Widok Zastosowanie metod językoznawstwa korpusowego i lingwistyki kwantytatywnej w analizie dyskursu

ALEKSANDRA PAWLIKOWSKA

Zastosowanie metod językoznawstwa

korpusowego i lingwistyki kwantytatywnej w analizie dyskursu

Abstrakt

W artykule poruszono problem możliwości analizy dyskursu za pomocą metod korpusowych i kwanty- tatywnych. Dyskursologia korzysta z różnych metod badawczych, lecz przeważnie mają one charakter ja- kościowy. Lingwistyka korpusowa i statystyczna oferują tymczasem wiele narzędzi, które mogą służyć do badania dyskursu, począwszy od elektronicznej konkordancji, aż do obliczeń pozwalających wykrywać podobieństwo tekstów i gatunków, nacechowanie leksyki, słowa klucze itp. W artykule metody te zostały pokrótce opisane. Zostały w nim zawarte również podstawowe informacje na temat budowy korpusu specjalistycznego oraz doboru reprezentatywnej próby tekstów, które tworzą dany dyskurs.

Słowa kluczowe: językoznawstwo statystyczne, językoznawstwo korpusowe, analiza dyskursu, korpus, metoda badawcza.

Celem niniejszego artykułu jest przedstawienie metod badawczych lingwistyki kor- pusowej i  kwantytatywnej w  kontekście możliwości, jakie stwarzają one analizie dyskursu. Choć metodologia stosowana w badaniach dyskursologicznych, zwłasz- cza z kręgu analizy krytycznej (KAD), ma charakter eklektyczny¹, to można zaryzy- kować stwierdzenie, że językoznawstwo statystyczne i korpusowe znajdowało się do tej pory na jej peryferiach z uwagi na reprezentowanie podejścia stricte ilościowego.

Obecnie jednak wielu językoznawców, zwłaszcza z kręgu nauki anglosaskiej i fran- cuskojęzycznej², podejmuje próby łączenia metod korpusowych i kwantytatywnych z  analizą dyskursu, dostrzegając w  tym zalety takie, jak: liczbowe potwierdzenie danych jakościowych, możliwość wykrycia pewnych stałych tendencji w obserwo- wanej próbie, efektywne porównanie wybranych rodzajów dyskursu. Wszystko to wiąże się z możliwością wzięcia pod uwagę o wiele większej liczby tekstów bądź ich

1 Por. np. propozycje metodologiczne zebrane w licznych artykułach Teuna van Dijka, Normana Fairclougha oraz uwagi tychże autorów na temat samej dyscypliny.

2 Mowa o tym w dalszych partiach artykułu.

fragmentów niż w przypadku analizy niewykorzystującej narzędzi inżynierii lin- gwistycznej.

W dalszej części pracy przedstawię stosunek, w  jakim pozostają do siebie:

lingwistyka korpusowa, kwantytatywna oraz analiza dyskursu, opiszę narzędzia i metody badań ilościowych przydatne dla dyskursologii oraz omówię pokrótce (na wybranych przykładach) dotychczasowe badania łączące wymienione po- dejścia.

1. Lingwistyka korpusowa, językoznawstwo statystyczne, analiza dyskursu — paradygmaty, metodologie czy metody?

Pytanie postawione w tytule powyższego punktu ma duże znaczenie z perspekty- wy metodologicznej. O ile bowiem można łączyć metody ilościowe z jakościowy- mi, tworząc globalną metodę eklektyczną, o tyle nie należy stosować metodologii pochodzących z odmiennych paradygmatów w imię spójności badań i prawomoc- ności wyników. Jak zauważa tymczasem Adam Pawłowski (Pawłowski 2003), po- jawiają się definicje językoznawstwa korpusowego ujmujące je niejawnie jako zja- wisko na kształt paradygmatu w lingwistyce. Pojęcie analizy dyskursu oraz termin dyskursologia presuponują pewną dyscyplinę (naukę o dyskursie, por. też pojęcie discourse studies), natomiast lingwistyka kwantytatywna (statystyczna) charaktery- zowana jest jako „językoznawstwo wykorzystujące do badań rachunek prawdopo- dobieństwa i statystykę matematyczną” (Sambor 1972: 13). Stwarza to wrażenie, ja- koby mowa była kolejno o paradygmacie, dziale nauki oraz zbiorze metod. Ponadto, zdaniem niektórych badaczy amerykańskich (np. Virtanen 2009), analiza dyskursu i podejście korpusowe wykazują trudne do pogodzenia sprzeczności natury ontolo- gicznej — pojawiają się one, gdy dyskurs rozumiany jest jako tekst mówiony, kon- wersacja będąca dynamicznym zdarzeniem komunikacyjnym, natomiast korpus zawiera teksty-wytwory (istnieje więc opozycja proces–produkt)³. Konieczne jest zatem ujednolicenie terminologii.

Należy zacząć od analizy dyskursu jako centralnego zagadnienia niniejszego ar- tykułu. Samo pojęcie dyskurs ma wiele definicji, jak choćby powyższa, na co zwra- cają uwagę badacze w licznych pracach⁴. Nie wdając się w szczegółowe rozważania

3 W takim ujęciu dyskurs ma pięć wymiarów (Virtanen 2009): wymiar strukturalny, retoryczny, kognitywny, interakcyjny, socjokulturowy. Zdaniem autorki nie wszystkie z tych pięciu wymiarów da- dzą się jednakowo objąć przez metody korpusowe. Najbardziej podatny na analizę jest wymiar pierw- szy i drugi.

4 Dla przykładu można przytoczyć uwagi Bożeny Witosz (Witosz 2009: 57), która po analizie zbioru polskich prac rekonstruuje następujące definicje dyskursu:

• konkretną wypowiedź,

• zjawisko na poziomie stylu indywidualnego (Zbigniewa Herberta dyskurs o sztuce),

• zjawisko na poziomie gatunkowym (dyskurs powieściowy),

na ten temat, można uznać, iż dyskurs jest formą działania społecznego polegają- cą na wytwarzaniu i nadawaniu znaczeń — por. Fairclough 2003; Krzyżanowski, Wodak 2011 (dyskurs nie jest tu zatem tożsamy z tekstem-wytworem ani tekstem- -wypowiedzią/procesem, lecz traktowany jest szerzej, natomiast konkretne teksty stanowią jego przejaw. W ten sposób zdefiniowany, stanowi on przedmiot badań, a  analiza dyskursu jest dyscypliną naukową o  charakterze interdyscyplinarnym (Krzyżanowski, Wodak 2011: 13)⁵.

Jeśli chodzi o lingwistykę korpusową i kwantytatywną, Pawłowski umieszcza je w obszarze metod badawczych, a nie paradygmatów czy działów językoznawstwa (Pawłowski 2003: 21–22). Ich podstawami i wyznacznikami są:

• empiryzm (analiza rzeczywistych tekstów językowych wytworzonych w ob- rębie określonej społeczności),

• oparcie na obszernych zbiorach tekstów dobieranych według przyjętych za- sad, określanych jako korpusy,

• stosowanie komputerów i technik automatycznych.

Warto w tym miejscu zauważyć, że metody korpusowe wykorzystywane są do badań autentycznych, oryginalnych tekstów (jest to tzw. warunek naturalności — por. Lewandowska-Tomaszczyk 2005: 163–164), co jest też głównym założeniem dyskursologii.

Lingwistyka korpusowa wykazuje duże powinowactwo z metodami statystycz- nymi. Podstawowym elementem jest tu pojęcie częstości (frekwencji) jednostek ję- zyka (Sambor 1972: 13). Ponadto, jak twierdzi Pawłowski (Pawłowski 2003: 23), lingwistyka statystyczna i badania ilościowe z lingwistyką korpusową „są nieroze- rwalnie związane, bowiem prawdopodobieństwo — podstawowa kategoria meto- dologiczna lingwistyki statystycznej — estymowane jest na podstawie częstości jed- nostek językowych w próbie, a próba w sensie statystycznym nie jest niczym innym jak korpusem”.

Podsumowując, zarówno językoznawstwo korpusowe, jak i statystyczne są zbio- rami metod, które można wykorzystać w badaniach nad dyskursem będących sa- moistną dyscypliną.

• zbiór różnogatunkowych wypowiedzi powiązanych sensem (dyskurs o miłości),

• zbiór wypowiedzi powiązanych ideologicznie (dyskurs ekologiczny),

• zbiór wypowiedzi wyodrębniony ze względu na przynależność instytucjonalną ich podmiotów (dyskurs naukowy),

• zbiór wypowiedzi wyodrębniony ze względu na ich przynależność do określonej formacji kul- turowej (dyskurs średniowiecza).

5 Jak twierdzą Ruth Wodak i Michał Krzyżanowski (2011), „sednem tej dyscypliny pozostaje sy- stematyczna i jawnie wyrażona analiza różnych struktur i strategii na różnych poziomach tekstu i mó- wienia”. Tak rozumiana analiza dyskursu czerpie nie tylko z językoznawstwa (stylistyki, semantyki, pragmatyki, tekstologii), ale także socjologii, antropologii, kulturoznawstwa, filozofii, literaturoznaw- stwa itp. Są jednak badacze, np. Heinemann (2009), którzy używają terminu lingwistyka dyskursu, uznając, iż dyskurs jest przedmiotem zainteresowania zwłaszcza nauki o języku.

2. Narzędzia i metody badań przydatne dla dyskursologii

Spośród wielu metod korpusowych i kwantytatywnych, jakie oferuje współczesna inżynieria lingwistyczna, przedstawię te, które mogą mieć znaczenie dla analizy dyskursu rozumianej w sposób przedstawiony powyżej. Należy zacząć od budowy korpusu.

2.1. Projektowanie korpusu

Istnieje kilka definicji terminu korpus językowy. Współcześni polscy badacze (Pa- włowski, Lewandowska-Tomaszczyk i inni) przyjmują jednak w większości wyjaś- nienie zaproponowane przez Tony’ego McEnery’ego i Andrew Wilsona. Korpusem ma być więc zbiór tekstów językowych spełniających następujące kryteria:

• reprezentatywność — pojęcie to zapożyczone jest ze statystyki, gdzie odnosi się do tzw. metody reprezentatywnej, polegającej na „losowym doborze próby z pró- by generalnej, opisie tej próby za pomocą charakterystyk statystycznych, a następnie na uogólnieniu otrzymanych wyników na zbiorowość generalną, z której próba ta pochodzi” (Pawłowski 2003: 24). Istnieją odpowiednie matematyczne — ilościowe

— wyznaczniki doboru próby (np. wzór na wielkość próby Revekki M. Frumkiny), a także metody jakościowe (tzw. stopień nasycenia korpusu Ruth Wodak);

• skończona wielkość — postulat ten wiąże się z reprezentatywnością i zakłada określenie na początku projektu docelowej wielkości budowanego korpusu;

• format elektroniczny — daje to możliwość przetwarzania danych za pomocą komputera.

Istnieją korpusy ogólne i specjalistyczne. To właśnie te drugie są podstawą do badań dyskursologicznych. Korpus ogólny ma być próbą odwzorowania języka ogólnego z pominięciem socjolektów, dialektów itp. Korpus specjalistyczny zawiera teksty powstałe w określonej społeczności językowej. Mogą to być na przykład teks- ty z zakresu prawa, ekonomii, teksty religijne, naukowe i inne.

Korpusy można dzielić również na korpusy zawierające teksty w całości i korpu- sy próbkowane. Korpusy próbkowane służą uzyskaniu jak największej reprezenta- tywności i różnorodności danych językowych. Do utworzenia korpusu wykorzystu- je się wówczas dużą liczbę fragmentów tekstów o określonej wielkości.

Jeśli chodzi o informacje dodatkowe znajdujące się w korpusach, wyróżniamy korpusy zawierające sam tekst i korpusy indeksowane, przy czym indeksy to infor- macje o samych tekstach, na przykład o ich przynależności do określonych stylów, gatunków, autorstwie, dacie powstania itp. Możliwe jest również indeksowanie zna- czeń, kategorii gramatycznych, części mowy.

Podstawą do stworzenia korpusu (niezależnie od jego typu) jest zebranie kano- nu źródeł. Powinien on być reprezentatywny zarówno jakościowo, jak i ilościowo.

W celu utrzymania reprezentatywności pobiera się odpowiednią próbę, czyli ze-

staw tekstów bądź ich fragmentów, które wykazują cechy całego zbioru populacji generalnej. Aby uzyskać reprezentatywność, według J. Sambor (Sambor 1972: 24), wyekscerpowane teksty powinny tworzyć zbiorowość jednorodną (jest to tzw. wa- runek homogeniczności próby), a zatem powinny wykazywać:

• jednorodność terytorialną — przykładowo, w przypadku tworzenia korpusu referencyjnego w próbie nie powinny się znaleźć teksty emigracyjne;

• jednorodność chronologiczną — teksty powinny pochodzić z jednego okresu (z wyjątkiem tekstów do korpusu diachronicznego);

• jednorodność socjologiczno-kulturową — w skład próby powinny z reguły wchodzić teksty rodzime, a nie przekłady, teksty dla danej grupy odbiorców, teksty jednolite ze względu na kanał przekazu (np. tylko teksty pisane).

Jednocześnie, zdaniem Jadwigi Sambor, „musi istnieć pewna różnorodność po- pulacji generalnej i próby (warunek heterogeniczności próby)”. W odniesieniu do leksyki są to na przykład jej różne strefy (przynależność stylowa) i rejestry.

Istnieje matematyczny wskaźnik i  wzór określania wielkości próby, zapropo- nowany przez Frumkinę. Opiera się on na dokładności szacowania częstości em- pirycznych p i możliwej wielkości odchylenia. „Wielkość odchylenia musi być tak duża, aby zapewniła oszacowanie p  z żądaną dokładnością; wielkość odchylenia jest ustanawiana przez badacza i zależy od potrzeb praktycznych” (Sambor 1972:

27). O  sposobie posłużenia się wspomnianym wskaźnikiem wyczerpująco pisze J. Sambor (Sambor 1972: 27–29). Należy zaznaczyć, że po wstępnym jakościowym określeniu próby (doborze tekstów) i obliczeniu jej pożądanej wielkości ostatecznie fragmenty tekstów o danej długości wybiera się losowo, gdyż dzięki temu można osiągnąć właściwą reprezentatywność.

Niektórzy badacze, na przykład Wodak i Krzyżanowski (Wodak, Krzyżanowski 2011: 59–79), proponują stricte jakościowe wyznaczniki dobierania próby. Populację generalną nazywają oni „uniwersum dyskursu”. Rekomendują procedurę cykliczną.

Polega ona na wstępnym zebraniu niewielkiej liczby tekstów oraz ich pobieżnej ana- lizie pod kątem zawartości, a następnie dobieranie kolejnych prób do momentu, aż przestaną one dostarczać nowych reprezentacji (tzw. nasycenie korpusu), czyli będą zawierały przykłady, które już istnieją w korpusie. Dla równowagi poleca się porów- nanie własnego zbioru z korpusem referencyjnym (np. dane wyrażenie należy prze- analizować zarówno w tekstach badanego dyskursu, jak i korpusie języka ogólnego, by stwierdzić ewentualną odrębność jego użycia i konotacji oraz jego istotność dla reprezentacji i strategii danego dyskursu).

W przypadku korpusu specjalistycznego istnieją dodatkowe wyznaczniki jego projektowania (Lewandowska-Tomaszczyk 2005: 180–200). Korpusy takie są z re- guły dużo mniejsze niż korpusy języka ogólnego, jednak nie powinny zawierać mniej niż 300 000 słów, a dochodzić mogą nawet do miliona jednostek. Przy do- bieraniu próby liczy się, jak bardzo specjalistyczna jest badana dziedzina. O wielko- ści korpusu decyduje również dostępność tekstów i problem praw autorskich. „Za mniejszym rozmiarem korpusu przemawia również wysoka powtarzalność tekstów

występująca w obrębie określonego typu tekstu lub gatunku” (Lewandowska-To- maszczyk 2005: 180). Niezwykle ważna jest również reprezentatywność — z reguły losowane próby opiera się na wybieraniu z tekstów fragmentów o określonej liczbie wyrazów. Liczy się jednak nie tylko liczba jednostek, ale także liczba wziętych pod uwagę tekstów, która powinna być jak największa⁶. Istotne jest zakreślenie tematyki tekstów, które powinny znaleźć się w korpusie. Niektóre dziedziny są rozległe, po- nadto mają charakter interdyscyplinarny i trudno wytyczyć granice pomiędzy nimi.

Podobnie jest z typami tekstów, czyli gatunkami. W obrębie gatunków danego dys- kursu istnieje niekiedy spore zróżnicowanie ze względu na przeznaczenie i odbiorcę tekstów. Konsekwencją jest różny stopień specjalizacji poszczególnych gatunków.

Inne będzie słownictwo i styl tekstu napisanego przez eksperta dla eksperta, a inne, gdy tekst zostanie napisany dla szerokiego kręgu odbiorów. Wybór tekstów i gatun- ków jest wówczas uzależniony od typu analizy.

2.2. Analiza dyskursu z perspektywy lingwistyki korpusowej

Z perspektywy metodologicznej można wyróżnić dwa typy analizy korpusowej:

„analizę, która jest oparta na danych językowych (corpus-based analysis) oraz taką, która jest wynikiem badania danych korpusowych (corpus-driven analysis)”

(Lewandowska-Tomaszczyk 2005: 133). Pierwsza z nich polega na wstępnym po- stawieniu hipotezy i jej potwierdzeniu bądź zanegowaniu po analizie danych kor- pusowych. Druga opiera się na zbadaniu korpusu bez wyraźnego nastawienia i wy- ciągnięciu końcowych wniosków. Niezależnie od typu analizy surowe dane liczbowe opracowuje się za pomocą metod statystycznych.

Obecnie podstawowymi narzędziami do analizy korpusowej i kwantytatywnej są: a) konkordancja, b) listy frekwencyjne, c) wyszukiwarka kolokacji oraz tzw.

d) clusterowanie.

Ad a. Konkordancja jest to wykaz szukanych haseł występujących w tekście/

tekstach wraz z  ich lokalizacjami i  kontekstami. Konkordancja obrazuje „wy- stępowanie w  języku określonych wzorców użycia wyrazów” (Lewandowska- -Tomaszczyk 2005: 37). Ułatwia analizę semantyczno-składniową. Dzięki dużej liczbie przykładów użyć i  łączliwości można badać ideologiczne nacechowanie jednostek. Za pomocą analizy dystrybucji można ustalać również częstość zna- czeń i rozróżniać wyrazy o treści ogólnej od terminów. Dokładność danych za- wartych w konkordancji umożliwia wreszcie badanie prozodii semantycznej, czy- li wartościującego nacechowania wyrazu, która wytwarza się pod wpływem ich tekstowego otoczenia.

6 W zależności od celów analizy można budować korpus również z tekstów w całości. Jest to pożą- dane wówczas, gdy badaczowi zależy na analizie struktury tekstów, np. tytułów, wskaźników nawiązań międzytekstowych, budowy rozdziałów itp.

Wyszukiwarka daje możliwość odnajdywania nie tylko słów, ale też słowoform i fraz⁷. Wyniki sortowania mogą być ustalane według wielu kryteriów, na przykład przy odpowiednim indeksowaniu możliwe jest krzyżujące się wyszukiwanie w ob- rębie tekstów reprezentujących różne gatunki, style, dyskursy. Można także wybie- rać wielkość analizowanego fragmentu tekstu — od zdania po kilka zdań, tytuły, akapity itp.

Ad b. Listy frekwencyjne — są to listy zawierające wykaz wyrazów wraz z ich częstościami oraz informacjami o rangach jednostek. Ranga wyrazu r to numer wy- razu na liście wyrazów według malejących częstości (Sambor 1972: 22). Słowniki i  listy frekwencyjne przy pewnych ograniczeniach metody mogą służyć badaniu językowego i  dyskursywnego obrazu świata — swoiste dla danej grupy dyskur- sywnej widzenie świata ma wówczas potwierdzenie poprzez częstości leksemów w  korpusach (pomijając fakt, że cechą stałą wszystkich tekstów językowych jest przewaga wyrazów funkcyjnych — zaimków, przyimków). Przy opracowywaniu list frekwencyjnych można wyróżnić klasy częstości. Istnieją różne kryteria podzia- łu słownictwa na klasy częstości (Rachwałowa 1984: 28). Przeważnie wyróżnia się słownictwo najczęstsze, częste i rzadkie. Leksyka najczęstsza to przede wszystkim wyrazy gramatyczne, leksyka częsta — słownictwo podstawowe (w zależności od obiektu badania) dla danego tekstu, stylu, dyskursu itp.; leksyka rzadka — to wyra- zy dla danego korpusu charakterystyczne, wyróżniające go spośród innych. Można mierzyć relację pomiędzy słownikiem badanych tekstów a klasami częstości oraz samym tekstem (liczbą słowoform) a klasami częstości (jest to tzw. type-token ana- lysis, gdzie typ to klasa wyrazów, np. dom, a tokeny to wyrazy tekstowe, np. domy, domu, domów itp.).

Listy frekwencyjne z racji swej przejrzystości umożliwiają także łatwy podział wyrazów na pola leksykalno-semantyczne i domeny tematyczne. Można analizować wówczas strukturę konkretnego pola leksykalnego w kontekście liczbowym i rela- cyjnym. Pawłowski (Pawłowski 1999) proponuje na przykład analizę pojęć prze- ciwstawnych — hasła korpusowe można ułożyć w pary antonimów i bezwzględne frekwencje zastąpić wartościami proporcjonalnymi, co w przypadku analizy stricte semantycznej lub dyskursologicznej da wgląd w określone strategie reprezentacji, por. na przykład opozycję ‘dusza–ciało’ w dyskursie katolickim.

Ad c. Kolokacje za Barbarą Lewandowską-Tomaszczyk można zdefiniować jako

„stałe powtarzające się wzory występowania słów w swoim sąsiedztwie; są to kom- binacje słów, które wykazują duże prawdopodobieństwo współwystępowania obok siebie” (Lewandowska-Tomaszczyk 2005: 39). Do potwierdzenia, iż dana zbitka wy- razowa jest kolokacją, stosuje się odpowiednie obliczenia częstościowe i zależnoś- ciowe, które mogą być wykonywane za pomocą odpowiednich programów (por.

Buczyński 2006).

7 Wybrane jednostki analizy w językoznawstwie korpusowym zwane są tokenami (tokens).

Ad d. Clusterowanie — jest to typ współwystępowania wyrazów nieco inny niż kolokacje i związki frazeologiczne. Połączenia te nazywane są zbitkami mię- dzywyrazowymi, wiązkami leksykalnymi, zbitkami leksykalnymi lub n-gramami (Lewandowska-Tomaszczyk 2005: 154). Mają one charakter nieregularny, lecz pod względem struktury lub niesionych treści mogą się powtarzać w niektórych typach tekstów i wypowiedzi. W analizie zbitek chodzi zatem o analizę ich funkcji dyskur- sywnych. Dzięki nim można również przeprowadzać typologię tekstów i dyskursów.

Wykazano na przykład, że w angielskim języku mówionym częściej wykorzystywa- ne są zbitki tworzące frazy werbalne, natomiast w prozie akademickiej pojawiają się frazy nominalne i przyimkowe (Lewandowska-Tomaszczyk 2005: 157)⁸.

Lingwistyka kwantytatywna oferuje jednak znacznie więcej metod ilościowej ana- lizy tekstu. Już w budowie słowników frekwencyjnych uwzględniano parametry, któ- re przydają się w kontekście korpusowej analizy dyskursów oraz gatunków. Jednym z nich (oprócz oczywistej częstości wyrazów) jest dyspersja D. Parametr ten wska- zuje na rozłożenie (rozkład) częstości cechy (np. wyrazów) w obrębie danej strefy, np. stylów (Sambor 1972: 31) — dyspersja określa więc stopień rozproszenia cechy w badanej próbie. Jak zauważa Sambor, „rozkład częstości wyrazów może być albo maksymalnie równomierny w poszczególnych stylach. Albo też wszystkie użycia sku- piają się w jednym stylu; między tymi dwoma wypadkami skrajnymi leżą wszystkie pośrednie” (1972: 31). Mowa wówczas o rozkładzie równomiernym lub skupionym.

Miarą dyspersji jest odchylenie standardowe, wariancja i współczynnik zmienności cechy. Odchylenie standardowe pokazuje, w  jakim stopniu wartości w  próbie od- chylają się od średniej. Wariancja jest średnią podniesionych do kwadratu odchyleń.

Na podstawie tych parametrów określić można również strefy leksyki, np. słowni- ctwo podstawowe dla tekstów i leksykę charakterystyczną. Istnieją również metody obliczania stylistycznych różnic słownictwa. Mowa przykładowo o tzw. parametrze B z równania Zipfa-Mandelbrota. Wskazuje on „w poszczególnych tekstach na różni- ce w całej statystycznej strukturze słownictwa” (Sambor 1972: 217). W celach analizy stylistycznej można wykorzystać także wskaźnik ilościowego bogactwa słownictwa.

Jest to wskaźnik oparty „na stosunku między liczbą różnych wyrazów w tekście, czyli między słownikiem tekstu (W) a długością tekstu (N)” (Sambor 1972: 219). W styli- styce kwantytatywnej znane są trzy wskaźniki bogactwa słownictwa (Kamińska-Szmaj 1990, Rachwałowa 1984). Warto zaznaczyć, że parametr ten nie ma nic wspólnego z estetycznym wartościowaniem tekstów, lecz służy określaniu różnic pomiędzy nimi.

Innym wskaźnikiem jest średnia częstość wyrazu. Dostarcza ona informacji o zbiorczej charakterystyce próby. W odniesieniu do leksyki, jak twierdzi Sambor (221), „duże wartości tego wskaźnika wskazują na przewagę w  tekście wyrazów o bardzo dużych częstościach, natomiast mała średnia częstości dowodzi przewagi w tekście słownictwa rzadszego”. Podobnymi miarami wartości centralnej są me-

8 Rodzaje stylów można również badać na podstawie częstości występowania w nich poszczegól- nych części mowy, por. Kamińska-Szmaj 1990.

diana i dominanta. Mediana to wartość, która dzieli rozkład na połowy. Dominanta jest natomiast wyrażana przez liczbę wystąpień badanej formy językowej najczęściej powtarzających się w próbie (Okulska 2006a: 374).

Znane są również wskaźniki koncentracji i  stereotypowości słownictwa (por.

Sambor 1972: 222–223). Koncentracja to „procent tekstu, jaki wyczerpują hasła o najwyższych frekwencjach. Im tekst uboższy słownikowo, tym większa jest jego koncentracja. Przy dużej koncentracji w tekście przeważają wyrazy podstawowe, ogólne, leksyka jest mało zróżnicowana. Koncentracja niewielka, czyli rozprosze- nie słownictwa, […] oznacza większą przewagę w tekście wyrazów o częstościach niskich” (Rachwałowa 1984: 26). Z tej perspektywy dla badań dyskursu jest ważny stopień nasycenia tekstu terminologią i pojęciami konkretnymi bądź abstrakcyjny- mi i relacyjnymi. Wskaźnik stereotypowości słownictwa mierzy się przeciętną dłu- gością odstępów między kolejnymi użyciami powtarzających się wyrazów (Sambor 1972: 223).

Zarówno w lingwistyce korpusowej, jak i statystycznej, w analizie tekstów wy- korzystuje się pojęcie słów kluczy i wyrazów tematycznych. Słowa klucze to wyrazy będące wyznacznikami badanych tekstów z perspektywy semantycznej i jednocześ- nie ilościowo różnicujące te teksty względem tekstów z  korpusu referencyjnego.

Wyrazy tematyczne to słownictwo mające najwyższe częstości w danych tekstach.

Słowa klucze to niejednokrotnie wyrazy będące nośnikiem treści ideologicznych i treści o dużym znaczeniu kulturowym dla wspólnoty językowej, stąd ich istotność dla analizy dyskursu.

W perspektywie badania dyskursu, a dokładniej reprezentujących go gatunków tekstów, istotny jest stopień ich podobieństwa, czyli filiacja tekstów. Podobieństwo można stwierdzać ze względu na określoną cechę, na przykład ze względu na słow- nictwo. Robi się to metodą analizy stopnia korelacji. Współczynnik ten oblicza się na podstawie odpowiedniego wzoru (por. Sambor 1972, Rachwałowa 1984).

Metody korpusowe i statystyczne są również przydatne do analizy tekstów na poziomie morfologicznym (czyli na poziomie słowoform), co także jest istotne dla badań dyskursologicznych. W ramach badania strategii dyskursywnych z perspek- tywy ilościowo-jakościowej określać można użycie poszczególnych form oraz pro- porcji części mowy i kategorii gramatycznych. Na tej podstawie można wyróżniać style nominalne i werbalne, które wpływają na odbiór tekstów, modyfikując sposób reprezentacji. Warte uwagi jest też stosowanie form adresatywnych, zaimków i cza- sowników w określonej osobie oraz trybie, ponieważ wpływa to na relacje nadaw- czo-odbiorcze oraz modalność tekstów. Pozostałe zaś kategorie, takie jak czas czy aspekt, decydują o faktywności predykacji i tym samym perswazyjności oraz ideo- logizacji wypowiedzi. Podobnie jest ze stroną, która służy obrazowaniu „aktorów”/

uczestników dyskursu. Dzięki konkordancji i listom kolokacji badać można akty mowy charakterystyczne dla dyskursu. Pomoże w tym analiza czasowników perfor- matywnych, dyrektywnych itp. Przy odpowiednim indeksowaniu korpusu możliwe jest także badanie elementów tworzących makrostruktury tekstowe (np. wskaźniki

nawiązań tekstowych) bądź całych struktur dyskursu czy stylów konwersacyjnych.

Dla przykładu, za pomocą korpusu wywiadów radiowych Urszula Okulska (Okul- ska 2006b) analizowała pośredniość i bezpośredniość w polskim i amerykańskim dyskursie politycznym na podstawie sposobów formułowania pytań i odpowiedzi.

Dla potwierdzenia wszystkich wspomnianych uwag, zwłaszcza gdy celem badań jest porównanie danych zjawisk, na przykład użycia określonych form czy lekse- mów w dyskursie, można wykonać testy statystyczne⁹. „Celem testu statystycznego jest określenie, czy te różnice są jedynie wynikiem przypadku, czy też rządzi nimi jakaś prawidłowość” (Lewandowska-Tomaszczyk 2005: 116). Wysokie prawdo- podobieństwo występuje wówczas, gdy jest równe 95%, a zatem spełnia warunek 95-procentowego przedziału ufności. Najczęściej wykorzystywane w badaniach ję- zykoznawczych testy to: test chi-kwadrat, test Z, test t-Studenta, test F (ANOVA).

Wybór jednego z  nich do potwierdzenia hipotez zależy od tego, na jakiej skali mieszczą się analizowane dane oraz czy tworzą tzw. rozkład normalny, czy też nie¹⁰. Istnieją cztery rodzaje skal pomiarowych: nominalna, porządkowa, przedziałowa i ilorazowa (Okulska 2006a: 369). „Skala nominalna dostarcza informacji jakościo- wych o zmiennych, klasyfikując je pod względem posiadanych (lub nie) cech, a nie natężenia, w jakich one występują” (Okulska 2006a: 369). Na skali nominalnej mogą znajdować się dla przykładu takie elementy, jak gatunek tekstu (np. kazanie/artykuł teologiczny/religijny artykuł publicystyczny) bądź forma językowa (stara/nowa).

Zmienne na skali porządkowej informują o tym, czy dana cecha występuje w mniej- szym lub większym stopniu u reprezentantów określonej populacji (Okulska 2006a:

370). Wspomniana zmienna „gatunek tekstu” może znaleźć się na omawianej skali, gdy celem analizy jest na przykład zaszeregowanie gatunków pod względem stop- nia występowania jakiejś cechy, choćby częstości wykorzystania określonych form językowych. W obrębie skali przedziałowej zmienną gatunkową możemy badać pod kątem szczegółowych wartości. Porównuje się dwie wartości, a istotna jest różnica między nimi. Można porównać wystąpienie określonej liczby leksemów lub form językowych w poszczególnych gatunkach i zaklasyfikować je pod względem sty- lu. Skala ilorazowa służy do opisywania stosunku natężenia zmiennej w badanych tekstach. Chodzi o to, „ile razy bardziej lub mniej omawiana cecha uwidacznia się w elementach analizowanej próby” (Okulska 2006a: 373).

Przy wykonywaniu testów niezależności należy postawić dwie alternatywne hipotezy — hipotezę zerową, która zakłada, że zmienne są niezależne, i hipotezę alternatywną, mówiącą o tym, że istnieje zależność między zmiennymi. Test chi- -kwadrat służy do badania zmiennych na skali nominalnej. Jako przykład jego użycia można wskazać obliczenia Pawłowskiego (Pawłowski 1999). Badał on pole

9 Testy na potwierdzanie hipotez dotyczą sprawdzania przypuszczeń, podczas gdy wspomniane wcześniej obliczenia odchylenia standardowego, wariancji oraz średniej częstości są zwane estymato- rami i stanowią środki służące uogólnianiu wyników próby na całą populację, czyli estymacji.

10 O rozkładzie normalnym mówimy wówczas, gdy „taka sama liczba wariantów obserwacji jest mniejsza niż średnia i większa od niej” (Lewandowska-Tomaszczyk 2005: 123).

leksykalno-semantyczne nazw kolorów w różnych językach na podstawie słowni- ków frekwencyjnych. Zastosował test chi-kwadrat w celu sprawdzenia hipotezy o statystycznej niezależności rozkładów częstości nazw w poszczególnych języ- kach. Potwierdzenie hipotezy przemawiałoby za uniwersalistyczną strukturą pól i ich niezależności od językowego obrazu świata. Z drugiej strony, odkrycie zna- cząco różnych rozkładów częstości w danym polu leksykalnym przemawiałoby za hipotezą relatywistyczną. Wyniki badania potwierdziły relatywizm. Test Z i test t-Studenta¹¹ wykonywane są dla zmiennych mieszczących się na skali ilorazowej, natomiast ANOVA (test F) stosuje się wówczas, gdy jedna lub więcej zmiennych znajduje się na skali nominalnej, a druga/pozostałe na skali ilorazowej. O sposo- bach sprawdzania hipotez (czyli o tzw. testowaniu hipotez) pisze Sambor (Sambor 1972: 281–292).

3. Przykłady dotychczasowych badań dyskursologicznych łączących metody ilościowe i jakościowe

Warto omówić w  tym miejscu badania, które podejmowano na gruncie anglo- i francuskojęzycznym z racji ich długoletniego rozwoju i ugruntowania. Obydwie tradycje badawcze wypracowały własne definicje i metody analizy dyskursu (por.

Grzmil-Tylutki 2009), co wpływa na wykorzystanie narzędzi korpusowych.

Sposoby aplikacji metod ilościowych w pierwszym z wyróżnionych obszarów można przedstawić na przykładzie analiz dyskursu akademickiego zebranych w to- mie Academic Writing. At the Interface of Corpuse and Discourse (Charles, Pecorari, Hunston 2009). Obecne tam badania dotyczą strukturalnych aspektów tekstów oraz analizy zawartości¹². Zainteresowanie kieruje się ku gatunkom tekstów naukowych

— regułom ich budowy, strukturze i realizacji leksykalno-gramatycznej oraz stoso- wanym strategiom. Dużą wagę przykłada się również do metod konstrukcji samego korpusu specjalistycznego i związanej z tym reprezentatywności.

Na dużą skalę wykorzystywana jest zwłaszcza korpusowa analiza jednostek lek- sykalnych, traktowanych jako jednostki dyskursu (vocabulary-based discourse units, VBDUs). Stosuje się ją w celu rekonstrukcji strategii (moves) dyskursywnych. Auto- rem metody jest Justin Biber. Przedstawia się ona następująco:

11 Istnieją dwie odmiany testu t, dla prób niezależnych i prób zależnych. Pierwszy rodzaj wyko- nuje się dla małych obserwacji do 30 prób. Przykładem jego zastosowania może być badanie liczby typów słów występujących w dziesięciu 200-wyrazowych próbach losowo wybranych z przemówień papieża i Manifestu Partii Komunistycznej pod względem różnorodności słownictwa (Lewandowska- -Tomaszczyk 2005: 124). Test dla prób zależnych stosuje się do dużych prób.

12 Poprzez skupienie się na opisie tych właśnie badań oczywiście nie stwierdzam ani nie sugeruję, iż analiza dyskursu w kręgu anglojęzycznym przybrała taki właśnie kierunek. Chodzi jedynie o ten wy- cinek, który wykorzystuje metody korpusowe. Ta sama uwaga dotyczy tego, co dalej napisano o szkole francuskiej.

the VBDUs are identified automatically by comparing 50- word ‘windows’, or segments, of text.

The windows are opened one word at a time and, at each point, the two open windows are compa- red. This occurs throughout the whole text under examination. VBDU beginning and end points are identified where windows maximally diverge (Charles, Pecorari, Hunston 2009: 17).

Z badaniami tymi łączy się także poszukiwanie elementów retorycznych w teks- tach. W ten sposób analizowano na przykład strukturę i strategie obecne w nauko- wych wnioskach o grant.

W powiązaniu z powyższą metodą analizuje się również słowa klucze oraz kolo- kacje w celu ukazania, jak ich pojawianie się skorelowane jest z wykrytymi strategia- mi. Badacze skupiają się także na analizie wybranego pojęcia lub słowa kluczowego w kontekście, opierając się na konkordancji. Na tej podstawie orzekają o jego miej- scu w strukturze gatunku (por. Schematic structure and the case of research, Charles, Pecorari, Hunston 2009). Liczy się wówczas frekwencja i funkcja badanej jednostki w konkretnych partiach tekstów, na przykład nagłówkach, tytułach. Dokonuje się również analizy słownictwa specjalistycznego.

Analizy określonych grup leksemów i  kolokacji służą często do porównaw- czych badań konkretnych gatunków dyskursu akademickiego bądź jego aspektów w kontekście różnych dyscyplin naukowych i tradycji. Na podstawie list hasło- wych i frekwencyjnych badano na przykład zróżnicowanie czasowników odno- szących się do procesów mentalnych w  tekstach reprezentujących nauki ścisłe, socjologiczne i stosowane. Zaciekawienie badaczy wzbudził też stopień schema- tyczności konstrukcji językowych w  dyskursie akademickim, co, przykładowo, zaowocowało analizą formuliczności w  tekstach z  zakresu różnych dyscyplin w oparciu o kolokacje i clusterowanie.

Oprócz analizy stricte gatunkowej podejmowano również badania w sferze in- terakcji i za pomocą przedstawionych metod śledzono miejsca ujawniania się na- dawcy oraz odbiorcy dyskursu, oceniano poziom podmiotowości i subiektywizacji tekstów naukowych.

Poza obszarem dyskursu akademickiego metody korpusowe aplikowano tak- że do badań różnych aspektów języka mówionego (spoken discourse). Skupiano się tu głównie na stylach i rejestrach, a wśród badaczy i prac powstałych na ten temat można wymienić przykładowo (za: Virtanen 2009): Variation across Speech and Writing (Biber 1988); Conjunction in Sentence and Discourse: Sentence-Initial And and Discourse Structure (Dorgeloh 2004); Using a Corpus for Stylistics Re- search: Speech and Thought Representation (Short, Semino, Culpeper 1996); Text and Corpus Analysis: Computer-Assisted Studies of Language and Culture (Stubbs 1996).

Przedmiotem zainteresowań były również specjalistyczne dyskursy ideologicz- ne, głównie odmiany dyskursu politycznego, dyskursu prasowego itp. Przykładowe prace na ten temat zawarte są w tomie Corpora and Discourse. The Challenges of Different settings (Adel, Reppen 2008). Badania w dużej mierze oparte są na analizie słów kluczy, znaczeń wybranych pojęć w  kontekście oraz prozodii semantycznej

w celu wykrycia elementów ideologizujących w strukturach reprezentacji dyskursu.

Ilościowe metody badań stylistycznych wykorzystał na przykład Fairclough, anali- zując krytycznie przemówienia Blaire’a (Duszak 2010).

Wiele spośród wymienionych badań, zwłaszcza prowadzonych nad dyskursem akademickim, wykonywano w celu późniejszego wykorzystania ich w pedagogice, przede wszystkim w nauczaniu uniwersyteckim oraz nauczaniu języka cudzoziem- ców dla lepszego opanowania reguł komunikacyjnych panujących w danej społecz- ności. Badania te miały zatem charakter stosowany. Nieco inaczej rzecz się miała we francuskiej szkole analizy dyskursu, która powstała w kontekście badań nad ideolo- gią. Jej dorobek omawia Halina Grzmil-Tylutki (Grzmil-Tylutki 2010). Jak twierdzi autorka, badania ilościowe nad dyskursem narodziły się tam pod wpływem metody dystrybucyjnej Harrisa w latach 60. XX wieku i były oznaką początków formowania się nowej szkoły (por. Grzmil-Tylutki 2010). Poza tym stosowano metody, które zo- stały zaprezentowane podczas omawiania dorobku anglojęzycznego, jednak w nieco innych celach. Analizowano głównie leksykę. Próbowano wyławiać w odpowiednio dobranych zbiorach tekstów słowa klucze reprezentatywne dla danej ideologii, leksy- kę nacechowaną ideologicznie, słownictwo wartościujące. Przodowali tu Jacques Du- bois i Jacques Pecheaux. Dubois otworzył „nową erę w badaniach nad słownictwem, łącząc harrisowski dystrybucjonalizm, pozbawiony podmiotu i znaczenia, z analizą sensu używanych słów, zerwał z tradycyjną leksykologią na rzecz konstrukcji syntag- matycznych powstających w autentycznych kontekstach politycznych, społecznych, historycznych” (Grzmil-Tylutki 2010:103). Przedmiotem szczegółowego zaintereso- wania były jednostki takie, jak: socjalizm, socjalista, komunista, robotnik, klasa spo- łeczna itp. Stworzono także metodę leksykometryczną, bliską omówionej statystyce leksykalnej. W jej ramach analizowano listy frekwencyjne oraz badano poszczególne słowa w kontekstach ich występowania, stosując minimalny kontekst jedno- lub kil- kuzdaniowy. Miało to na celu wykrycie pewnych regularności w korpusie, odkrycie sieci relacji, która jest odpowiedzialna za tworzenie ideologicznych sensów. Wszelkie pozycje badawcze z tego zakresu prezentuje Grzmil-Tylutki.

4. Podsumowanie

Lingwistyka korpusowa posiada ściśle zdefiniowany zestaw metod analizy, nato- miast badania dyskursu są mniej sformalizowane i cechują się zmiennością w zależ- ności od podejścia badacza. Stwarza to pozorną opozycję metody ilościowe: metody jakościowe (podejście „twarde” i „miękkie”). Jak jednak wykazano, są one wobec siebie komplementarne. Do tej pory w analizie dyskursu wykorzystywano podsta- wowe narzędzia, jakimi dysponuje inżynieria lingwistyczna, a więc konkordancję, listy frekwencyjne, listy słów kluczy oraz programy rozpoznające kolokacje. Z per- spektywy kwantytatywnej najważniejsze było pojęcie częstości. Zaprezentowane zbiory metod oferują więcej możliwości i  pozwalają na analizę wielu poziomów

dyskursu, poczynając od jednostek leksykalnych, poprzez style, aż po wykorzysty- wane strategie dyskursywne i podobieństwo tekstów. Łączenie metod jakościowych z ilościowymi może być zatem dla dyskursologii bardzo owocne.

Bibliografia

Adel A., Reppen R. (red.) (2008): Corpora and Discourse. The Challenges of Different Settings, London.

Biber D. (1988): Variation across Speech and Writing, Cambridge.

Buczyński A. (2006): Wybrane zastosowania programu „Kolokacje” do badań lingwistycznych, [w:] Kor- pusy w angielsko-polskim językoznawstwie kontrastywnym, red. A. Duszak, E. Gajek, U. Okulska, Kraków, s. 198–210.

Charles M., Pecorari D., Hunston S. (red.) (2009): Academic Writing. At the Interface of Corpuse and Discourse, London.

Dorgeloh H. (2004): Conjunction in Sentence and Discourse: Sentence-Initial And Discourse Structure,

„Journal of Pragmatics” 36, s. 1761–1779.

Duszak A. (2010): Styl jako kategoria krytycznej analizy dyskursu, [w:] Styl–dyskurs–media, red.

B. Bogołębska, M. Worsowicz, Łódź, s. 33–43.

Fairclough N. (2003): Analysing Discourse. Textual Analysis for Social Research, London.

Grzmil-Tylutki H. (2010): Francuska lingwistyczna teoria dyskursu, Kraków.

Heinemann W. (2009): Lingwistyka tekstu kontra lingwistyka dyskursu?, [w:] Lingwistyka tekstu w Niemczech. Pojęcia, problemy, perspektywy, red. Z. Bilut-Homplewicz, W. Czachur, M. Smykała, Wrocław, s. 361–373.

Kamińska-Szmaj I. (1990): Różnice leksykalne między stylami funkcjonalnymi polszczyzny pisanej, Wrocław.

Krzyżanowski M., Wodak R. (2011): Jakościowa analiza dyskursu w naukach społecznych, Warszawa.

Lewandowska-Tomaszczyk B. (red.) (2005): Podstawy językoznawstwa korpusowego, Łódź.

Okulska U. (2006a): Metody statystyczne w  językoznawstwie, [w:] Korpusy w  angielsko-polskim językoznawstwie kontrastywnym, red. A. Duszak, E. Gajek, U. Okulska, Kraków, s. 351–386.

Okulska U. (2006b): Pośredniość i  bezpośredniość w  dyskursie politycznym na przykładzie polskich i amerykańskich strategii uzyskiwania informacji w wywiadzie radiowym, [w:] Korpusy w angielsko- -polskim językoznawstwie kontrastywnym, red. A. Duszak, E. Gajek, U. Okulska, Kraków, s. 89–102.

Pawłowski A. (1999): Metodologiczne podstawy wykorzystania słowników frekwencyjnych w  bada- niu językowego obrazu świata, [w:] Przeszłość w  językowym obrazie świata, red. A. Pajdzińska, P. Krzyżanowski, Lublin, s. 81–99.

Pawłowski A. (2003): Lingwistyka korpusowa — perspektywy i zagrożenia, „Polonica” XXII–XXIII, s. 19–32.

Rachwałowa M. (1984): Słownictwo tekstów naukowych, Wrocław.

Sambor J. (1972): Słowa i liczby, Wrocław.

Short M., Semino E., Culpeper J. (1996), Using a corpus for stylistic research: Speech and thought repre- sentation, [w:] J. Thomas, M. Short (red.), Using Corpora for Language Research, Studies of Honour of Geoffrey Leech, London-New York.

Stubbs M. (1996): Text and Corpus Analysis: Computer Assisted Studies of Language and Culture, Ox- ford-Cambridge.

Virtanen T. (2009): Corpora and discourse analysis, [w:] Corpus Linguistics, red. A. Luteling, M. Kyto, t. 2, Berlin, s. 1043–1069.

Witosz B. (2009): Dyskurs i stylistyka, Katowice.

Application of the methods of corpus linguistics and quantitative linguistics in discourse analysis

Summary

The article raises the problem of a possibility of carrying out discourse analysis by means of corpus- based and quantitative methods. Discourse studies use various research methods, which are mostly qualitative. Corpus-based and statistics-based linguistics, on the other hand, offer many tools that can be used to study discourse, beginning with electronic concordance and ending with calculations making it possible to discover similarity in texts and genres, marked lexis, key words, etc. The author briefly describes these methods in the article. She also provides basic information about the structure of a specialist corpus and the selection of a representative sample of texts, which constitute a given discourse.

Keywords: quantitative linguistics, corpus linguistics, discourse analysis, corpus, research method.