Стаття.

Ганна Ситар

УДК 81'373.7:81'32

СТАТИСТИЧНИЙ АНАЛІЗ ПРИСЛІВ'ЇВ І ПРИКАЗОК:

ПОКАЗНИК АСОЦІАЦІЇ MUTUAL INFORMATION

(НА МАТЕРІАЛІ УКРАЇНСЬКОГО НАЦІОНАЛЬНОГО

ЛІНГВІСТИЧНОГО КОРПУСУ)[1]

Стаття продовжує цикл публікацій, присвячених статистичному аналізу фразеологічних і фразеологізованих одиниць української мови. У ній з’ясовано ступінь невипадковості поєднання компонентів у складі українських прислів’їв і приказок за допомогою обчислення показника асоціації mutual information (МІ).

Отримані результати обчислень для 53 прислів’їв і приказок, виконаних за даними Українського національного лінгвістичного корпусу, доводять, що всі проаналізовані одиниці мають високий ступінь невипадковості поєднання словоформ (МІ перебуває в діапазоні від 24,5 до 95,27), що є кількісним підтвердженням стійкості їхнього звʼязку.

Зафіксовано статистично вірогідний зв’язок між кількістю компонентів прислів’я або приказки і величиною показника асоціації МІ. Наведені результати загалом узгоджуються із статистичними даними, отриманими на попередніх етапах дослідження для інших типів фразеологічних одиниць – лексичних і синтаксичних фразеологізмів.

Ключові слова: показник асоціації, фразеологічна одиниця, mutual information, прислів’я, приказка, статистика, українська мова.

Постановка проблеми, актуальність дослідження. Сучасна лінгвістика позиціонує корпуснозорієнтованість як необхідну умову мовознавчого дослідження. Статистичний аналіз фразеологічних і фразеологізованих одиниць належить до актуальних завдань лінгвістичної статистики, оскільки за допомогою математичних методів і прийомів покликаний підтвердити або спростувати належність певної мовної одиниці до класу стійких. Процедуру такого аналізу на матеріалі синтаксичних фразеологізмів української мови запропоновано у працях (Sytar, “Statystychni Kryteriyi Analizu Syntaksychnykh Frazeolohizmiv”; Sytar, “Statystychnyi analiz frazeolohizovanykh rechen…”; Sytar, “Syntaksychni frazeolohizmy v rozrizi konstruktsiinoi hramatyky”).

Обчислення показників асоціації як метод визначення невипадковості поєднання компонентів може бути застосований для різних типів конструкцій. Цю статтю присвячено аналізу прислів’їв і приказок, які в межах широкого підходу до розуміння обсягу фразеології кваліфікують як один із типів стійких одиниць (В. Л. Архангельський, А. М. Баранов, Д. О. Добровольський, Т. О. Туліна та ін.).

У розумінні прислів’їв і приказок спираємось на усталений в українському мовознавстві погляд, згідно з яким прислів’я визначають як «стійкий вислів переважно фольклорного походження, в якому зафіксований практичний досвід народу та його оцінка різних подій і явищ. Прислів’я на відміну від приказок, − це самостійні судження, граматично та інтонаційно оформлені як прості («Дружній череді і вовк не страшний») або складні («Біда тому волові, котрого корова коле») речення» (Ukrainska mova: Entsyklopediia: 530, автор статті М.Т. Демський). Оскільки в зібраннях прислів’їв і приказок їх подають без розмежування, до статистичного аналізу залучаємо їх разом як групу умовно однорідних одиниць.

Матеріал і методи дослідження. Об’єктом статистичного аналізу стали 53 прислів’я і приказки, дібрані з авторитетних джерел (“Ukrainski prykazky, pryslivia i take inshe”; “Pryslivia ta prykazky”), серед них 9 трикомпонентних, 17 − чотирикомпонентних, 14 − п’ятикомпонетних, 6 − шестикомпонентних і 7 − семикомпонентних одиниць. Вірогідність одержаних кількісних даних забезпечено виконанням обчислень на матеріалі значного за обсягом й індексованого корпусу текстів − Українського національного лінгвістичного корпусу (далі УНЛК) Українського мовно-інформаційного фонду НАН України.

В арсеналі сучасної статистики існує низка статистичних критеріїв (коефіцієнтів), обʼєднаних терміном «показники асоціації» (англ. association measures, measures of association). За Кембриджським словником статистики Брайана Еверітта (Brian S. Everitt), «Показники асоціації – числові індекси, що обчислюють силу статистичної залежності двох або більше квалітативних змінних» (Everitt: 241).

У цьому авторитетному лексикографічному виданні термін «асоціація» витлумачено як «загальний термін, що використовується для опису відношення між двома змінними. Значною мірою є синонімічним до кореляції» (Everitt: 20).

У словнику статистики й методів дослідження Американської асоціації психологів (за ред. Sheldon Zedeck) асоціацію визначено як «ступінь статистичної залежності або відношення між двома або більше явищами», а кореляцію – як «ступінь відношення (зазвичай лінійного) між двома змінними, який може бути обрахований як коефіцієнт кореляції, сила асоціації» (APA: 65).

Статистична залежність послідовності словоформ у корпусі визначувана за допомогою показника асоціації mutual information (далі МІ) (буквально − взаємна, спільна інформація). Поняття МІ ввів у теорію інформації Роберт Маріо Фано (Fano). У лінгвістичних дослідженнях його вперше застосували Кеннет Ворд Чарч (Kenneth Ward Church) і Патрік Генкс (Patrick Hanks) (Church, Hanks). Сутність спільної інформації вчені визначили так: «спільна інформація порівнює ймовірність спостереження х та у разом (поєднана ймовірність) з імовірностями спостереження х та у незалежно (випадкова)» (Church, Hanks: 23). Відповідно у дослідників мова йшла про невипадковість поєднання двох слів у тексті і про потребу залучення цього методу для лексикографії, укладання конкордансів, вивчення сполучуваності слів та ін.

Оскільки обраний об’єкт дослідження − прислів’я та приказки − є багатокомпонентними (три- і більше) одиницями, постає потреба врахувати у формулі МІ більшу кількість компонентів. Тому обчислення здійснено за формулою (1), виведеною у працях (Petrovic, Snajder, Basic, Kolar: 323; Yagunova, Pivovarova: 586).

(1),

де MI – коефіцієнт mutual information;

і – це кількість компонентів конструкції;

с₁ – перша лексична одиниця;

с₂ – друга лексична одиниця;

с_і – і-а лексична одиниця;

f(c₁,c₂,…с_і) – абсолютна частота вживання конструкції c_1, c_{2, … ,}с_і в корпусі (з урахуванням порядку одиниць усередині конструкції);

f(c₁) – абсолютна частота c₁ в корпусі;

f(c₂) – абсолютна частота c₂ в корпусі;

f(c_і) – абсолютна частота c_і в корпусі;

N – загальна кількість словоформ у корпусі;

log₂ – логарифм числа за основою 2.

Мета цього дослідження – визначити ступінь невипадковості поєднання компонентів у складі українських прислів’їв і приказок за допомогою обчислення показника асоціації МІ. Для досягнення поставленої мети розв’язано такі завдання:

1) укладено реєстр прислів’їв і приказок, що охоплює одиниці з різною кількістю компонентів і різну тематику;

2) з УНЛК отримано частотні дані для прислів’їв і приказок;

3) виконано обчислення за формулою МІ для багатокомпонентних одиниць;

4) проаналізовано отримані результати.

Для коректного встановлення абсолютної частоти конструкції та абсолютної частоти окремих словоформ, що входять до її складу, в пошуковій формі УНЛК було задано визначений порядок словоформ та передбачено пошук словоформи, а не слова з урахуванням його парадигми. Оскільки цей корпус текстів є динамічним, зазначимо, що частотні дані подаємо станом на лютий 2018 року. Загальна кількість слововживань у корпусі в період здійснення підрахунків становила 189200000 одиниць.

Покажемо приклад здійснених підрахунків. Для обчислення ступеня невипадковості поєднання словоформ у межах прислів’я Терпи, козаче, отаманом будеш з УНЛК було отримано такі кількісні дані: абсолютна частота прислів’я становить 11, абсолютна частота словоформи терпи − 228; козаче − 307; отаманом − 239; будеш − 1968. Підставляючи ці дані до формули (1), отримуємо:

= 51,007076 ≈ 51,01

Коефіцієнт МІ обраховували з точністю до двох знаків після коми. Отримані результати МІ для трикомпонентних прислів’їв і приказок подано в таблиці 1.

Як видно з таблиці 1, коефіцієнт МІ для трикомпонентних прислів’їв і приказок перебуває у межах від 24,5 (Хліб усьому голова) до 35,34 (Горбатого могила виправить).

[1] Дослідження виконано в межах фундаментального наукового проекту «Об’єктивна і суб’єктивна мовносоціумна граматика: комунікативно-когнітивний та прагматико-лінгвокомп’ютерний виміри» (0118U003137).

Контрольна величина, починаючи від якої вважаємо зв’язок слів невипадковим, залежить від показників абсолютної частоти конструкції, від абсолютної частоти її окремих складників і від розміру корпусу. Для Українського національного лінгвістичного корпусу, розмір якого в лютому 2018 року становив 189 200 000 слововживань, ця контрольна величина становить 7,56 (детально процедуру виведення контрольної величини викладено у праці (Sytar 2017: 310-311)):

Відповідно отримані результати можна кваліфікувати як такі, що відбивають високий ступінь невипадковості (зв’язаності) компонентів конструкції, оскільки вони більше ніж утричі перевищують контрольну величину.

Статистичні дані щодо чотири-, п’яти-, шести- й семикомпонентних прислів’їв і приказок наведено в таблицях 2, 3, 4 і 5 відповідно.

Дані, наведені в таблицях 2 – 5 дають змогу констатувати, що коефіцієнт МІ для чотирикомпонентних прислів’їв і приказок перебуває в межах від 37,34 (Двічі літа не буває) до 51,01 (Терпи, козаче, отаманом будеш), тобто в 5 − 6 разів більший за 7,56; для п’ятикомпонентних – від 53,42 (Гуртом добре й батька бити) до 65,76 (Яке зіллячко, таке й сім'ячко), тобто в 7 – 8 разів більший за контрольну величину; для шестикомпонентних − від 69,53 (Як неділя, то й сорочка біла) до 79,98 (Дай серцю волю – заведе в неволю), тобто в 9 – 10 разів вищий від контрольної величини; для семикомпонентних − від 86,83 (Пан з паном, а Іван з Іваном) до 95,27 (Гол, як сокол, а гострий, як бритва), тобто більший в 11 − 12 разів за контрольну величину.

Висновки. Отримані результати обчислень для 53 прислів’їв і приказок, виконаних за даними Українського національного лінгвістичного корпусу, доводять, що всі проаналізовані одиниці мають високий ступінь невипадковості поєднання словоформ: коефіцієнт МІ перебуває в діапазоні від 24,5 до 95,27 (тобто є втричі – удванадцятеро більшим, ніж контрольна величина), що є кількісним підтвердженням стійкості звʼязку словоформ у складі відповідних одиниць.

Зафіксовано статистично вірогідний зв’язок між кількістю компонентів прислів’я / приказки й величиною показника асоціації МІ. Так, для трикомпонентних одиниць результат МІ становить від 24,5 (Хліб усьому голова) до 35,34 (Горбатого могила виправить); для чотрикомпонетних – від 37,34 (Двічі літа не буває) до 51,01 (Терпи, козаче, отаманом будеш); для п’ятикомпонентних від 53,42 (Гуртом добре й батька бити) до 65,76 (Яке зіллячко, таке й сім'ячко); шестикомпонентних − від 69,53 (Як неділя, то й сорочка біла) до 79,98 (Дай серцю волю – заведе в неволю); семикомпонентних − від 86,83 (Пан з паном, а Іван з Іваном) до 95,27 (Гол, як сокол, а гострий, як бритва).

Серед нерозв’язаних на сьогодні проблем статистичного аналізу варто відзначити омонімію, зокрема, потребу залучення людини-експерта для розмежуванням випадків типу гол (пор. перший гол і гол, як сокол) або на двох стільцях (пор. стійка сполука сидіти на двох стільцях і вільний (нефразеологізований) вияв у реченні Посеред кімнати на двох стільцях стоїть маленька з сірої бляхи ванночка (В. Винниченко. Записки Кирпатого Мефістофеля).

Наведені результати загалом узгоджуються із статистичними даними, отриманими на попередніх етапах дослідження для інших типів фразеологічних одиниць – лексичних і синтаксичних фразеологізмів. Водночас вони засвідчують вищий ступінь невипадковості поєднання словоформ саме для прислів’їв і приказок, що є, очевидно, наслідком їхньої багатокомпонентності, стійкості й цілісності їхнього сприйняття носіями української мови.

Перспективним вважаємо статистичний аналіз інших типів стійких одиниць і зіставлення відповідних даних з результатами, отриманими для синтаксичних і лексичних фразеологізмів, прислів’їв і приказок.

References

APA Dictionary of Statistics and Research Methods. Sheldon Zedeck, PhD, editor in chief. Washington, DC: American Psychological Association, 2014. Print.

Church, Kenneth Ward, and Patrick Hanks. “Word Association Norms, Mutual Information, and Lexicography”. Computational Linguistics 16(1) (1990): 22–29. Print.

Everitt, B. S. The Cambridge Dictionary of Statistics. 2nd edition. Cambridge: Cambridge University Press, 2002. Print.

Fano, Robert M. Transmission of Information: A Statistical Theory of Communications . The Technology Press, M.I.T., and John Wiley & Sons, Inc., New York, 1961. Print.

Petrovic, S., Snajder, J., Basic, B.D., Kolar, M. “Comparison of collocation extraction for document indexing”. Journal of Computing and information technology, 14 (4) (2006): 321-327. Print.

Sytar, Hanna. “Statystychni Kryteriyi Analizu Syntaksychnykh Frazeolohizmiv (Statistical Criteria of Analysis of Syntactic Idioms).” Visnyk Donets'koho Natsional'noho Universytetu. Seriya B. Humanitarni Nauky (The Bulletin of Donetsk National University. Series B. Humanities) 1-2 (2015): 245–256. Print.

Sytar, Hanna. “Statystychnyi analiz frazeolohizovanykh rechen: pokaznyk asotsiatsii mutual information (Statistical Analysis of Sentences with Phraseological Structures: Association Measure of Mutual Information)”. Ukrainske movoznavstvo (Ukrainian Linguistics). 1(46) (2016): 103-125. Print.

Sytar, Hanna. Syntaksychni frazeolohizmy v rozrizi konstruktsiinoi hramatyky (Syntactic Idioms in the Context of Construction Grammar). Vinnytsya: ТОV «Nilan-LTD», 2017. Print.

Ukrainska mova: Entsyklopediia (Ukrainian language: Encyclopedia). Redkol.: Rusanivskyi V. M. (spivholova), Taranenko O. O. (spivholova), Ziabliuk M. P. ta in. 2-he vyd., vypr. i dop. Kyiv: Vyd-vo “Ukrainska entsyklopediia” im. M. P. Bazhana, 2004. Print.

Yagunova, Ye.V., Pivovarova, L.M. “Ot kollokatsiy k konstruktsiyam (From Collocations to Constructions)”. ACTA LINGUISTICA PETROPOLITANA. Works of the Institute of Linguistic Researches of RAS, Russkiy yazyk: grammatika konstruktsiy i leksiko-semanticheskie podkhody (The Russian Language: Construction Grammar and Lexical and Semantic Approaches): X, part 2. (2014) 568-617. Print.

List of Sources

Pryslivia ta prykazky (Proverbs and Sayings). Ukl. M. Paziak. Red. Myshanych S.V.; red. Berezovskyi I.P.; red. Hordiichuk M.M.; red. Zubkov S.D.; red. Sushko L.D.; red. Kuz V.P.Kyiv: Nauk. dumka, 1991. Print.

Ukrainski prykazky, pryslivia i take inshe (Ukrainian Sayings, Proverbs etc). Ukl. M. Nomys. Kyiv: Lybid, 1993. Print.