Экстралінгвістычны кантэкст рэпрэзентатыўнасці беларускага корпуса тэкстаў



Дата канвертавання22.07.2016
Памер70.71 Kb.


А.А. Барковіч (г. Мiнск)
ЭКСТРАЛІНГВІСТЫЧНЫ КАНТЭКСТ РЭПРЭЗЕНТАТЫЎНАСЦІ

БЕЛАРУСКАГА КОРПУСА ТЭКСТАЎ
Як вядома, корпусная лiнгвiстыка займаецца вывучэннем корпусаў тэкстаў як моў­ных аб'ектаў. У сучаснай лінгвістыцы корпусныя даследаванні ўжо маюць свае традыцыi, прызнаных лiдэраў, свае навуковыя цэнтры, метады i праблематыку. У той жа час, на беларускай глебе корпусная лiнгвiстыка – адносна новы напрамак, якi яшчэ толькі афармляецца, набывае абрысы. Усталяванне корпуснай лінгвістыкі на Беларусі, у пэўнай ступені, пытанне часу.

Развіццё корпуснай лінгвістыкі ў свеце пачалося ў 60-я гады ХХ ст. паралельна са з’яўленнем камп’ютарных тэхналогій. Менавіта тады ўзнік корпусны стандарт у 1 млн словаўжыванняў. Сёння асобныя корпусныя рэсурсы дасягаюць некалькі мільярдаў адзінак, многія з іх прадстаўленыя ў Інтэрнэце. Стварэнне беларускага корпуса нават у 1 млн словаўжыванняў, тое над чым у апошнiя 5 год працуюць беларускiя навукоўцы, і яго з’яўленне ў Інтэрнэце – крок хаця і вельмі запаздалы, але неабходны. Беларуская корпусная лінгвістыка адстае ад сусветных тэндэнцый развіцця вельмі істотна, але не назаўсёды. Што дазваляе глядзець наперад з аптымізмам?

Уласцівая корпуснай лінгвістыцы падтрымка інфармацыйнымі і праграмнымі сродкамі дазволяе ў параўнальна кароткі тэрмін дасягнуць сусветных стандартаў у праграмным забеспячэнні корпусных даследаванняў нават з нуля. Усё дастаткова проста: навукова-тэхнічны прагрэс у геаметрычнай прагрэсіі скарачае дыстанцыю паміж віртуальнай і матэрыяльнай рэчаіснасцю. Глабалізацыя, у тым ліку ў лінгвістычнай сферы дазваляе ўжо сёння вырашаць амаль любыя пытанні праграмнага забеспячэння пры мінімальных выдатках: многае ўжо зроблена і складзеныя папярэднікамі праграмы нецяжка прыстасаваць ці дапрацаваць. Выкарыстанне замежных распрацовак і набыццё пэўных ліцэнзійных прадуктаў дазволіла, напрыклад, польскім навукоўцам навучыцца эфектыўнаму выкарыстанню корпусных метадаў і выпрацаваць уласную стратэгію развіцця корпуснай лінгвістыкі на польскім матэрыяле.

У бліжэйшым асяроддзі, у Расіі і на Украіне, развіццю корпуснай лінгвістыкі ўдзяляецца належная ўвага, і шмат чаго, у выніку, зроблена. Асаблівай павагі заслугоўвае распрацоўка і ўдасканаленне Нацыянальнага корпуса рускай мовы (Национального корпуса русского языка) [6]. Названы праект знаходзіцца на ўзроўні замежных узораў.

Акрамя праграмных сродкаў развіццё корпуснай лінгвістыкі патрабуе эмпірычных матэрыялаў: слоўнікаў і тэкстаў. Акадэмічныя слоўнікі сучаснай беларускай мовы ёсць, але для корпусных распрацовак патрабуецца іх прадстаўленасць на машынных носьбітах і максімальна спрошчаны доступ неабмежаванага кола навукоўцаў і проста патэнцыяльных карыстальнікаў да адпаведных электронных рэсурсаў. Пакуль што слоўнік-эталон беларускай мовы немагчыма знайсці ў Інтэрнэце. У «сусветным павуцінні», з іншага боку, можна знайсці аматарскія распрацоўкі і прататыпы слоўнікаў беларускай мовы рознага кшталту. У кожнага карыстальніка беларускамоўнага Інтэрнэта ў выніку – свой слоўнік: на базе тарашкевіцы ці трасянкі, нярэдка на лацініцы. Адсутнасць (у электронным выглядзе і свабодным доступе) нарматыўных слоўнікаў, на жаль, перашкаджае стварэнню, напрыклад, Інтэрнэт-рэсурсаў адпаведных крытэрыям нацыянальнага корпуса. Наяўнасць жа ў Інтэрнэце ненарматыўнай беларускай мовы і адсутнасць электроннага эталона, аказвае проста катастрафічны ўплыў на стан беларускай гутарковай мовы і ў далейшым, між іншым, звузіць магчымасці выкарыстання сённяшней беларускай мовы Інтэрнэта як крыніцы любога корпуса ўзуальнай беларускай мовы.

Збіранне тэкстаў на беларускай мове, у прынцыпе, не ўяўляе сабой невырашальнай задачы. Ёсць пытанне аўтарскага права. Але, па-першае, абмежаванні аўтарскага права ўжо амаль не закранаюць класіку беларускай літаратуры, па-другое, можа і не трэба імкнуцца спяшацца творы спрэчнай якасці ўключаць у прадстаўнічы корпус, калі аўтар супраць. Ёсць архівы перыядычных выданняў, спецыяльная літаратура. Ужо сёння праграма пошуку па беларускiх тэкстах, размешчаных, напрыклад, на сайце газеты «Звязда» (www.zvyazda.minsk.by) альбо на «Беларускай палiчцы» (www.knihi.com), дае тыя ж магчымасцi, што i любы неразмечаны (неанатаваны) камп'ютарны корпус, а значыць, можа выкарыстоўвацца для разнастайных лiнгвiстычных мэтаў [3, 4]. Уключэнне надрукаваных у дзяржаўных сродках масавай інфармацыі і выдавецтвах артыкулаў і мастацкіх твораў, відавочна, пры выкарыстанні такіх тэкстаў у нацыянальным корпусным праекце не будзе выклікаць асаблівых цяжкасцей з пункту гледжання аўтарскага права.

Дарэчы, маюцца прыклады паспяховай працы беларускіх даследчыкаў над корпусным праектам. Корпус, створаны ў навукова-даследчай лабараторыi iнтэлектуальных iнфармацыйных сiстэм на факультэце прыкладной матэматыкi Белдзяржуніверсітэта (загадчык лабараторыi доктар фiзiка-матэматычных навук прафесар I. В. Соўпель) па заказе Мiнiстэрства iнфармацыi, задумваўся як паралельны руска-беларускi корпус матэрыялаў пасяджэнняў Палаты прадстаўнiкоў Нацыянальнага Сходу Рэспублiкi Беларусь, заканадаўчых актаў i пад., а рэальна, пасля пашырэння зыходнай тэкставай базы, стаў рэпрэзентатыўным корпусам беларускай мовы, з якога пры дапамозе сродкаў камп'ютарнай падтрымкi лёгка вылучаюцца субкорпусы, прыдатныя для розных прыватных даследчых мэтаў. Хочацца спадзявацца, што названы корпус калі-небудзь з’явіцца ў Інтэрнэце.

Дзейнасць па стварэнні цi кампiляцыi корпуса тэкстаў вельмi разнастайная. Крытэрый адбору тэкстаў для свайго корпуса стваральнiк задае, зыходзячы з мэтаў сваёй практычнай цi навуковай дзейнасцi: паказчыкам рэпрэзентатыўнасцi для яго будзе служыць патрабаванне максiмальна адлюстраваць у створаным корпусе вывучаемую з'яву. Нават аб’яднанне ў адным файле адабраных па пэўных крытэрыях тэкстаў адбываецца, як правіла, з улікам папярэдне вызначанай мэты, што немагчыма без усведамлення металінгвістычных умоў стварэння і фунцыяніравання абраных матэрыялаў.

Экстралінгвістычны аспект корпусных распрацовак мае практычнае значэнне, аказваючы сур’ёзны ўплыў на даследчы працэс у корпусным рэчышчы. Паводле крытэрыяў адбору тэкстаў i рэпрэзентатыўнасцi корпусы распадаюцца на два класы. У першы клас уваходзяць корпусы тэкстаў, мэта якiх – адлюстраваць аб'ектыўную карцiну маўленчай дзейнасцi. Толькi суцэльны, без суб'ектыўнага адбору корпус, напрыклад, нацыянальны корпус, дазваляе атрымаць поўную, сiстэмную карцiну стану мовы. Метадалогiя пабудовы корпусаў першага тыпу так цi iнакш грунтуецца на прынцыпе дэдукцыi – ад агульнага (аб'ектыўнай моўнай практыкi носьбiтаў мовы) да абмежаванага корпуса тэкстаў, якi адлюстроўвае гэта агульнае.

У другi клас уваходзяць корпусы, пабудаваныя для адлюстравання пэўнай з'явы. У гэтым выпадку прыходзiцца задаволiцца тымi цi iншымi выбар­камi з агульнай сукупнасцi моўных дадзеных. Але гэтыя выбаркi павiнны адпавядаць як унiверсальна-статыстычным, так i спецыяльна-прадметным крытэрыям якаснай прадстаўнiчасцi выбаркi для лiнгвiстычнага даследа­вання. Па гэтай прычыне метадалогiя пабудовы корпусаў другога класа павiн­на займацца праблемай карэктнасцi адлюстравання асобнага лiнгвiстыч­нага феномена ў корпусе тэкстаў, прызначаным адлюстраваць гэты феномен.

Спiс корпусаў, створаных замежнымі лінгвістамі для пэўнай прагматычнай мэты, проста бясконцы, але большая частка з iх, што характэрна, пазней выкарыстоўваецца для мэтаў, больш шырокіх за першапачатковыя.

Поўныя цi рэпрэзентатыўныя моўныя корпусы i корпусы, якiя ствараюцца для прыватных лiнгвiстычных задач, рэдка iснуюць незалежна – як правiла, мэты корпусаў першага i другога тыпу сінкрэтычныя. З гэтага лагічна вынiкае відавочная і важная выснова аб выкарыстанні ўжо акумуляваных рэсурсаў. Нават калi для пэўнай мовы (напрыклад, беларускай) яшчэ не створаны прадстаўнiчы агульнадаступны корпус, то прыватныя даследчыя корпусы трэба рабiць агульнадаступнымi, максімальна моўна нарматыўнымі, i найлепшы сродак для гэтага – Iнтэрнэт. З іншага боку, агульнадаступнымі, вельмі пажадана, павінны быць нарматыўныя слоўнікі ў электронным выглядзе.

Пад рэпрэзентатыўнасцю разумеецца, у тым ліку, здольнасць корпуса тэкстаў адлюстроўваць усе ўласцiвасцi праблемнай вобласцi, рэлевантныя для дадзенага тыпу лiнгвiстычнага даследавання, у пэўнай прапорцыi, якая вызначаецца частатой той цi iншай з'явы ў праблемнай вобласцi. Гэта патрабаванне арыентуе «збiральнiкаў» корпусаў тэкстаў на спецыялiзацыю распрацаванага прадукта па ўзроўневым прынцыпе: фанетычныя, марфалагiчныя, сiнтаксiчныя, лексiчныя, тэкставыя i iнш. корпусы [1]. Што, дарэчы, не выключае агульную арыентацыю моўнага матэряяла на вызначаныя стандарты.

Рэпрэзентатыўнасць любога корпуса, у прынцыпе, не абмяжоўваецца ўласналінгвістычнымі параметрамi. Так, у кожным канкрэтным выпадку можа ўзнiкнуць патрэба ўлiчыць стылiстычны, часавы, аўтарскi i iншыя элементы тэкставага масiву праблемнай вобласцi. Экстралінгвістычныя характарыстыкі тэкстаў корпуса – своеасаблівая абалонка корпусных дадзеных. Менавіта ўлік такіх экстралінгвістычных фактараў на папярэднім этапе дазваляе дакладна фармуляваць задачы складальнікам корпусаў. Складаныя ўмовы функцыяніравання сучаснай беларускай літаратурнай мовы проста абавязваюць улічваць экстралінгвістычны кантэкст рэпрэзентатыўнасці беларускага корпуса тэкстаў.

Дакладна спраектаваная рэпрэзентатыўнасць ператварае або не ператварае набор тэкстаў на машынным носьбiце ва ўнiкальнае слоўнае адзiнства – корпус тэкстаў. Гэта ўласцiвасць кор­­пу­са настолькi важная, што часам гавораць пра рэпрэзентатыўнасць як пра вынiк працэсу самаарганiзацыi корпуса, разглядаемы, безумоўна, як метафа­ра. Тады, па iдэi, на якой грунтуецца корпусная лiнгвiстыка, корпус тэкстаў адлюстроўвае аб'ектыўную карцiну маўленчай дзейнасцi незалежна ад жа­дання яго стваральнiка [7; 8].

Такім чынам, для паспяховага развіцця беларускай корпуснай лінгвістыкі ёсць не толькі перашкоды ў выглядзе спазнення на пяцьдзесят год і ўнікальнага гістарычнага і функцыянальнага рознагалосся мовы, але і магчымасці ўлічыць усе памылкі і выкарыстаць усе дасягненні складальнікаў корпусаў іншых моў. Свядомы ўлік экстралінгвістычнага кантэкста сённяшнега развіцця беларускай мовы дазволіць паспяхова вырашаць пытанні рэпрэзентатыўнасці не толькі будучага нацыянальнага корпуса беларускай мовы, але і шматлікіх спецыялізаваных корпусаў, стварэнне якіх з дапамогай сучасных тэхналогій хутка можа стаць рэчаіснасцю лінгвістычных даследаванняў у Беларусі.


СПІС ЛІТАРАТУРЫ


  1. Баранов, А. Н. Введение в прикладную лингвистику /
    А. Н. Баранов. – М.: Эдиториал УРСС, 2001. – 358 с.

  2. Беларуская мова ў Iнтэрнэт [Электронны рэсурс]. – Рэжым доступу: http://mova.by.ru/. – Час доступу: 10.08.2010.

  3. Беларуская палiчка [Электронны рэсурс]. – Рэжым доступу: www.knihi.com. – Час доступу: 10.08.2010.

  4. Звязда [Электронны рэсурс]. – Рэжым доступу: www.zvyazda.minsk.by. Час доступу: 10.08.2010.

  5. Компьютерный фонд белорусского языка и перспективы создания белорусского лингвистического портала / Н. К. Рубашко,
    Г. П. Невмержицкая, И. В. Совпель // Слово и словарь. Vocabulum et vocabularium: сб. науч. тр. по лексикографии. – Гродно: ГрГУ, 2007. – С. 4446.

  6. Национальный корпус русского языка [Электронны рэсурс]. – Рэжым доступу: www.ruscorpora.ru. – Час доступу: 10.08.2010.

  7. Holmes-Higgin, P. Assembling and Viewing a Corpus of Texts: Self-organisation, Logical Deduction and Spreading Activation as Metaphors /
    P. Holmes-Higgin, K. Ahmad // Euralex’96 Proceedings. – Stockholm: Stockholm Univ. Press, 1996. – P. 4791.

  8. McEnery, T. Corpus Linguistics / T. McEnery, A. Wilson [Electronic resource]. – Edinburgh: Edinburgh Univ. Press, 1999. – Mode of access: http://www.ling.lancs.ac.uk/staff/ andrew/data.htm. – Date of access: 10.08.2006.




База данных защищена авторским правом ©vuchoba.org 2016
звярнуцца да адміністрацыі

    Галоўная старонка