Этапы экспертного анализа в информационной системе "Лингвистика" (на примере исследования политических метафор)

Размещено на http://www.allbest.ru/

Этапы экспертного анализа в информационной системе «Лингвистика» (на примере исследования политических метафор)

Юлия Валерьевна Богоявленская

Аннотация

Предлагается алгоритм экспертного анализа в системе «Лингвистика». Система представляет собой электронную среду, в которой лингвисты-эксперты могут создавать научно-исследовательские проекты различных типов: одно- и полиязыковые, индивидуальные и коллективные, для изучения вербальных и поликодовых текстов. Система ориентирована на решение широкого круга научных проблем, однако для эффективной работы в ней необходимы четкая постановка задач, планирование хода работы и грамотное построение классификационных деревьев. Разработанный алгоритм включает семь этапов: создание проекта, ввод текстовых данных, построение классификационных деревьев, анализ фрагментов, анализ количественных данных, работа с конкордансом и фильтрами. Применение системы в конкретных исследованиях показало полезность встроенных в нее инструментов, надежность и удобство в работе.

Ключевые слова: корпусная лингвистика, система экспертного анализа, веб-приложение, метафора

Abstract

STAGES OF EXPERT ANALYSIS IN THE INFORMATION SYSTEM “LINGUISTICS” (USING THE EXAMPLE OF POLITICAL METAPHOR RESEARCH)

Yuliya V. Bogoyavlenskaya

This article proposes an algorithm for expert analysis in the “Linguistics” system. The system is an electronic environment in which expert linguists can create research projects of various types: monolingual and multilingual, individual and collective, for the study of verbal and polycode texts. The system is focused on solving a wide range of scientific problems, but it requires a clear statement of tasks, planning the progress of work and competent construction of classification trees for effective work. The developed algorithm includes seven stages: creating a project, entering text data, building classification trees, analyzing fragments, analyzing quantitative data, working with concordance and filters. The use of the system in specific studies has shown the usefulness of the tools built into it, reliability and ease of use.

Keywords: corpus linguistics, expert analysis system, web application, metaphor

Введение

Корпусная лингвистика, являющаяся важнейшим «драйвером» лингвистической мысли [5. С. 37], обеспечивает современного исследователя доступом к большим текстовым данным. Отобранные в корпусах текстовые фрагменты представляют собой богатый и репрезентативный материал, нуждающийся в дальнейшей обработке и анализе. На данный момент существуют приложения, как, например, WordSmith Tools [16] и AntConc [11], позволяющие работать с коллокациями, ключевыми словами текстов, списками слов и грамматических конструкций, конкордансами. На платформе Sketch Engine, помимо вышеперечисленного, лингвист может воспользоваться инструментом для создания дистрибутивного тезауруса, отследить изменения частоты использования лексических единиц в корпусах, а также воспользоваться инструментом для построения собственного корпуса на основе текстов из сети Интернет. Разработанный специалистами Университета Шеффилда, лингвистический процессор GATE (General Architecture for Text Engineering) [13] решает такие задачи, как извлечение информации, ручная и автоматическая семантическая аннотация, анализ кореферентности, работа с онтологиями, машинное обучение, анализ потока сообщений в блогах [7. С. 88]. На фоне других утилит корпусного анализа выделяется приложение UAM [16], при помощи которого можно произвести автоматическую морфологическую разметку, а также создать собственную схему для метаразметки и аннотации текстов. Перечисленные выше сервисы имеют свои преимущества, но и в каждом случае свои недостатки, к которым можно отнести платный доступ, работу только под MS Windows, ограниченный набор инструментов (возможность только одного вида разметки и/или работа только с коллокациями и ключевыми словами и т. д.), отсутствие возможности сохранения данных, создания собственных корпусов или же ограничение сбора данных только на одном языке, отсутствие исчерпывающей документации для пользователей, отсутствие интерфейса на русском языке и др.

Особое место в кругу веб-приложений занимает система экспертного анализа «Лингвистика» -- открытая некоммерческая платформа, доступная после регистрации по адресу: https://linguistica- urgi.urfu.ru/ (разработчики: Ю. В. Богоявленская, С. А. Александров). Система представляет собой электронную среду, в которой пользователи, выступающие лингвистами-экспертами, могут создавать научно-исследовательские проекты различных типов: одно- и полиязыковые, индивидуальные и коллективные, для изучения вербальных и крео- лизованных (семиотически неоднородных или по- ликодовых) текстов. Количество участников проекта не ограничивается, они могут быть географически удалены друг от друга, но совместно работать над проектом. В коллективных проектах пользователи могут воспользоваться чатом, в индивидуальных -- делать заметки. Приложение позволяет выстраивать многоуровневые классификационные деревья лингвистических и экстралингвистических параметров, по которым планируется проводить анализ объектов, содержащихся в конкретных контекстах, например различного рода конструкций, дискурсивных слов, метафор и т. д. Приложение генерирует важные для любого лингвистического исследования отчеты по количественным данным, полученным в ходе анализа. В полиязыковых проектах предусмотрена возможность сопоставления отчетов по разным языковым массивам. Важно, что в «Лингвистике» можно загрузить как выборки, полученные в различных корпусах (НКРЯ, NOW, BNCweb, Sketch Engine, корпуса Лейпцигского университета и др.), так и коллекцию текстов, собранных исследователем самостоятельно. Исчерпывающую справочную информацию о работе в системе можно найти в разделе «Помощь».

Система ориентирована на решение широкого круга научных проблем, однако для эффективной работы в ней необходимы четкая постановка задач, планирование хода работы и грамотное построение классификационных деревьев.

Целью настоящей статьи является разработка алгоритма действий эксперта для анализа лингвистических объектов в системе «Лингвистика». Применение данного алгоритма рассматривается на примере двух магистерских диссертаций, посвященных исследованию политических метафор: «Метафорический образ Эммануэля Макрона во французском медиаполитическом дискурсе» (автор М. С. Стремякова) и «Метафорический образ России в британских СМИ: опыт корпусного исследования» (автор М. О. Федосеева), выполненных под нашим руководством. Материалом исследования в первой работе стала коллекция текстов, извлеченных с сайтов газет и журналов: Aujourd'hui en France, Liberation, Politis, Le Point, Le Figaro, Paris Match, L'Express, Le nouvel observateur, Charlie Heb- do, Le Parisien, Marianne, Le Journal du Dimanche, Liberation и Le Figaro. Для второго иccледовaния Ma- тершл был OTo6paH в корпусе NOW, рaзмещенном Ha плaтфоpме English corpora [12]. Теоретической бaзой обеих paбот являются моногpaфии и cтaтьи А. П. Чудиновa, Э. В. Будaевa, О. А. Солоповой [8; 9; 10], М. В. Плотниковой, О. Г Cквоpцовa [6] и других пpедcтaвителей уpaльcкой школы политической лингвистики.

Этапы экспертного анализа

Экспертный aнaлиз в системе «Лингвистик» пpедполaгaет pеaлизaцию семи этaпов.

Этап 1. Создание проекта. Для cоздaния проек- тa необходимо войти в систему, ш cтpaнице «Мои проекты» открыть форму для зaполнения кapточки пpоектa, ввести нaзвaние, выбpaть язык текстов из откpывaющегоcя cпиcкa и тип пpоектa: инди- видуaльный или коллективный (рис. 1). В cлучaе коллективного пpоектa cиcтемa нaпpaвит пpиглa- шение его руководителю и/или соисполнителям. фильтр база данный текстовый

Рис. 1. Диалоговое окно с карточкой проекта

Более подробную инфоpмaцию о cоздaнии проектов, фоpмиpовaнии текстовой коллекции, paботы с клaccификaционными деревьями, от- четaми и конкоpдaнcaми можно посмотреть, щелкнув мышкой по слову «Помощь» в пpaвом верхнем углу.

Этап 2. Ввод текстовых данных в систему. В меню пpоектa выбиpaетcя «Список текстов» (рис. 2); cобpaнный мaтеpиaл вносится в бaзу дaнных.

Рис. 2. Меню управления проектом

Собранные исследователем тексты можно внести в виде одного либо, что гораздо удобнее для последующей работы, нескольких документов (рис. 3). В последнем случае при копировании из конкорданса («Список фрагментов» в таблице«Отчеты») система сможет генерировать корректные ссылки (см. этап 6), включающие метаданные, указанные при заполнении карточки текста, для экспорта в сторонние приложения, например MS Word.

Рис. 3. Диалоговое окно с формой вводимого текста и его метаданных

Этап 3. Построение классификационных деревьев в «Конструкторах» параметров объектов и текстов. Классификация, которую лингвист планирует использовать, строится при помощи специальных инструментов, расположенных в меню«Конструктор параметров объекта». Правила построения классификатора можно посмотреть, наведя курсор на информационный символ в разделе «Дерево параметров» (рис. 4).

Рис. 4. Правила создания классификационного дерева на странице «Конструктора параметров объекта»

Прежде всего необходимо создать корень -- основание классификации -- при помощи кнопки «+Новый корень». В открывшееся диалоговое окно вводится название корня -- «Субсферы и разряды метафор». В классификации А. П. Чудинова метафорические модели дифференцируются на основепослуживших источниками концептуальной метафорической экспансии понятийных сфер: 1) «Человек»; 2) «Социум»; 3) «Природа»; 4) «Артефакты». Названия этих сфер вводятся при помощи инструментария, раскрывающегося наведением курсора на корень (рис. 5).

Рис. 5. Создание корневого основания классификации и веток-параметров

В каждой субсфере выделяются определенные разряды метафор, что необходимо отразить в классификационном дереве. Поскольку классификация типов метафор строится по древовидному принципу, в каждой родительской ветке при ее создании устанавливается значение «Суммировать параметры» (рис. 6).

Рис. 6. Построение классификационного дерева

Принцип «не суммировать» позволяет создать множество классификаций в одном корневом основании. Каждый создаваемый дочерний параметр есть корень новой классификации. Приведем пример из другой работы, выполненной в русле эрратоло- гии. В данном проекте корень «Типология речевых ошибок» объединяет разные классификации: «Типы речевых ошибок по локализации», «Типы по уровням языка», «Типы по значимости в акте коммуникации» и т. д. Выбрать принцип можно при создании корня/ параметра или при его редактировании. Используя принципы «Суммировать» и «Не суммировать», можно «вырастить» классификационные деревья со сложной иерархией любой длины.

При наборе и обработке нового материала дерево достраивается и/или перестраивается, отражая и уточняя направление научно-познавательной деятельности исследователя.

В цитируемых проектах разряды метафор, не зафиксированные в других работах, вводились со специальной пометой *. В частности, в проекте «Метафорический образ России в британских СМИ: опыт корпусного исследования» классификатор пополнился метафорами физического и эмоционального состояния, коммерческой и транспортной метафорами, в работе «Метафорический образ Эммануэля Макрона во французском медиаполитическом дискурсе» -- магической, кинематографической, мифологической и др.

В последнем исследовании также удалось охарактеризовать не только сферы-источники (в других терминах -- сферы-доноры, источники метафорической экспансии), но и сферу-мишень (ментальную сферу-магнит, направление метафорической экспансии). Были выделены ее отдельные участки, притягивающие соответствующие метафоры, а именно: личностные качества действующего президента Франции; соратники и окружение; политическая программа; отношения с избирателями; успехи, достижения, -- в связи с чем был введен еще один корень для построения отдельной классификации (рис. 7).

Рис. 7. Корень «Сфера-мишень “Эммануэль Макрон”» -- основание второй классификации

Классификационное дерево может иметь более сложную, многоуровневую структуру. Если бы была поставлена задача выявить фреймо-слотовую структуру сферы-источника, то классификационное дерево приняло бы вид, показанный на рис. 8, где частично представлены слоты, входящие в фрейм «Тело человека», относящиеся к физиологической метафоре (метафорическая модель «ПОЛИТИЧЕСКИЕ РЕАЛИИ -- это ЧЕЛОВЕЧЕСКИЙ ОРГАНИЗМ»).

Рис. 8. Фреймо-слотовая структура сферы-источника в «Конструкторе параметров объекта»

Если в процессе исследования в архитектуру подобного классификационного дерева вносятся серьезные изменения (удаление параметров или изменение в иерархии), это может сопровождаться разрывом связей в структуре дерева. Необходимо помнить, что данные операции влекут за собой сброс данных по этим параметрам. Система «обучена» выявлять разорванные связи, локализовать «проблемные» фрагменты и параметры и отражать эти ошибки в списке фрагментов на странице анализа текстов и в списке текстов проекта.

Рис. 9. Конструктор текстов

В «Конструкторе текстов» (рис. 9) пользователь может воспользоваться уже внесенными в систему классификациями жанров литературного текста, сферой функционирования текста, типов текстов и тематикой текстов. В системе используются классификации, разработанные создателями Национального корпуса русского языка [7], с небольшой адаптацией. Их можно перестраивать, сворачивать/разворачивать, а также строить собственные классификационные деревья при помощи тех же инструментов, что и в «Конструкторе параметров объекта». По умолчанию в колонке «Используется» установлено положительное значение переключателя. Если учет экстралингвистических данных для работы не важен, то необходимо отключить корневой параметр со всеми параметрами или отдельные параметры в списке.

Последовательность этапов 2 и 3 вариативна: лингвист-эксперт может начать как с ввода текстов, так и с построения классификационного дерева.

Этап 4. Анализ фрагментов. Данный этап заключается в идентификации метафор в текстах / текстовых фрагментах, их фиксации и распределении метафор по параметрам классификации. Для введения в базу данных текстового фрагмента, содержащего метафору, необходимо его выделить и нажать на всплывающую кнопку «Добавить». Фрагмент вносится в список в нижнем поле; справа раскрывается поле для его анализа (рис. 10) -- классификационное дерево, созданное в «Конструкторе параметров объекта».

Рис. 10. Фиксация в базе данных текстового фрагмента, содержащего метафору

Таким образом анализируется весь массив текстов: исследователь выделяет фрагменты и приписывает им принадлежность к тому или иному параметру.

Необходимо следить за колонкой «Ошибки» внизу страницы. Если какой-либо фрагмент был выделен, но не проанализирован (то есть не были проставлены галочки в классификаторе), то система отследит и обозначит в данной колонке словом «да». В этом случае необходимо будет вернуться к фрагменту и провести анализ.

Для комфортной работы со страницей предусмотрена возможность перемещения границ полей. Достаточно зацепить курсором границу и перетащить ее вверх (для поля «Фрагменты») или влево (для поля анализа).

Этап 5. Анализ количественных данных. Результаты анализа отражаются в меню «Отчеты» (рис. 11).

Рис. 11. Отчет по проекту

В колонке «Количество фрагментов» отражаются абсолютные данные -- количество выделенных в текстах и проанализированных фрагментов.

Необходимо обратить внимание, что при наличии двух и более корневых оснований количество проанализированных фрагментов должно совпадать и составлять 100 % (см. колонки «Количество фрагментов» и «% по отношению к корневому параметру»). На рис. 11 представлен отчет по проекту, в котором было введено два корневых основания -- «Сфера-мишень» и «Субсферы и типы метафор» сферы-источника. По каждому основанию проанализировано 128 текстовых фрагментов, что составляет 100 % материала. Совпадение абсолютных и относительных данных означает, что все фрагменты были проанализированы. Возможны две причины отсутствия совпадения: 1) при анализе пропущен один или более фрагментов (следует вернуться к начальной странице проекта и проверить, проставлено ли «да» в колонке «Ошибки», открыть соответствующий текст, найти фрагменты с ошибками и проанализировать); 2) некорректно выставлены значения в «Суммировать параметры» (следует перейти к странице классификационного дерева и проверить значения).

Таблицу можно сохранить в формате Excel. Перейти к просмотру примеров по параметрам можно нажатием на числовое значение в колонке «Количество фрагментов».

Этап 6. Работа с конкордансом. Работая с конкордансом, исследователь имеет возможность не только просматривать отфильтрованные фрагменты, но и переходить в текст-источник, получая таким образом доступ к макроконтексту употребления исследуемого объекта, при необходимости продолжать работу с этим текстом и фрагментами, корректировать проведенный анализ (рис. 12).

Рис. 12. Список фрагментов по параметру «Зооморфная метафора»

Пользователь располагает возможностью копирования в буфер выбранного фрагмента с метаданными для последующей вставки в текст формата Word (в текст диссертации, статьи) в формате: Выделенный фрагмент [Источник, автор, дата], например: Le score de Macron, plus eleve que prevu par les sondages, donne des ailes aux militants. [Charlie Hebdo, Laure Daussy, 12.04.2022].

Этап 7. Работа с фильтрами. Данный этап является факультативным и позволяет устанавливать статистически достоверные корреляции между экстра- и лингвистическими особенностями текстов и объектов, использовать эвристические приемы, способные привести к обнаружению тех или иных зависимостей, свойств объекта и т. д.

В случае постановки дополнительных задач, решение которых должно осуществляться на ограниченном по тому или иному принципу материале, исследователь может наложить один или несколько фильтров (ограничить вывод количественных данных) по источнику, хронологическому отрезку, автору и/или другим параметрам, зафиксированным в системе, и получить соответствующий статистический отчет. Например, определенный период + автор или источник + другие ограничения, диктуемые исследовательской логикой; или: тематический дискурс + период и так далее в разумных конфигурациях. Например, поставим перед собой следующую задачу: выявить типы метафор, структурирующих участок сферы-мишени «личностные качества» (рис. 13).

Рис. 13. Форма настройки фильтров

Выделим в форме данный параметр и проанализируем полученные данные (рис. 14).

Как проиллюстрировано на рис. 14, система накладывает фильтр на имеющиеся данные и отражает только релевантные (ср. с рис. 11).

Рис. 14. Статистические данные по фильтру «Личностные качества»

В полиязыковом проекте возможен еще один этап -- сопоставление отчетов по языковым коллекциям. Для этого на этапе создания проекта необходимо указать языки текстов, а при вводе текста выбирать язык, привязывая таким образом текст к нужной языковой коллекции. На странице «Отчеты» появится кнопка «Сопоставить», нажатие на которую приведет к открытию двух отчетов, где можно будет выставить значение языка.

Успешное выполнение перечисленных этапов позволяет перейти к интерпретации полученных данных, их синтезу с результатами интроспекции и других используемых в исследовании методов и методик.

Круг вопросов, которые можно решить при помощи системы, достаточно широк и не исчерпывается тематикой политической метафоры. «Лингвистика» также успешно использовалась в исследованиях дискредитирующих тактик в дискурсе социальных медиа [2], французской абсолютной причастной конструкции [3], парцелляции в русском и французском газетном дискурсе [1], морфологических ошибок в письменной речи носителей эритажного русского языка и других работах.

Заключение

Предлагаемый алгоритм экспертного анализа в системе «Лингвистика» включает семь обязательных этапов: создание проекта, ввод текстовых данных, построение классификационных деревьев, анализ фрагментов, анализ количественных данных, работа с конкордансом и фильтрами. В по- лиязыковых проектах возможен восьмой этап -- сопоставление отчетов по языковым коллекциям. Алгоритм обработки и анализа данных в системе может варьироваться в зависимости от задач исследования. Практика применения системы в конкретных исследованиях показала полезность встроенных в нее инструментов, надежность и удобство в работе, практическую эффективность для решения широкого круга задач.

Список источников

1. Богоявленская Ю. В. Парцелляция в русском и французском языках: опыт сопоставительного когнитивно-семиотического исследования. Екатеринбург: Урал. федер. ун-т им. первого Президента России Б. Н. Ельцина, 2021. 214 с.

2. Богоявленская Ю. В. Стратегия дискредитации чужих во французском дискурсе социальных медиа // Вопросы управления. 2021. № 5 (72). С. 5--21.

3. Богоявленская Ю. В. Теория абсолютной причастной конструкции: дискуссионные вопросы // Вестник Волгоградского государственного университета. Сер. 2: Языкознание. 2021. Т. 20, № 5. С. 177--190.

4. Национальный корпус русского языка. URL: http://ruscorpora.ru (дата обращения 08.06.2022).

5. Норман Б. Ю., Мухин М. Ю. Междисциплинарные тренды современной лингвистики // Филологический класс. 2021. Т. 26, № 2. С. 33--39.

6. Плотникова М. В., Скворцов О. Г. Метафорическая репрезентация концепта Мегзит в британском медиадискурсе // Когнитивные исследования языка. 2020. № 2 (41). С. 298--302.

7. Рубайло А. В., Косенко М. Ю. Программные средства извлечения информации из текстов на естественном языке // Альманах современной науки и образования. 2016. № 12 (114). С. 87--92.

8. Чудинов А. П. Метафорическая мозаика в современной политической коммуникации. Екатеринбург: Урал. гос. пед. ун-т, 2003. 248 с.

9. Чудинов А. П., Будаев Э. В., Солопова О. А. Политическая метафорология: Дискурсивный поворот. М.: ФЛИНТА, 2020. 234 с.

10. Чудинов А. П. Россия в метафорическом зеркале: когнитивное исследование политической метафоры (1991--2000). Екатеринбург: Урал. гос. пед. ун-т, 2001. 238 с.

11. AntConc (версия 3.5.9).

12. English corpora.

13. GATE.

14. Sketch Engine.

15. UAM

16. WordSmith Tools.

References

1. Bogoyavlenskaya YuV. Parcellyaciya v russkom i francuzskom yazykah: opyt sopostavitel'nogo kognitiv- no-semioticheskogo issledovaniya = Parcelling in Russian and French: the experience of comparative cognitive- semiotic research. Ekaterinburg; 2021. 214 p. (In Russ.).

2. Bogoyavlenskaya YuV. Strategy of discrimination against strangers in french social media discourse. Vop- rosy upravleniya = Management issues. 2021;(5(72):5-21. (In Russ.).

3. Bogoyavlenskaya YuV. Absolute Participial Construction Theory: Controversial Issues. Vestnik Volgo- gradskogo gosudarstvennogo universiteta. Seriya 2: Yazykoznanie = Science Journal of Volgograd State University. Linguistics. 2021;(20(5):177-190. (In Russ.).

4. Nacional'nyj korpus russkogo yazyka = National Corpus of the Russian language.

5. Norman BYu, Muhin MYu. Interdisciplinary Trends of Modern Linguistics. Filologicheskij klass = Philological class. 2021;(26(2):33-39. (In Russ.).

6. Plotnikova MV, Skvorcov OG. Metaphorical representation of Megxit in british media discourse. Kogni- tivnye issledovaniyayazyka = Cognitive language studies. 2020;(2(41):298-302. (In Russ.).

7. Rubajlo AV, Kosenko MYu. Software tools for information extraction from natural-language texts Al 'manah sovremennoj nauki i obrazovaniya = Almanac of Modern Science and Education. 2016;(12(114):87-92. (In Russ.).

8. Chudinov AP. Metaforicheskaya mozaika v sovremennoj politicheskoj kommunikacii = Metaphorical mosaic in modern Political Communication. Ekaterinburg: Ural State Pedagogical University; 2003. 248 p. (In Russ.).

9. Chudinov AP, Budaev EV, Solopova OA. Politicheskaya metaforologiya: Diskursivnyj povorot = Political Metaphorology: A Discursive Turn. Moscow: Flinta; 2020. 234 p. (In Russ.).

10. Chudinov AP. Rossiya v metaforicheskom zerkale: kognitivnoe issledovanie politicheskoj metafory (1991--2000) = Russia in a Metaphorical Mirror: A Cognitive Study of Political Metaphor (1991--2000). Ekaterinburg: Ural State Pedagogical University; 2001. 238 p. (In Russ.).

11. AntConc (version 3.5.9).

12. English corpora.

13. GATE.

14. Sketch Engine.

15. UAM.

16. WordSmith Tools.

Размещено на Allbest.ru