Texte, die sich an einen Spezialisten desselben Fachgebiets richten, dessen Kenntnisstand jedoch geringer ist, beispielsweise verschiedene Anleitungen und Lehrbücher; hier finden sich etwas weniger Termini; c) populärwissenschaftliche Texte für Personen, die mit dem betreffenden Fachgebiet nicht vertraut sind. In ihnen wird bewusst auf komplexe oder überhaupt auf Termini verzichtet; stattdessen werden Inhalte lieber erläutert, mit anderen Worten wiedergegeben und Analogien und Vergleiche verwendet. Ein Autor kann also, wenn er möchte, ganz ohne Termini auskommen; d) Texte, die der Kommunikation zwischen Lehrkraft und Schüler entsprechen: Lehrbücher und Lehrmaterialien. Sie enthalten Termini, die jedoch etwas anders verwendet werden. Ein wichtiges Merkmal dieser Texte sind erläuterte Termini (Pearson 1998: 36–40).

Die Texte eines terminografischen Korpus allein unter kommunikativen und pragmatischen Gesichtspunkten zu beschreiben, reicht nicht aus. Für die Qualität und Repräsentativität des Korpus sind auch andere Textparameter und deren proportionale Verteilung ebenso wichtig. Auf die Frage, wie viele Texte gesammelt werden müssen, damit man sich auf die Daten des daraus erstellten Korpus verlassen kann, antworten Fachleute: „Anders als bei allgemeinsprachlichen Korpora ist die Qualität hier weitaus wichtiger als die Quantität“ (Meyer et al. 1996: 268). Aus nachvollziehbaren Gründen sind Fachkorpora üblicherweise kleiner als allgemeinsprachliche Korpora. Obwohl sie kleiner sind, bestehen sie jedoch aus vollständigen, ungekürzten Texten. Außerdem müssen sie den gesamten repräsentierten Fachbereich mit sämtlichen dazugehörigen Unterbereichen umfassen, die zuvor von den Terminografen ausgewählt wurden. Häufig ist es schwierig, eine klare Grenze zwischen einzelnen wissenschaftlichen Fachgebieten zu ziehen, insbesondere wenn ein Fachgebiet mit allgemeinen Themen verknüpft ist und die Korpusersteller versucht sind, tiefer in die Materie einzudringen, d. h. weitere Texte aufzunehmen, die von Fachleuten für Fachleute verfasst wurden und zweifellos zu diesem Gebiet gehören. Daher wird Terminologen empfohlen, sich an Experten des beschriebenen Fachgebiets zu wenden und sie um Rat zu fragen, welche Texte aufgenommen werden sollten, damit ein in jeder Hinsicht repräsentatives Korpus entsteht und zusammen mit den nicht aufgenommenen Texten keine

10

systematisch wichtigen Begriffe und die sie bezeichnenden Termini übersehen werden und vor allem nicht die Prioritäten eines einzelnen Korpuserstellers dominieren (Ahmad 1993: 60). Für terminografische Korpora eignet sich das Prinzip, das Lexikografen manchmal auf allgemeinsprachliche Korpora anwenden, überhaupt nicht: „Was ich habe, das nehme ich auf“.

Unter Berücksichtigung der Korpustypologie und der wichtigsten Korpustypen im Hinblick auf ihre Fortführung – abgeschlossen, fortlaufend und monitorartig – wird vorgeschlagen, ein terminografisches Korpus als Sammlung von Texten des zweiten, noch besser jedoch des letztgenannten Typs anzulegen. Dann wird das Korpus kontinuierlich um neue Texte ergänzt, während die älteren entweder beibehalten werden (bei einem fortlaufenden Korpus) oder in ein Archiv verschoben werden, wenn es sich um ein Monitor-Korpus handelt. Ein fortlaufendes Korpus würde stetig wachsen; dabei würden die zuvor festgelegten Strukturprinzipien nicht unbedingt beibehalten, denn mit den sich wandelnden Publikationstrends könnten neue Texte das Gleichgewicht in die eine oder andere Richtung verschieben. Bei einem Monitor-Korpus blieben die Proportionen unverändert, und neue Texte nähmen nur so viel Platz ein, wie von Anfang an für Texte der jeweiligen Art vorgesehen war. In jedem Fall muss das Korpus regelmäßig aktualisiert werden, denn Termini veralten deutlich schneller als Wörter der Alltagssprache.

Nachdem die allgemeinen Fragen zur Größe und Art des Korpus sowie zu seinen fachlichen Grenzen erörtert und entsprechende Entscheidungen getroffen wurden, ist als Nächstes zu prüfen, welche konkreten Texte in das Korpus aufgenommen werden sollen, damit es repräsentativ und ausgewogen ist. In jedem Einzelfall sind die Textgattung, der Entstehungszeitpunkt, der Autor und der sprachliche Status zu berücksichtigen; dabei ist eine möglichst große Vielfalt anzustreben. Denn nur die Vielfalt der Textgattungen und eine breite Textskala von anspruchsvollen bis hin zu populären Veröffentlichungen ermöglichen es, sowohl wissenschaftliche, formelle Termini auszuwählen, unter denen es viele individuelle Neologismen gibt, als auch populäre Termini, die wesentlich weiter verbreitet und in der Umgangssprache etabliert sind.

Bei der Bewertung des Alters der Texte werden neuere bevorzugt; doch können sich auch ältere Texte als wertvoll erweisen, insbesondere wenn man den fachlichen Aspekt betrachtet. Auch die Autorenschaft sollte vielfältig sein, damit die stilistischen Besonderheiten eines oder mehrerer stark repräsentierter Autoren nicht überwiegen. Zwar ist die stilistische Vielfalt wissenschaftlicher Texte nicht besonders groß, wenn man sie beispielsweise mit der Belletristik vergleicht, doch ist der individuelle Stil eines Autors nicht nur für die Verwendung, sondern auch für die Auswahl sprachlicher Einheiten von Bedeutung. Daher überrascht es nicht, dass verschiedene Wissenschaftler, insbesondere wenn sie unterschiedlichen wissenschaftlichen Denkschulen angehören, ver-

11

solche Termini. Für die Standardisierung und Normierung von Termini ist ebenso wie für die Suche nach Neologismen eine möglichst große Vielfalt der im Korpus enthaltenen Termini von erheblicher Bedeutung. Ein letzter, nicht weniger wichtiger Aspekt ist der sprachliche Status der Texte. Vorrang haben Originaltexte gegenüber Übersetzungen, von muttersprachlichen Autoren verfasste und anschließend zudem begutachtete und redigierte Texte.

Werkzeuge zur Korpusanalyse für Terminografen

Im vergangenen Jahrzehnt wurde vielfältige Software entwickelt, die Lexikografen die Suche nach Wörtern und andere Formen der Korpusanalyse erleichtert. Obwohl sich die Arbeit von Lexikografen und Terminografen grundsätzlich unterscheidet, nutzen sie nahezu dieselben Softwarefunktionen, nämlich: a) Wortfrequenzlisten; b) Konkordanzen, d. h. alle Belege eines untersuchten Wortes in einem Kontext bestimmter Größe, gewöhnlich einer Zeile; sowie c) Statistiken zu Kollokationspartnern (Meyer et al. 1996: 274). Diese Werkzeuge helfen dabei, das Korpus unter sprachlichen Gesichtspunkten zu untersuchen.

Neben den gemeinsam mit Lexikografen genutzten allgemeinen Softwarewerkzeugen entstehen nach und nach auch spezielle Programme, die ausschließlich für Terminografen geeignet sind. Von allgemeinen Programmen unterscheiden sie sich nicht mehr hinsichtlich der Sprache, sondern ihrer fachlichen Ausrichtung, denn sie dienen der Analyse der im Korpus enthaltenen Informationen. In diesem Fall wird das Korpus nicht mehr als Gesamtheit der Verwendungskontexte von Termini betrachtet, sondern als Quelle des Spezialwissens eines bestimmten Fach- oder Wissenschaftsgebiets. Zu nennen sind mehrere Gruppen solcher Programme: a) Programme zur Analyse eines Textes im Hinblick auf die darin enthaltenen Informationen – etwa zur Suche nach bedeutungstragenden Wörtern und informationsreichen Textstellen, in denen Beziehungen und Abhängigkeiten zwischen Begriffen aufgezeigt werden; b) Programme, die für Terminografen relevante Korpusstellen auswählen, beispielsweise Termini-Definitionen; c) Programme, die bei der Analyse von durch Termini bezeichneten Begriffen helfen und die Aufbereitung des aus dem Korpus gewonnenen Wissens erleichtern (knowledge acquisition systems). Obwohl diese letzte Gruppe ganz neu und sehr vielversprechend ist, wird ihr in der Fachliteratur bislang zu wenig Beachtung geschenkt. Weitaus häufiger wurde die Möglichkeit erörtert, im Korpus enthaltene Termini-Definitionen halbautomatisch zu erfassen (Pearson 1998: 121–204).

12

Sowohl zum Erfassen von Definitionen als auch von Mehrworttermini ist ein morphologisch annotiertes Korpus erforderlich, d. h. ein Korpus, in dem alle Wörter nach Wortarten ausgezeichnet sind. Die erste Arbeitsphase muss der Lexikograf selbst übernehmen: Er liest die Texte und sammelt definierte Termini. Auf Grundlage dieser Informationen erstellt er später morphologische Definitionsmuster – alle Kombinationen von Wortartensequenzen, die beim Definieren auftreten. Anschließend sucht der Computer im gesamten Korpus nach solchen Wortkombinationen. So entsteht keine Liste von Termini und ihren Definitionen, sondern eine Liste von Kandidaten für definierte Termini. Diese wird einem Fachgebietskenner zur Durchsicht vorgelegt, damit er überflüssige Sätze streicht. Um die Zahl unnötiger, zufällig übereinstimmender morphologischer Kombinationen zu verringern, gibt man dem Computer die in Definitionen am häufigsten vorkommenden lexikalischen Einheiten – häufige Definitionswörter – vor. Auf ähnliche Weise lassen sich auch Mehrworttermini aus dem Korpus gewinnen; dies ist das Grundprinzip der Programme der ersten Generation zur automatischen Terminidentifizierung, LEXTER (Bourigault 1995) und TERMINO (Lauriston 1994).

Bei der Verarbeitung des Korpus auf diese Weise treten zweifellos gewisse Probleme auf. Erstens sind bei Weitem nicht alle ausgewählten Wortverbindungen Termini. Dieses Problem wird gelöst, indem eine Liste unnötiger Wörter (stop-list) erstellt und in den Computer eingegeben wird; die darin enthaltenen Wörter werden nicht in die Liste der Termkandidaten aufgenommen. Außerdem bleibt häufig unklar, welche Wörter zum Mehrwortterminus selbst gehören und welche lediglich zu dessen Umfeld. Allerdings ist dies auch beim manuellen Erfassen von Termini nicht immer eindeutig.

Halbautomatische Methode zur Terminusauswahl

Um die Möglichkeiten zu veranschaulichen, die einfache Softwarewerkzeuge Terminografen bieten, wählten wir für die Analyse die elektronische Fassung von V. Labutis’ „Sintaksės“ (T. I, V., 1994) und untersuchten den Text mit Miko Scotts für Linguisten bestimmtem Werkzeugpaket WordSmith Tools, version 2.0 (Oxford, 1997). Ziel der statistischen Analyse war es, mehrere Listen mit Wörtern oder Wortverbindungen zu erstellen, aus denen sich anschließend Termkandidaten und die Termini selbst auswählen ließen.

Die statistischen Kennzahlen des untersuchten Textes lauten wie folgt: Der gesamte Text umfasst 37 319 Wörter und Wortformen; nach Entfernung der Wiederholungen verbleiben

13

9.249 Wörter und ihre Formen. Der Wortschatzkoeffizient (type/token ratio) beträgt 24,78. Der gesamte Text enthält 2.364 Sätze, die durchschnittliche Satzlänge beträgt 15,78 Wörter.

Zunächst wurde der einfachste Schritt durchgeführt – eine Häufigkeitsliste aller Textwörter erstellt, anhand derer man unter den am häufigsten verwendeten Wörtern mit dem Auftreten von Termini rechnen kann. Wie aus dem vorgelegten Listenausschnitt ersichtlich ist, besteht der Text aus Wörtern und Wortformen, die nach Häufigkeit geordnet sind. Da der Text keine grammatischen Annotationen enthält, die die Zugehörigkeit jeder Wortform zu einzelnen Wortarten anzeigen, ist die Liste nicht lemmatisiert; daher erscheinen verschiedene grammatische Formen desselben Wortes separat. Der Kürze halber werden sowohl nicht flektierbare Wörter als auch verschiedene flektierte Formen im Folgenden einfach als Wörter bezeichnet.

Tabelle 1. Die 20 häufigsten Wörter und Wortformen im Text

Nr.

Wort und Wortform

Häufigkeit im untersuchten Text

Anteil am Text (%)

1.

IR

1,319

3.53

2.

SU

479

1.28

3.

AR

390

1.05

4.

SATZ

288

0.77

5.

DAS

284

0.76

6.

WÖRTER

258

0.69

7.

KANN

243

0.65

8.

O

229

0.61

9.

IŠ

206

0.55

10.

SÄTZE

196

0.53

11.

Į

194

0.52

12.

IST

194

0.52

13.

WIE

187

0.50

14.

NE

182

0.49

15.

NUR

171

0.46

16.

NACH

170

0.46

17.

SEIN

155

0.42

18.

JŲ

143

0.38

19.

SÄTZE

143

0.38

20.

VERBINDUNGEN

141

0.38

14

Wie üblich besteht ein Text aus vergleichsweise wenigen Wörtern, die viele Male verwendet werden, und vielen Wörtern, die selten verwendet werden. Einmal verwendete Wörter machen 62% aller Wortvorkommen aus. Üblicherweise beträgt ihr Anteil die Hälfte des Textes; nach der Lemmatisierung der Liste würden es offenbar ebenso viele bleiben, da abgeleitete Wortformen den Grundformen zugeordnet würden. Einmalige und seltene, d. h. 2 bis 10 Vorkommen umfassende Wörter sind für Terminologen nicht von Interesse, denn die Wahrscheinlichkeit, hier Termini zu finden, ist gering. Übrig bleibt ein vergleichsweise kurzer Teil der Liste: nur 6% der häufig verwendeten Textwörter, aus denen es sich bereits lohnt, Einworttermini zu entnehmen.

Diagramm

Verteilung der Textwörter und Wortformen nach Verwendungshäufigkeit (Anzahl der Vorkommen)

Wörter und ihre Formen, mehr als 10-mal verwendet 6%

Wörter und ihre Formen, 2 bis 10-mal verwendet 32%

Wörter und ihre Formen, 1-mal verwendet 62%

Wären diese Gebrauchsdaten in Form einer Kurve statt eines Diagramms dargestellt, würde sich zeigen, dass 10 Vorkommen eine sehr deutliche Grenze, einen Schwellenwert bilden, jenseits dessen die Wörter wesentlich häufiger verwendet werden als diesseits davon. Eine eingehendere Analyse ergab, dass von den 599 Wörtern, die 10-mal oder häufiger vorkommen, sogar 239 Einworttermini oder Bestandteile zusammengesetzter Termini sind, mit anderen Worten: Wörter, die für Terminografen wichtig sind. Dazu zählen Bezeichnungen für Wortarten, Kasus, Sprachphänomene, Einheiten und Teilgebiete der Sprachwissenschaft.

Der Vorteil einer allgemeinen Häufigkeitsliste der Wörter ist die bereits erwähnte sehr deutliche Grenze der Verwendungshäufigkeit; Nachteile gibt es gleich mehrere. Einer davon: Die Liste besteht aus einzelnen Wörtern, Einworttermini gibt es bekanntlich jedoch nicht besonders viele. Andererseits sind die meisten neuen, nicht in Wörterbücher aufgenommenen und daher für Terminologen besonders interessanten Termini gerade mehrwör-

15

Wörter. Ein zweiter Nachteil: Ein großer Teil der Liste besteht aus sehr häufigen Funktionswörtern, die für Terminologen ebenfalls wenig aufschlussreich sind. Dieser Nachteil lässt sich beheben, indem man eine etwas andere Liste bedeutungstragender Wörter erstellt. Bedeutungstragende Wörter werden etwas aufwendiger aus dem Text ermittelt, indem man den untersuchten Text mit einem weitaus größeren Korpus vergleicht – in unserem Fall mit dem computergestützten Korpus der Vytautas-Magnus-Universität mit einem Umfang von 55 Millionen Wörtern. Wenn ein Wort im untersuchten Text relativ häufiger vorkommt als durchschnittlich im großen Korpus, gilt es als bedeutungstragendes Wort dieses Textes. Einfacher gesagt: Wenn über Kino geschrieben wird, kommt dieses Wort im Text viel häufiger vor und erscheint deshalb in der Liste bedeutungstragender Wörter. Wie der Tabelle zu entnehmen ist, gibt es hier deutlich weniger Funktionswörter, da ihre Häufigkeit im Text und im Korpus ähnlich ist. Somit rücken die einzigartigeren Wörter des untersuchten Textes in den Vordergrund – bei einem wissenschaftlichen Text die Fachbegriffe. Leider werden sie in dieser Liste, ebenso wie in der ersten, einzeln und nicht in Wortverbindungen aufgeführt.

Tabelle 2. Die 20 häufigsten bedeutungstragenden Wörter und Wortformen

Nr. | Wort und Wortform | Häufigkeit im untersuchten Text | Häufigkeit im Korpus | Bedeutungskoeffizient 1. | SATZES | 288 | 707 | 2,974.8; 2. | SÄTZE | 196 | 370 | 2,108.4; 3. | WÖRTER | 258 | 6,504 | 1,554.3; 4. | SÄTZE | 143 | 386 | 1,453.6; 5. | WORTVERBINDUNGEN | 141 | 405 | 1,418.4; 6. | SATZGLIEDER | 103 | 130 | 1,171.5; 7. | WORTVERBINDUNGEN | 103 | 591 | 909.2; 8. | SATZGLIED | 77 | 124 | 847.4; 9. | IM SATZ | 85 | 310 | 819.6; 10. | SATZGLIEDER | 73 | 106 | 815.0; 11. | SATZGLIEDS | 71 | 84 | 814.2; 12. | SATZ | 91 | 528 | 801.4; 13. | SATZGLIED | 69 | 78 | 795.8; 14. | SYNTAX | 68 | 163 | 704.7; 15. | SATZ | 73 | 634 | 588.1; 16. | SÄTZE | 61 | 315 | 550.1; 17. | PRÄDIKATS | 44 | 60 | 495.3; 18. | MIT SÄTZEN | 49 | 205 | 460.5; 19. | ZUSAMMENGESETZTEN | 42 | 75 | 455.4; 20. | PRÄDIKAT | 36 | 36 | 421.4

16

Die dritte Möglichkeit statistisch basierter Software besteht darin, aus dem untersuchten Text jene Wortverbindungen herauszufiltern, die in identischer Form mindestens zweimal im Text vorkommen. Das Programm kann sogar Ketten mit einer Länge von bis zu acht Wörtern erkennen. Verständlicherweise gibt es im Text nicht viele Gebilde dieser Länge. Weitaus häufiger sind feste Verbindungen aus vier und drei Wörtern, besonders aber aus zwei Wörtern. Im untersuchten Text von V. Labutis gibt es 2 achtgliedrige Wortverbindungen, die mindestens zweimal vorkommen, 6 siebengliedrige, 23 sechsgliedrige, 65 fünfgliedrige, 211 viergliedrige, 756 dreigliedrige und sogar 2695 zweigliedrige Wortverbindungen. Im Folgenden werden Wortketten unterschiedlicher Länge aufgeführt; besonders fett hervorgehoben sind diejenigen Verbindungen, deren Bestandteile als zusammengesetzte Fachbegriffe betrachtet werden könnten. Daneben ist die Anzahl der Vorkommen der jeweiligen Kette im Text angegeben.

ACHT WÖRTER

ES BESTEHT AUS MINDESTENS ZWEI SELBSTSTÄNDIGEN WÖRTERN 2

BESTEHT AUS MINDESTENS ZWEI SELBSTSTÄNDIGEN WORTFORMEN 2

SIEBEN WÖRTER

ES BESTEHT AUS MINDESTENS ZWEI SELBSTSTÄNDIGEN 2

MINDESTENS ZWEI SELBSTSTÄNDIGE WORTFORMEN 2

BESTEHT AUS MINDESTENS ZWEI SELBSTSTÄNDIGEN WÖRTERN 2

VERWENDUNG VON WOR FORMEN MIT ANDEREN WORTFORMEN 2

SECHS WÖRTER

MINDESTENS ZWEI SELBSTSTÄNDIGE WÖRTER 4

FORMEN VON VERBEN UND ALS PRÄDIKAT FUNKTIONIERENDEN WÖRTERN 3

IN DER AKADEMISCHEN GRAMMATIK DER LITAUISCHEN SPRACHE LKG III 2

ZWEI ODER MEHRERE FORMEN SELBSTSTÄNDIGER WÖRTER 2

DIE ANWENDUNG VON FORMEN BEI ANDEREN WORTFORMEN 2

UND MIT EINIGEN PRÄPOSITIONALKONSTRUKTIONEN 2

EIN SATZGLIED ODER EINEN TEILSATZ EINES KOMPLEXEN SATZES 2

MIT ANDEREN KASUS SOWIE PRÄPOSITIONALKONSTRUKTIONEN 2

MIT KASUS UND PRÄPOSITIONALKONSTRUKTIONEN 2

DIE WORTFORM WIRD IRGENDWIE ANGEWENDET BEI 2

DIE ANWENDUNG VON WORTFORMEN BEI ANDEREN WÖRTERN 2

FÜNF WÖRTER

WENIGER ALS ZWEI SELBSTSTÄNDIGE WÖRTER 4

VERBEN UND ALS PRÄDIKAT FUNKTIONIERENDE WÖRTER 4

17

MIT KASUSEN UND PRÄPOSITIONALEN KONSTRUKTIONEN 3

PREDIKATIVE STRUKTUREN, DIE EINEN KOMPLEXEN SATZ BILDEN 3

ODER MEHRERE FORMEN SELBSTSTÄNDIGER WÖRTER 2

EINE SEPARATE MITTEILUNG ÜBER EINEN REALEN SACHVERHALT 2

EINEN TEIL ODER EINEN SATZTEIL EINES KOMPLEXEN SATZES 2

FUNGiert ALS ABHÄNGIGES GLIED EINER NOMINALPHRASE 2

VERWENDUNG VON FORMEN BEI ANDEREN WÖRTERN 2

KANN AUCH ALS TEIL EINES KOMPLEXEN SATZES FUNGIEREN 2

UND ZWISCHEN DEN PRÄDIKATIVEN STRUKTUREN EINES KOMPLEXEN SATZES 2

UND DEN FORMEN VON WÖRTERN, DIE ALS SUBJEKT FUNGIEREN 2

ALS FORMEN ZWEIER SELBSTSTÄNDIGER WÖRTER 2

MIT ANDEREN KASUSEN UND PRÄPOSITIONALEN KONSTRUKTIONEN 2

DES KASUS ODER DES KASUS MIT EINER PRÄPOSITION 2

IN BEZUG AUF DIE GRAMMATISCHE PERSONENKATEGORIE 2

SYNTAGMATISCHE BEZIEHUNGEN UND WORTVERBINDUNGEN 2

DIE EINTEILUNG WURDE MEHR ALS EINMAL KRITISIERT 2

MIT EINEM NEBENSATZ DES ZWEITEN GRADES 2

MIT WELCHEN PRÄPOSITIONALEN KONSTRUKTIONEN 2

MIT ANDEREN KASUS SOWIE PRÄPOSITIONALEN KONSTRUKTIONEN 2

MIT DEM DATIV UND MIT DEM INSTRUMENTAL 2

MIT EINEM NEBENSATZ, DER EINEN GANZEN SATZ BILDET 2

DAS SIND MEISTENS VERBALVERBINDUNGEN MIT 2

ANWENDUNG AUF ANDERE WORTFORMEN 2

NEBENSÄTZE DESSELBEN GRADES 2

HABEN EINEN GEMEINSAMEN SEKUNDÄREN SATZTEIL 2

FUNKTION IN BEZUG AUF DEN GANZEN ÜBERGEORDNETEN SATZ 2

DIE WORTFORM „WIE“ WIRD DENNOCH ANGEWENDET 2

ANWENDUNG VON WORTFORMEN AUF ANDERE 2

WORTVERBINDUNG ODER ANDERE KONSTRUKTION 2

VIER WÖRTER

UND MIT PRÄPOSITIONALEN KONSTRUKTIONEN 5

UND ALS PRÄDIKATIVUM FUNGIERENDE WÖRTER 4

DEREN HAUPTGLIED 4

WENIGER ALS ZWEI SELBSTSTÄNDIGE 4

NICHT WENIGER ALS ZWEI 4

ALS SUBJEKT FUNGIERENDE WORTFORM 4

ALS SUBJEKT UND PRÄDIKATIVUM FUNGIERENDE 4

FORMEN ZWEIER SELBSTSTÄNDIGER WÖRTER 3

KOORDINIERENDE UND SUBORDINIERENDE 3

MIT KASUSENDUNGEN UND MIT PRÄPOSITIONALEN 3

DES HAUPTGLIEDS FUNGIERENDE WORTES 3

PRÄDIKATIVE STRUKTUREN, DIE DEN SATZ BILDEN 3

MIT GRAMMATISCHER PERSONENKATEGORIE 3

ART DES AUSDRUCKS VON WORTBEZIEHUNGEN 3

NEBENSATZ ZWEITEN GRADES 2

ZU DIESEN BEGRIFFEN SIEHE 2

18

DAZU IN DEN ÜBUNGEN 2

ODER EIN SATZGLIED DES KOMPLEXEN SATZES 2

EIN ANDERES PRÄDIKATIVES GLIED AUFDECKT 2

EIN ALLGEMEINES SATZGLIED ZWEITER ORDNUNG 2

QUALITÄT UND QUANTITÄT DER ART UND WEISE 2

DAS ADJEKTIV BILDET EINE VERBINDUNG MIT 2

ALS ABHÄNGIGES GLIED EINER NOMINALPHRASE 2

DREI WÖRTER

KÖNNEN SEIN 14

MIT PRÄPOSITIONALEN KONSTRUKTIONEN 11

MEHR ODER WENIGER 10

LITAUISCHE SYNTAX 9

SÄTZE KÖNNEN SEIN 9

VERBALE WORTVERBINDUNGEN MIT 8

KONSTITUENTEN KÖNNEN SEIN 7

DEREN HAUPTBESTANDTEIL 7

SUBSTANTIVISCHE WORTVERBINDUNGEN MIT 6

NICHT WENIGER ALS 6

ANFÜGUNG UND VERKNÜPFUNG 6

SÄTZE KÖNNEN SEIN 6

FORMEN SELBSTSTÄNDIGER WÖRTER 6

SUBJEKT UND PRÄDIKAT 6

ZWEI SELBSTSTÄNDIGE WÖRTER 5

WECHSELSEITIGE BEZIEHUNG 5

ZWEI WÖRTER

KANN SEIN 118

UND ANDERE 41

DER LITAUISCHEN SPRACHE 36

WORTFORMEN 35

EBENFALLS 34

DES KOMPLEXEN SATZES 32

DER SATZGLIEDER 31

WORTFORMEN 31

NICHT NUR 29

WORTVERBINDUNGEN 26

VERBINDUNGEN MIT 25

PRÄDIKATIVEN TEILSÄTZEN 24

KANN HABEN 23

DENNOCH 23

DER HAUPTBESTANDTEILE 21

DAS PRÄDIKATIVE ZENTRUM 20

PRÄDIKATIVE BESTANDTEILE 20

WIE AUCH 18

KOMPLEXE SÄTZE 18

19

KANN BILDEN 17

HAUPTBESTANDTEIL 17

MIT PRÄPOSITIONALEN KONSTRUKTIONEN 17

MIT DEM GENITIV 17

WIE AUCH 16

SPRACHSYSTEME 16

DES ABHÄNGIGEN BESTANDTEILS 16

KOMPLEXER SÄTZE 16

AUSSERDEM 15

AUCH NACH 15

DER WORTVERBINDUNG 15

Wie aus den angeführten Beispielen ersichtlich, erinnern längere Wortverbindungen eher an Redewendungen oder Phrasen, kürzere dagegen an syntaktische Wortverbindungen. Ihre Verfestigung ist unterschiedlich.

Auch der Grad ihrer Verfestigung ist unterschiedlich und wird an der Zahl der Verwendungen deutlich; so kommen einige zweigliedrige Verbindungen selbst in einem derart kurzen Text 118-mal vor. Außerdem stimmen einige Wortketten vollständig mit Mehrworttermini überein, z. B.: Nebensatz zweiten Grades, Verhältnis wechselseitiger Bezüge, Sprachsystem; aus anderen hingegen müssen diese Termini erst herausgelöst werden, z. B.: ein anderes Prädikatglied legt offen, die Wortform wird irgendwie an das als Hauptglied fungierende Wort angepasst usw. Obwohl sie gekürzt werden müssen, sind sie auf ihre Weise informativ, denn die prädikativen Wörter (in den Beispielen sind sie ausgelassen), die nicht zum Terminus selbst, sondern zu dessen Umgebung gehören, liefern wichtige Informationen über die Valenz und Besonderheiten des Gebrauchs.

Die letztgenannte Liste ist, wie auch die vorherigen, nicht lemmatisiert; daher erscheint derselbe Mehrwortterminus wiederholt in jeweils anderer grammatischer Form. Darüber hinaus tritt er auch in Wortketten unterschiedlicher Länge auf – von der längsten bis zur kürzesten: besteht aus mindestens zwei selbstständigen Wortformen, mindestens zwei selbstständigen Wortformen, selbstständigen Wortformen, Wortformen. Wie dem auch sei: Häufige Wiederholungen erschweren die Arbeit nicht, sondern helfen, die wichtigsten und am häufigsten verwendeten Mehrworttermini zu erkennen. Selbst wenn mit den genannten halbautomatischen Softwarewerkzeugen nicht alle Termini des untersuchten Textes herausgefiltert werden, ermöglichen sie doch, die wichtigsten zu erkennen; die Tatsache, dass ein Terminograf die vom Computer erstellten Listen liest und bearbeitet, gewährleistet die Qualität des Endergebnisses.

20

Schlussfolgerung

Die moderne Terminologie, die darauf abzielt, Termini aus verschiedenen Wissenschaftsgebieten zu sammeln, zu beschreiben und zu normieren, kann weder auf ein computergestütztes Korpus noch auf die damit verbundenen weiteren Arbeitsschritte bei der Erstellung einer computergestützten Terminologiedatenbank verzichten: allgemeine oder spezielle Software, lexikalische Datenbank usw. Das Korpus muss so zusammengestellt sein, dass es eine möglichst große Vielfalt an Texten umfasst und somit die Sprache des beschriebenen Wissenschaftsgebiets repräsentiert. Selbst mit allgemeiner, für Lexikografen bestimmter Software lassen sich automatisch Listen von Wörtern und Wortverbindungen erstellen, die als Terminuskandidaten infrage kommen und aus denen bekannte und neue Termini ausgewählt werden.

Eingegangen am 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 9^th 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