Некрасова - Электронный диалектный корпус как ресурс сохранения и изучения коми диалектов

Следите за нашими новостями!

Philology.ru - Русский филологический портал

Г. А. Некрасова

ЭЛЕКТРОННЫЙ ДИАЛЕКТНЫЙ КОРПУС КАК РЕСУРС СОХРАНЕНИЯ И ИЗУЧЕНИЯ КОМИ ДИАЛЕКТОВ

(Финно-угорский мир. - № 1 (6). - Саранск, 2010. - С. 13-16)

Коми язык, представляющий собой единство трех территориально-языковых разновидностей: коми-зырянской, коми-пермяцкой и коми-язьвинской, - распространен на территории нескольких административных образований Российской Федерации: Республики Коми, Тюменской, Мурманской, Архангельской, Кировской областей, Пермского края. Каждый говор, диалект, каждое наречие - важнейшая часть коми языка. Поэтому изучение особенностей диалектов, истории их формирования и развития является составляющей изучения истории коми народа.

Исследование коми диалектов началось во второй половине XIX в., планомерный и систематический характер оно получило в конце 40-х гг. прошлого столетия. Большой вклад в это дело внесли как зарубежные (М. Кастрен, Ю. Вихманн, Д. Фокош-Фукс, Т. Уотила), так и российские (В. И. Лыткин, А. С. Сидоров, М. А. Сахарова, Н. А. Колегова, В. А. Сорвачева, Т. И. Жилина) ученые (подробнее см.: [16, 29-39]). За прошедшие годы был собран обширный и разнообразный материал почти по всем коми диалектам, на основе которого были подготовлены текстовые и лексикографические публикации. В их числе - уникальные издания «Образцы коми-зырянской речи» [15] и Сравнительный словарь коми-зырянских диалектов [22], текстовые материалы и словари Д. Фокоша-Фукса [24; 25], Т. Уотилы [26-29]. В коми диалектологии описаны все зырянские, большинство пермяцких диалектов и коми-язьвинское наречие [3-10; 12; 14; 17-21], имеется ряд обобщающих работ [1-2; 13; 16]. В настоящее время продолжается фиксация материала по всем территориально-языковым разновидностям коми языка. Почти ежегодно организуются экспедиции студентов Сыктывкарского государственного университета и сотрудников Института языка, литературы и истории Коми научного центра Уральского отделения (КНЦ УрО) РАН. Однако обработка диалектного материала в большинстве случаев ограничивается расшифровкой звуковых источников и транскрибированием текстов. Накопленный уникальный языковой материал, насчитывающий несколько сотен аудиокассет и томов рукописного материала, несколько сотен тысяч карточек, хранится в фондах научного архива КНЦ УрО РАН, сектора языка Института языка, литературы и истории, а также в фондах кафедры коми и финно-угорской филологии филологического факультета университета и мало доступен широкому кругу исследователей, и в первую очередь тем, кто занимается фонетикой и акцентуацией диалектов.

Особую значимость для диалектологии имеет создание диалектных текстовых корпусов, поэтому одним из главных проектов по сохранению и развитию коми языка должен стать проект по созданию электронной базы коми диалектов (ЭБКД), включающей два основных вида электронных ресурсов - корпус текстов и словарь.

Основу ЭБКД должен составить программно обеспеченный электронный текстовый корпус, являющийся наиболее надежной формой хранения диалектных текстов. В лингвистике корпусом принято называть собрание текстов, собранных в соответствии с определенными принципами, размеченных по определенному стандарту и обеспеченных специализированной поисковой системой. К настоящему времени лингвистика уже обогатилась электронными языковыми ресурсами, к числу крупнейших из которых относятся Британский национальный корпус, Чешский национальный корпус, Национальный корпус русского языка. Ведется создание электронных ресурсов отдельных финно-угорских языков. Так, Corpus of Estonian Written Texts содержит эстонские письменные тексты, опубликованные с 1983 по 1987 г.: газетные тексты, художественную литературу, научные и научно-популярные тексты и др. Тексты снабжены метаразметкой. Поиск по корпусу не предусмотрен, для просмотра можно скачать или содержащийся в одном файле корпус без разметки, или разбитый на отдельные файлы по типам текстов размеченный корпус.

При создании корпуса коми текстов необходимо учитывать международный опыт подобной деятельности. В рамках проекта могут быть использованы разработанный исследовательской группой А. Е. Кибрика стандарт представления языкового материала и программная среда для создания и применения мультимедийных языковых ресурсов для малых языков. Корпус должен отвечать следующим требованиям:

«- корпус может публиковаться на бумаге, но обязательно должен существовать в виде электронной базы данных, допускающей обновление и пополнение;

- тексты должны быть представлены не только в транскрипции, уже представляющей результат определенной интерпретации исследователем языковых данных, но и в исходном виде, т. е. в видео- и аудиозаписях;

- тексты должны нести максимум лингвистической и иной разметки (аннотации), в том числе обязательно поморфемное глоссирование, а также, в зависимости от ресурсов, которыми располагает исследовательская группа, дополнительные слои морфонологической, просодической, синтаксической, частеречной, семантической разметки; текстовые, метатекстовые и энциклопедические комментарии;

- аннотация должна быть в высокой степени стандартизована для того, чтобы облегчить поиск сходных явлений в разных языках, описанных разными исследователями;

- пользователь должен иметь возможность выбрать для отображения только интересующие его компоненты (слои) информации;

- корпус должен поддерживать обработку самых разнообразных поисковых запросов пользователя, включая поиск по различным слоям разметки (например - и в первую очередь - по грамматическим глоссам и пр.);

- корпус должен являться открытым интернет-ресурсом, чтобы любой заинтересованный пользователь мог легко к нему обратиться» [11, 232-233].

Корпус коми диалектов - это коллекция электронных текстов, снабженных лингвистической и метатекстовой информацией. Его основная задача заключается в представлении каждого диалекта как территориальной разновидности коми языка. Каждый отдельный диалект, а также говор в составе диалекта должен образовывать самостоятельный подкорпус в составе корпуса. Главными при формировании текстовой базы корпуса должен стать принцип полного и адекватного отражения специфики диалекта, что предполагает наполнение каждого подкорпуса разнообразным значительным по объему текстовым материалом, репрезентирующим различные формы речи (диалог, монолог); важнейшие типы речи (бытовую, фольклорную, официальную); социальную дифференциацию носителей говора (по полу, возрасту, уровню образования). Текст необходимо представить в двух видах: в виде звукового модуля - аудиофайла, в виде графического модуля - графического изображения транскрипции, снабженной переводом на русский язык.

Главная характеристика корпуса, отличающая его от простых коллекций текстов, заключается в наличии дополнительной информации о свойствах входящих в него текстов (разметки, или аннотации). Каждый текст должен иметь лингвистическую и экстралингвистическую разметку. На первоначальном этапе обработки текста достаточной является минимальная метатекстовая разметка, характеризующая текст в целом. Параметрами метаразметки должны стать нелингвистические сведения о тексте и о диалекте.

В информацию о тексте необходимо включить сведения об информантах, о времени, месте записи (краткая история населенного пункта, описание специфических природных особенностей, микротопонимы), о конкретной ситуации общения, об адресатах речи, упоминаемых лицах и их отношении к информанту, о времени событий в повествовании. Информация о диалекте (говоре) должна содержать сведения о его составе, истории формирования, краткой истории изучения диалекта, библиографию об изучении диалекта. Вербальный ряд информации необходимо дополнить графической информацией, включив в корпус карты, схемы, фотографии. Часть данной информации может быть соотнесена в корпусе с текстовыми модулями, другая часть - образовывать отдельный информационный блок. Поисковые запросы осуществляются в соответствии с каждым из параметров метаразметки. Формат представления информации в корпусе разрабатывается с учетом существующих стандартов для кодирования корпусов (TEI, XCES, EAGLES).

На последующих этапах корпус дополняется си-стемой лингвистической (морфологической, акцентной, синтаксической и семантической) разметки. Большинство специалистов отмечают необходимость перевода текстов на язык-посредник, а также поморфемного глоссирования текстов. Однако, по мнению А. Е. Кибрика и др., «единого унифицированного формата глоссирования и, в целом, представления текстов сейчас не существует. Различия касаются не только инвентаря грамматических глосс, но также и количества и состава необходимых слоев репрезентации. Это связано как с объективными научно-содержательными проблемами (неизоморфность грамматической структуры различных языков, различия в степени прозрачности морфонологических процессов и т. п.), так и с организационными (отсутствие единого координирующего центра или стандарта)» [11, 233]. В качестве основного справочника при глоссировании текстов целесообразно использовать научную грамматику коми языка [23], где наиболее полно описаны грамматические категории. Следуя рекомендациям правил глоссирования в отношении используемых символов-разделителей, а также сокращений, принятых для обозначения тех или иных грамматических категорий, при описании языковых единиц необходимо внести дополнения (глоссы) для не включенных в стандарт категорий, например, категории степеней действия глагола, приблизительно-местных падежей. В итоге языковые данные должны быть обработаны и проиндексированы таким образом, чтобы ими можно было пользоваться и в будущем, а документация должна быть архивирована так, чтобы ее легко можно было сохранить и при необходимости перенести на новые носители информации.

Электронная форма представления диалектных текстов повышает сохранность собранного уникального материала, обеспечивает условия для лингвистов различной специализации более свободного доступа к диалектному материалу, позволяет наблюдать реальные отношения между языковыми единицами в потоке диалектной речи, при минимальных затратах усилий самостоятельно создавать полные базы данных в соответствии со своими исследовательскими задачами, классифицировать материал на основании отдельных параметров и их комплексов. Электронные ресурсы должны стать источником исследовательских проектов, диссертационных и дипломных работ, программно-методических комплексов в общеобразовательной и вузовской системах преподавания. Они создадут более широкие возможности для проведения сравнительно-исторических, сопоставительных и типологических исследований.

Важной составляющей ЭБКД должен стать электронный словарь коми диалектов, который формируется путем внесения в него всех лексем, содержащихся в источниках, составляющих электронный корпус коми диалектов. В основу словаря могут лечь материалы Сравнительного словаря коми-зырянских диалектов [22], а также Словаря диалектов коми языка, составляемого сотрудниками сектора языка Института языка, литературы и истории КНЦ УрО РАН. Отличительной чертой электронного словаря должно стать наличие иллюстративных контекстов, направленных на раскрытие семантической структуры слова и описание всех его значений. Каждое значение должно быть проиллюстрировано примерами из текстов, составляющих электронный корпус коми диалектов. Все лексемы в словаре должны быть паспортизированы. По эталонному словнику, организованному по тезаурусному принципу и содержащему в основном базовую лексику коми диалектов, можно сделать запись материалов для звукового словаря. Для историко-типологических исследований важным является включение в состав словника одного из списков Сводеша.

Для осуществления проекта ЭБКД необходимо продолжить фиксацию речи носителей диалектов разных поколений, в разной степени владеющих языком. Это даст возможность проследить динамику языковой структуры в ситуации коми-русского билингвизма. В первую очередь внимание к себе требуют говоры и диалекты, находящиеся на грани исчезновения. К числу таких территориальных разновидностей относятся коми-язьвинское наречие и те говоры, которые составляют пограничные зоны с северно-русскими говорами. Для фиксации диалектного материала надо привлечь как можно большее количество участников документации. Традиционно сбор диалектного материала проводится единичными лингвистами или же группой студентов, которые производят и расшифровку материала. Представляется возможным включить в эту работу носителей диалекта, предварительно обучив их соответствующим методам фиксации материала и снабдив необходимыми техническими средствами. Только создание электронной базы коми диалектов позволит реставрировать и сохранить уникальные аудио- и рукописные материалы, накопленные коми языковедами в течение последнего столетия.

Библиографический список

1. Баталова, Р. М. Коми-пермяцкая диалектология / Р. М. Баталова. - М.: Наука, 1975. - 252 с.
2. Баталова, Р. М. Ареальные исследования по восточным финно-угорским языкам (коми языки) / Р. М. Баталова. - М.: Наука, 1982. - 167 с.
3. Баталова, Р. М. Оньковский диалект коми-пермяцкого языка. Унифицированное описание диалектов уральских языков / Р. М. Баталова. - М., 1990. - 205 с.
4. Баталова, Р. М. Нижнеиньвеньский диалект коми-пермяцкого языка / Р. М. Баталова. - М.; Гамбург, 1995. - 197 с.
5. Баталова, Р. М. Кудымкарско-иньвеньский диалект коми-пермяцкого языка / Р. М. Баталова. - М.; Гамбург, 2002. - 168 с.
6. Дмитриева, Р. П. Косинско-камский диалект коми-пермяцкого языка (фонетика, морфология) : дис. ... канд. филол. наук / Р. П. Дмитриева. - Йошкар-Ола, 1998. - 195 с.
7. Жилина, Т. И. Верхнесысольский диалект коми языка / Т. И. Жилина. - М.: Наука, 1975. - 268 с.
8. Жилина, Т. И. Вымский диалект коми языка / Т. И. Жилина. - Сыктывкар: Пролог, 1998. - 439 с.
9. Жилина, Т. И. Лузско-летский диалект коми языка / Т. И. Жилина. - М.: Наука, 1985. - 272 с.
10. Жилина, Т. И. Присыктывкарский диалект и коми литературный язык / Т. И. Жилина, Г. Г. Бараксанов. - М.: Наука, 1971. - 276 с.
11. Кибрик, А. Е. Технологии обработки языковых данных в документировании малых языков / А. Е. Кибрик, А. В. Архипов, М. А. Даниэль и др. // Компьютерная лингвистика и интеллектуальные технологии : тр. междунар. конф. «Диалог 2007» (Бекасово, 30 мая - 3 июня 2007 г.) / под ред. Л. Л. Иомдина, Н. И. Лауфер, А. С. Нариньяни, В. П. Селегея. - М., 2007. - С. 231-235.
12. Колегова, Н. А. Среднесысольский диалект коми языка / Н. А. Колегова, Г. Г. Бараксанов. - М.: Наука, 1980. - 226 с.
13. Лыткин, В. И. Диалектологическая хрестоматия по пермским языкам (с обзором диалектов и диалектологическим словарем) / В. И. Лыткин. - М.: Изд-во АН СССР, 1955. - 128 с.
14. Лыткин, В. И. Коми-язьвинский диалект / В. И. Лыткин. - М.: Изд-во АН СССР, 1961. - 228 с.
15. Образцы коми-зырянской речи. - Сыктывкар : Коми кн. изд-во, 1971. - 311 с.
16. Сажина, С. А. Сравнительная морфология коми-зырянских диалектов (именные части речи). Ареальный аспект исследования : дис. … канд. филол. наук / С. А. Сажина. - Сыктывкар, 2004. - 282 с.
17. Сахарова, М. А. Ижемский диалект коми языка / М. А. Сахарова, Н. Н. Сельков. - Сыктывкар: Коми кн. изд-во, 1976. - 288 с.
18. Сахарова, М. А. Печорский диалект коми языка / М. А. Сахарова, Н. Н. Сельков, Н. А. Колегова. - Сыктывкар: Коми кн. изд-во, 1976. - 153 с.
19. Сорвачева, В. А. Нижневычегодский диалект коми языка / В. А. Сорвачева. - М.: Наука, 1978. - 227 с.
20. Сорвачева, В. А. Удорский диалект коми языка / В. А. Сорвачева, Л. М. Безносикова. - М.: Наука, 1990. - 283 с.
21. Сорвачева, В. А. Верхневычегодский диалект коми языка / В. А. Сорвачева, М. А. Сахарова, Е. С. Гуляев. - Сыктывкар: Коми кн. изд-во, 1966. - 256 с. (Ист.-филол. сб. ; вып.10).
22. Сравнительный словарь коми-зырянских диалектов / под ред. В. А. Сорвачевой. - Сыктывкар: Коми кн. изд-во, 1961. - 90 с.
23. Öнiя коми кыв. Морфология = Современный коми язык. Морфология / В. М. Лудыкова, Г. А. Некрасова, Э. Н. Попова, Г. В. Федюнева, Е. А. Цыпанов. - Сыктывкар: Коми кн. изд-во, 2000. - 544 с.
24. Fokos-Fuchs, D. R. Volksdichtung der Komi (Syrjänen) / D. R. Fokos-Fuchs. - Budapest, 1951. - 472 S.
25. Fokos-Fuchs, D. R. Syrjänisches Wörterbuch. I, II / D. R. Fokos-Fuchs. - Budapest : Akadémiai Kiadó, 1959. - 1654 S.
26. Uotila, T. E. Syrjänische Texte. Bd. 1. Komi-permjakisch / T. E. Uotila. - Helsinki, 1985. - 297 S.
27. Uotila, T. E. Syrjänische Texte. Bd. 2 / T. E. Uotila. - Helsinki, 1986. - 242 S.
28. Uotila, T. E. Syrjänische Texte. Bd. 3 / T. E. Uotila. - Helsinki, 1989. - 402 S.
29. Uotila, T. E. Syrjänische Texte. Bd. 4 / T. E. Uotila. - Helsinki, 1995. - 297 S.