Korpusanalyse der konstituenten grammatischer kategorien im literarischen text mit berücksichtigung der linguoregionalen komponente

Размещено на http://www.allbest.ru/

Korpusanalyse der konstituenten grammatischer kategorien im literarischen text mit berьcksichtigung der linguoregionalen komponente

Alexey I. Gorozhanov and Innara A. Guseynova, Moscow State Linguistic University

Abstract

Corpus analysis of the grammatical categories' constituents in fiction texts considering the linguo-regional component

Alexey I. Gorozhanov and Innara A. Guseynova, Moscow State Linguistic University

The problem of insufficient development of professional digital tools in the humanities, including linguistics, is posed. The results of a long-term study on the development of specialized software for corpus analysis of a foreign language text, in which the regional component plays an important role, are described. On the example of Franz Kafka's novel “Das Schloss” the work of three computer programs is demonstrated, including primary text processing, automatized markup of a small special (grammatical) corpus, a combined search for selected constituents of the grammatical categories of certainty / uncertainty, modality, as well as individual grammatical phenomena by markers of the marked up corpus and by regular expressions in case of the not marked up text, considering the regional characteristics of spelling. It is concluded that the maximum effectiveness of research of this kind can be achieved with the active work of an expert with a specially developed software product. Moreover, the expert's task includes not only professional software management, but also active participation directly in its development. The described analysis model can be used to analyze the categorical spectrum of a foreign language text, as well as to compile didactic materials for teaching foreign languages and translation.

Keywords: corpus analysis, grammatical categories, special software, linguo-regional component, cross-cultural communication, digitalization, German language, Franz Kafka, regular expressions.

Annotation

Im Beitrag wird das Problem der unzureichenden Digitalisierung der Geisteswissenschaften, einschlieЯlich der Linguistik, aufgeworfen. Beschrieben werden die Ergebnisse einer sieben Jahre dauernden Forschung zur Entwicklung einer speziellen Software zur Korpusanalyse eines fremdsprachigen Textes, in der die regionale Komponente eine wichtige Rolle spielt. Am Beispiel des Romans “Das Schloss” von Franz Kafka wird die Arbeit von drei Computerprogrammen gezeigt, darunter die primдre Textverarbeitung, das automatisierte Markup eines kleinen speziellen (grammatischen) Korpus, die kombinierte Suche nach den ausgewдhlten Konstituenten der grammatischen Kategorien “Bestimmtheit/Unbestimmtheit” und “Modalitдt” sowie einzelner grammatischer Phдnomene durch die Attribute des markierten Korpus und durch regulдre Ausdrьcke fьr den nicht markierten Text mit Berьcksichtigung der regionalen Merkmale in der Rechtschreibung. Es wird geschlussfolgert, dass eine maximale Wirksamkeit derartiger Forschung durch die aktive Arbeit eines Experten mit und an diesem speziell entwickelten Softwareprodukt erreicht werden kann. Darьber hinaus umfasst die Aufgabe des Experten nicht nur den professionellen Umgang mit der Software, sondern auch die aktive Teilnahme direkt an seiner Entwicklung. Das entwickelte Analysemodell kann verwendet werden, um das kategoriale Spektrum eines fremdsprachigen Textes zu bestimmen sowie didaktische Materialien fьr den Fremdsprachenunterricht und das Ьbersetzungstraining zusammenzustellen.

Аннотация

Корпусный анализ конституентов грамматических категорий текста художественного произведения с учетом лингворегионального компонента

А.И. Горожанов, И.А. Гусейнова; Московский государственный лингвистический университет

Ставится проблема недостаточного уровня развития профессиональной цифровизации гуманитарных наук, в том числе языкознания. Описываются результаты многолетнего исследования по разработке авторского программного обеспечения для корпусного анализа иноязычного текста, важное место в котором занимает региональный компонент. На примере романа Франца Кафки «Замок» демонстрируется работа трех авторских компьютерных программ, включая первичную обработку текста, автоматизированную разметку малого специального (грамматического) корпуса, комбинированный поиск избранных конституентов грамматических категорий определенности / неопределенности, модальности, а также отдельных грамматических явлений по маркерам размеченного корпуса и по регулярным выражениям в рамках неразмеченного текста, учитывая региональные особенности орфографии.

Делается вывод о том, что максимальная эффективность исследований такого рода может быть достигнута при активной работе эксперта со специально разработанным программным продуктом. При этом в задачу эксперта входит не только профессиональное управление программным обеспечением, но и активное участие непосредственно в его разработке. Разработанная модель анализа может быть применена для анализа категориального спектра иноязычного текста, а также для составления дидактических материалов для обучения иностранным языкам и переводу.

Ключевые слова: корпусный анализ, грамматические категории, специализированное программное обеспечение, лингворегиональный компонент, межкультурная коммуникация, цифровизация, немецкий язык, Франц Кафка, регулярные выражения.

computerprogrammen grammatischen rechtschreibung text

Senschaftler den Fragen der Digitalisierung gewidmet sind (Ryndina, 2019; Bдckermann, 2018; Potapova, Potapov, 2015). In unseren Werken haben wir versucht, die vorhandenen Erfahrungen und Ergebnisse unter Berьcksichtigung ihrer praktischen Bedeutung und Durchfьhrbarkeit zu systematisieren, um den Vektor fьr die Implementierung und Verbreitung von Informations- und Kommunikationstechnologien im geisteswissenschaftlichen Bereich zu bestimmen (Gorozhanov et al., 2018; Gorozhanov, 2019). Im Zusammenhang damit erscheint es uns angebracht, die Entwicklung der theoretischen und angewandten Grundlagenforschung mit ihrer anschlieЯenden Implementierung im virtuellen Raum zu intensivieren.

In Bezug auf Sprachkenntnisse weisen wir auf die Notwendigkeit hin, linguistische theoretische und technische Instrumente zu systematisieren, die fьr den Einsatz in der Digitalisierung geeignet sind. In diesem Artikel versuchen wir, die von uns im Rahmen der Korpusanalyse entwickelten Sprachin- strumente zu testen. Die Korpusanalyse ist eine Forschungsmethode, die in unserer Zeit nicht an Popularitдt verloren hat und zur Lцsung verschiedener Sprachprobleme verwendet wird. Dazu gehцren die Fremdsprachendidaktik und das Ьbersetzungstraining (Giampieri, 2020; Silva, 2020); die Untersuchung einzelner sprachlicher Phдnomene (Duque, 2020; Davies et al., 2020; Meidani, 2019) und selbst das Studium philosophischer Fragen (Caton, 2020).

Problemstellung

Jede Software wird entwickelt, um ein bestimmtes Ziel zu erreichen, das die Vorbereitung und Anwendung einzigartiger Lцsungen erfordert. Im Fall des Sprachkorpus - beginnend mit dem allerersten computergestьtzten Korpus “The Brown University Standard Corpus of Present-Day American English”, der 1963 erschien (Mordovin, 2013: 51) - beschдftigen sich Wissenschaftler mit universellen Entwicklungen, mit deren Hilfe eine Vielzahl von theoretischen und angewandten Problemen gelцst werden soll. Die Linguistik und die Sprachwissenschaft im Allgemeinen arbeiten mit Textkorpora, deren Verarbeitung in der Prдsentationen weit verbreitet ist, werden Probleme der Linguistik, Literaturwissenschaften, Regionalwissenschaften und anderer Geisteswissenschaften nur unzureichend berьcksichtigt. Aus diesem Grund werden die Ressourcen der Informations- und Kommunikationstechnologien nicht voll ausgeschцpft, und Computerlцsungen im geisteswissenschaftlichen Bereich sind oft unprofessionell oder sogar primitiv.

Theoretischer Rahmen

Eine Analyse der Fachliteratur zeigt, dass sowohl Arbeiten relativ junger Wissenschaftler, die noch nicht bekannt geworden sind, als auch grundlegende Arbeiten erfahrener Wis Analyse unter Berьcksichtigung der Spezifik des Sprachmaterials besteht. Mit anderen Worten, Computerlцsungen sind fьr moderne Sprachforschungen unabdinglich, einschlieЯlich zur Bestimmung regionaler Merkmale (zum Beispiel in Dialektforschungen). Die Korpuslinguistik verfьgt ьber alle notwendigen Instrumente und “zeichnet sich im Allgemeinen im Paradigma der modernen Sprachforschung durch methodische Universalitдt und Wirksamkeit aus” (Barkovich, 2016: 5).

Diese Behauptung scheint zweifellos richtig zu sein, aber ein Sprachkorpus, das fьr die Sprachforscher von unschдtzbarem Wert ist, ist nicht immer wirksam, um ein hochspezialisiertes Problem zu lцsen. In unserem Fall verfolgen wir das Ziel, ein sowohl fьr einen markierten als auch fьr einen nicht markierten Text geeignetes Instrument zur automatisierten Analyse des Textes eines literarischen Werkes in einer Fremdsprache zu schaffen, um die Mittel zum Ausdruck grammatischer Kategorien zu bestimmen. Es wird davon ausgegangen, dass flexiblere Suchanfragen durch die Arbeit an einem nicht markierten Text gestellt werden kцnnen, die beispielsweise regionale Merkmale berьcksichtigen. Eine automatisierte Analyse eines fremdsprachigen Textes ist hilfreich bei der Zusammenstellung von didaktischen Materialien auf der Grundlage dieses Textes mit dem Ziel, den Studierenden die Sprache als Ganzes sowie deren Aspekte, einschlieЯlich territoriale Besonderheiten, zu vermitteln.

Technologisch gesehen ist die Software ein Paket von Computerprogrammen, die in einer modernen, vielversprechenden und auf nichtkommerzieller Basis verteilten Programmiersprache geschrieben werden, um eine weitere Modernisierung der Pilotversion und deren Tests vor einer umfassenden Implementierung zu ermцglichen. Die im Paket enthaltenen Programme funktionieren offline und sind fьr die Hardware nicht anspruchsvoll.

Methodologie

Die Verwendung von Standardsoftware hat sowohl Vor- als auch Nachteile. Letztere bestehen vor allem darin, dass sich eine solche Software auf die Arbeit mit einem abstrakten Text konzentriert, der keine eigene Originalitдt und keinen eigenen kьnstlerischen Wert hat. Eine solche Software ist zweifellos fьr die Arbeit mit technischen Texten geeignet und orientiert sich am Suchen und Erkennen von Termini, fьhrt jedoch keine analytische Verarbeitung des Textes durch, die der Interpretation vorausgeht. Die Analyse linguore- gionaler Komponenten ist noch schwieriger, da das Sprachkorpus in der Regel auf der Grundlage einer Literatursprache, aber nicht auf der Grundlage von Dialekten erstellt wird. Darьber hinaus erfordert eine solche Software eine stдndige Anpassung an die tatsдchlichen Bedьrfnisse der Benutzer. Eine teilweise Verbesserung ist mцglich, lцst jedoch nicht das Problem einer umfassenden Textanalyse. Unserer Meinung nach mьssen die entwickelten Programme verschiedene Aufgaben einer Korpusanalyse erfьllen - von der anfдnglichen Textverarbeitung und seiner Markierung mit dem Ziel, ihn in ein Sprachkorpus umzuwandeln, bis zur mehrstufigen Suche im erstellten Korpus und Speichern der Ergebnisse in einem benutzerfreundlichen Format. Darьber hinaus soll die Suche auch mit einem nicht markierten Text funktionieren.

Aus diesem Grund soll das Softwarepaket mindestens drei Komponenten enthalten:

- ein Programm zur primдren Textverarbeitung;

- ein Programm zur Umwandlung dieses Textes in ein Sprachkorpus (Korpuseditor);

- einen Korpusmanager fьr die Arbeit mit einer markierten (und nicht markierten) Variante.

Es wird vorausgesetzt, dass der sogenannte “rohe” Text des literarischen Werkes eine Textdatei (TXT-Format) ist. Als Ergebnis der Softwareverarbeitung soll daraus eine Datenbank werden (z. B. im XML-Format). Die zweite Komponente des Softwarepakets, d. h. der Korpuseditor, arbeitet mit dieser Datenbank. Es muss betont werden, dass das XML-Format praktisch ist, weil es universell und allgemein anerkannt ist. Darьber hinaus ist es relativ einfach und kann nicht nur programmgesteuert, sondern bei Bedarf auch “manuell”, mit einem beliebigen Texteditor, gelesen werden. Jede Datenbankzeile im XML-Format erhдlt eine unikale Nummer, beginnend mit “eins”.

In unserem Fall ist die grundlegende Struktureinheit des Korpus ein Satz (nicht das Wort), wodurch die Marker der syntaktischen Ebene berьcksichtigt werden kцnnen. Die grammatischen Marker im Satz unterliegen ebenfalls einem Markup. Daher bestimmen wir unser Sprachkorpus als “klein” und “speziell” (grammatisch).

Die XML-Datei muss folgende Attribute enthalten:

- Charakteristik des Satzes: einfacher Satz, Satzgefьge oder Satzreihe;

- Zeitform des Prдdikats;

- Modus des Prдdikats: Indikativ, Imperativ oder Konjunktiv;

- Vorhandensein eines Modalverbs;

- Vorhandensein eines Artikels: Nullartikel, bestimmter Artikel oder unbestimmter Artikel;

- Vorhandensein von Prдpositionen: mit dem Genitiv, dem Dativ, dem Akkusativ oder der doppelten Rektion;

- Vorhandensein eines Verbs mit einem trennbaren oder untrennbaren Prдfix;

- Vorhandensein von Adjektiven im Positiv, im Komparativ oder im Superlativ;

- Vorhandensein eines Prдdikativs (eines zusammengesetzten Prдdikats);

- Genus des Prдdikats: Aktiv, Passiv oder Stativ;

- Vorhandensein reflexiver Verben.

Die Wahl dieser Attribute beruht auf der Tatsache, dass das Sprachkorpus als Instrument fьr die Erarbeitung didaktischer Materialien verwendet werden soll. Unter anderem wurden diejenigen grammatischen Phдnomene ausgewдhlt, die Schwierigkeiten beim Erlernen der deutschen Sprache bereiten, insbesondere beim Ьbersetzen aus dem Deutschen ins Russische. Die ausgewдhlten Attribute sind leicht zu markieren, da das Markieren des Textes automatisiert erfolgt, d. h. der Benutzer entscheidet ьber das Vorhandensein oder Fehlen des einen oder anderen Markers.

Der Korpuseditor bedarf eines grafischen Benutzerinterface. Der folgende Algorithmus zum Markieren des Korpus wird angenommen. Ьber das grafische Menь wird die XML-Da- tenbankdatei geladen. Der erste Satz, d. h. die erste Reihe in der Datenbank, wird in einem speziellen Fenster angezeigt. Mithilfe von Widgets werden die Attribute markiert, die im laufenden Satz vorhanden sind. Nach allen Markierungen geht das Programm durch das Drьcken des Knopfes “Weiter” zum nдchsten Satz ьber. Nach Abschluss der Arbeit wird das Resultat ьber das Grafikmenь in der Datenbankdatei gespeichert. Es ist auch mцglich, die Datenbank unter einem anderen Namen zu speichern. Zusдtzlich zum Knopf “Weiter” soll es auch den Knopf “Zurьck” geben. Fьr den Ьbergang zu irgendeinem Satz der aktuellen Datenbank muss im Menь die Funktion “GoTo [Satznummer]” aktiviert werden.

Ganz unten im Interface soll sich eine Statusleiste befinden, die den Benutzer ьber die von ihm letzte ausgefьhrte Aktion informiert, z. B. das Speichern einer Datei oder das Цffnen einer neuen Datenbank.

Nachdem der Text vollstдndig markiert und die Datenbank gespeichert worden ist, muss ein Verfahren fьr die Arbeit damit bereitgestellt werden. Diesem Zweck soll das dritte Programm des Softwarepakets, nдmlich das Korpussuchsystem oder der Korpusmanager, dienen.

Dies ist das komplexeste Programm in seiner Struktur und Funktionalitдt. Es wird davon ausgegangen, dass es in zwei Modi funktioniert. Im ersten Modus wird mit einem markierten Sprachkorpus unter Verwendung markierter Attribute gearbeitet. Im zweiten Modus wird mit einem nicht markierten Text gearbeitet, der jedoch mit dem ersten Programm des Softwarepakets erstellt wurde und auch eine XML-Datenbank darstellt. Somit kann man im zweiten Modus schon vor dem vollstдndigen Markup (durch das zweite Programm des Softwarepakets) mit der Datenbank arbeiten. Wenn die Datenbank bereits markiert ist, soll der zweite Modus weiterhin voll funktionsfдhig sein.

Das Interface des Korpusmanagers soll ein funktionierendes Output-Fenster (in dem das Suchergebnis platziert wird), sowie ein Block fьr die Einstellung der Attribute und die Widgets zur Auswahl des zu untersuchenden Textes haben. Im zweiten Modus soll der Block fьr die Einstellung der Attribute durch Suchsteuerelemente ersetzt werden.

Um das Programminterface ergonomischer zu gestalten, sollen sich die Widgets des ersten und des zweiten Modus auf verschiedenen Tabs befinden. Der dritte Tab kann ein Protokoll enthalten, in dem alle vom Benutzer im Rahmen dieses Programmstarts durchgefьhrten Aktionen automatisch protokolliert werden sollen.

Da die Verarbeitung von Textdaten nach vielen Parametern lange dauern kann, soll das Programm ьber einen Fortschrittsbalken verfьgen, der den Arbeitsaufwand in Prozent angibt.

Wie im zweiten Programm des Softwarepakets soll sich hier am unteren Rand des Interface eine Statusleiste befinden, die den Benutzer ьber die zuletzt ergriffenen MaЯnahmen informiert.

Es muss eine Kontinuitдt zwischen den beiden Modi beachtet werden. Dies bedeutet, dass der Benutzer nach dem Starten der Suche im ersten Modus in den zweiten Modus wechseln und die Arbeit mit den Ergebnissen fortsetzen kann, die wдhrend der Verwendung des ersten Modus erzielt wurden. Angenommen, im ersten Modus wurden alle Satzgefьge gefunden. Wenn der Benutzer in den zweiten Modus wechselt, kann er alle Sдtze finden, die die eine oder andere untergeordnete Konjunktion enthalten. Die Sдtze, die die Suchkriterien nicht erfьllen, sollen auf Wunsch des Benutzers mit einem speziellen Knopf aus dem Output-Fenster ausgeschlossen werden. Als Ergebnis der Suche werden somit alle Satzgefьge eines bestimmten Typs gefunden.

Der zweite Modus soll die mehrstufige Suche unterstьtzen. Wenn wir das obige Beispiel fortsetzen, kann der Benutzer eine bestimmte lexikalische Einheit oder eine Reihe von lexikalischen Einheiten in den Satzgefьgen eines bestimmten Typs finden.

Suchergebnisse im zweiten Modus sollen mit einer Hintergrundfarbe gekennzeichnet sein, und es soll die Mцglichkeit bestehen, diese Farben zu wechseln. Bei der Suche nach untergeordneten Konjunktionen wird beispielsweise eine bestimmte Farbe ausgewдhlt, bei der Suche nach lexikalischen Einheiten - eine andere. Die Suchmuster des zweiten Modus sollen zur schnellen Wiederverwendung in einer speziellen Datei gespeichert werden.

Eine weitere wichtige Forderung an das dritte Programm des Softwarepakets ist die Mцglichkeit, das Ergebnis aus dem Suchfenster in einer Datei in einem universellen Format, beispielsweise HTML, zu speichern.

Diskussion

Geleitet von den oben genannten technischen Spezifikationen haben wir im Zeitraum von 2014 bis 2020 drei Softwareprodukte entwickelt und getestet, die zusammen das erforderliche Softwarepaket bilden.

Als Instrument der Entwicklung wurden die Programmiersprache Python3 und die PyQt5-Grafikbibliothek gewдhlt, ein universelles Softwareent wicklungstool mit einem grafischen Benutzerinterface, das auf nahezu jedem Betriebssystem funktioniert.

Das erste Programm des Softwarepakets verfьgt ьber kein grafisches Benutzerinterface, weil es nur eine Aufgabe erfьllt - das Konvertieren einer Textdatei in eine XML-Datenbank. Bei der Eingabe erhдlt das Programm eine Datei, in der der Text in nummerierte Sдtze unter teilt ist. Die erste Zeile der Quelldatei ist nicht nummeriert und enthдlt den Namen des Autors und den Titel des Werkes.

Beim Generieren einer XML-Datei weist das Programm jedem Satz Standardattributwerte zu, die die hдufigsten Phдnomene der Sprache kennzeichnen (z. B. Aktiv und Indikativ als die hдufigsten Genus Verbi und Modus). Dieser Schritt soll in Zukunft die “manuelle” Markierung des Korpus erleichtern.

Das zweite Programm des Softwarepakets - der Korpuseditor - erhielt ein grafisches Benutzerinterface, das aus folgenden Komponenten (von oben nach unten) besteht:

- Menьblock;

- Zeile des Namens der geladenen Datenbank;

- Zeile der Nummer des laufenden Satzes der geladenen Datenbank;

- Output-Fenster fьr die Ausgabe von Einheiten des geladenen Korpus;

- Attributenblцcke;

- Knцpfe “<---” und “--->”;

- Statusleiste (siehe Abb. 1):

Der Menьblock enthдlt zwei Gruppen: “File” und “Control”. Die Gruppe “File” enthдlt vier Punkte: “Open” (цffnet die Datenbankdatei), “Save” (speichert die Datenbankdatei unter dem aktuellen Namen), “Save As” (speichert die Datenbankdatei unter einem neuen Namen) und “Exit” (schlieЯt das Programm). Die Gruppe “Control” hat nur einen Punkt - “GoTo”, um zu einem der Sдtze der geladenen Datenbank zu gelangen.

Die Zeile fьr den Namen der Datenbankdatei gibt an, welche Datei derzeit geцffnet ist. Neben dem Autor und dem Titel des Werkes wird der vollstдndige Name der Datei mit ihrer Adresse angezeigt.

Das Output-Fenster zur Anzeige von Einheiten des geladenen Korpus enthдlt den aktuellen Datenbankeintrag (Satz). Die grammatischen Markierungen befinden sich in elf Blцcken. Jeder Block hat einen Titel und eine Reihe von Widgets - Kontrollkдstchen oder Optionsfeldern.

Abb. 1. Interface des Programms mit geladener Datenbank

Der Block “Satz” enthдlt drei Optionsfelder, sodass der Benutzer nur ein Merkmal des Satzes auswдhlen muss (einfacher Satz, Satzreihe oder Satzgefьge). Es wird angenommen, dass der Benutzer die eine oder andere Entscheidung trifft, wenn mehrere Merkmale gleichzeitig vorhanden sind (z. B. ein Satz stellt sich als Satzreihe heraus, aber einer seiner Teile ist ein Satzgefьge), je nachdem, welcher Marker dominiert.

Der Block “Prдfix” hat zwei Kontrollkдstchen, daher gibt es vier mцgliche Markierungsoptionen: a) der Satz enthдlt keine trennbaren oder untrennbaren Verben; b) der Satz enthдlt mindestens ein Verb mit einem trennbaren Prдfix, jedoch kein einziges Verb mit einem untrennbaren Prдfix; c) der Satz enthдlt mindestens ein Verb mit einem untrennbaren Prдfix, aber kein einziges Verb mit einem trennbaren Prдfix; d) der Satz enthдlt gleichzeitig ein oder mehrere Verben mit trennbaren Prдfixen und ein oder mehrere Verben mit untrennbaren Prдfixen.

Der Block “Zeitformen” ist der umfangreichste und enthдlt sechs Kontrollkдstchen entsprechend der Anzahl der Tempora des deutschen Verbs. Hierbei wird eine solche Option berьcksichtigt, dass der Satz mцglicherweise eine Ellipse sein kцnnte und ьberhaupt keine Verbformen enthдlt. Daher ist das Fehlen von Markierungen in allen sechs Kontrollkдstchen zulдssig. Andererseits kann ein Satz ein Verb in verschiedenen Zeitformen enthalten, was auch zulдssig ist.

Der Block “Modus” ist fьr die Markierung des Modus verantwortlich und wird durch drei Optionsfelder dargestellt. Zum Beispiel, wenn in einem Satz Verben im Indikativ oder im Konjunktiv gefunden werden, trifft der Benutzer eine Entscheidung auf der Grundlage seiner Vision. Es wird jedoch empfohlen, die Phдnomene zu markieren, die am komplexesten und seltensten sind, d. h. wenn es sowohl einen Konjunktiv als auch einen Indikativ gibt, wird “Konjunktiv” als Marker gesetzt.

Der Block “Modalverb” markiert nur das Vorhandensein oder Fehlen von Modalverben im Satz und wird durch ein Kontrollkдstchen dargestellt. Eine so einfache Lцsung hat einen didaktischen Grund, weil die Modalverben fьr die Studierenden eine erhebliche Schwierigkeit darstellen.

Der Block “Artikel” markiert mit Hilfe von drei Kontrollkдstchen das Vorhandensein oder Fehlen eines Nullartikels, des unbestimmten oder bestimmten Artikels im Satz. Mцglicherweise kann ein Satz gefunden werden, der keine Substantive enthдlt und daher keine Artikel enthalten kann.

Der Block “Prдdikativ” hat, wie im Fall von Modalverben, nur ein Kontrollkдstchen, das das Vorhandensein oder Fehlen eines zusammengesetzten Prдdikats im laufenden Satz anzeigt. Die Notwendigkeit, diese Funktion aufzunehmen, wird auch durch die Fremdsprachendidaktik bestimmt.

Der Block “Prдposition” verfьgt ьber vier Kontrollkдstchen zum Markieren der Verwendung von Prдpositionen mit dem Genitiv, Dativ, Akkusativ oder mit einer doppelten Rektion. Die Kontrollkдstchen ermцglichen verschiedene Kombinationen, einschlieЯlich das Fehlen von Markern.

Der Block “Sich-Verb” enthдlt ein Kontrollkдstchen, das das Vorhandensein oder Fehlen eines reflexiven Verbs im Satz anzeigt, was den Studierenden auch Schwierigkeiten bereitet.

Im Block “Adjektiv” mit drei Kontrollkдstchen kann man Adjektive im Positiv, Komparativ und Superlativ markieren. Es wird auch die Option berьcksichtigt, dass der Satz kein einziges Adjektiv enthдlt.

SchlieЯlich verfьgt der Block “Genus” ьber drei Kontrollkдstchen zum Markieren des Aktivs, Passivs oder Zustandspassivs.

Mit den Knцpfen “<---” und “--->” kann man einen Satz nach links oder rechts im Korpus bewegen. Dies ist praktisch fьr die sequenzielle Markierung von Sдtzen und macht es ьberflьssig, stдndig auf den Menьpunkt “GoTo” zurьckzugreifen.

Das dritte Programm des Softwarepakets - der Korpusmanager - erhielt ebenfalls ein grafisches Benutzerinterface, das aus folgenden Komponenten (von oben nach unten und von links nach rechts) besteht:

- Menьblock;

- Suchknopf;

- drei Tabs;

- Behдlter fьr den Inhalt der Tabs;

- Dropdown-Menь zur Auswahl der Datenbankdatei;

- Statusleiste;

- Output-Fenster (siehe Abb. 2):

Der Menьblock enthдlt zwei Gruppen: “File” und “Settings”. Die Gruppe “File” enthдlt zwei Punkte: “Save As HTML” (speichert den Inhalt des Output-Fensters in einer HTML-Datei, wobei die Formatierung behalten wird) und “Exit” Die Gruppe “Settings” enthдlt nur einen Punkt - “Color” (um die aktuelle Farbe zum Markieren der Suchergebnisse im zweiten Modus auszuwдhlen).

Der Knopf “Search” aktiviert die Suche gemдЯ den eingestellten Parametern in der ьber das Dropdown-Menь ausgewдhlten XML-Da- tei. Die genannten Parameter werden in den ersten beiden Tabs ausgewдhlt. Betrachten wir den ersten Tab.

Der Tab “Tab 1” sucht in einem markierten Korpus. Die Parameter entsprechen den Korpuseditorblцcken: “Satz”, “Zeitform”, “Modus”, “Prдfix”, “Prдp.”, “Modalverb”, “Adjektiv”, “Artikel”, “Prдdikativ”, “Sich-Verb”, “Genus”. Jeder der aufgelisteten Blocktitel wird in Form eines Knopfes erstellt, der den entsprechenden Block aktiviert / deaktiviert. An der Suche sind nur aktive Blцcke beteiligt. Weiter gibt es einige Beispiele fьr die Funktionsweise der Suche:

1. Einstellung: Keiner der Blцcke ist aktiviert. Ergebnis: Die Suche zeigt alle Sдtze des Korpus an.

2. Einstellung: Der Block “Satz” ist aktiviert, in dem die Optionsfelder auf “Reihe” gesetzt sind. Ergebnis: Die Suche zeigt Einheiten an, in denen Satzreihen als syntaktischer Hauptmarker festgelegt sind.

3. Einstellung: Der Block “Zeitformen” ist aktiviert, in dem nur das Kontrollkдstchen “Perfekt” gesetzt ist. Ergebnis: Die Suche zeigt die Sдtze an, die “Perfekt” enthalten (aber keine anderen Zeitformen aufweisen), weil alle anderen Kontrollkдstchen dieses Blocks inaktiv sind.

4. Einstellung: Der Block “Zeitformen” ist aktiviert, in dem nur das Kontrollkдstchen „Perfekt“ gesetzt ist, aber das Kontrollkдstchen “Ignore Unchecked” aktiv ist. Ergebnis: Die Suche zeigt die Sдtze an, die “Perfekt” enthalten (aber mцglicherweise auch andere Zeitformen aufweisen), weil alle inaktiven Kontrollkдstchen dieses Blocks ignoriert werden und nicht als erforderlicher Suchparameter betrachtet werden.

5. Einstellung: Aktivierte Blцcke “Modalverb” (mit dem aktiven Kontrollkдstchen) und “Satz” mit dem aktiven Optionsfeld “Gefьge”. Das Kontrollkдstchen “Ignore Unchecked” ist nicht aktiv. Ergebnis: Die Suche gibt Einheiten zurьck, die gleichzeitig Modalverben und Satzgefьge enthalten.

In der Statusleiste werden die quantitativen Indikatoren der Suche angezeigt (“N Sдtze gefunden”).

Durch die Aktivierung verschiedener Blцcke sowie die Einstellungen innerhalb der Blцcke kann man komplexe Suchparameter einstellen. Es muss betont werden, dass im ersten Modus eine maximale Effizienz des Korpus nur erreicht werden kann - wenn es vollstдndig markiert ist. Andernfalls verfьgt jeder Satz ьber Standardparameter, weil alle Sдtze a priori als einfache Sдtze mit einem Prдdikat im Indikativ angesehen werden (denn in der Gruppe der Optionsfelder muss eine Option immer aktiv sein). Andere Parameter werden nicht markiert.

Abb. 2. Interface des Korpusmanagers nach dem Starten des Programms

Abb. 3. Tab 2 ist aktiviert

Der zweite Modus zielt darauf ab, mit einem nicht markierten Korpus zu arbeiten. Der Tab “Tab 2” enthдlt:

- Eingabefeld fьr den regulдren Ausdruck;

- Startknopf zur Suche nach diesem regulдren Ausdruck;

- Knopf zum AusschlieЯen aller nicht markierten Sдtze von den Ergebnissen;

- Dropdown-Menь zur Auswahl eines regulдren Ausdrucks aus den Varianten, die in einer TXT-Datei gespeichert sind;

- Knopf zum Hinzufьgen eines regulдren Ausdrucks aus dem Eingabefeld des regulдren Ausdrucks zur Liste in einer TXT-Datei;

- Knopf zum Reinigen von Farbmarkie- rungen im Output-Fenster (siehe Abb. 3):

Regulдre Ausdrьcke werden gemдЯ den Regeln der PyQt5-Grafikbibliothek erstellt.

Bevor es mit Tab 2 gearbeitet werden kann, mьssen in Tab 1 alle Sдtze des Korpus im Output-Fenster angezeigt werden, da die Instrumente des zweiten Modus nicht direkt mit dem Korpus arbeiten, sondern mit den Informationen aus dem Output-Fenster. Eine Suche nach regulдren Ausdrьcken ist praktisch, weil eine groЯe Anzahl von Wortformen in einer einzelnen Abfrage enthalten sein kann. Um beispielsweise alle mцglichen Wortformen des Verbs “lassen” zu finden, muss die Abfrage wie folgt eingegeben werden:

(\b+([Gg]e)?([Ll][aд]ss)(e|en|t)?\b+)|

(\b+( lieЯ)(e |en |t|est|et)?\b+)

Um nach allen mцglichen Formen des deutschen unbestimmten Artikels zu suchen, muss man Folgendes eingeben:

\b+[Ee]in(e?)[rsnm]?\b+

Textteile, die mit regulдren Ausdrьcken ьbereinstimmen, werden mit der aktuellen Hintergrundfarbe markiert (standardmдЯig gelb). Im nдchsten Suchschritt wird empfohlen, eine andere Farbe zu wдhlen, um die Ergebnisse des ersten, zweiten Vorgangs usw. zu unterscheiden. Um alle Sдtze des Korpus, die keine Farbmarkierung erhalten haben, aus dem Output-Fenster zu entfernen, muss auf den Knopf “Reduce” geklickt werden. Das Endergebnis wird in einer neuen HTML-Datei gespeichert.

Ein kombiniertes Suchmodell ist effektiv: zuerst im ersten Modus, d. h. ьber grammatische Parameter und dann ьber regulдre Ausdrьcke im Gefundenen. Die Relevanz der quantitativen und qualitativen Analyse wird beispielsweise von A. Yu. Khomenko hervorgehoben, die feststellt, dass “die qualitative Analyse ermцglicht es, ein vollstдndiges Modell des Stils des einzelnen Autors (so voll wie mцglich) zu erstellen. Und die quantitative Analyse macht dieses Modell objektiver.” (Khomenko, 2019: 184).

Die kombinierte Suche ist optimal fьr die Analyse der Mittel zum Ausdruck der grammatischen Kategorien in einem ausgewдhlten literarischen Text. Um beispielsweise die zeitliche Struktur mit Hilfe von grammatischen Merkmalen zu analysieren, werden die notwendigen Zeitformen des Verbs hervorgehoben, und mit den Instrumenten von Tab 2 werden die lexikalischen Mittel zum Ausdruck der Temporalitдt (“heute”, “morgen”, “letzte” usw.) ьber regulдre Ausdrьcke gesucht.

Weiter folgt ein Beispiel fьr eine kombinierte Suche. Angenommen, man mцchte die Verwendung des Artikels im deutschsprachi gen Text fixieren. Wird mit regulдren Ausdrьcken im zweiten Modus gearbeitet, so ist es einfach, alle Fдlle der Verwendung eines bestimmten und unbestimmten Artikels zu finden. Es ist jedoch fast unmцglich, den Nullartikel auf diese Weise zu finden. Im Fall des markierten Sprachkorpus werden alle Verwendungen des unbestimmten Artikels durch einen Klick aufgelistet. Hier kцnnte man denken, dass der zweite Modus redundant ist, weil auf Tab 1 Optionen fьr die Verwendung sowohl der Null- als auch der bestimmten und unbestimmten Artikel angezeigt werden kцnnten. Wenn wir jedoch nicht nur ьber den Artikel sprechen, sondern allgemein ьber die Mittel zum Ausdruck der grammatischen Kategorie “Bestimmtheit / Unbestimmtheit”, dann fixiert eine Suche nach regulдren Ausdrьcken beispielsweise Demonstrativpronomen (grenzt sie von den Formen des Artikels ab). Auf diese Weise kann der Prozentsatz der Verwendung des Artikels und der Demonstrativpronomen berechnet werden.

Erfahrungen mit nicht markiertem Textmaterial sind unter anderem aus folgendem Grund wichtig. Das Markieren des Sprachkorpus, auch wenn es wie in unserem Fall ein kleines spezielles ist, ist дuЯerst zeitaufwдndig. Daher soll man es machen, wenn man sicher ist, dass die Arbeit mit der markierten Variante einen wesentlichen Beitrag zum Ergebnis der Forschung leistet. Vorlдufige Informationen, die bei der Entscheidung ьber die Angemessenheit des Markierens eines Textes helfen, bietet eine Suche im zweiten Modus. Zum Beispiel kann sie die Konzentration des einen oder anderen Mittels zum Ausdruck der Negation in einem literarischen Werk zeigen, basierend auf den Dominanten der Kategorie: “nicht” und “kein”.

In diesem Zusammenhang werden wir typische Suchmodelle im zweiten Modus fьr die vorlдufige Bewertung der Mittel zum Ausdruck einiger grammatischer Kategorien am Beispiel des Romans von F. Kafka “Das Schloss” (dargestellt in Form von 4466 nicht markierten Sдtzen) betrachten, nдmlich der Kategorien “Bestimmtheit / Unbestimmtheit” und der Modalitдt.

Wir bezeichnen die folgenden Mittel der grammatischen Kategorie der Bestimmtheit / Unbestimmtheit als fixierungsbedьrftig in unserem Experiment: Artikel und Pronomen “dieser”, “jener”, “einige” (“einiger”, “einiges”), “jemand”, “etwas”.

Die Suche erfolgt in mehreren Phasen. In der ersten Phase werden die Sдtze fixiert, die Formen eines bestimmten und dann eines unbestimmten Artikels enthalten. Suchergebnis: 7660 Verwendungen des bestimmten Artikels und 2000 Verwendungen des unbestimmten Artikels. Als nдchstes wird nach den ausgewдhlten Pronomen gesucht. Suchergebnisse fьr “dieser” und “jener” (einschlieЯlich Wortformen): 642 Verwendungen; fьr “einige” (einschlieЯlich Wortformen): 57 Verwendungen; fьr “jemand” (einschlieЯlich Wortformen): 59 Verwendungen; fьr “etwas”: 191 Verwendungen. Durch Drьcken des Knopfes “Reduce” werden die Sдtze im Output-Fenster auf 3525 reduziert. In (4466-3525=) 941 Sдtzen vom Korpus des Romans werden diese Konstituenten also ьberhaupt nicht verwendet. Vermutlich dominiert unter den Artikelwцrtern der unbestimmte Artikel. Das erhaltene Ergebnis ermцglicht es uns, zum einen, die ausgewдhlten Konstituenten nach Hдufigkeit zu ordnen und zum anderen, das prozentuale Verhдltnis ihrer Verwendung zueinander und zum Text des gesamten Romans mit hoher Genauigkeit zu bestimmen.

Die Protokolldatei fьr die Suche hat folgenden Inhalt:

1. Read to DOM: KSCHLOSS.xml

2. 4466 item(s) found

3. 7660 match(es) found for pattern: (\b+[Dd] [ae] [smn]\b+)|(\b+[Dd]er\b+)|(\b+[Dd] ie\b+)

4. 2000 match(es) found for pattern: \ b+[Ee]in(e?)[rsnm]?\b+

5. 642 match(es) found for pattern: (\b+[Dd]ies(e[smnr]?)?\b+)|(\b+[Jj]ene[srnm]?\ ^b+⁾

6. 57 match(es) found for pattern: (\b+[Ee]inig(e[smnr]?)?\b+)

7. 59 match(es) found for pattern: (\b+[Jj] emand(e [mn])?\b+)

8. 191 match(es) found for pattern: (\b+[Ee]twas\b+)

9. Reduced to 3525 item(s)

Die Kategorie der Modalitдt ist ein schwieriges Objekt fьr unsere Forschung, weil ihre Konstituenten vielfдltig und schwer zu formalisieren sind. In diesem Zusammenhang konzentrieren wir uns auf die Modalverben “mьssen”, “sollen” und “lassen”. Es ist zu beachten, dass wir in diesem Fall absichtlich einen “Fehler” begehen, weil wir auf diese Weise nach Wortformen von Modalverben suchen, unabhдngig von ihrer Bedeutung, d. h. indem wir nach regulдren Ausdrьcken suchen, kцnnen wir die modalen Bedeutungen des Verbs “lassen” nicht von seinen nichtmodalen Bedeutungen trennen. Das Modalverb “mьssen” kann in bestimmten Fдllen durch eine Konstruktion mit dem Verb “nutzen” ersetzt werden, eine Suche ausschlieЯlich nach dem Paradigma des Modalverbs “muss” wird dies jedoch nicht offenbaren (Schдfer, 2004: 133). Das von uns entwickelte Softwarepaket sieht jedoch keine solche Differenzierung im Suchmodus fьr Tab 1 vor. Dies liegt unter anderem daran, dass die Modalverben fьr die Studierenden nicht leicht zu verstehen sind. Daher muss jeder Fall der Verwendung des Modalverbs in der Lehrveranstaltung sorgfдltig analysiert und mit den Studierenden besprochen werden.

Die Suche erfolgt also auch in mehreren Phasen. In der ersten Phase werden alle Verwendungen des Modalverbs “mьssen” ermittelt (es ist zu beachten, dass der untersuchte Roman der alten Rechtschreibung folgt und regulдre Ausdrьcke die GroЯ- und Kleinschreibung unterscheiden): “mьssen, muЯ, muЯt, mьЯt; muЯte, muЯtest, muЯten, muЯtet; gemuЯt; mьЯte, mьЯtest, mьЯtet, mьЯten” und “Mьssen, MuЯ, MuЯt, MьЯt; MuЯte, MuЯtest, MuЯten, MuЯtet; GemuЯt; MьЯte, MьЯtest, MьЯtet, MьЯten”.

Beim Erstellen eines regulдren Ausdrucks wird die folgende Methode zur Ьberprьfung seiner Richtigkeit verwendet. Im Output-Fenster werden “manuell” alle Wortformen platziert, die mit dem aktivierten regulдren Ausdruck gefunden werden mьssen. Wenn die Suche alle diese Wortformen markiert, wird der regulдre Ausdruck korrekt erstellt.

Die Suchergebnisse fьr das Modalverb “mьssen” (einschlieЯlich Wortformen in der alten Rechtschreibung): 336 Verwendungen. In der zweiten und dritten Phase wird nach den Modalverben “sollen” und “lassen” gesucht (in der alten Rechtschreibung).

Suchergebnisse fьr das Modalverb “sollen” (einschlieЯlich Wortformen): 201 Verwendungen. Suchergebnis fьr das Modalverb “lassen” (einschlieЯlich Wortformen in der alten Rechtschreibung): 188 Verwendungen. So sieht der Inhalt der Protokolldatei fьr die Suche aus: Start

Read to DOM: KSCHLOSS.xml 4466 item(s) found.

336 match(es) found for pattern: (\b+([Mm] ьssen)|([Mm]u(Я|ss)(t|te|test|ten)?)|([Mm]ь(Я|ss) (t|test|en|tet?))|([Gg]emu(Я|ss)t)\b+)

201 match(es) found for pattern: (\b+([Ss] oll(t|st|en|te|test|ten|est|et|e)?)|([Gg]esollt)\b+) 188 match(es) found for pattern: (\b+([Gg]e)?([Ll][aд](ss|Я))(e|en|t)?\b+)| (\b+(lieЯ)(e|en|t|est|et)?\b+)

Es ist zu beachten, dass die erstellten regulдren Ausdrьcke sowohl fьr die alte als auch fьr die neue Rechtschreibung gьltig sind. Wird “Я” durch “ss” ersetzt, so wird zusдtzlich die Schreibweise der schweizerischen nationalen Variante der deutschen Sprache, also die regionale Komponente, berьcksichtigt.

Weiter folgt ein Beispiel fьr das Fixieren eines bestimmten grammatikalischen Phдnomens: des verbalen Prдfixes “ьber”. Die Analyse des Phдnomens zeigt, dass die Suche mit regulдren Ausdrьcken der trennbaren Variante des Prдfixes nicht effektiv ist. In der Tat wird eine Suche nach exakter Ьbereinstimmung “ьber” als Prдposition anzeigen. Es kann davon ausgegangen werden, dass das Prдfix in der trennbaren Variante hдufig am Ende des Satzes steht, d. h. danach folgt ein Punktsymbol. Diese Variante kann formalisiert werden, betrifft aber nur solche Zeitformen wie das Prдsens und Prдteritum. In einer untrennbaren Variante ist eine Suche mit dem regulдren Ausdruck “(\b+([Ьь]ber((\w)+))\b+)” mцglich. Offensichtlich steht das Prдfix am Anfang des Wortes, dann folgt eine bestimmte Anzahl von Zeichen. Da dies jedoch Fдlle einschlieЯen kann, in denen das Prдfix trennbar ist, z. B. “ьbergegangen”, kцnnen wir diese Suchoption nicht als verifiziert bezeichnen.

Das heiЯt, fundierte Kenntnisse der zu untersuchenden Sprache helfen, die Einschrдnkungen der Suche zu verstehen, und den Erhalt falscher Ergebnisse zu vermeiden.

Schlussfolgerungen

Wir kцnnen schlussfolgern, dass ein wirklich gutes Ergebnis einer solchen Forschung nur mit einem kombinierten Ansatz erzielt werden kann, der eine gemeinsame Arbeit eines erfahrenen Wissenschaftlers mit der speziell entwickelten Software voraussetzt. Die Aufgabe eines Experten, der Informations- und Kommunikationstechnologien anwendet, umfasst nicht nur die rationelle Verwendung vorhandener Software, sondern auch die Erarbeitung einer Forschungsstrategie, die Ermittlung des Wirksamkeitsgrades von Softwareprodukten und, bei Vorhandensein bestimmter Kompetenzen, die aktive Beteiligung direkt an der Entwicklung spezialisierter Softwareprodukte. Ein wichtiges Problem, das angesprochen werden muss, ist daher die Aufnahme professionell orientierter Programmierdisziplinen in linguistische Curricula.

Mit den von uns entwickelten Instrumenten ist es mцglich, authentisches Fremdsprachenmaterial, das bestimmte lexikalische und grammatische Phдnomene sowie linguoregionale Komponenten enthдlt, schnell zu sammeln und zu didaktisieren. Die erhaltenen authentischen Aussagen sind effizient in der Ausbildung zukьnftiger Ьbersetzer und Dolmetscher aus einer Fremdsprache ins Russische, auch unter Einbeziehung von Dialektismen und territorialen Realien. Eine vielversprechende Lцsung

Literaturverzeichnis ist unserer Meinung nach auch die Integration derartiger Ьbungen in die Lehrveranstaltungen in Kultur der Fremdsprachenkommunikation, in denen das betrachtete Kunstwerk als Material zur Vermittlung der Grundlagen der Interpretation eines literarischen Textes, des Leseverstehens im Allgemeinen, der Grammatik als eines wichtigen Aspekts der Sprache und von Ьbersetzen und Dolmetschen als Mittel zur Fцrderung der interkulturellen Kommunikation fungiert.

Liste literatur

1. Bдckermann L. (2018). Unknown city paths beyond Google, but how? [Unbekannte Pfade der Stadt jenseits von Google, aber wie?]. In Smart City - Critical Perspectives on Digitization in Cities [Smart City - Kritische Perspektiven auf die Digitalisierung in Stдdten]. 275-281.

2. Barkovich A.A. (2016). Corpus Linguistics: The Specifics of Modern Meta-Descriptions of Language. In Tomsk State University Journal. 406, 5-13.

3. Caton, J.N. (2020). Using Linguistic Corpora as a Philosophical Tool. In Metaphilosophy. 51(1), 51-70.

4. Davies C., Lingwood J., Arunachalam S. (2020). Adjective forms and functions in British English child-directed speech. In Journal of Child Language. 47(1), 159-185.

5. Duque E. (2020). Neuter Pronoun Ello And Discourse Verbs in Spanish. In Journal of Pragmatics. 155, 273-285.

6. Giampieri, P. (2020). Volcanic Experiences: Comparing Non-Corpus-Based Translations with Corpus-Based Translations in Translation Training. In Perspectives-Studies in Translation Theory and Practice. Early Access.

7. Gorozhanov, A.I. (2019). Institutional Educational Virtual Environment for Linguistic Purposes: Theory and Practice. Kazan, Buk, 184 p.

8. Gorozhanov A.I., Kosichenko E.F., Guseynova I.A. (2018). Teaching Written Translation Online: Theoretical Model, Software Development, Interim Results. In SHS Web of Conf. (CILDIAH-2018). 50, 1-6.

9. Khomenko, A. Yu. (2019). Linguistic Attributional Examination of Short Written Texts: Qualitative and Quantitative Methods. In Political Linguistics. 2(74), 177-187.

10. Meidani, M. (2019). Persian Calligraphy: A Corpus Study of Letterforms. Routledge, 330 p.

11. Mordovin, A.Yu. (2013). Philosophical and Theoretical Background on Development of Text Corpora. In Journal of Siberian Federal University. Humanities & Social Sciences. 1(6), 50-61.

12. Potapova R., Potapov V. (2015). Cognitive Mechanism of Semantic Content Decoding of Spoken Discourse in Noise. In Speech and Computer. SPECOM 2015. Lecture Notes in Computer Science. 9319, 153 - 160.

13. Ryndina, O.M. (2019). Ethnic Culture, Digitalization and Neo-Traditionalism. In Tomsk State University Journal of Cultural Studies and Art History, 35, Pages: 264-274.

14. Schдfer, A., Wimmer, M. (2004). Tradition and contingency [Tradition und Kontingenz], Mьnchen, Waxmann Verlag, 224 p.

15. Silva, da R.C. (2020). Desterro Island [Ilha do Desterro]. In A Journal of English Language Literatures in English And Cultural Studies. 73(1), 129-152.

Размещено на Allbest.ru