Використання методів штучного інтелекту для аналізу фоносемантичних явищ в англійській та українській мовах

Размещено на http://www.allbest.ru/

Використання методів штучного інтелекту для аналізу фоносемантичних явищ в англійській та українській мовах

Білоус Богдан Петрович кандидат філологічних наук, доцент, кафедра теоретичної та прикладної лінгвістики, факультет педагогічних технологій та освіти впродовж життя, Державний університет "Житомирська політехніка"

Прокопів Леся Миколаївна аспірантка, кафедра української мови, Кам'янець-Подільський національний університет імені Івана Огієнка

Бойчук Алла Петрівна кандидат педагогічних наук, доцент, кафедра іноземних мов, Прикарпатський національний університет імені Василя Стефаника

Анотація

Сучасні умови швидкої діджиталізації суспільства розширюють дослідницькі можливості, зокрема в галузі філології. Інноваційні технології активно використовуються для аналізу лінгвістичних явищ у різних мовах. Штучний інтелект став невід'ємною частиною не лише нашого життя, а й наукових досліджень. Метою статті є вивчення особливостей використання методів штучного інтелекту для аналізу фоносемантичних явищ в англійській та українській мовах. Фоносемантика вивчає зв'язок звуків і семантики слів, показує вплив певного звука на його сприйняття мовцем на рівні підсвідомості. Встановлено, що для фоносемантичного аналізу використовуються комп'ютерні програми "Diaton", "Сооі edit" ("Adobe Audition"), "Sound forge", "Phonext", "VAAL", "Praat", "SFs/wASP", в основу яких покладено математичні моделі, що дають можливість аналізувати семантику й емоційне навантаження звуків. Метод сентимент-аналізу передбачає візуалізацію емоційної тональності звуків, настрою мовця під час вимови певних звуків, зокрема позитивних чи негативних смислових відтінків. Корпуснобазований підхід ґрунтується на емпіричному дослідженні корпусу текстів за допомогою статистичного аналізу частоти вживання певних мовних засобів і їх сполучуваності з іншими компонентами. Метод автоматичного фоносемантичного аналізу заснований на виявленні семантики слова за допомогою спеціально розробленого алгоритму, який уможливлює визначення, окрім значення, сугестивного впливу звуків. Практичне значення і перспективи для подальших досліджень полягають у можливості використання проаналізованих методів штучного інтелекту для аналізу не лише фоносемантичних явищ, а й інших лінгвістичних одиниць. Подальшого вивчення потребує фоносемантика та фоносемантичний аналіз у контексті сучасних технологій, зокрема віртуальної реальності, доповненої реальності, нейролінгвістичного програмування, метавсесвіту, роботизації тощо.

Ключові слова: штучний інтелект, фоносемантика, звуконаслідування, алітерація, асонанс. інтелект фоносемантика слово

Bilous Bogdan Petrovych Candidate of Philological Science, Assistant Professor, Zhytomyr Polytechnic State University

Prokopiv Lesia Mykolaivna Graduate student of the Department of Ukrainian Language, Educational and Scientific Institute of Ukrainian Philology and Journalism, Kamіanets-Podilskyi Ivan Ohiienko National University

Boichuk Alla Petrivna Candidate of Pedagogical Sciences, Associate Professor of the Department of Foreign Languages, Vasyl Stefanyk Precarpathian National University

USE OF ARTIFICIAL INTELLIGENCE METHODS FOR THE ANALYSIS OF PHONOSEMANTIC PHENOMENA IN THE ENGLISH AND UKRAINIAN LANGUAGES

Modern conditions of rapid digitization of society expand research opportunities, in particular in the field of philology. Innovative technologies are actively used to analyze linguistic phenomena in different languages. Artificial intelligence has become an integral part not only of our lives, but also of research. The purpose of the article is to study the peculiarities of the use of artificial intelligence methods for the analysis of phonosemantic phenomena in the English and Ukrainian languages. Phonesemantics studies the relationship between sounds and the semantics of words, shows the influence of a certain sound on its perception by the speaker at the subconscious level. It was found that the computer programs "Diaton", "Cool edit" ("Adobe Audition"), "Sound forge", "Phonext", "VAAL", "Praat", "SFS/WASP", are used for phonosemantic analysis, in which are based on mathematical models that make it possible to analyze the semantics and emotional load of sounds. The method of sentiment analysis involves visualizing the emotional tonality of sounds, the speaker's mood during the pronunciation of certain sounds, in particular positive or negative semantic shades. The corpus-based approach is based on an empirical study of the corpus of texts with the help of statistical analysis of the frequency of use of certain linguistic means and their compatibility with other components. The method of automatic phonosemantic analysis is based on the detection of the semantics of a word using a specially developed algorithm, which makes it possible to determine, in addition to the meaning, the suggestive influence of sounds. The practical significance and prospects for further research lie in the possibility of using the analyzed methods of artificial intelligence not only for the analysis of phonosemantic phenomena, but also of other linguistic units. Phonosemantics and phonosemantic analysis in the context of modern technologies, including virtual reality, augmented reality, neurolinguistic programming, metauniverse, robotics, etc., require further study.

Keywords: artificial intelligence, phonosemantics, onomatopoeia, alliteration, assonance.

Постановка проблеми. Технології штучного інтелекту активно проникають в усі сфери нашого життя [1]. Під впливом цього в прикладних аспектах лінгвістики активно використовуються методи штучного інтелекту. Традиційні методи лінгвістичних досліджень можуть бути обмежені та, як наслідок, не задовольняти потреби вчених- філологів.

Саме штучний інтелект протягом останніх років максимально радикально змінив освітній вектор, підвищивши продуктивність, швидкість обробки інформації, якість знань, що надаються, а також збільшивши залученість науковців до дослідницького процесу [2]. Кількість спеціальних програм, методів і систем штучного інтелекту постійно зростає: виникають нові системи не лише для освіти, а й для платформи для автоматичної обробки даних.

Використання штучного інтелекту в лінгвістичних дослідженнях дає змогу розширити можливості аналізу лінгвістичних явищ, зокрема фоносемантичних, забезпечити більший доступ до експериментальних дослідницьких методик і спростити пошук необхідних методів та інструментів.

Аналіз останніх досліджень і публікацій. Дослідженню фоносемантичних явищ присвячено наукові розвідки Н. Львової [3], О. Найдеш [4], Т. Савчук [5], В. Кушнерика [6], В. Левицького [7], Е. Сепіра [8], С. Ньюмана [9], Е. Тейлора [10], М. Магнус [11] та ін. Аналіз цих робіт показав, що в системі філологічних досліджень існують різні трактування фоносемантики. Передусім зазначимо, що фоносемантика є галуззю мовознавства, яка вивчає взаємозв'язок між звуками та їх семантикою, впливом звука на семантику слова та його сприйняття мовцями. Функціонування фоносемантики на межі фонетики, предметом вивчення якої є звук, і семантики, яка вивчає значення слова, дає підстави для виокремлення плану змісту та плану вираження в системі фоносемантичної науки. Відтак планом змісту визначено семантику, а планом вираження - фонетику. На основі цього вибудовується концепція фоносемантики (В. Кушнерик і Т. Савчук) як вчення про знак, що базується на зв'язку семантики (значення) і внутрішньої форми слова і формується за допомогою категорії вмотивованості [12, с. 167].

Фоносемантика репрезентована звукозображальною системою мови, тобто характеризується звукозображальністю (фонетичною вмотивованістю) [13]. Поняття звукозображальності (фонетичної вмотивованості) пояснюється як зв'язок фонем слова та ознак об'єктів, які вони позначають. З огляду на це семантика вмотивована певною фонемою, що на підсвідомому рівні може викликати оцінні характеристики, асоціації, емоції в мовців.

Традиційно до фоносемантичних явищ відносять звуконаслідування, звукосимволізм, алітерацію, асонанс тощо. Звуконаслідування визначається звуками предметів, явищ, процесів навколишнього середовища, які мають здатність продукувати звуки. До звуконаслідування належить ономатопея, в основу якої покладено зв'язок між фонемним складом слова та акустичною особливістю позначуваного об'єкта [14, с. 42]. На відміну від звуконаслідування звукосимволізм охоплює предмети, явища, процеси навколишнього середовища, які не мають здатності самостійно продукувати звуки. Звукосимволізм заснований на психофізіологічному явищі синестезії, тобто одночасному переживанні людиною кількох відчуттів [15, с. 292]. На рівні стилістики синестезією вважається виникнення кількох, іноді далеких, асоціацій в одному художньому засобі. За переконанням В. Кушнерика, звукосимволізм базується на звукових асоціаціях, що їх викликають у мовця предмети, явища чи звуки навколишньої дійсності [16]. Окрім того, ключовим у звукосимволізмі є звязок між акустично-артикуляційними характеристиками звука та його символічним значенням [17, с. 38].

Прикладні лінгвістичні дослідження передбачають використання штучного інтелекту для спеціальної обробки природної мови та аналізу різних лінгвістичних явищ. В основу штучного інтелекту покладено механізм імітації чи реплікації інтелектуальних здібностей людини комп'ютерними програмами [18, с. 60]. Методи штучного інтелекту представлені машинним навчанням, глибоким навчанням, нейромережами [19].

Для фоносемантичного аналізу використовуються комп'ютерні програми "Diaton", "Сооі edit", "Sound forge", "Phonext", "VAAL", "Praat", "SFS/WASP", в основу яких покладено математичні моделі, що дають можливість аналізувати семантику й емоційне навантаження звуків. Окрім того, використовуються такі системи автоматичного розпізнавання звуків, як SPEECHLIS, HWIM.

Мета статті - проаналізувати особливості використання методів штучного інтелекту для аналізу фоносемантичних явищ в англійській та українській мовах.

Виклад основного матеріалу. Дослідження методів штучного інтелекту показало, що до найбільш ефективних в аналізі фоносемантичних явищ належать спеціально розроблені на основі штучного інтелекту, зокрема технологій нейролінгвістичного програмування (НЛП), комп'ютерні програми.

Метою фоносемантичного аналізу є виявлення значення звуків, їх смислових відтінків та емоційного навантаження. В основу аналізу фоносемантичних явищ покладено метод семантичного диференціала Ч.Е. Осгуда, який передбачає пошук і виявлення диференційних семантичних характеристик звуків. Спеціально розроблені на основі штучного інтелекту програми дають можливість створити спектрограми фоносемантичних шкал, які відображають семантику звуків відповідно до визначених шкал, зокрема домінування певного показника у кореляційних парах певної шкали [20].

Метод сентимент-аналізу застосовується за допомогою програми SentiStrength, що дає можливість візуалізувати емоційну тональність звуків, настрій мовця під час вимови певних звуків, зокрема позитивні чи негативні смислові відтінки. Сентимент-аналіз як метод комп'ютерної лінгвістики призначений насамперед для виявлення емоційного складника висловлювання на основі технологій нейролінгвістичного програмування (НЛП), статистичного аналізу й машинного навчання [21]. Механізм сентимент-аналізу полягає в пошуку слів із найбільш вираженим емоційним забарвленням, що, як наслідок, дає можливість зробити висновок про емоційне забарвлення тексту загалом. У цьому контексті використання сентимент-методу для аналізу фоносемантичних явищ уможливлює виявлення звуків, які мають найвищий ступінь емоційного забарвлення.

Стратегії нейролінгвістичного програмування (НЛП) засновані на вивченні суб'єктивних відображень, аналізі та ідентифікації елементів внутрішнього світу людини, вмінні вибудовувати моделі позитивної комунікативної поведінки, що набуває особливого значення в аспекті емпатичного моделювання, насамперед у зв'язку з підвищеною агресивністю сучасного інформаційного простору та необхідністю його емпатії [22]. У фоносемантичному аналізі використання технологій НЛП як частини штучного інтелекту пояснюється тим, що вони здатні сприймати й розуміти значення слів, а також мають функції аналізу й інтерпретації відтінків значення, настроїв мовця, що дає змогу відтворити сенс комунікації між співрозмовниками [23, с. 22].

ChatGPT презентує різні можливості обробки природної мови, зокрема відповіді на запитання, розповідь історій, логічні міркування, а також створення тексту та його розуміння, зокрема контекстуального. У фоносемантичному аналізі зазначений метод може використовуватися для пошуку та обробки інформації, побудови асоціативних полей певних звуків, звукових моделей тощо.

Корпуснобазований підхід - емпіричний підхід, в основу якого покладено аналіз фактичних моделей використання мови в природних текстах. Основою для аналізу є досить велика колекція природних текстів. Цей підхід реалізується за допомогою комп'ютерних технологій, залежить як від кількісних, так і від якісних аналітичних методів [24, с. 67]. Одним із ключових у контексті корпуснобазованого підходу є статистичний аналіз частоти вживання певних мовних засобів і їх сполучуваності з іншими компонентами [25].

VAAL - комп'ютерна програма, що базується на методі контент- аналізу, використовується в дослідженнях фоносемантики. Специфіка цього методу виявляє семантику звуків як конкретного слова окремо, так і тексту загалом. Для роботи в програмі необхідно завантажити на сайт слово або текст для аналізу, після чого відбувається оцінювання матеріалу за встановленими фоносемантичними параметрами. Після обробки завантажених даних з'являється модуль семантичного диференціалу з оцінкою тексту, представленою домінантними фоносемантичними характеристиками.

Diaton - комп'ютерна програма, розроблена на основі штучного інтелекту, дає змогу проводити фоносемантичний аналіз за такими критеріями: фонологічним, просодичним, лексико-стилістичним, лексико-граматичним і морфо-синтаксичним. В основу методу покладено сугестивно-лінгвістичні параметри аналізу тексту, що передбачають визначення характеристик частотності звуків у співвідношенні зі встановленою нормою, семантики звуків, кольоропозначень та їх відповідності звукам, звукових повторів і їх відхилення від норми, звуків за кількісним параметром (високий/низький), кількості складів у слові, лексико-стилістичних характеристик.

SFS/WASP - спеціальне програмне забезпечення, яке може використовуватися під час фоносемантичного аналізу, оскільки його функціональні можливості засновані на обробці й аналізі звуку, мовлення; створення, редагування і зберігання аудіозаписів, побудови спектрограм із позначками тону й звукових хвиль. Це програмне забезпечення дає можливість візуалізувати звуки, представивши їх у вигляді зображень.

Praat - програмне забезпечення для аналізу звуку, що використовується у фонетичних дослідженнях. Функціональні особливості визначаються передусім спектральним аналізом, тобто можливістю візуалізувати звуки у вигляді спектрограм, формантним аналізом, аналізом висоти й інтенсивності звуку, побудовою кохлеаграм. В основу програми покладено алгоритм нейронних мереж прямого зв'язку.

Speech Analyzer - комп'ютерна програма для аналізу звуків, призначена для проведення спектрографічного аналізу, вимірювань частотності й тривалості. Окрім того, перевагою програми є наявність функції створення фонематичної транскрипції до фонетичної транскрипції.

Метод автоматичного фоносемантичного аналізу передбачає виявлення семантики слова за допомогою спеціально розробленого алгоритму, який уможливлює визначення, окрім значення, сугестивного впливу звуків [26, с. 54]. Сутність методу полягає у з'ясуванні фоносемантичного значення кожного звуку слова, обчисленні середнього показника цього значення, а також частотності звуку в мовленні. За допомогою методу статистичного аналізу даних робиться обчислення максимальних показників відповідно до кожної шкали з семантичними корелятами, що в результаті забезпечує отримання числового значення фоносемантичної оцінки кожного звука в слові.

Висновки

Фоносемантика вивчає зв'язок звуків і семантики слів, показує вплив певного звука на його сприйняття мовцем на рівні підсвідомості. Встановлено, що для фоносемантичного аналізу використовуються комп'ютерні програми "Diaton", "Сооі edit" ("Adobe Audition"), "Sound forge", "Phonext", "VAAL", "Praat", "SFS/WASP", в основу яких покладено математичні моделі, що дають можливість аналізувати семантику й емоційне навантаження звуків. Метод сентимент- аналізу передбачає візуалізацію емоційної тональності звуків, настрою мовця під час вимови певних звуків, зокрема позитивних чи негативних смислових відтінків. Корпуснобазований підхід ґрунтується на емпіричному дослідженні корпусу текстів за допомогою статистичного аналізу частоти вживання певних мовних засобів і їх сполучуваності з іншими компонентами. Практичне значення і перспективи для подальших досліджень полягають у можливості використання проаналізованих методів штучного інтелекту для аналізу не лише фоносемантичних явищ, а й інших лінгвістичних одиниць. Подальшого вивчення потребує фоносемантика та фоносемантичний аналіз у контексті сучасних технологій, зокрема віртуальної реальності, доповненої реальності, нейролінгвістичного програмування, метавсесвіту, роботизації тощо.

Література

1. Лубко Д.В., Лубко Д.В., Шаров С.В. Методи та системи штучного інтелекту: навч. посіб. Мелітополь, 2019.

2. Chowdhary K.R. Fundamentals of artificial intelligence. New Delhi : Springer India, 2020. P. 603-649.

3. Львова Н.Л. Питання звукового символізму у вітчизняних та закордонних течіях сучасного мовознавства. Сучасні тенденції фонетичних досліджень. Київ: Міленіум, 2017. С. 80-83.

4. Найдеш О., Рихло В. Фоносемантичні особливості феміністичних текстів сучасної німецької прози. Науковий вісник Чернівецького національного університету імені Юрія Федьковича. Германська філологія. 2023. № 843. С. 92-99.

5. Савчук Т.С. Ретроспектива становлення фоносемантизму та фоносемантичні реалії в англійській мові. Наукові записки Національного університету "Острозька академія". 2021. Вип. 11. Ч. 79. С. 38-41.

6. Кушнерик В., Савчук Т. Фоносемантичні явища як мовні реалії. Науковий вісник Чернігівського національного університету імені Юрія Федьковича. 2021. № 831-832. С. 166-174.

7. Левицький В.В. Звуковий символізм. Міфи і реальність. Чернівці: ЧНУ, 2009. 151 с.

8. Sapir E.A. Study in Phonetic Symbolism. Journal of Experimental Psychologygeneral. 1929. № 12. Р. 225-239.

9. Newman S.S. Further Experiments in Phonetic Symbolism. American Journal of Community Psychology. 1933. № 45. Р. 53-75.

10. Taylor K.J. KA-BOOM! A dictionary of comic book words, symbols and onomatopoeia. Surrey, BC : Mora Publications, 2007.

11. Magnus M. What's in a Word? Studies in Phonosemantics. Norwegian University of Science and Technology, 2001. 202 p.

12. Кушнерик В., Савчук Т. Фоносемантичні явища як мовні реалії. Науковий вісник Чернігівського національного університету імені Юрія Федьковича. 2021. № 831-832. С. 166-174.

13. Nasikan Z. Phonosemantics : Ongoing Issues and Modern Perspectives. 2019.

14. Валігура О.Р. Сучасні підходи до фоносемантичних досліджень. Наративи. 2023. № 41.

15. Власова Т.В. Звукосимволізм: сучасні лінгвістичні дослідження. Наукові записки кафедри слов 'янських і германських мов: монографія / за ред. Т. Є. Недашківської. Новоград-Волинський, 2019. С. 292-334.

16. Кушнерик В., Савчук Т. Фоносемантичні явища як мовні реалії. Науковий вісник Чернігівського національного університету імені Юрія Федьковича. 2021. № 831-832. С. 166-174.

17. Савчук Т.С. Ретроспектива становлення фоносемантизму та фоносемантичні реалії в англійській мові. Наукові записки Національного університету "Острозька академія". 2021. Вип. 11. Ч. 79. С. 38-41.

18. Надутенко М., Надутенко М. Методи цифрових лінгвістичних досліджень: корпусні технології та штучний інтелект. Актуальні питання сучасної лінгвістики. Київ: НаУКМА, 2022. С. 56-64.

19. Kenny D. Machine translation for everyone: Empowering users in the age of artificial intelligence. Language Science Press, 2022.

20. Tran T.D. Analyzing graphic structure of phono-semantic characters: A Vietnamese method of teaching and learning Chinese characters. Journal of Chinese Writing Systems. 2021. Vol. 5. № 2. P. 135-143.

21. Pereira D.A. A survey of sentiment analysis in the Portuguese language. Artificial Intelligence Review. 2021. Vol. 54. № 2. P. 1087-1115.

22. Drigas A., Mitsea E., Skianis C. Neuro-Linguistic Programming, Positive Psychology & VR in Special Education. Scientific Electronic Archives. 2022. Vol. 15. № 1.

23. Шуляк І. М. NLP-технології: можливості та сфери застосування у лінгвістиці. Франкофонія в умовах глобалізації і полікультурності світу: зб. тез IV Міжнародної науково-практичної конференції (19 травня 2022 р.). Тернопіль, 2022. С. 22-26.

24. References:

25. Barannik, V., Belikova, T., & Kapko, M. (2019). Kompleksnyi metod avtomatychnoho fonosemantychnoho analizu tekstovoi informatsii na osnovi otsinky vahomykh semantychnykh odynyts v umovakh informatsiinoho protyborstva [A complex method of automatic phonosemantic analysis of textual information based on the evaluation of significant semantic units in the conditions of information conflict]. Kiberbezpeka: osvita, nauka, tekhnika - Cyber security: education, science, technology, 3(3), 53-62 [in Ukrainian]

26. Chowdhary, K.R. (2020). Fundamentals of artificial intelligence. New Delhi: Springer India. 603-649 [in English]

27. Darchuk, N., & Sorokin, V. (2022). Parameterization of the Ukrainian Text Corpus Based on Parsing Results. COLINS-2022 : 6th International Conference on Computational Linguistics and Intelligent Systems, May 12-13. Gliwice [in English]

28. Drigas, A., Mitsea, E., & Skianis, C. (2022). Neuro-Linguistic Programming, Positive Psychology & VR in Special Education. Scientific Electronic Archives, 15(1) [in English]

29. Kenny, D. (2022). Machine translation for everyone: Empowering users in the age of artificial intelligence. Language Science Press [in English]

30. Kushneryk, V., & Savchuk, T. (2021). Fonosemantychni yavyshcha yak movni realii [Phonesemantic phenomena as linguistic realities]. Naukovyi visnyk Chernihivskoho natsionalnoho universytetu imeni Yuriia Fedkovycha - Scientific Bulletin of Yuriy Fedkovich Chernihiv National University, 831, 166-174 [in Ukrainian]

31. Levytskyi, V.V. (2009). Zvukovyi symvolizm. Mify i realnist [Sound symbolism. Myths and reality]. Chernivtsi : ChNU [in Ukrainian]

32. Lototska, N. Ia. (2021). Idiolekt Romana Ivanychuka : korpusnobazovanyi ta linhvokohnityvnyi pidkhody [Roman Ivanychuk's idiolect: corpus-based and linguocognitive approaches]. Doctor's thesis. Lviv [in Ukrainian]

33. Lubko, D.V., Lubko, D.V., & Sharov, S.V. (2019). Metody ta systemy shtuchnoho intelektu [Methods and systems of artificial intelligence]. Melitopol [in Ukrainian]

34. Lvova, N.L. (2017). Pytannia zvukovoho symvolizmu u vitchyznianykh ta zakordonnykh techiiakh suchasnoho movoznavstva [The issue of sound symbolism in domestic and foreign currents of modern linguistics]. Suchasni tendentsii fonetychnykh doslidzhen - Modern trends in phonetic research, 80-83 [in Ukrainian]

35. Magnus, M. (2001). What's in a Word? Studies in Phonosemantics. Norwegian University of Science and Technology [in English]

36. Nadutenko, M., & Nadutenko, M. (2022). Metody tsyfrovykh linhvistychnykh doslidzhen: korpusni tekhnolohii ta shtuchnyi intelekt [Methods of digital linguistic research: corpus technologies and artificial intelligence]. Aktualni pytannia suchasnoi linhvistyky - Current issues of modern linguistics, 56-64 [in Ukrainian]

37. Naidesh, O., & Rykhlo, V. (2023). Fonosemantychni osoblyvosti feministychnykh tekstiv suchasnoi nimetskoi prozy [Phonosemantic features of feminist texts of modern German prose]. Naukovyi visnyk Chernivetskoho natsionalnoho universytetu imeni Yuriia Fedkovycha. Hermanska filolohiia - Scientific Bulletin of Yuriy Fedkovich Chernivtsi National University. Germanic philology, 843, 92-99 [in Ukrainian]

38. Nasikan, Z. (2019). Phonosemantics : Ongoing Issues and Modern Perspectives [in English]

39. Newman, S.S. (1933). Further Experiments in Phonetic Symbolism. American Journal of Community Psychology, 45, 53-75 [in English]

40. Pereira, D.A. (2021). A survey of sentiment analysis in the Portuguese language. Artificial Intelligence Review, 54(2). 1087-1115 [in English]

41. Savchuk, T.S. (2021). Retrospektyva stanovlennia fonosemantyzmu ta fonosemantychni realii v anhliiskii movi [Retrospective of the formation of phonosemanticism and phonosemantic realities in the English language]. Naukovi zapysky Natsionalnoho universytetu "Ostrozka akademiia" - Scientific notes of the National University "Ostroh Academy", 11(79), 38-41 [in Ukrainian

42. Sapir, E.A. (1929). Study in Phonetic Symbolism. Journal of Experimental Psychology-general, 12, 225-239 [in English]

43. Shuliak, I.M. (2022). NLP-tekhnolohii: mozhlyvosti ta sfery zastosuvannia u linhvistytsi [NLP technologies: opportunities and areas of application in linguistics]. Frankofoniia v umovakh hlobalizatsii i polikulturnosti svitu - Francophonie in conditions of globalization and multiculturalism of the world. Ternopil, 22-26 [in Ukrainian]

44. Taylor, K.J. (2007). KA-BOOM! A dictionary of comic book words, symbols and onomatopoeia. Surrey, BC : Mora Publications [in English]

45. Tran, T.D. (2021). Analyzing graphic structure of phono-semantic characters : A Vietnamese method of teaching and learning Chinese characters. Journal of Chinese Writing Systems, 5(2). 135-143 [in English]

46. Valihura, O.R. (2023). Suchasni pidkhody do fonosemantychnykh doslidzhen [Modern approaches to phonosemantic research]. Naratyvy - Narratives, 41 [in Ukrainian]

47. Vlasova, T.V. (2019). Zvukosymvolizm : suchasni linhvistychni doslidzhennia [Sound symbolism: modern linguistic research]. Naukovi zapysky kafedry slovianskykh i hermanskykh mov - Scientific notes of the department of Slavic and Germanic languages, 292-334 [in Ukrainian]

Размещено на Allbest.ru