Принципы работы с текстовыми источниками и разборки хронологии при создании диахронического корпуса медиактекстов

Аннотация

Ключевые слова: Развитие корпусной лингвистики тесно связано с корпусная лингвистика, широким использованием языковых корпусов при лингвистический корпус, решении языковых задач. Известно, что корпусная развитие языка, лингвистика применяет комплекс методов, в основном медиатекст, газетные тексты, ориентированных на лексикографию, но также актуальных диахронический корпус. в стилистике, синтаксисе, построении предложений, методике преподавания языка и в других научных областях. В статье рассматривается проблема сбора и сортировки лексических единиц при формировании диахронического корпуса медиатекстов, цель которого — изучение развития языка, и предлагаются подробные решения указанной проблемы. O‘zbek tilshunosligi, xususan, leksikografiyada ham korpus lingvistikasi metodlaridan foydalanilganligini kuzatish mumkin, biroq, ular aynan korpus tahlillariga asoslanganligi qayd etilmaydi. Masalan, O‘zbek xalq dostonlarining chastotali izohli frazeologik lug’atini yaratish borasida qilingan ishlar sirasiga matniy birliklarni yig’ilganligi, ularni kompyuter xotirasiga kiritib, alfavit-chastotali lug’atlar olinganligi aytiladi: “… lug’atni tuzish jarayonida dastlab «Alpomish», «Ravshan», «Rustam» dostonlarining matnlari kompyuter xotirasiga kiritildi. Kompyuter xotirasida to‘plangan ana shu matnlar asosida kompyuter yordamida 28499 so‘z shaklidan iborat, uchta chastotali va uchta alfavit-chastotali lug’atlar olindi: «Alpomish» dostoni umumiy matn hajmi – 14029, ya’ni – 49,2 % ni; «Ravshan» dostoni – 7059, ya’ni 24,7 %ni, «Rustam» dostoni 7411 so‘z shakli 26,2% ini tashkil qiladi. Matnlarni qayta tekshirish jarayonida mazkur matnlarda jami 1041 FB qo‘llanganligi ma’lum bo‘ldi, ular xalq dostonlari matnida 1641 marta qaytarilgani aniqlandi”. Ko‘rinib turganidek, biror o‘rinda qaysi elektron yoki kompyuter dasturidan qo‘llanilganligi eslatib o‘tilmaydi. Vaholanki, bu jarayon korpus lingvistikasining asosiy maqsadi bo‘lgan korpuslar yaratish orqali lisoniy bazaga oid statistik axborotni tez fursatda olish imkonini yaratishga xos birlamchi vazifalar turkumiga kiradi. Bizningcha, yuqoridagi holatni inobatga olganda, o‘zbek lingvistika ilmi korpusga asoslangan nazariy tadqiqotlarning amaliy jabhalarda qo‘llashga oid yangi yondashuvlarni talab qilmoqda. Demak, yaratilishi kerak bo‘lgan korpuslar qatorida turuvchi O‘zbek va ingliz gazetalari mediamatnlari diaxronik korpusini yaratish aynan shu turdagi natijaviy ilmiy izlanishlar sirasiga kiradi. J. Sinclair va F. Douglas kabi olimlarning fikricha, korpusga kiritiladigan matnlarning ba’zilari uzun bo‘lgani tufayli, ularning to‘liq hajmini jalb etmasdan, balki matn bo‘laklaridan foydalanish ba’zan matnning faqatgina bir turi ustun bo‘lmasligi uchun korpusda qo‘llaniladi. Biroq, to‘liq matnlardan foydalanishning ustunligiga doir ko‘plab yondashuvlar mavjud deya xulosa qilishadi. Bizning nazarimizda olimlarning fikrlari o‘rinli va matnlar hajman teng bo‘lishi amaliyotda kamdan-kam uchragani bois, korpusga kiritiladigan matnning to‘liq shaklini kiritish uning mazmunan va mantiqan tog’ri tahlil qilinishiga asos bo‘ladi. 47 Xorijiy lingvistika va lingvodidaktika – Зарубежная лингвистика и лингводидактика – Foreign Linguistics and Linguodidactics Issue – 2 № 1 (2024) / ISSN 2181-3701 M. Dosenna, S. Mackay, E. Moreton, Morton, J. Pennebaker, M. Mehl va K. Niederhoffer, L. Sowada, L. Anthony va boshqa bir qator olimlar korpus bazasiga kiritiladigan matniy birliklarining xususiyatlari to‘g’rida to‘xtalib, ularni saralashga, maqsadli ravishda jamlashga alohida e’tibor qaratilishini ta’kidlashgan. Bugungi kunda yaratilayotgan ko‘plab korpuslar, xususan, o‘zbek tilining zamonaviy korpuslari asosan onlayn, ya’ni internet materiallaridan shakllantirilayotganligini kuzatish mumkin. Bizningcha, korpus yaratish maqsad qilinganda, undan kutiladigan natijani inobatga olgan holda, imkon doirasida manbaning ishonchliligi, autentik ekanligi hamda eng muhimi uning ertangi kunga saqlanishiga e’tibor qaratilishi joiz. Fikrimizning isboti sifatida N. Koteykoning quyidagi fikrini keltirish mumkin: “onlayn ma’lumotlarning mavjudligi yanada xilma-xil korpuslarni yaratishga va ularda topilgan lingvistik birliklar haqida ko‘proq umumlashtirilgan xulosalar berishga imkon yaratadi. Biroq, internet materiallariga asoslangan ma’lumotlar to‘plash va hujjatlashtirish nuqtai nazaridan ham muayyan qiyinchiliklarni keltirib chiqaradi. Internetdan olingan materiallar bilan bog‘liq ikkita keng tarqalgan muammo mavjud. Bu manba haqidagi qo‘shimcha ma’lumotlarning yetishmasligi yoki to‘liq emasligi va ma’lumotlarning beqaror tabiati. Ya’ni, bugun tahlil qilish mumkin bo‘lgan matnlar ertaga ogohlantirilmasdan olib tashlanishi mumkin. Shu sababli, chop etilgan, onlayn ma’lumotlar bazasida kiritilgan va/yoki saqlangan gazeta matnlari va siyosiy chiqishlar odatda boshqa onlayn ma’lumotlar turlariga qaraganda korpusni to‘plash uchun ishonchliroq manba hisoblanadi” [Koteyko N., 2014]. Yuqoridagi fikrlardan kelib chiqib, tadqi