Методология исследования заимствований с помощью лингвистического корпуса

Глава II. Методология исследования заимствований с помощью лингвистического корпуса

2.1. 1 История создания Британского национального корпуса

      Лингвистический корпус, возможно, самый лучший способ описать язык, используемый в нашей жизни. Термин Корпусная лингвистика введён в науку о языке в 60-х годах XX века в связи с развитием практики создания корпусов, которому, начиная с 80-х способствовало развитие вычислительной техники. [http://wiki.syktsu.ru/Корпусная_лингвистика http].

Под термином Корпусная лингвистика традиционно понимают раздел компьютерной лингвистики, занимающийся разработкой общих принципов построения и использования лингвистических корпусов (корпусов текстов) с использованием компьютерных технологий. Лингвистический или Языковой корпус текстов - это объемный, представленный в электронном виде, унифицированный, структурированный, размеченный, филологически компетентный массив языковых данных, предназначенный для решения конкретных лингвистических задач. «Корпус текстов» включает в себя систему управления текстовыми и лингвистическими данными, или корпусного менеджера (корпус-менеджера) (англ. corpus manager), корпус является специализированной поисковой системой, приспособленной для получения статистической информации [Захаров 2005: 8].

Корпусная лингвистика имеет своим  предметом теоретические основы и практические механизмы создания и использования представительных массивов языковых данных, предназначенных  для лингвистических исследований в интересах широкого круга пользователей.

Анализ литературы о корпусной  лингвистике позволил выделить примерный  общий алгоритм создания корпуса, который  позволяет более конкретно представить  работу корпусной лингвистики:

1)Определение перечня  источников.

2)Оцифровка текстов (преобразование  в компьютерную форму). В связи  с распространением компьютерной  техники и сети Интернет за  последнее время, тексты в электронном  виде для создания корпусов  вводятся вручную, сканируются,  принимаются в качестве авторских  копий, оригинал-макетов, предоставляемых  составителям корпусов издательствами, даров, обмена.

3)Предобработка текста. Все  тексты, полученные из разных  источников, проходят филологическую  выверку и корректировку. Также  осуществляется подготовка библиографического  и экстралингвистического описания  текста.

4)Конвертирование и графематический анализ. В ходе предварительной машинной обработки текстов осуществляются: перекодировка (если требуется), удаление или преобразование нетекстовых элементов (рисунки, таблицы), удаление переносов, обеспечение единообразного написания тире. Текст делится на его структурные составляющие.

5)Разметка текста. Текстам  и их компонентам приписывается  дополнительная информация (метаданные). Метаописание текстов корпуса заключается в содержательных элементах данных (библиографические данные, признаки, характеризующие жанровые и стилевые особенности текста, сведения об авторе), и формальных (имя файла, параметры кодирования, версия языка разметки, исполнители этапов работ).

6)Корректировка результатов автоматической  разметки, исправление ошибок и  снятие неоднозначности (вручную  или полуавтоматически).

7)Конвертирование размеченных  текстов в структуру специализированной  лингвистической информационно-поисковой  системы (corpus manager).

8)Обеспечение доступа  к корпусу (CD-ROM, Internet) [Захаров 2005:33].

      В 1963 году У. Френсис (W. Francis) и Г. Кучера (H. Kucera) впервые создали большой корпус текстов на машинном носителе (Brown Corpus) в Брауновском университете (США). Он состоял из пятисот двухтысячесловных печатных текстов американского варианта английского языка. Тексты были опубликованы в 1961 году и принадлежали пятнадцати наиболее массовым жанрам англоязычной печатной прозы США. Кроме текстов, к корпусу относятся материалы его первичной статистической обработки — частотный и алфавитно-частотный словарь, разнообразные статистические распределения. В результате он задал стандарт в 1 млн словоупотреблений для создания представительных корпусов на других языках.

      Брауновский корпус и перспективы его развития и использования вызвали всеобщий интерес. В 1980 году в мире было предпринято несколько попыток создать корпуса большего размера, которые до сих пор существуют и используются для получения статистической информации, создания справочников, словарей, проведения лингвистических исследований, обработки естественного языка, преподавания английского языка.

      По модели  близкой к Брауновскому корпусу в 1970-е годы был создан частотный словарь русского языка Засориной, построенный на основе корпуса текстов объемом также в 1 миллион слов и включавший примерно в равной пропорции общественно-политические тексты, художественную литературу, научные и научно-популярные тексты из разных областей и драматургию. По аналогичной модели был построен и русский корпус, созданный в 1980-е годы в Университете Упсалы, Швеция.

      Размер  в один миллион слов достаточен  для лексикографического описания  только самых частотных слов, поскольку слова и грамматические  конструкции средней частоты  встречаются по несколько раз  на миллион слов (со статистической  точки зрения язык является  большим набором редких событий). Так, каждое из таких обыденных  слов, как англ. polite (вежливый) или англ. sunshine (солнечный свет) встречается в Брауновском корпусе всего 7 раз, выражение англ. polite letter лишь один раз, а такие устойчивые выражения как англ. polite conversation, smile, request ни разу.

      По этим  причинам, а также в связи с  ростом компьютерных мощностей,  способных работать с большими  объемами текстов, в 1980-е годы  в мире было предпринято несколько  попыток создать корпуса большего  размера. В Великобритании такими  проектами были Банк Английского  (Bank of English) в Бирмингемском Университете и Британский Национальный Корпус (British National Corpus, BNC). В СССР таким проектом был Машинный Фонд русского языка, создававшийся по инициативе А. П. Ершова. [http://wiki.syktsu.ru/index.php/Корпусная_лингвистика].

     Анализ классификации  корпусов отечественных и зарубежных  лингвистов позволяет выделить  следующие подтипы корпусов:

1) Письменные, речевые и  смешанные.

2) Русский, английский  и т.д.

3) Одноязычные, двуязычные, многоязычные.

4) Литературные, диалектные, разговорные, терминологические,  смешанные.

5) Литературные, фольклорные,  драматургические, публицистические.

6) Свободно доступные,  коммерческие, закрытые.

7) Исследовательские и  иллюстративные.

8) Динамические (мониторные), статические.

9) Размеченные, неразмеченные.

10) Морфологические, синтаксические, семантические и т.д.

11) Полнотекстовые, «фрагментнотекстовые».

12) Синхронические, диахронические.

13) Общие и одного писателя.

14) Центральные и архивные, ядерные и периферийные [Захаров 2005: 20].

      К современным  корпусам английского языка относятся  Британский национальный корпус (British National Corpus) [www.corpus.byu.edu/bnc/], один из наиболее известных корпусов английского языка. Это один из первых национальных корпусов, по образцу которого создавались многие современные корпуса различных языков. Объем корпуса 100 млн слов. [http://rusling.narod.ru/qqq_corp_nonslav_engl.htm].

     Из выше указанной классификации, можно предположить, что Британский национальный корпус является одноязычным, смешанным, свободно доступным, динамическим, размеченным и общим.

     2.1.2. Возможность современных корпусов

      Наличие большого количества текстов в электронной форме существенно облегчило задачу создания больших представительных корпусов размером в десятки и сотни миллионов слов, но не ликвидировало проблем: сбор тысяч текстов, снятие проблем с авторскими правами, приведение всех текстов в единую форму, балансировка корпуса по темам и жанрам отнимают много времени. [http://wiki.syktsu.ru/index.php/Корпусная_лингвистика].

      Выбор Британского национального корпуса для данной работы обусловлен несколькими причинами:

-доступность. Достаточно зарегистрироваться и работать в нем. Однако, существует один недостаток - за 24 часа данный корпус может давать возможность только на определенное количество запросов. Это зависит от статуса регистрируемого, от простого пользователя- до профессора, выкладывающего на данный корпус свои публикации.

-наличие 100 миллионов  слов, что позволяет объективно  рассмотреть достаточное количество  текстов не только художественных, но и статьи журналов, газет,  а так же интервью радио  и телепередач.

- разнообразие опций- возможность выявить типы текстов, статей, в которых выбранное слово употребляется наиболее часто и сделать вывод на основе процентного соотношения.

      Поиск в  корпусе данных позволяет по  любому слову построить конкорданс  – список всех употреблений  данного слова в контексте  со ссылками на источник. Корпусы  могут использоваться для получения  разнообразных справок и статистических  данных о языковых и речевых  единицах. На основе корпусов  можно получить данные о частоте  словоформ, лексем, грамматических  категорий, проследить изменение  частот в различные периоды  времени, получить данные о  совместной встречаемости лексических  единиц. Представительный массив  языковых данных за определенный  период позволяет изучать динамику  процессов изменения лексического состава языка, проводить анализ лексико-грамматических характеристик в разных жанрах и у разных авторов. [Захаров 2005: 8].

      В современной  корпусной лингвистике используются  два основных метода:

-количественный метод анализа, который позволяет выявить частотность определенных слов или словосочетаний и сравнить их с целью подведения итогов исследования. По количественным показателям стандартным образом вычисляется величина корпуса, она измеряется в текстовых словах и является важнейшей исходной (основной или условной) величиной для количественного анализа.

- качественный метод анализа заключается в том, что определенные слова классифицируются по частям речи и относят их к различным тематическим областям, например, компьютер, биржа, банковское дело. Качественный анализ предполагает выявление, классификацию и интерпретацию феноменов.

     В данной  работе используются оба эти  метода, позволяющие проследить  и выявить частотность употребления  русскоязычных заимствований в  разные периоды, помогают определить  типы статей и источников и  сделать выводы, в которых употребляются  выявленные русскоязычные слова.

      Таким образом,  использование национального британского  корпуса в качестве материала  исследования в данной выпускной  квалификационной работе объясняется  тем, что  корпус, его представительность  и разметка предоставляют условия  для проведения объективного  исследования использования исконно-русских  слов в английском языке в  определенный период времени,  в частности, с 1980 по 1993 годы. В  языковых корпусах представлены  тексты разных жанров, что, в  отличие от совокупности текстов  исключительно художественной литературы, традиционно используемой исследователями,  предоставляет доступ к разнообразию  современной речи.

2.2.Русскоязычные  заимствования

2.2.1. Частотность  употребления в современном английском  языке

     Приведем статистику частотности употребления русскоязычных заимствований в современном английском языке, основываясь на материал Британского национального корпуса в период с 1980-1994гг. Использовав методологию исследования с помощью корпуса, стало ясно, что среди рассматриваемых слов есть те, которые употребляются чаще. Есть также слова, утратившее свое существование в современном мире (sevruga, kvass, copeck, kibitka, pood, sarafan, suslik, tsaritsa, Raskolnik, Shuba,ukase, artel,blin, druzhina, fieldsher , mazut, pirog, raznochinets, shchy, tchin, zakuska).

      Можно предположить, что данные слова не встречаются в статьях Британского корпуса в связи с их неактуальностью, а так же с тем, что некоторые слова уже заменены на англоязычные. (blin-pancake, sarafan-dress, zakuska-snack). В данной работе были использованы только часто употребляемые слова. Из всего перечня заимствованных русскоязычных слов из разных периодов было выявлено 23 самых часто встречающихся слов (см.Приложение №2):

16 ВЕК

Tsar- 518

Kremlin –239

rouble –171

boyar –25

17 ВЕК

Cossack –77

steppe –46

18 ВЕК

yurt –30

19 век

vodka –300

Cadet –200

duma –110

dacha –42

troika –39

20 век

Soviet-10657

Resident-2044

intelligentsia –253

Bolshevik –218

glasnost –124

Presidium-124

sputnik-37

babushka –35

pogrom –34

komsomol –27

Gulag –27

     Обращает на себя внимание то, что русских заимствований, выражающих понятия, связанные с бытовой стороной жизни, в английском языке фактически нет. При описании повседневного быта английские писатели и публицисты обходятся средствами своего языка, пользуясь либо существующими равнозначными лексическими эквивалентами, либо описательными приемами.

2.2.2. Употребление  заимствований в текстах различных  типов

      Приведем статистику употребления заимствованных слов в текстах различных типов с помощью Британского национального корпуса:

     Soviet-общее количество 10675, их них 5535-в ненаучной литературе, 2117- в научной, 1051- в газетах, 989- в частных случаях, 595 – в журналах, 199- в разговорной, 171- в художественной литературе.

     Resident- общее количество 2043, из  них 525- встречается в частных случаях, 513- в научных статьях, 507- в ненаучных статьях, 201- в газетах, 107- в художественной литературе, 98- в журналах, 92- в разговорной речи.                                                              Tsar-общее количество 518, из них 310- в научной литературе, 78- в ненаучной литературе, 58- в частных случаях, 46- в художественной литературе, 10- в журналах, 2- в разговорной речи.

     Vodka- общее количество 300, из них 140- в художественной литературе, 35- в частных случаях, 31- в газетах, по 29 раз –в журналах и разговорной речи, 20- в научных статьях, 16- в ненаучных статьях.

     Intelligentsia- общее количество 253, из них 127- в ненаучных статьях, 93- в научных статьях, 14- в частных случаях, 8- в журналах, 6- в художественной литературе, 5- в газетах.

     Kremlin- общее количество 239, из них 70- в газетах, 52- в ненаучных статьях, 37- в художественной литературе, 36- в журналах, 19- в научных статьях, 17- в частных случаях, 8- в разговорной речи.

     Bolshevik- общее количество 218, из них 101- в научных статьях, 81- в ненаучных статьях, 16- в частных случаях, 8- в журналах, 6- в художественной литературе, 5- в газетах.

      Cadet- общее количество 200, из них 55- в художественной литературе, 46- в газетах, 45- в частных случаях, 29- в ненаучных статьях, 12- в журналах, 10- в научных статьях, 3- в разговорной речи.

     Rouble- общее количество 171, их них 77- в ненаучных статьях, 41- в журналах, 35- в газетах, 13- в частных случаях, 5- в научных статьях.        Glasnost-общее количество 124, из них 30- в газетах (Russian chess has gained from glasnost. Guardian, 1989), 28- в ненаучных статьях (To use the vogue word of the hour, he ran the risk of glasnost) Introduction to politics. Gill, Peter and Ponton, Geoffrey. Oxford: Blackwell, 1984), 22- в научных (In the days of glasnost and perestroika the KGB came under public scrutiny for the first time., 19- в журналах (Nobody will know until glasnost unlocks more of the Soviet archives.), 11- в художественной литературе (There's no reason to disguise it any more, now that glasnost is upon us. Lying together. Thomas, D M. London: Victor Gollancz Ltd, 1990), 10- в частных случаях (The pact is widely seen as one of the environmental fruits of glasnost in the Soviet Union.), 4- в разговорной речи (groups like this have benefited from Glasnost too.).

      Presidium-общее количество 124, из них 108- в ненаучных статьях (On Jan. 15 the USSR Supreme Soviet Presidium, meeting in emergency session, decreed the despatch of Army, Navy and KGB), 10- в научных (The Supreme Soviet Presidium, at its meeting on 18 July, adopted a formal ruling.), 6- в газетах (Imre Pozsgay's Reform Alliance managed to secure 14 seats on the new presidium,).

     Duma- общее количество 110, из них 72- в ненаучных статьях (The Tsar, Nicholas II, dissolved the Duma, or parliament), 20- в частных случаях (Despite this the Duma was reduced from a legislative to a consultative body), 15- в научных статьях (The Time of Troubles had further weakened their position, and as the Duma swelled in size from about 30 in the 1620s to almost 180 in the 1680s), 3- в журналах (In 1916, the city Duma (parliament) voted for reconstruction of the gallery.).

     Cossack- общее количество 77, из  них 29- в ненаучных статьях (The same was true of the mounted Cossacks of the 15 SS Cossack Cavalry Corps.), 14- в научных (Today tourist trails follow the route of the old cossack patrols), 13- в журналах (Russell took home a bag of Cossack goodies), 9- в частных случаях (a wrought-iron gate and walls once used to confine Cossack prisoners.), 8 –в художественной литературе (A great bald-headed man with a scar on his temple from a Cossack sword), 4- в газетах (Officer' came close to disobeying Cossack order).

     Steppe- общее количество 46, из них 17- в научных статьях (Our steppe will truly become ours only when we come with columns of tractors), 16- в частных случаях (Success in Siberia draws nearer steppe by steppe), 6- в художественной литературе (There were no enemies and only a few night-time predators on the steppe), 5- в ненаучных статьях (That sort of activity is light years removed from the drama of the Russian steppe), 2- в газетах (China is likely to turn large areas of steppe into desert).

     Dacha- общее количество 42, из них 22- в художественной литературе (Memories of that particular evening, at Rozanov's dacha, came flooding back.), 10- в ненаучных статьях (Gen. Plekhanov, Shenin and Gen. Varennikov, had visited him at his holiday dacha in the Crimea on Aug. 18), 10- в журналах (In other words, someone had set fire to the dacha, and the things had been stolen from it before the fire had started.), 2- в газетах (' Nothing is planned for today: the president is out of Moscow at his dacha,' his spokesman said.) и по 1 разу в научных (that led to a' 9 + 1' agreement at Novo-Ogarevo, a government dacha near Moscow) и частных случаях (What to the Russians is a' dacha' and to the Scots is a' but and ben'used to be found in fair numbers along the east end of Cathedral Street...' summer quarters'they were called.).

     Troika- общее количество 39, из них 22- в ненаучных статьях (On June 29 the " troika " of foreign ministers of Italy, Luxembourg and the Netherlands reported on their visit), 9- в частных случаях (Representation is by Troika, and distribution by Tiptree.), по 3 раза в журналах (If he really disliked what the beastly troika had done to it, he could have resigned) и газетах (The Arab' troika' has called for restraint by all parties.), по 1 разу в научных статьях (goal is to create a' buying mood' for the benefit of the global troika of media, advertising and consumer goods) и художественной литературе (He grips a marble tablet # listing the troika # Marx, Engels, Lenin).

     Sputnik- общее количество 37, из них 25- в ненаучных статьях (The Russian Sputnik had been launched two years before), 4- в газетах (the USSR launched Sputnik 1, the world's first artificial satellite, 1957), по 3 раза в журналах (Russian space dog, Laika, was sent into space in Sputnik II.) и частных случаях (it always resembled a Sputnik satellite when I'd assembled it.), 2- в научных статьях (The Soviet launch of the first satellite (Sputnik) later in the year caused consternation among many Americans.).       

     Babushka- общее количество 35, из них 31- в журналах (Babushka made her way up the hill to the stable.), 3- в художественной литературе (it was always the babushka who averted her gaze and looked away), 1- в газетах (there was no trace of the frumpy babushka).

      Pogrom- общее количество 34, из них 12- в ненаучных статьях (Meanwhile, survivors of the Uzgen pogrom claimed that at least 1,000 people had been killed in that town alone.), 9- в научных (Some people in Wrzburg saw the raid as revenge for the pogrom against the Jews in November 1938), 5- в журналах (It was a pogrom against New York Jews), по 3 раза в художественной литературе (Yet only last Pesach, in Jerusalem itself, there was a pogrom.) и газетах (her parents had fled from an impending pogrom.), по 1 разу в разговорной речи (The Jews must be exterminated in a pogrom covering the whole world.) и частных случаях (He was murdered by Cossacks during a pogrom.).

     Yurt- общее количество 30, из них 23- в художественной литературе, 6- в частных случаях, 1- в журналах.

     Komsomol - общее количество 27, из них по 12 раз в ненаучных и научных статьях, 3- в художественной литературе.

     Gulag - общее количество 27, из них 6- в газетах (site of perhaps Stalin's most infamous Gulag camp), по 5 раз в ненаучных (from Stalin to the millions of Gulag prisoners who built all 15 of the secret Soviet atomic towns), научных статьях (This can not simply be dismissed as another New Right invocation of the Gulag) и частных случаях (What angered me most was the Gulag searchlight exposure of oncoming vehicles.), по 2 раза в разговорной речи (communism can be equated with secret police and the Gulag Archipelago), художественной  литературе (they met as dissidents who have escaped the Gulag) и журналах (If you have assembled a no-name dinner, you are immediately consigned to the gastronomic gulag.).

     Таким образом, можно заметить, что большинство из этих слов употребляются в ненаучных статьях, включающих в себя медицинские, юридические, технические статьи, статьи по искусству, социологии и естественным наукам. Если быть точнее, то чаще всего это юридические статьи и статьи по искусству. Можно предположить, что причина этого факта заключается в том, что русская культура и политика являются общезначимыми  сферами.

Выводы по главе II

1) Национальный корпус - это собрание текстов в электронной форме, представляющих данный язык на определенном этапе его существования. На основе корпусов можно получить данные о частоте словоформ, лексем, грамматических категорий, проследить изменение частот в различные периоды времени или провести анализ лексико-грамматических характеристик в разных жанрах и у разных авторов.

2) Британский национальный корпус был создан в 1991 году и завершен в 1994. Он состоит из  100 млн. слов и, отображая разговорный и письменный британский английский язык в период с 1980 по 1993 годы. На британский национальный корпус равняются другие корпуса, включая национальный корпус русского языка, который является сравнительно молодым.

3) В языковых корпусах представлены тексты разных жанров, что, в отличие от совокупности текстов исключительно художественной литературы, предоставляет доступ к разнообразию современной речи.

4) Заимствование русскоязычных слов  проходило в разные периоды времени, но далеко не все слова употребляются в современном английском языке. Можно предположить, что это связано с тем, что:

-многие исконно-русские  слова потеряли свое существование;

- в настоящее время  многие заимствованные слова  нашли слова- синонимы в английском языке.

5) Большинство русскоязычных заимствований встречаются в ненаучных статьях, а именно, в юридических и статьях по искусству.