Tekstų nehomogeniškumo tyrimas naudojant žymeklius
LTStraipsnio tikslas – įvertinti tekstų statistinį nehomogeniškumą pagal funkcinių žodžių ir kitų lingvistinių elementų vartoseną. Atliktas empirinis tyrimas remiasi mokykloms rekomenduojamų suskaitmenintų grožinės literatūros kūrinių biblioteka http://ebiblioteka.mkp.emokykla.lt. Apskaičiuojami sudarytų dažnų žodžių formų ar kitų kalbinių struktūrų rinkinių, juos vadinsime žymekliais, dažnumai tekstų blokuose, jungiančiuose 50 iš eilės einančių sakinių. Pastebėta, kad žymeklių dažnumai blokuose turi ženklią perteklinę sklaidą, palyginti su lingvistikoje įprastu homogeniškumo modeliu. Pasirinktoms žymeklių grupėms parinkti kelių tipų hierarchiniai binominės logistinės regresijos modeliai, naudojantys autoriaus identifikatorių, bloko ilgį ir likusių žymeklių dažnius blokuose kaip aiškinančiuosius kintamuosius, leido paaiškinti didelę dalį pasirinktųjų žymeklių perteklinės sklaidos. [Iš leidinio]Reikšminiai žodžiai: Binominė logistinė regresija; Funkciniai žodžiai; Perteklinė sklaida; Statistinė lingvistika; Tikėtinumo nuokrypis; Binomial logistic regression; Deviance; Functional words; Over-dispersion; Statistical linguistics; Statistical linguistoc.
ENThe aim of the paper is to assess the distributional non-homogeneity of texts in the usage of functional words and other linguistic units. Our empirical study is based on recommended school fiction works taken from a digital library at http://ebiblioteka.mkp.emokykla.lt. Sets of frequent word forms, called markers, are made, and their frequency counts in blocks of 50 successive sentences are calculated. The frequency counts of the markers show significant excess variability (overdispersion) with respect to a text homogeneity model usually assumed in linguistics. For chosen markers, different kinds of hierarchical binomial logistic regression models with the author's identifier, the block length and the frequency counts of the remaining markers as explanatory variables are fitted to the block data in order to explain the observed overdispersion of the markers chosen. [From the publication]
- Automatizuotas lietuvių kalbos morfologinio daugiareikšmiškumo ribojimas / Erika Rimkutė, Gintarė Grigonytė. Kalbų studijos. 2006, Nr. 9, p. 30-37.
- Common words as indicators of text functions / Andrius Utka. Prace bałtystyczne: język, literatura, kultura. 2006, 3, p. 213-222.
- Daiktavardžio ir jo gramatinių formų vartojimo dažnis lietuvių kalbos stiliuose / Vida Žilinskienė. Kalbos istorijos ir dialektologijos problemos. 1 / sudarė Saulius Ambrazas, Laima Grumadienė, Danguolė Mikulėnienė. Vilnius: Lietuvių kalbos institutas, 2005. P. 379-393.
- Idiolekto požymiai elektroniniuose laiškuose : disertacija / Gintarė Žalkaukaitė. Vilnius, 2012. 189 p.
- Idiolekto požymiai elektroninių laiškų leksikoje / Gintarė Žalkauskaitė. Kalbotyra. 2011, t. 63 (3), p. 149-164.
- Labai dažnų lietuvių kalbos žodžių ir žodžių formų ypatybės / Andrius Utka. Lituanistica. 2005, Nr. 1, p. 48-55.
- Morfologinis dabartinės lietuvių kalbos tekstyno anotavimas / Erika Rimkutė, Vidas Daudaravičius. Kalbų studijos. 2007, Nr. 11, p. 30-35.
- Sakinių ilgis – publicistinio ir šnekamojo stiliaus sandūros tekstuose požymis / Aurelija Leonavičienė. Kalbotyra. 2010, t. 62 (3), p. 95-107.
- Seimo posėdžių stenogramų tekstynas autorystės nustatymo bei autoriaus profilio sudarymo tyrimams / Jurgita Kapočiūtė-Dzikienė, Andrius Utka, Ligita Šarkutė. Kalbotyra. 2014, t. 66, p. 27-45.
- Skiemenų statistikos taikymas atskiriant poeziją nuo prozos / Gediminas Murauskas, Marijus Radavičius. Lietuvos statistikos darbai 2022, 61, p. 32-45.
- Spaudos tekstų heterogeniškumas funkcinių stilių sandūros aspektu / Aurelija Leonavičienė. Kalbotyra. 2005, t. 55 (3), p. 38-46.
- Šnekamosios lietuvių kalbos morfologinės ypatybės / Ineta Dabašinskienė. Acta linguistica Lithuanica. 2009, t. 60, p. 1-15.
- Tiesioginė šnekamojo stiliaus kalba - spaudos tekstų konversacionalumo požymis / Aurelija Leonavičienė. Filologija. 2006, Nr. 11, p. 48-56.
