Looking at a wide range of linguistic changes with the 400 million word Corpus of Historical American English

Εξετάζοντας ένα ευρύ φάσμα γλωσσικών αλλαγών με το Corpus of Historical American English (1810-2009)

Το Corpus of Historical American English (COHA; http://corpus.byu.edu/coha), που αποτελείται από 400 εκατομμύρια λέξεις, περιέχει πάνω από 100.000 κείμενα από τη δεκαετία του 1810 έως τη δεκαετία του 2000, κάτι που το καθιστά περίπου 100 φορές μεγαλύτερο από κάθε άλλο δομημένο σώμα κειμένων ιστορικών Αγγλικών. Το σώμα κειμένων διαθέτει ισορροπία ανάμεσα στα κειμενικά είδη της πεζογραφίας, των εκλαϊκευτικών περιοδικών, των εφημερίδων και των μη λογοτεχνικών βιβλίων για κάθε δεκαετία του σώματος κειμένων και διατηρεί την ίδια ισορροπία από δεκαετία σε δεκαετία (καθώς και στις υποκατηγορίες αυτών των κειμενικών ειδών). Εξαιτίας του μεγέθους του, παρέχει δεδομένα για πολλά φαινόμενα που δεν μπορούν να μελετηθούν με μικρά σώματα κειμένων 2-4 εκατομμυρίων λέξεων, όπως η οικογένεια σωμάτων κειμένων Brown ή το ARCHER. Στην παρουσίασή μου αναφέρομαι σε πολλά παραδείγματα τέτοιων αλλαγών σε λεξιλογικό, μορφολογικό, φρασεολογικό, συντακτικό και σημασιολογικό επίπεδο.

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.