Критерии отбора текстов для создания электронного англоязычного корпуса по информационным технологиям

Размещено на http://www.allbest.ru/

КРИТЕРИИ ОТБОРА ТЕКСТОВ ДЛЯ СОЗДАНИЯ ЭЛЕКТРОННОГО АНГЛОЯЗЫЧНОГО КОРПУСА ПО ИНФОРМАЦИОННЫМ ТЕХНОЛОГИЯМ

М. А. Жданович, аспирант кафедры информатики и прикладной лингвистики Минского государственного лингвистического университета

В статье предпринята попытка упорядочения терминологии предметной области «информационные технологии». Приводится подробное описание критериев для обоснования отбора различных видов источников, которые максимально полно отражают совокупность текстов, с целью выделения и инвентаризации английских терминов выбранной предметной области. Представленная выборочная совокупность текстов является аутентичной, многонациональной, информативной и с четко очерченной тематической принадлежностью.

Ключевые слова: терминология; термин; упорядочение терминологии; выборочная совокупность текстов; корпус текстов.

Text selection criteria to create an electronic english corpus for information technologies

M.A. Zhdanovich, Postgraduate student, Department of Informatics and Applied Linguistics, Minsk State Linguistic University

This article is devoted to the problem of terminology ordering in the field of Information Technology. The paper provides a detailed description of the criteria to justify the selection of various types of sources, reflecting the totality of texts as fully as possible, in order to extract and to make inventory of English terms of the selected subject area. The presented sample of texts is authentic, multinational, informative and with a clearly defined thematic affiliation.

Key words: terminology; term; regulation of terminology; sample collection of texts; corpus of texts.

Введение

В современном мире возможность оперативного доступа к разноплановой информации во всех сферах деятельности дает толчок к развитию науки и техники, что сопровождается возникновением новых терминов. Следовательно, существует постоянная необходимость в упорядочении терминологии для сохранения эффективного сотрудничества специалистов разных предметных областей.

К проблеме упорядочения терминологии

Наряду с термином «упорядочение» в лингвистике также используются термины «инвентаризация», «унификация», «стандартизация», «систематизация». Среди лингвистов нет единой точки зрения относительно разграничения указанных терминов. Например, А.С. Герд полагает, что конечной стадией работы над терминологией является ее стандартизация, для реализации которой термины должны быть первоначально систематизированы. Далее следует создание логико-понятийной модели, на основе которой осуществляется унификация терминов и создание списка кандидатов в стандартные термины. В результате завершающего этапа стандартизации каждому понятию предметной области должен соответствовать один, иногда два термина, которые закрепляются в государственном или отраслевом стандарте [Герд 2005].

Как полагает Л.Н. Беляева, упорядочение заключается в привидении терминов к единообразию, в результате чего вырабатывается система понятий [Лексикографический потенциал современных лингвистических технологий 2014]. За упорядочением следует унификация, под которой подразумевается систематизация не только на понятийном или логическом, но и на содержательном и лингвистическом уровнях [Даниленко, Скворцова 1981]. При унификации внимание уделяется отбору так называемых идеальных терминов и устранению недостатков терминологий, таких как омонимия, полисемия, синонимия, стилистическая окрашенность [Гринев-Гриневич 2008], после чего может следовать стандартизация.

Г.В. Демидова придерживается иной точки зрения и считает, что унификация является обобщающим понятием и включает в себя упорядочение, стандартизацию, гармонизацию и терминологическое редактирование. По мнению автора, «упорядочение терминов реализуется в форме сборников рекомендуемых терминов» [Демидова 2015, с. 252], следовательно, включает систематизацию терминологии на понятийном, содержательном и лингвистическом уровнях.

В проводимом исследовании мы будем придерживаться точки зрения С.В. Гринев-Гриневича, согласно которой терминологическая работа должна начинаться с инвентаризации, под которой понимается установление границ предметной области, отбор источников, лексикографическая обработка и описание терминов. Инвентаризация может быть как самостоятельным видом работы, так и подготовкой к упорядочению. Упорядочение терминологии включает в себя несколько этапов. Первый этап предполагает систематизацию понятий, за которой следуют анализ терминологии и ее нормализация, разделяемая на унификацию (упорядочение содержания термина) и оптимизацию (выбор оптимальной формы термина). Следующий этап С.В. Гринев-Гриневич называет кодификацией, результаты которой представляются в виде словарей, стандартов или списков рекомендуемых терминов. Работа по упорядочению терминологии завершается гармонизацией, или межъязыковым упорядочением, под которым подразумевается системное сопоставление терминологий нескольких языков [Гринев- Гриневич 2008].

В рамках проводимого исследования мы планируем акцентировать внимание на инвентаризации и частично на упорядочении терминов предметной области информационных технологий (ИТ) на современном этапе ее развития. Анализ проведенных ранее диссертационных исследований позволил выделить несколько способов решения задачи упорядочения терминологии, а именно: моделирование терминологии (лексикографическое, категориальное, тезаурусное, когнитивное, метафорическое) и создание терминологических продуктов (глоссарий, учебный словарь, терминологический словарь, тезаурус, идеографический словарь, терминологическая база данных и т. д.). Нами были взяты диссертации, в которых исследования проводились на материале таких предметных областей, как экологический аудит, пирология, грамматическая терминология, юриспруденция, экономика и т. д. Анализ диссертационных работ показал, что исследования по упорядочению английской терминологии сферы ИТ не проводились. А.А. Молнар в своей диссертации анализирует терминосистему ИТ на материале французского языка, но акцентирует внимание на терминообразовании [Молнар 2012]. Следовательно, нами не обнаружено исследований в области понятийной систематизации английской терминологии ИТ. Этот факт являлся одним из определяющих при выборе предметной области ИТ для решения задачи упорядочения терминологии. Кроме того, ИТ представляют собой динамично развивающуюся профессиональную сферу. Многочисленные разработки и внедрения специалистов данной области приводят к появлению новых понятий, требующих номинации. В связи с этим данная сфера характеризуется подвижностью лексики. Следовательно, регулярно возникает необходимость в упорядочении и систематизации понятийно-терминологического аппарата предметной области ИТ. В качестве способов упорядочения терминологии мы выбрали создание глоссария терминов и разработку тезаурусной модели терминологии.

Критерии отбора материала для исследования

Для достижения поставленной цели прежде всего необходимо решить проблему отбора материала для последующего выделения английских терминов выбранной предметной области. Выбор английского языка в качестве рабочего определяется тем фактом, что на нем общается международное профессиональное сообщество и многие внедрения в сфере ИТ осуществляются в англоязычных странах, поэтому большинство работ публикуется именно на этом языке. Кроме того, такой подход позволяет учитывать и реализовывать на практике стремление к интернациональности терминологий.

Предметная область ИТ является достаточно обширной, так как результаты работы специалистов ИТ могут быть применены в самых разнообразных сферах деятельности. В связи с этим существует огромное количество источников, отражающих терминологию ИТ. Необходимо учитывать, что в рамках лингвистического исследования не представляется возможным охватить все виды источников. Например, только на популярной научной платформе ScienceDirect за 2018 год было обнаружено 148 853 источника, связанных со сферой ИТ. Таким образом, речь не идет о генеральной совокупности текстов, под которой в статистической лингвистике понимаются все тексты предметной области [Кантышева 2011], а только о выборочной совокупности. Следовательно, наша задача на этом этапе исследования заключается в отборе источников и доказательстве представительности и надежности полученной выборки текстов.

При проведении исследования нужно учитывать, что выборочная совокупность по своей структуре должна быть идентична генеральной, и немаловажным критерием в определении надежности материала является объем выборки, так как чем больше источников подвергается обработке, тем качественнее получится конечный результат. Кроме указанных выше двух критериев, признанных многими лингвистами [Гринев-Гриневич 2008; Кантышева 2011], целесообразным представляется предложить еще несколько требований к отбору текстов для проведения исследования, а именно:

1) четкое соответствие отражаемой в текстах информации исследуемой предметной области. Данное требование акцентирует внимание на том, что ИТ функционируют на стыке различных наук и следует отбирать те источники, которые затрагивают именно сферу ИТ;

2) интернациональность, которая подразумевает, что исследуемая нами область многонациональна. Во многих странах ведутся разработки в выбранной сфере деятельности и внедряются новые технологии, поэтому нет необходимости отбирать материалы, авторами которых являются носители английского языка или представителями одной компании. В связи с этим нами не рассматривались научные журналы, в которых публикуются результаты исследований, проводимых в одном университете или в одной стране;

3) аутентичность первоисточников и исключение переводных статей;

4) информативность, которая предполагает, что текст содержит новые сведения для потенциального читателя, а также отображает авторскую концепцию. Чтобы конечная выборка текстов соответствовала указанному критерию, нами отбирались только современные тексты, отражающие состояние ИТ за последние несколько лет;

5) высокий импакт-фактор, величина которого определяется посредством соотношения количества цитирований к количеству опубликованных статей за определенный период. Таким образом, данная величина отражает уровень и качество журнала, а также содержащиеся в нем материалы.

В качестве возможных источников для отбора терминов принято выделять следующие их виды [Кантышева 2011; Саморукова 2001; Софронова 2013]: терминологические словари, стандарты, сборники рекомендуемых терминов, энциклопедии, рефераты и аннотации, учебные материалы, справочники, монографии, научные статьи, научно-популярные издания и т. д. Н.Г. Кантышева в своем исследовании придерживается разграничения источников на тексты теоретического характера и «практические» тексты [Кантышева 2011]. К первым относятся стандарты, законы, нормативно-правовые акты и т. п., ко вторым - статьи ученых, профессиональные отраслевые журналы, статьи специализированных интернет-сайтов и т. д. Таким образом, стремление к созданию выборочной совокупности текстов, приближенной к генеральной совокупности, определил выбор следующих источников для отбора терминологии с целью ее упорядочения:

1) стандарт «Информационные технологии»: ISO/IEC 2382:2015 (3260 терминов, не включая синонимы) [Information technology. Vocabulary: ISO/IEC 2382:2015(en)], основанный на нем российский стандарт ГОСТ 33707-2016 (1614 терминов) [Информационные технологии. Словарь: ГОСТ ИСО 33707-2016], и действующий на территории Республики Беларусь стандарт ГОСТ ИСО/МЭК 23821-99 (192 термина) [Информационная технология. Словарь. Часть 1. Основные термины: ГОСТ ИСО/МЭК 2382-1-99 2000];

2) руководства по эксплуатации новейшего программного обеспечения компании «Microsoft» [Office 365 Training Center];

3) англоязычные журналы научных статей по выбранной предметной области, которые отражают ее различные аспекты:

- «Journal of Information Technology» (Великобритания, IF - 4.435) [Journal of Information Technology URL];

- «Information and Software Technology» (Канада и др., IF - 2.921) [Information and Software Technology URL];

- «Future Generation Computer Systems» (Нидерланды и др., IF - 5.768) [Future Generation Computer Systems URL].

Отобранные стандарты относятся к источникам теоретического характера и выполняют нормативную функцию. Мы считаем целесообразным включение всего списка терминов стандарта ISO в конечный терминологический глоссарий, так как над его созданием трудилась многочисленная группа специалистов и он максимально полно отражал сферу ИТ на момент выхода стандарта (2015). Стандарты РФ и РБ были отобраны нами для анализа и сравнения с их первоисточником. Значительное сокращение терминов в стандарте РФ возможно объяснить следующими фактами:

1) несоответствие терминов принципам, выдвигаемым российскими терминологами (принцип прозрачности, последовательности, адекватности, лингвистической экономии, выводимости и сочленен- ности, лингвистической корректности и предпочтения родного языка [Терминологическая работа. Принципы и методы : ГОСТ Р ИСО 704-2010 2012, с. 33]);

2) отсутствие выражаемых терминами понятий в сфере ИТ в РФ: некоторые, возможно, устарели, а некоторые еще не освоены;

3) расхождение в понимании области ИТ и, следовательно, расхождение в структуре модели терминологии ИТ.

В качестве примера можно привести термин «after-image», или «послеобраз», который включен в стандарт ISO 2015, но не отражен в ГОСТ РФ, поскольку относится главным образом к психологии как смежной предметной области и не был включен в терминологию ИТ в России. Еще одним примером является терминологическое словосочетание (ТС) «access control field», зафиксированное в ISO 2015, но не обнаруженное в ГОСТе РФ, а также не найденное даже на англоязычных сайтах, что ставит под сомнение наличие данного ТС в терминологии ИТ. Возможно, оно устарело, так как его источником является стандарт 1992 года. Следует отметить, что в ГОСТе РФ отсутствуют «access control list» и синонимичные ему термины. В процессе анализа не было выявлено объективных причин исключения данного ТС из списка, поскольку его эквивалент широко используется на русскоязычных сайтах.

В стандарте РБ зафиксированы только ключевые термины ИТ, следовательно, его информативная значимость невысокая. Кроме того, данный стандарт вышел в 2000 году, т. е. в его основе лежит стандарт ISO, который вышел в 1999 году. Таким образом, в стандарте РБ отсутствуют термины, вошедшие в терминологию ИТ за последние 20 лет. В целом необходимо заметить, что «теоретические» источники относятся к сфере фиксации терминологии и не отражают нововведения любой профессиональной области, особенно быстроразвиваю- щейся сферы ИТ.

Руководства по эксплуатации и журналы научных статей относятся к «практическим» текстам. Преобладание «практических» источников в отобранном материале связано в первую очередь с тем, что в таких текстах содержится актуальная на сегодняшний день терминология рассматриваемой предметной области, что позволит изучить современное состояние сферы ИТ. Руководства компании «Microsoft», а именно: инструкции по использованию программных продуктов Access, Excel, OneDrive, PowerPoint и Word, представляют собой материалы специализированного сайта. Выбор данной компании обусловлен тем фактом, что она является всемирно известной и не сконцентрирована на производстве одного определенного программного обеспечения. Указанные продукты отражают такие функции ИТ как хранение, обработка, передача и получение различного рода данных. Недостатком руководств в качестве источников терминов является высокая частотность использования общеупотребительных слов. Например, созданный список ключевых слов содержит лексическую единицу case. Данное слово является термином ИТ, так как содержится в специализированном словаре, но в ходе анализа его контекстной реализации в выбранных текстах не выявлено ни одного случая, где указанное слово было бы употреблено в качестве термина. В целом в руководствах компании «Microsoft» насчитывается 73 152 словоупотребления [Office 365 Training Center].

«Практическими» источниками также являются журналы научных статей сферы ИТ. Поскольку исследуемая область является одной из самых прогрессирующих на данном этапе развития общества, проводился отбор текстов, наиболее полно отражающих существующие нововведения. Для решения данной задачи были установлены временные рамки с 2016 по 2019 год, в пределах которых опубликованы отобранные для исследования тексты по ИТ. Указанные временные рамки позволили подобрать для дальнейшей статистической обработки современные тексты, содержащие наиболее поздние по времени вхождения в терминологию и широко распространенные термины. Начальным годом был выбран именно 2016 год, поскольку в 2015 году вышел стандарт ISO «Information Technology». Представляется целесообразным отобрать именно научные журналы, так как в научно-популярных изданиях присутствует значительное количество общеупотребительных слов и конструкций, которые в процессе статистической обработки текста будут включены в список ключевых слов в связи с высокой частотой употребления. По этой же причине в выборочную совокупность не вошли редакционные статьи, публикуемые в научных журналах. Более того, у каждого отдельного автора наблюдается склонность к использованию свойственной ему лексики, поэтому для более качественного отбора материла представляется необходимым рассматривать тексты разных авторов, чтобы избежать попадания в глоссарий только авторских терминов. В таблице 1 представлена общая количественная характеристика научных текстов, отобранных из указанных журналов.

Таблица 1 Общая характеристика отобранных текстов научных статей по ИТ

Как видно из таблицы, наименьшими количественными показателями характеризуется журнал «Journal of Information Technology & Software Engineering». Его редакционная коллегия представлена преподавателями университетов Румынии, США, Австралии, Канады, Индии, Франции и др., деятельность которых направлена на публикацию наиболее интересных исследований в ИТ и разработке программного обеспечения, в частности.

Журнал «Information and Software Technology» также является многонациональным (Канада, США, Бразилия, Великобритания, Швеция, Нидерланды и т д.). В нем публикуется информация о способах модернизации процесса разработки программного обеспечения.

Наиболее существенным в количественном отношении является журнал «Future Generation Computer Systems». Кроме того, в нем рассматривается широкий круг вопросов: обработка и анализ больших баз данных, системы баз данных, протоколы и стандарты, безопасность, разработка алгоритмов и программ, сети, облачные вычисления, интернет вещей и т. д. Редакторский коллектив включает представителей Нидерландов, Сингапура, Швеции, США, Великобритании, Польши, России и т. д.

Для создания корпуса текстов было принято решение отбирать только названия статей, их аннотации и списки ключевых слов, что позволило повысить концентрацию терминов в создаваемом корпусе, снижая вероятность вхождения в алфавитно-частотные словари общеупотребительных слов. Необходимо отметить, что в зарубежных изданиях аннотации не ограничиваются несколькими предложениями, а часто даже отражают детальное описание объекта исследования, цели, методов, результатов, а также выводы, и включают приблизительно от 28 до 295 словоупотреблений. Кроме того, аннотации статей всегда находятся в открытом доступе. Единственным обнаруженным нами недостатком данного вида источника является наличие клишированных фраз и специальной лексики, свойственной научному стилю.

информационный текст английский термин

Список литературы / References

1. Адельханян Г.Р. Определение круга источников как части процесса отбора специальной лексики для составления терминологического словаря // Ученые записки. Электронный научный журнал Курского государственного университета. [Adelhanian G.R. Defining the selection of sources as part of special lexicon selection process for creating terminology dictionaries. Science notes of the Kursk state university. (In Russ.)].

2. Герд А.С. Прикладная лингвистика. СПб.: Изд-во С.-Петерб. ун-та, 2005. [Gerd A.S. (2005). Prikladnaya linguistika. (Applied Linguistics). St.Petersburg: Saint-Petersburg University (In Russ.)].

3. Гринев-Гриневич С.В. Терминоведение: учеб. пособие для студентов вузов. М.: Академия, 2008. [Grinev-Grinevich S.V (2008). Terminovedenie. (Terminology): Student Textbook. Moscow: Akademia. (In Russ.)].

4. Даниленко В.П., Скворцова Л.И. Лингвистические проблемы упорядочения научно-технической терминологии // Вопросы языкознания. 1981. № 1. С. 7-16. [Danilenko V.P., Skvorcova L.I. (1981). Linguistic problems of organizing scientific technical terminology. Matters of Linguistics, 1, 7-16 (In Russ.)].

5. Демидова Г.В. Проблема стандартизации терминологии переводоведения // Иностранные языки: лингвистические и методические аспекты. 2015. Вып. 32. С. 251-255. [Demidova G.V. (2015). Issue of standardization in translation theory terminology. Foreign languages: linguistic and methodic aspects, 32, 251-255 (In Russ.)].

6. Информационная технология. Словарь. Часть 1. Основные термины : ГОСТ ИСО/МЭК 2382-1-99. Введ. 01.07.00. Минск, Межгосуд. Совет по стандартизации, метрологии и сертификации, 1999. 2000. [Information Technology. Dictionary. Part 1. Main definitions. (2000). Minsk: Mezhgosuardst- venniy Sovet po standartizacii, metrologii i sertifikacii. (In Russ.)].

7. Информационные технологии. Словарь : ГОСТ ИСО 33707-2016 (ISO/IEC 2382:2015). Введ. 28.06.16. М.: Стандартинформ, 2016. 202 с. [Information Technology. Dictionary (2016). Moscow: Standartinform (In Russ.)].

8. Кантышева Н.Г. Моделирование терминосистемы «экологический аудит» и ее описание в систематизирующем глоссарии: дис. ... канд. филол. наук. Тюмень, 2011. [Kantisheva N.G. Modelirovanie terminosistemy «je- kologicheskij audit» i ee opisanie v sistematizirujushhem glossarii (Modeling the “Ecological Audit” terminology system and its description in a systematic glossary): thesis of PhD in Philology. Tumen. (In Russ.)].

9. Лексикографический потенциал современных лингвистических технологий: монография / Рос. гос. пед. ун-т им. А.И. Герцена. СПб.: Кн. Дом, 2014. [Leksikograficheskijpotencial sovremennyh lingvisticheskih tehnologij. (Lexicographic potential of modern linguistic technologies). (2014). Monography. St. Petersburg: Knizhniy Dom. (In Russ.)].

10. Молнар А.А. Особенности формирования терминосистемы информационных технологий (на материале французского языка): дис. ... канд. филол. наук. М., 2012. [Molnar A.A. (2012). Osobennosti formirovan- ija terminosistemy informacionnyh tehnologij (na materiale francuzskogo jazyka). (Peculiarities of creating terminology systems for information technologies (based on French)): thesis of PhD in Philology. Moscow. (In Russ.)].

11. Рудакова А.Г. Принципы отбора терминологической лексики при составлении словаря терминов по специальности // ГИАБ. 1999. № 1. С. 100-101. [Rudakova A.G. (1999). Guidelines to choosing terminology for creation of special dictionaries. GIAB, 1, 100-101. (In Russ.)].

12. Саморукова А.В. Особенности формирования профессиональных лексиконов: На примере создания автоматического словаря для налоговых служб: дис. ... канд. филол. наук. М., 2001. [Samorukova A.V. (2001). Osobennosti formirovanija professional'nyh leksikonov: Na primere sozdanija avtomaticheskogo slovarja dlja nalogovyh sluzhb). (Peculiarities of creating professional lexicons: on the example of creating an automatic dictionary for tax services): thesis of PhD in Philology. Moscow. (In Russ.)].

13. Софронова Т.М. Лексикографическое моделирование русской и английской пирологической терминологии: дис. ... канд. филол. наук. Красноярск, 2013. [Safronova TM. (2013). Leksikograficheskoe modelirovanie russkoj i anglijskoj pirologicheskoj terminologii. (Lexicographic modeling of Russian and English pirologic terminology): thesis of PhD in Philology. Krasnoyarsk. (In Russ.)].

14. Терминологическая работа. Принципы и методы: ГОСТ Р ИСО 704-2010. Введ. 21.12.10. М.: Стандартинформ, 2012. [Terminological work. Principles and methods (2012). Moscow: Standartinform. (In Russ.)].

15. Future Generation Computer Systems // Elsevier.

16. Information and Software Technology, Supports open // Elsevier.

17. Information technology. Vocabulary : ISO/IEC 2382:2015(en) // Online Browsing Platform (OBP).

18. Journal of Information Technology // Palgrave Macmillan.

19. Office 365 Training Center // Microsoft.

Размещено на Allbest.ru