Большие данные в лингвистических исследованиях

Аннотация

The article discusses the potential of Big Data using in modern linguistic studies of discourse. The author analyzes the types of corpora and tools of corpus linguistics to examine various aspects and types of discourse. The paper considers the resources of the parallel corpora of the National Corpus of the Russian language, which helps to identify relevant translation equivalents to the lexical units under study, in particular equivalent lacking vocabulary and lexemes with national cultural connotations. The data of the parallel corpus of the National Corpus of the Russian Language also makes it possible to detect the specific features of author’s neologisms translation and to identify 157 Мультидисциплинарные (неюридические) аспекты цифровой трансформации Мультидисциплинарные (неюридические) аспекты цифровой трансформации Multidisciplinary (Non-Legal) Aspects оf Digital Transformation Multidisciplinary (Non-Legal) Aspects оf Digital Transformation relevant strategies for translating the pragmatic potential of diverse text elements. The author considers the resources of the corpus-manager AntConc, which is a useful tool in linguistic expertise and in political discourse study, in particular, the study of word usage and communicative resources of certain politicians and public figures. Based on the results obtained, the author presents recommendations on the Big Data usage in various linguistic studies in accordance with the goal and objectives set by discourse researchers. Keywords: Big Data, corpus, discourse, translation, language examination Введение. В фокусе данной работы – потенциал Big Data (Большие дан- ные) в современных лингвистических исследованиях различных видов дискурса. Интерес к данной проблеме обусловлен открывающимися перспективами иссле- дования проблем разного уровня, возможностью анализа обширных эмпириче- ских данных и существенной экономии времени и усилий современного исследо- вателя в области языка. Более того, в настоящее время большие данные становятся обязательным инструментом научно-исследовательской деятельности лингвиста. В рамках данной публикации мы обращаемся к собственному опыту применения корпусов при изучении особенностей перевода национально маркированной лек- сики, авторских неологизмов и рассмотрения специфики риторики политических деятелей. Методика. Основным методом выступает анализ корпусных данных полу- ченных в результате обработки текстов определенными корпус-менеджерами. Следует отметить тот факт, что в соответствии с целью исследования привлека- ются различные виды корпусов и задействуется определенный инструментарий корпусной лингвистики. Для изучения переводческого аспекта представляется целесообразным обращение к ресурсам параллельного корпуса Национального корпуса русского языка, который позволяет выявить актуальные переводческие соответствия для исследуемых лексических единиц, в частности безэквивалент- ной лексики и лексем, осложненных национально культурными коннотациями [1]. По мнению В. П. Захарова, НКРЯ не является исчерпывающим источником эм- пирических данных, и исследователь предлагает привлекать такие инструменты и сопутствующие им программные средства, как корпус русских текстов системы Sketch Engine, корпус русских текстов Araneum Russicum Maius из семейства псев- допараллельных корпусов Aranea Университета им. А. Коменского в Братиславе. Важным фактором является объем корпусов, в частности «объем основного корпу- са НКРЯ составляет 230 млн словоупотреблений, русскоязычный Araneum Maius насчитывает 1 200 млн токенов (около 1 000 млн текстоформ), ruTenTen 2011из Sketch Engine имеет объем более 18 млрд токенов (14,5 млрд текстоформ). Самый же большой на сегодняшний день корпус русского языка – это корпус русских книг Google books Ngram Viewer, который содержит 591 310 текстов общим объе- мом более 67млрд словоупотреблений» [2. С. 83]. Другим любопытным инструментом корпусной лингвистики является кор- пус-менеджер AntConc, который предназначен для обработки корпусов первого порядка, предоставляет исследователю свободу в отборе дискурса для анализа 158 Мультидисциплинарные (неюридические) аспекты цифровой трансформации Multidisciplinary (Non-Legal) Aspects оf Digital Transformation и позволяет производить анализ данных незарегистрированных в национальных корпусах [3, 4]. Полагаем, что данный корпус-менеджер представляется полезным инструментом применительно к языковой экспертизе и исследованию определен- ного вида дискурса, в частности изучению словоупотребления и коммуникативно- го речевого поведения определенных политиков и общественных деятелей. Основная часть. Прежде всего, отметим, что инструментарий корпусной лингвистики плодотворно исследуется и подробно описан отечественными и за- рубежными учеными [2, 4, 5, 6, 7]. Диапазон ресурсов корпусов обширен и вари- ативен, в распоряжении современного исследователя инструменты, позволяющие произвести количественную и качественную экспертизу языковых соответствий. Выбор инструмента определяется цель