Questions of representativeness and the challenge of diachronic corpus building

Ζητήματα αντιπροσωπευτικότητας και η πρόκληση της δημιουργίας διαχρονικών σωμάτων κειμένων

Η ανακοίνωση αυτή πραγματεύεται τις προκλήσεις που αντιμετωπίζουν οι ιστορικοί γλωσσολόγοι που εργάζονται με διαχρονικά σώματα κειμένων. Αναφέρεται σε δύο οπτικές. Η πρώτη οπτική είναι του γλωσσολόγου που επιδιώκει να τοποθετήσει την έρευνα της γλωσσικής αλλαγής στο πλούσιο και πολύπλοκο περιβάλλον του αυθεντικού ιστορικού γλωσσικού υλικού. Η δεύτερη είναι του ερευνητή που επιθυμεί να δημιουργήσει έναν χρήσιμο ερευνητικό πόρο, ο οποίος να είναι αρκετά πλούσιος και ευέλικτος ώστε να μπορεί να χρησιμοποιείται από άλλους για τους δικούς τους σκοπούς.
 

Η περίπτωση που μελετάται σχετίζεται με την ανάπτυξη του Δικτύου αγγλικών κειμένων του 18ου αιώνα (NEET). Ειδικότερα, γίνεται αναφορά στις επιπτώσεις που έχει στη δομή και τη χρησιμότητα του παραγόμενου γλωσσικού πόρου η ανισορροπία του συνόλου των κειμένων, που αποτελεί την πηγή των δεδομένων για το σώμα κειμένων. Οι κύριες επιπτώσεις (ή περιορισμοί) αφορούν το ότι τα ζητήματα που μπορούν να διερευνηθούν με τη χρήση ενός τέτοιου σώματος κειμένων διαμορφώνονται αναγκαστικά από το ίδιο το σώμα κειμένων.

Η ανακοίνωση πραγματοποιήθηκε στο πλαίσιο ημερίδας που διοργανώθηκε από το πρόγραμμα «Διαχρονικό Σώμα Ελληνικών Κειμένων του 20ού αιώνα» (Greek Corpus 20, http://greekcorpus20.phil.uoa.gr/), το οποίο συγχρηματοδοτείται από το Ευρωπαϊκό Κοινωνικό Ταμείο και την Ελλάδα (Ερευνητικό πρόγραμμα «Αριστεία»). Στόχος της ημερίδας ήταν η συζήτηση και ο προβληματισμός για τις βασικές αρχές και τις ορθές πρακτικές που αφορούν στη συγκρότηση διαχρονικών σωμάτων κειμένων με σκοπό τη γλωσσολογική έρευνα. Η εμπειρία μελετητών που έχουν εργαστεί σε σχετικά ερευνητικά προγράμματα σε άλλες γλώσσες αναμένεται να συμβάλει σημαντικά στη διαμόρφωση των στόχων και των πρακτικών του διαχρονικού σώματος κειμένων της Ελληνικής, καθώς, σε αντίθεση με άλλες γλώσσες, η Ελληνική δεν έχει επωφεληθεί έως τώρα από την ανάπτυξη της υπολογιστικής γλωσσολογίας σωμάτων κειμένων στο βαθμό που θα αναμενόταν: η έλλειψη ενός διαχρονικού σώματος κειμένων της Ελληνικής αποτελεί ένα μείζον κενό στην ελληνική γλωσσολογία και το ερευνητικό πρόγραμμα στοχεύει να καλύψει αυτό το κενό, αναπτύσσοντας ένα σώμα κειμένων 20 εκατ. λέξεων για τις πρώτες εννέα δεκαετίες του 20ου αιώνα, το οποίο θα ενσωματωθεί στο προϋπάρχον σώμα κειμένων 30εκατ. λέξεων του ΣΕΚ. Στόχος του σώματος κειμένων είναι η μελέτη περιοχών πρόσφατης γλωσσικής αλλαγής (τόσο σε γραμματικό όσο και σε λεξιλογικό επίπεδο) μέσω της ανάλυσης αυθεντικών κειμένων.