WEB-ресурс научно-практических конференций

К. філол.н. Чрділелі Т.В.

Кременчуцький університет економіки, інформаційних технологій і управління, Україна

НАЦІОНАЛЬНІ ЛІНГВІСТИЧНІ КОРПУСИ ЯК МОВНО–ІНФОРМАЦІЙНІ ІНСТРУМЕНТИ

Не викликає сумніву той факт, що достовірність та об’єктивність наукового дослідження ґрунтується на достатній за обсягом репрезентативній емпіричній базі. Зокрема, лінгвісти у своїй науковій роботі перш за все залежать від кількості та якості зібраного матеріалу. Лінгвістичний аналіз вимагає опрацювання значної кількості мовних та мовленнєвих явищ, що ілюструють та підтверджують основні положення дослідження. Процедура вибору прикладів із тексту є вельми кропіткою працею, і тому актуальним є вивчення можливостей та обґрунтування необхідності використання у лінгвістичних дослідженнях національних корпусів.

Національний корпус мови, або текстовий корпус – це велике, структуроване зібрання текстів на даній мові, яке зазвичай зберігається і обробляється в електронному вигляді та забезпечене науковим апаратом. Науковий апарат корпусу називають розміткою або анотацією.

Розмітка – головна характеристика корпусу; вона відрізняє корпус від простих колекцій (або «бібліотек») текстів, удосталь представлених в сучасному Інтернеті, оскільки надає особливу додаткову інформацію про властивості текстів, які входять до корпусу. Гарна розмітка дозволяю швидко та ефективно знайти ті слова, форми та конструкції, які потрібні досліднику. Чим багатша й різноманітніша розмітка, тим вище наукова і учбова цінність корпусу. Можна стверджувати, що розмічені корпуси дозволяють суттєво прискорити та спростити процедуру збирання та обробки прикладів у мовознавчих студіях.

Крім того, національний корпус характеризується показністю, або збалансованим складом текстів. Це означає, що корпус містить по можливості всі типи письмових і усних текстів, представлених в даній мові (художні твори різних жанрів, газетні та журнальні статті різної тематики, рекламу, спеціальні тексти, щоденники, переписку і т.і .), і що всі ці тексти входять в корпус по можливості пропорційно їх частці у мові відповідного періоду. Рамки корпусів постійно розширюються, на сучасному етапі до них починають включати і записи усного мовлення, тексти електронної комунікації. До корпусу попадають приклади практично будь-якого існуючого у мові писемного дискурсу. Оскільки національний корпус представляє дану мова на певному етапі її існування і в усій різноманітності жанрів, стилів, територіальних і соціальних варіантів тощо, він надає можливість пошуку по певній підмножині текстів. Слід мати на увазі, що достатня репрезентативність досягається тільки при значному об'ємі корпусу. Лінгвістичний корпус є далекосяжним комп'ютерним узагальненням та розвитком такого об'єкта, як звичайна лексична картотека. Так, для Оксфордського тлумачного словника англійської мови за період з 1858 по 1933 рр. було зібрано картотеку, яка налічувала 11 млн прикладів (карток, або слововживань). Створена в Інституті мовознавства ім.О.О.Потебні лексична картотека за обсягом перевищує 6 мільйонів карток. Зазвичай, кількість слів корпусу складає 100 млн. слів. Загальновизнаним зразком є, зокрема, Британський національний корпус (BNC), на який орієнтовано багато інших сучасних корпусів ( http://www.natcorp.ox.ac.uk ). Наразі формується Американський національний корпус (ANC). Серед корпусів слов'янських мов виділяється Чеський національний корпус, створений вКарловому університеті Праги. Угорський національний корпус нараховує 180 млн. слів, а укладачі Національного корпусу російської мови планують довести його об'ємдо 200млн. слів (http://www/ruscorpora/ru). На сьогодні в Україні сформовано один український національний лінгвістичний корпус (42 мільйони слововживань). Цю роботу виконав Український мовно-інформаційний фонд – науково-дослідний інститут Національної академії наук України .

З появою корпусів значно зросла ефективність лінгвістичної обробки великих масивів текстів. Тепер по суті немає обмежень щодо об'єму матеріалу і швидкості пошуку в ньому інформації, крім того, у своєму розпорядженні дослідник має численні тексти самого різного типу. Це значно впливає на розвиток наших знань про мову: можливість масової – зокрема статистичної – обробки текстів дозволяє виявити в структурі мови нові закономірності, вести спостереження за динамікою розвитку мови.

Тепер достовірно наукові описи граматичної будови мов, а також авторитетні академічні словники — практично всі без виключень — повинні складатися на основі корпусів цих мов. Облік корпусних даних виявляється вкрай бажаним і при багатьох інших більш спеціальних наукових дослідженнях. З цієї точки зору основними споживачами національних корпусів є дослідники-лінгвісти самого різного профілю. Корпус надає великі можливості для проведення різноаспектних лінгвістичних досліджень мовної системи .

Проте круг користувачів корпусу зовсім не обмежується професійними дослідниками мови. Надійні емпіричні дані про мову певної епохи або певного автора можуть цікавити літературознавців, істориків і представників багатьох інших областей гуманітарного знання.

Безперечно плідним є залучення корпусів до вивчення іноземної мови. Вони являють собою цінне джерело інформації про сучасний стан мови, що вивчається, демонструють особливості функціонування іншомовних явищ у текстах різних жанрів та стилів.

Для подальшого розвитку мовознавчої науки, зважаючи на основні стратегії розвинених лінгвістик світу, вкрай необхідним є створення і використання лінгвістичних корпусів як мовно-інформаційних інструментів, спроможних забезпечити дослідників необхідним набором функцій для дослідження мовних систем на сучасному науковому рівні.

Список літератури:

1. Национальный корпус русского языка: 2003 – 2005//Сборник статей. – М.: Индрик , 2005.

2. Плунгян В.А., Сичинава Д.В. Национальный корпус русского языка: опыт создания корпусов текстов современного русского языка // Л.Н.Беляева и др. (ред.). Труды Межд . к онференции «Корпусная лингвистика-2004». – СПб . : СПбГУ, 2004. – C . 216-238.

3. Aston , G. and Burnard , L. The BNC Handbook . – Edinburgh : Edinburgh University Press , 1998.