Роль мовних корпусів у вивченні варіативності мови та мовлення

Размещено на http://www.allbest.ru/

Національний університет біоресурсів і природокористування

Навчально-науковий інститут української філології та журналістики Кам'янець-Подільського національного університету імені Івана Огієнка

Національна академія внутрішніх справ

Роль мовних корпусів у вивченні варіативності мови та мовлення

Пироговська В.О.

кандидат юридичних наук

доцент кафедри журналістики та мовної комунікації

Дзюбак Н.М.

кандидат філологічних наук, доцент кафедри української мови

Юлдашева С.А.

кандидат філологічних наук

професор кафедри правничої лінгвістики

Анотація

мовний вживання лінгвостатистика

Мовні корпуси відіграють важливу роль у вивченні варіативності мови та мовлення. Вони є великими зібраннями автентичних мовних даних, які репрезентують різноманітність мовних вживань. Наявність великих корпусів і можливість обробки дуже великих обсягів мовних даних є джерелом відновлення інтересу до лінгвостатистики, яка безпосередньо пов'язана з лінгвістикою. У поєднанні ці дві науки мають на меті вивчення варіативності мови, що передбачає аналіз різних варіантів використання мовних одиниць, таких як фонетичні, морфологічні, синтаксичні та лексичні. Мовні корпуси забезпечують дослідникам доступ до великого обсягу даних, які являють собою різноманітні варіанти мовної вживаності. У свою чергу оновлення техніки автоматичної обробки з практичними цілями спонукало учених до розробки нових теоретичних концепцій мови. Мета представленої роботи - детально описати принципи й методи керування даними, які діють у межах традицій корпусної лінгвістики, лінгвостатистики та соціолінгвістики. Результати роботи показали, що вивчення живої мови і, зокрема, її лінгвістичних варіацій і змін, особливо в контексті меншин і двомовності, можливе за допомогою корпусів. Мовні корпуси дають змогу вивчати різноманіття мови шляхом порівняння текстів різних жанрів, стилів, соціальних груп і регіонів. Вони уможливлюють вивчення мовлення з погляду функціональних характеристик, таких як загальна тематика, цільова аудиторія, комунікативна ситуація тощо. Висновуємо, що реалізація вивчення варіативності будь-якої мови передбачає систематичне вивчення усних корпусів, побудованих відповідно до наукових принципів, заснованих на теоріях і методах варіаційної соціолінгвістики, корпусної лінгвістики й лінгвостатистики. Для відтворення та підтвердження емпіричних результатів у роботі проведено детальний науковий аналіз дотичної літератури. Методи, описані в роботі, є безцінними ресурсами для дослідження мовних варіацій та збереження живих мов.

Ключові слова: управління даними, збір даних, створення корпусу, транскрипція даних, усні дані, варіаційна соціолінгвістика.

The role of language corpora in the study of language and speech variation

Abstract

Language corpora play an important role in studying language and speech variability. They are large collections of authentic linguistic data that represent the diversity of language usage. The availability of large corpora and the ability to process very large volumes of linguistic data have led to a renewed interest in linguistics statistics, which is directly related to linguistics. In combination, these two fields aim to study language variability. The study of language variability involves analyzing different variants of linguistic units, such as phonetic, morphological, syntactic, and lexical variations. Language corpora provide researchers with access to a large volume of data that represent various uses of language. In turn, advancements in automated processing techniques for practical purposes have prompted scholars to develop new theoretical concepts of language. The goal of this paper is to provide a detailed description of the principles and methods of data management that are employed within the frameworks of corpus linguistics, linguistic statistics, and sociolinguistics. The results of this study have shown that the study of living language and its linguistic variations and changes, particularly in the context of minorities and bilingual contexts, is possible with the help of corpora. Language corpora allow for the investigation of language diversity by comparing texts from different genres, styles, social groups, and regions. They enable the study of speech from functional characteristics, such as overall themes, target audiences, and communicative situations, among others. It is concluded that the implementation of such a study of language variability necessitates the systematic examination of oral corpora constructed according to scientific principles based on variation sociolinguistics, corpus linguistics, and linguistic statistics theories and methods. To reproduce and confirm empirical results, this work includes a detailed scientific analysis of relevant literature. The methods described in this paper are invaluable resources for studying language variations and preserving living languages.

Key words: data management, data collection, corpus creation, data transcription, oral data, variation sociolinguistics.

Постановка проблеми

Природа та ступінь змін, викликаних мовним контактом, викликають полеміку серед лінгвістів. Деякі з них вважають, що мовний контакт має дуже сильний вплив на мовну систему і спричиняє мовну варіативність. Учені стверджують, що при мовному контакті між двома або більше мовами відбувається запозичення слів, фонетичні та морфологічні зміни, а також зміни в синтаксисі й семантиці [4]. У цьому контексті Т Паза підкреслює, що мовний контакт має менший вплив на мовну систему і що зміни, спричинені контактом, можуть бути обмеженими і непостійними. Автор стверджує, що мовні системи мають властиві їм зв'язки, які утримують їхню стабільність, і що контакт з іншою мовою може не впливати значно на ці зв'язки [10]. Загалом думки лінгвістів про вплив мовного контакту та варіативність мови й мовлення різняться, і ця тема продовжує бути предметом активних дебатів і досліджень. Вона потребує детального вивчення конкретних ситуацій мовної варіативності й урахування різних факторів, таких як соціокультурні умови, рівень схожості між мовами тощо. У цьому плані помічними є різні теорії та методології, здатні класифікувати зібрані варіативні мовні корпуси, в основі створення яких лежать порівняльний і діахронічний підходи. Такі дані допомагають усунути занепокоєння носіїв мови щодо «якості» їхньої мови, водночас поважаючи імператив оглядатися на більш ранній етап для вивчення походження мови. Під час аналізу варіативності мовлення, досить часто корпуси покладаються на синхронні звукозаписи мовлення пращурів (при наявності таких матеріалів). Часто діалекти відображають більш ранній етап мови, таким чином надаючи неймовірну можливість реконструювати пращура сучасної мови. Отже, корпусна лінгвістика дає змогу досліджувати варіативність мови шляхом порівняння функціонування певних граматичних структур між ізолятами та стосовно відповідних еталонних взірців.

Мета роботи полягає в детальному описі принципів і методів керування даними, що застосовуються в рамках традицій корпусної лінгвістики, лінгвостатистики та соціолінгвістики. Автори мають намір продемонструвати, що за допомогою мовних корпусів можна вивчати різноманітність мови шляхом порівняння текстів різних жанрів, стилів, соціальних груп і регіонів, а також досліджувати мовлення з погляду функціональних характеристик. Крім того, довести, що вивчення варіативності мови передбачає систематичний аналіз усних корпусів, побудованих на наукових принципах варіаційної соціолінгвістики, корпусної лінгвістики та лінгвостатистики.

Аналіз останніх досліджень і публікацій

Головна мета в дослідженні та збереженні живої мови полягає в аналізі спонтанного мовлення і, зокрема, варіативності, яка його характеризує. Ця мінливість, як правило, передбачає чергування між ратифікованими формами та їхніми нестандартними відповідниками, які часто стигматизуються, якщо не прямо засуджуються [3]. Найбільш регулярною та систематичною формою мови для вивчення її варіативності є народна мова. Під час офіційного збору даних виникають труднощі щодо залучення представників, які нею послуговуються. Насамперед для цього необхідно створити ситуацію, в якій людина вважатиме доцільним вживати таку мову. Завдання здається відносно простим, коли мовиться про дослідження в соціальних мережах, де блогери часто використовують народну мову, діалектизми та інше. Втім, якщо лінгвіст ставить за мету скласти статистично репрезентативну та достатньо об'ємну вибірку, це виявляється значно складнішим завданням. У цьому випадку потрібні масштабні дослідження з великою кількістю мовців. Отримані результати мовлення рідко відрізняються від більш формальних стилів мовлення, де цікаві лінгвістичні особливості є рідкісними або навіть відсутніми. Це становить значну перешкоду для вивчення варіативності мови.

У контексті такої проблематики А. Махуб пропонує етнографічні методи для вирішення парадоксу спостерігача [9]. Для цього переважним методичним інструментом є соціолінгвістичне інтерв'ю [6]. Воно заохочує учасника висловлюватися неформально, пропонуючи широкий спектр тем мовленнєвої варіативності. Такий метод детально описаний Д. Леменмейєр [9]. У дослідженні представлена велика кількість записів спонтанного мовлення, тривалість яких варіювалася від однієї до п'яти годин. На основі цих даних створено відповідний мовний корпус, який охоплює різноманітні ситуації комунікації, що дає змогу досліджувати мовну поведінку учасників у різних контекстах. Такий підхід допомагає отримати цінну інформацію про мовленнєву варіативність, оскільки учасники можуть вільно експериментувати з мовою та використовувати різні стилі мовлення [9]. У результаті дослідження можна виявити певні закономірності в мовленні індивіда або групи людей.

Корпуси мовної варіативності мають великий потенціал для подальших лінгвістичних досліджень, таких як вивчення фонетичних, морфологічних, синтаксичних, лексичних особливостей мови, а також для аналізу живих мов і вивчення змін залежно від мовної ситуації [2, с. 49]. А. Адлі, Г. Гай наголошують на тому, шо методи корпусної лінгвістики з використанням соціолінгвістичного інтерв'ю та створення відповідного мовного корпусу є ефективними засобами вивчення мовленнєвої поведінки й варіативності [1]. Солідаризуємося, адже ці методи дають можливість отримати цінні дані для подальшого лінгвістичного аналізу та розуміння особливостей використання мови в різних соціокультурних контекстах.

Виклад основного матеріалу

Оскільки носії мови є основним джерелом варіативності, притаманної мові, і ключовим агентом змін, необхідно, де це можливо, інтегрувати носія мови з відповідними характеристиками у корпусний лінгвістичний аналіз мовної варіативності. Існують чіткі алгоритми та метадані, розроблені лінгвістами для проведення такого типу корпусного дослідження [11]. Насамперед після кожного сеансу запису інтерв'юери заповнюють звіт про інтерв'ю, у якому вони надають демографічну, соціологічну та лінгвістичну інформацію про учасника та його найближче оточення. На цьому етапі взаємодія стає анонімною завдяки призначенню тимчасового псевдоніму та ідентифікаційного номера, який пов'язується з кожним записом, кожною формою звіту про інтерв'ю та будь-якими іншими документами в ньому. Потім ці ідентифікатори транскрибуються в основний список метаданих, доданих до корпусу, і оновлюються в міру отримання нових даних. У такий спосіб можливо отримати детальний перелік потенційно релевантних характеристик. Відносна важливість цих характеристик коливається від однієї змінної до іншої та від однієї спільноти до іншої: одна змінна може бути насамперед соціально зумовлена, тоді як наступна слугує стилістичним маркером, а третя відображає профіль, який змінюється залежно від спільноти.

У корпусному дослідженні мовної варіативності важливо розглядати класичні соціальні та демографічні характеристики, такі як вік, стать, район проживання, рівень освіти і соціально-економічний статус. Додатково необхідно враховувати місцеві особливості для об'єктивного визначення мовної варіативності. Аналіз ставлення мовців до мови більшості може пояснити мінливість у контексті меншини, наприклад, наявність іноземної мови у них або тенденція до перемикання мовного коду чи запозичення слів. Ці чинники можна розглядати через кодування, яке може бути включене у статистичний аналіз для оцінки їхнього впливу на вибір мовних варіантів мовцями.

Остаточний тип метаданих надається «статтею корпусу», яка описує відповідні методологічні деталі щодо типу спільноти, методів збору інформації, критеріїв відбору вибірки, опису мовців та їхніх даних.

Слід зазначити, що існують корпуси з дуже різними статусами. Їхня початкова та остаточна вичерпність, дійсна, наприклад, для корпусів текстів з мертвих мов, які були перетворені для живих мов на вимогу репрезентативності, чи то у формі письмових, чи то усних даних.

Репрезентативність корпусів мовної варіативності також розвивається відповідно до методологічних досягнень і технічного прогресу. Наприклад, вибіркові корпуси поступилися місцем референтним корпусам [13].

В останні десятиліття активно розвиваються анотовані корпуси, тобто корпуси, доповнені інформацією морфологічного, синтаксичного, семантичного, просодичного характеру тощо [12]. У сфері машинного перекладу вирівняні двомовні корпуси використовуються як пам'ять перекладу. Нарешті, спостерігаються радикально протилежні погляди щодо побудови корпусу. Наприклад, використання інтернету для збирання інформації, яке, на наш погляд, не передбачає жодного підходу до побудови корпусу. З іншого боку, для істориків, які працюють над аналізом дискурсу, побудова корпусу потребує дослідження відносин між закритим і відкритим корпусом, між корпусом і некорпусом, зокрема через поняття контексту та інтердискурсу [1].

Починаючи з 1960-их років було розроблено перші корпуси для вивчення мовної варіативності. Спочатку вони були переважно англомовними, проте згодом подібні корпуси були розроблені в багатьох мовах [8]. Розробка корпусів для вивчення мовної варіативності має певну послідовність (табл. 1).

Перераховані інструменти мають відповідати критеріям якості, таким як надійність, адаптивність, важливість покриття.

Слід зазначити, що способи автоматичної обробки дуже різноманітні. Основні інструменти пошуку, такі як конкорданси, відрізняються від більшості інших інструментів, які реалізують статистичні методи [3].

Одні методи розглядають мову як лінійні ланцюжки (послідовність слів, категорії, n-грами), інші базуються на більш складних структурах (на основі, наприклад, імовірнісних граматик) [7].

Деякі методи поєднують використання статистики та правил, які можуть бути спеціальними, тобто не базуватися на явному лінгвістичному описі [8, с. 299]. Інші передбачають використання виключно ймовірнісних методів [5].

Незважаючи на різні підходи до розробки мовних корпусів, багато науковців у цій галузі намагається створити єдину теоретичну основу, критикуючи генеративну граматику. Є багато аргументів, які відділяють ймовірнісні моделі від формальних або застосовують обидва підходи разом. Проте, ми вважаємо доцільним відхилення від використання ймовірнісних методів, оскільки вони не враховують різницю між граматичністю та прийнятністю.

Безсумнівно, теоретичний підхід для методики створення мовного корпусу є важливим, ще важливішим є аналіз мовної варіації. Узагальнення, які варіаціоністи роблять про мову, як правило, виникають із широкомасштабного кількісного аналізу фактичної мовної поведінки. Залежно від розміру корпусу та частоти цільового лінгвістичного явища, дослідження може зосереджуватися на кількох сотнях або на десятках тисяч випадків. Тому важливо автоматизувати обробку даних. Маркування корпусів мовної варіативності обмежується ідентифікацією мови та носія. Щоб ідентифікувати цікаві дані, в аналізі покладаються на конкорданси. Небагато доступних конкордансів задовольняють усі потреби пошуку- вачів, зокрема потребу пов'язувати кожне слово з мовцем, який його створив, водночас виключаючи з аналізу дані від осіб, які не входять до вибірки. Необхідно також запобігати врахуванню додаткових елементів (наприклад, метаданих, екстралінгвістичних ознак, як-от «(сміх)») у розрахунках, застосовуваних до мовних явищ.

Таблиця 1. Послідовність створення корпусів для вивчення мовної варіативності

Джерело: власна розробка авторів.

Варіаційний аналіз часто має на меті визначити, чому вибраний один варіант, а не інший у контексті змінної (точка, де варіанти чергуються без зміни референтного значення), окресленому раніше. Запис для кожного входження в конкорданс зазвичай містить достатньо інформації, щоб дати змогу аналітику вловити потенційно пояснювальні чинники (наприклад, полярність висловлювання, граматична особа, розташування в реченні тощо). Однак слід зауважити, що виділення з лексичного посилання ризикує виявити надлишок входжень, які виходять за межі змінного контексту. Проте несуттєві випадки необхідно виявляти та усувати вручну. Виявлення випадків також ускладняється тим фактом, що багато граматичних слів часто опускаються в усній формі, як наприклад, підмети, зв'язки та прийменники. Деякі з цих видалених форм є варіаціями досліджуваної змінної, і тому їх слід розглядати поряд із їхніми явними аналогами. Отже, розташування має здійснюватися шляхом поєднання автоматичного пошуку (для форм, які мають лексичні представлення) та ручного вилучення (для нульових елементів і синтаксичних змінних, таких як стратегії для формування відносних речень і варіації слів порядку). Ручне виділення, безсумнівно, надзвичайно складне, особливо у випадку великих корпусів, але воно має перевагу, оскільки допомагає дослідникам ідентифікувати всі варіанти змінної, що є обов'язковою умовою для варіаційного аналізу. Цей набір може включати варіанти, які спочатку не були розпізнані чи ідентифіковані. Ручна ідентифікація також змушує аналітика постійно (повторно) переглядати аналізовану інформацію, особливо таку, як ступінь деталізації анотації робить пропорційно набагато більш абстрактними. Під час виконання таких дій, ми погоджуємося з іншим фундаментальним принципом варіаційної парадигми, а саме, що мовну варіацію слід вивчати в контексті, в якому вона виникає.

На завершення слід наголосити на тому, що незалежно від методу, використаного для ідентифікації мовної варіативності, знайдені випадки потім кодуються відповідно до серії чинників для статистичного аналізу. Кодування даних починається з транскрибування відповідних входжень безпосередньо в електронні таблиці Excel. Excel пропонує багато функцій (фільтрування, сортування, таблиці, приховування стовпців, підрахунок тощо), які роблять кодування легшим і надійнішим. Потім отримані кодові послідовності піддаються статистичному аналізу, щоб визначити їхнє значення, відносну важливість і напрям їхнього впливу.

Загалом думки лінгвістів про мовну варіативність різняться, і ця тема продовжує бути предметом активних дебатів і досліджень. Вона потребує детального вивчення конкретних ситуацій мовного контакту і врахування різних чинників, таких як соціокультурні умови, за яких відбулися мовні трансформації.

Висновки

Отже, мовні корпуси є необхідним інструментом у вивченні варіативності мови. У цьому плані, корпуси надають доступ до великого обсягу мовних даних, які демонструють різні варіанти мовного використання. Крім того, вони дають змогу порівнювати тексти різних стилів, жанрів, соціальних груп і регіонів. Лінгвостатистика, корпусна лінгвістика і соціолінгвістика використовують принципи та методи керування даними для вивчення варіативності мови. Проте вивчення варіативності мови потребує систематичного аналізу усних корпусів, заснованих на наукових принципах.

У роботі виділено, що носії мови - це головне джерело її варіативності і ключовий агент мовних змін. Тому в корпусний лінгвістичний аналіз мовної варіативності насамперед необхідно інтегрувати носіїв мови з відповідними характеристиками. У статті описані чіткі алгоритми та метадані, розроблені лінгвістами для проведення корпусного дослідження мовної варіативності, в якому також важливо розглядати соціальні та демографічні характеристики. Науковий аналіз дотичної літератури допоміг виділити методи, алгоритми та стратегії, які є цінними ресурсами для дослідження мовних варіацій та збереження живих мов.

Список використаних джерел

1. Adli A., Guy G.R. Globalising the study of language variation and change: A manifesto on cross-cultural sociolinguistics. Language and Linguistics Compass. 2022. Vol. 16. No. 5-6. DOI: https://doi.org/10.1111/lnc3.12452.

2. Boiko A. Formation of Students' Soft Skills by Means of Integration of English and Art in Extracurricular Activities. Art and Education. 2023. No. 3 (109). P. 48-53. DOI: https://doi.org/10.32405/2308-8885-2023-3(109)-48-53.

3. Breitbarth A., Ghyselen A.S., Van Hout R., Wieling M. Big data: New perspectives for research on language variation and change. Taal & Tongval. 2023. Vol. 75 (1). P. 1-6. URL: https://www.aup-online.com/content/journals/10.5117/TET2023.1.001.BREI.

4. Geeraerts D., Kristiansen G. Cognitive linguistics and language variation. The Bloomsbury companion to cognitive linguistics. 2014. P. 202. URL: https://www.torrossa.com/en/resources/an/5212640#page=215.

5. Huber, M.A., Correia A., Ramgoolam S., Sadrzadeh M. Permutation invariant matrix statistics and computational language tasks. 2022. DOI: https://doi.org/10.48550/arXiv.2202.06829.

6. Ladoukakis E.D., Michelioudakis D., Anagnostopoulou E. Toward an evolutionary framework for language variation and change. BioEssays. 2022. Vol. 44 (3). DOI: https://doi.org/10.1002/bies.202100216.

7. Lemmenmeier D. Spoken Language Corpora: Approaches for Facilitating Linguistic Research: Doctoral dissertation / University of Zurich. 2023. URL: https://www.zora.uzh.ch/id/eprint/235310/1/Lemmenmeier_Dolores_Dissertation.pdf.

8. Li H., Dunn J., Nini A. Register variation remains stable across 60 languages. Corpus Linguistics and Linguistic Theory. 2023. No. 19 (3). P. 397-426. DOI: https://doi.org/10.1515/cllt-2021-0090.

9. Mahboob A. Language variation and education. The Evolution of Englishes. 2014. P. 267. URL: https://www.torrossa.com/en/resources/an/5015224#page=286.

10. Pasa T.A. Language Variations: A New Trend of Language Use Among Teenagers in Social Media. 3rd Annual Conference of Education and Social Sciences. Atlantis Press, 2021. P. 176-183. DOI: https://doi.org/10.2991/978-2-494069-21-3_20.

11. Ramponi A., Casula C. DIATOPIT: A Corpus of Social Media Posts for the Study of Diatopic Language Variation in Italy. Tenth Workshop on NLP for Similar Languages, Varieties and Dialects (VarDial 2023). 2023. P. 187-199. URL: https://aclanthology.org/2023.vardial-1.19/.

12. Ribtsun Y.V. The use of logopsychosynergetic approach in meeting special speech needs. Veda a perspektivy. 2022. No. 1 (8). P. 164-175. https://lib.iitta.gov.ua/729772/.

13. Steiner C. Language Variation and Change in German-speaking Switzerland: Spatial, Social, and Individual Factors: Doctoral dissertation / University of Zurich. 2023. URL: https://www.zora.uzh.ch/id/eprint/236082/1/Steiner_Carina_Dissertation.pdf.

Размещено на Allbest.ru