CC BY
53
https://doi.org/10.30853/fИnauki.2020.6.49
Водяницкая Альбина Александровна
Оценочность академического дискурса в переводческой перспективе: возможности цифровых технологий
В статье рассматриваются особенности анализа текстов авторской благодарности в переводческой перспективе. Цель исследования состоит в выявлении потенциала современных цифровых технологий при анализе эмоциональной составляющей текстов при переводе с английского языка на русский. Научная новизна работы заключается в применении современных цифровых технологий при анализе перевода. Полученные результаты показали, что цифровые методы анализа оценочных высказываний как жанрообразующего фактора авторской благодарности расширяют возможности семантического анализа текста, позволяют достичь объективности при анализе соответствия текста оригинала тексту перевода, оптимизируют процессы предпереводческого и постпереводческого анализа. Адрес статьи: www.gramota.net/materials/2/2020/6/49.html
Источник
Филологические науки. Вопросы теории и практики
Тамбов: Грамота, 2020. Том 13. Выпуск 6. C. 262-267. ISSN 1997-2911.
Адрес журнала: www.gramota.net/editions/2.html
Содержание данного номера журнала: www .gramota.net/mate rials/2/2020/6/
© Издательство "Грамота"
Информация о возможности публикации статей в журнале размещена на Интернет сайте издательства: www.gramota.net Вопросы, связанные с публикациями научных материалов, редакция просит направлять на адрес: [email protected]
УДК 81'25 Дата поступления рукописи: 06.04.2020
https://doi.org/10.30853/filnauki.2020.6.49
В статье рассматриваются особенности анализа текстов авторской благодарности в переводческой перспективе. Цель исследования состоит в выявлении потенциала современных цифровых технологий при анализе эмоциональной составляющей текстов при переводе с английского языка на русский. Научная новизна работы заключается в применении современных цифровых технологий при анализе перевода. Полученные результаты показали, что цифровые методы анализа оценочных высказываний как жанрообра-зующего фактора авторской благодарности расширяют возможности семантического анализа текста, позволяют достичь объективности при анализе соответствия текста оригинала тексту перевода, оптимизируют процессы предпереводческого и постпереводческого анализа.
Ключевые слова и фразы: академический дискурс; цифровые методы анализа текста; оценочные значения; авторская благодарность; перевод.
Водяницкая Альбина Александровна, к. филол. н.
Московский городской педагогический университет avodyanickaya@yandex. ru
Оценочность академического дискурса в переводческой перспективе: возможности цифровых технологий
Академический дискурс представлен текстами различных жанров, среди которых авторская благодарность, предваряющая или завершающая научную монографию, занимает особое место, поскольку выполняет ряд институционально обусловленных функций, значимых с точки зрения академического этикета, языка общения участников образовательной среды, правил и норм академического дискурса. Последний рассматривается в данной работе как «культурно-специфическая система конструирования и трансляции знаний» в условиях институционального типа общения [11]. Исследователь (автор монографии или другого научного труда) выстраивает авторскую благодарность с помощью оценочной лексики, выделяя вклад различных лиц в исследование на всех этапах его проведения. Оценивание происходит путем использования оценочных высказываний положительной семантики (адресация благодарности содействовавшим коллегам, членам семьи и т.д.) и (иногда) отрицательной (выражение иронии по поводу качеств характера исследователя или по поводу возможных допущенных ошибок в монографии).
Актуальность исследования обусловлена тем, что на современном этапе развития лингвистики использование цифровых методов обработки текстов является одним из значимых направлений, поскольку позволяет обрабатывать большие текстовые массивы. В XXI веке лингвисты широко применяют возможности больших данных при проведении, например, семантического эксперимента [7]. «Развитие систем big data, включающих корпусные данные и данные разнообразных поисковых систем, открывает новые возможности и позволяет ставить и решать исследовательские задачи оптимальным образом» [8, с. 467]. Более того, «ускоренная компьютерная обработка массивов текстов (корпусов), согласно заданным параметрам, предоставляет обширный лингвистический материал, позволяющий получать новые знания о языке» [4, с. 128].
Целью данного исследования является анализ потенциала цифровых технологий при выявлении эмоциональности текстов авторской благодарности при переводе с английского языка на русский для проведения предпереводческого, а также постпереводческого анализа текста. «Для переводчика важно не только понимание содержания текста, но и умение построить переводческий "фрейм" и далее фактически структурировать текст под язык перевода» [3, с. 16].
Обозначенная цель обусловила постановку и решение следующих задач:
1) исследовать массив авторских благодарностей на английском языке и их переводов на русский язык с помощью цифровых программ анализа тональности и эмоциональности текста;
2) проанализировать тональность и эмоциональность текстов перевода;
3) выявить функциональные возможности программ SentiStrength, Sentiment Analyzer, Vaal-mini и Tropes в процессе предпереводческого анализа текста;
4) проанализировать потенциал цифровых методов анализа текста при постпереводческом редактировании в процессе анализа авторских благодарностей, переведенных с английского на русский язык.
По своим онтологическим свойствам благодарность является положительно окрашенным речевым актом. В настоящее время существуют различные программы, позволяющие выявить тональность и эмоциональность текстов с достаточно высокой степенью точности. Речь идет о программах SentiStrength, Sentiment Analyzer, Vaal-mini, Tropes, а также Tweet Sentiment Visualization. В данной работе применяются цифровые методы анализа тональности и эмоциональности текста. Кроме этого, в исследовании применяется сравнительно-сопоставительный метод анализа текста оригинала и перевода.
Программа SentiStrength анализирует оценочные слова в тексте, присваивая им знак полярности (от -4 для негативно окрашенных слов до +4 для положительно окрашенных). Платформа Sentiment Analyzer разработана
для выявления общего заряда, общей эмоциональности текста. Для выделения стилистических особенностей текстов данного жанра были использованы функциональные возможности программы Tropes, которая представляет разветвленный анализ текста, выделяя его стилевые характеристики и анализируя каждое отдельное слово в его взаимосвязи с общим контекстом. Платформа Vaal-mini предоставляет широкие возможности для фоносемантического анализа текстов. Программа Tweet Sentiment Visualization, возможности которой рассмотрим в данной статье вне связи с переводом, анализирует сообщения в мессенджере Tweeter с тем или иным заданным словом и представляет графический анализ контекстов, в которых употреблено данное слово, по шкале pleasant - unpleasant и active - subdued. Данная программа была использована в исследовании для анализа контекстов употребления в мессенджере Tweeter слов acknowledgement (благодарность, признание) и gratitude (благодарность), являющихся индикаторами речевого акта благодарности в английском языке.
Отметим, что данные программы изначально были разработаны для анализа эмоциональности текстов в Интернете, в частности, в целях изучения отзывов о тех или иных товарах для последующей оптимизации последних в соответствии с нуждами потребителей [13]. В то же время существует ряд исследований цифровых методов выявления тональности текста в других типах дискурса [12; 14].
Теоретическую базу исследования составили работы в области академического дискурса, теории перевода, лингвистики эмоций. Обоснованием применения именно методик анализа эмоциональности текста при изучении текстов авторской благодарности в переводческой перспективе служит тот факт, что благодарность рассматривается исследователями [17] как чувство и эмоция, которые служат для укрепления корпоративной культуры (см., например, [15; 17]). В связи с тем, что «авторская благодарность является официальным свидетельством значимого интеллектуального влияния» (Cronin & Overfelt, 1994 [Цит. по: 19, р. 250]) (здесь и далее перевод автора статьи. - А. В.), представляется возможным говорить о ее потенциале укреплять институциональные связи в академической иерархии.
Практическая значимость работы заключается в возможности применения предлагаемого в работе алгоритма анализа текста при изучении тональности и эмоциональности текстов авторской благодарности как жанра академического дискурса, а также текстов различных жанров данного типа дискурса, в практике преподавания перевода, предпереводческого анализа текста и постпереводческого редактирования при анализе текстов на английском языке и их переводов на русский язык. Кроме этого, цифровые методы могут применяться и в других образовательных практиках [9].
Предпереводческий анализ текста
На первом этапе исследования было проанализировано 60 английских текстов авторской благодарности с помощью системы Sentiment Analyzer. Программа позволяет получить представление об общей тональности текста на основе входящих в текст оценочных слов. Применение данной программы на первом этапе исследования объясняется тем, что она предоставляет не детализированный анализ, однако при этом позволяет сравнивать тексты авторской благодарности, принадлежащие различным авторам, с точки зрения тональности текста.
Второй этап исследования включал анализ данных текстов с помощью системы SentiStrength. Преимущество данной системы состоит в детализированном представлении полярности оценочных слов в тексте и в возможности анализа текстов на русском, английском и ряде других языков. Использование данной программы в переводческих целях позволяет выявить на этапе предпереводческого анализа положительный и отрицательный заряд оценочных слов в тексте и в дальнейшем применять полученные результаты анализа в переводческой практике, отдавая предпочтение более точным эквивалентам оценочных слов.
На третьем этапе тексты авторской благодарности были проанализированы с помощью программы Tropes, широкие функциональные возможности которой будут показаны в работе.
Постпереводческий анализ текста
Программы по определению тональности текста можно использовать как для саморедактирования, так и для анализа существующих переводов. Так, на четвертом этапе были проанализированы тексты авторской благодарности, переведенные на русский язык с английского языка. Для данных целей использовалась программа SentiStrength. Переведенные тексты авторской благодарности (к анализу привлекались опубликованные переводы монографий) были проанализированы с помощью системы Vaal-mini. Среди различных функций программы выделим возможность «производить эмоционально-лексический анализ текстов, осуществлять полноценный контент-анализ текста по большому числу специально составленных встроенных категорий и категорий, задаваемых самим пользователем», а также «самому пользователю задавать дополнительные новые фоносемантические шкалы, расширяя систему в нужном для него направлении» [6].
Как отмечают исследователи, «современный этап развития социальных наук представляется возможным назвать эпохой больших данных. Когда наука фокусируется на больших данных, в ее задачи входит описание с последующим поиском моделей и проведением экспериментов с последующим объяснением» [16]. Экстраполировав данное утверждение на гуманитарные науки, и в частности на лингвистику, опишем модели анализа текста цифровыми программами и проведем предпереводческий и постпереводческий анализ текстов авторской благодарности.
Авторская благодарность является жанром академического дискурса и выступает как итог определенного периода исследовательской деятельности автора. Как показал анализ авторской благодарности, предваряющей монографии зарубежных ученых, именно оценка является жанрообразующим элементом данных текстов, поскольку с помощью оценочных средств автор выделяет и отмечает вклад других исследователей, студентов,
коллег, членов семьи в свое исследование. Акт благодарности связан с проявлением положительных эмоций и чувств, вербализуемых с помощью оценочных средств положительной семантики. Анализ случаев упоминания слова acknowledgement в онлайн-мессенджере Tweeter с помощью платформы Sentiment viz (Tweet Sentiment Visualization [25]) показал, что из 153 сообщений, в которых прозвучало данное слово, лишь восемь были негативно окрашены, о чем свидетельствует их появление в левой части графика в диапазоне между словами bored и subdued. Остальные 145 сообщений помещены системой в правую часть графика по шкале pleasant и отнесены к контекстам в диапазоне calm, relaxed, serene, contented. Как представляется, в связи с тем, что авторская благодарность является своеобразным подведением итогов определенного этапа исследовательской деятельности, благодарности из монографий могли бы быть условно также размещены в данной части графика.
Отметим, что в связи с тем, что слово acknowledgements является синонимом слова gratitude, была изучена представленность данного слова в твиттерах. Так, 210 из 213 контекстов, в которых встречается данное слово, размещены на графике pleasant и фактически зеркально отражают ситуацию со словом acknowledgements.
В рамках данного исследования не изучается авторская благодарность в твиттерах. Однако подобное сопоставление позволяет, с одной стороны, увидеть, что благодарность является положительно окрашенным речевым актом в различных типах дискурса, в частности в сетевой коммуникации. С другой стороны, слова acknowledge и gratitude входят в число рекомендуемых слов при составлении авторской благодарности на английском языке наряду со словами thank you, appreciate, indebted, grateful, credit и recognize.
Перейдем непосредственно к анализу авторских благодарностей. Анализ 100 текстов данного жанра показал, что их тональность в целом положительна, однако колеблется от нейтральной по составу лексики до положительной в высокой степени.
Изучим тональность авторской благодарности С. Пинкера, предваряющей монографию ученого "The Language Instinct" («Язык как инстинкт») [5; 22], обратившись к системе Sentiment Analyzer.
Анализ текстов в системе Sentiment Analyzer осуществляется в режиме онлайн путем помещения текста в специальное поле, в котором в качестве примера уже размещен текст Декларации независимости. Авторская благодарность С. Пинкера является нейтральной, о чем свидетельствует уровень эмоциональности 9,5. Программа представляет интерпретацию результатов, отмечая, что по своим характеристикам проанализированный текст является нейтральным. Отметим, что данная благодарность размещена в разделе Preface (Предисловие) монографии, вводная часть которого намного эмоциональнее благодарности (уровень - 67,8).
Рассмотрим авторскую благодарность У. Лабова, предваряющую его монографию "Sociolinguistic Patterns" [20].
Данный текст намного эмоциональнее предыдущего, поскольку уровень тональности текста составляет 83,1, что свидетельствует о его большей эмоциональности.
Авторская благодарность С. Л. Т. МакГрегор в книге "Understanding and Evaluating Research: A Critical Guide" [21] по тональности уступает благодарности У. Лабова, однако превышает тональность текста С. Пинкера на 35 единиц. Общая тональность текста (46,2) является «в какой-то степени положительной».
Таким образом, при общей положительной направленности текста авторской благодарности его тональность может варьироваться от менее эмоциональной к более эмоциональной.
Рассмотрим функциональные возможности платформы SentiStrength на следующем этапе исследования. Ниже представлена авторская благодарность С. Л. Т. МакГрегор.
First and foremost, I want to thank [2] my husband, Peter [proper noun], for his intellect, deep patience, powerful critical [-2] listening skills, and ability to make me reflect and accept things when I am in pushback mode all part of the creative process [sentence: 2,-2]. Thanks [2] to my longtime friends [2] Liz [proper noun] Godsmith [proper noun], Anne [proper noun] MacCleave [proper noun], Felicia [proper noun] Eghan [proper noun], and Viscky [proper noun] Jeans [proper noun]: for lending supportive [2] and critical [-2] ears during this creative process [sentence: 2,-2] [Ibidem, р. XXIX]. /
Прежде всего, мне хотелось бы поблагодарить моего мужа, Питера, за его ум, глубокое понимание, мощные аналитические навыки и умение заставить меня задуматься и принять обстоятельства такими, какие они есть, когда я не хотела никого слушать, что тоже является частью творческого процесса. Спасибо моим давним друзьям Лиз Годсмит, Энн МакКлив, Фелисии Эган и Виски Джинс за поддержку и критику во время этого творческого процесса.
Тональность первых двух предложений данной авторской благодарности варьируется от 2 до -2. Помимо выделенных системой эмоционально окрашенных слов, в данном отрывке есть и другие оценочные слова. Так, например, положительно ценным для автора данного текста является глубокое терпение ее супруга. Кроме этого, прилагательное longtime в сочетании с объектом оценки friend также является положительно ценным, однако система выделяет только существительное friend.
У программы SentiStrength отсутствуют настройки для текстов академического дискурса. Кроме этого, взятые по отдельности вышеуказанные слова в составе словосочетаний, которые нами были отнесены к оценочным, таковыми не являются. Полученные данные вместе с тем позволяют сделать выводы о необходимости участия интерпретирующего субъекта при анализе текстов определенного жанра. Следует признать, что достоинства программы SentiStrength для проведения предпереводческого анализа неоспоримы, так как оценочные значения при переводе либо усиливаются, либо их полярность снижается, поскольку при передаче оценочных значений немаловажную роль играет субъективный фактор [1; 2]. Использование программы позволяет снизить процент переводческих ошибок.
На следующем этапе анализа тональности текстов авторской благодарности была использована программа Tropes, предлагающая широкие возможности для предпереводческого анализа, поскольку развернутая система характеристик текста позволяет переводчику обратить внимание на те особенности, которые потребуют внимания и учета в переводе. Так, например, стиль авторской благодарности С. Л. Т. МакГрегор характеризуется программой как убеждающий или отражающий точку зрения. При выделении данного параметра кликом мыши в правом окне программы появляется текст с выделенными словами, свидетельствующими о стилевой характеристике текста. Система характеризует данный текст как убеждающий, выделяя такие слова, как reflect, express, teach, finally.
Авторская благодарность из монографии К. Хайланда "Academic Publishing" [18] в этом отношении написана нарративом, в связи с чем программа выделяет многочисленные употребления союза and, а также глаголов в прошедшем времени.
В связи с тем, что авторская благодарность является жанром академического дискурса, вполне объяснимо, что ядром семантического поля текста является лексика, связанная с образованием. Рассмотрим визуализированное представление данной особенности текста С. Л. Т. МакГрегор. Поскольку авторская благодарность связана с выражением эмоционального отношения как к объекту своего исследования, так и к коллегам, помогавшим в его проведении, на внешней оси находятся слова feeling и communication. Отметим и выделение программой наиболее частотных категорий слов в анализируемом тексте. Так, например, для данной авторской благодарности наиболее частотным является существительное friend.
Рассмотрим английский текст авторской благодарности С. Пинкера [22] и далее его перевод на русский язык. Как показал анализ данного текста с помощью программы Sentiment Analyzer, его тональность составляет 9,5, что приближает текст к разряду нейтральных. Вместе с тем система Tropes относит текст к убеждающим (выделены слова thanks, commenting, also, think, acknowledge, agree); текст характеризуется как захватывающий внимание читателя (выделены слова I, commenting, considering, say); модальность - manner (especially, vastly, generously); 62% в тексте занимают дескриптивные прилагательные и существительные в функции определения erudite, dedicated, expert и т.д. 24,3% прилагательных относятся к субъективным -сюда система отнесла предикат состояния I am grateful.
Анализ переведенного текста с помощью системы Vaal-mini показывает, что данная благодарность производит впечатление мужественного текста (самая высокая характеристика - 11,0), хорошего (8,5), величественного (8,1). «Мужественным» текст в большей степени делает слово благодарность, которое по своим фо-носемантическим характеристикам относится к величественным (34%), сильным (36%), мужественным (51%). Производные данного слова, встречающиеся в тексте, обладают теми же характеристиками. Несколько удивляет характеристика злой (-9), однако она не входит в итоговый анализ программы: к мужественности программа добавляет характеристики большой, медлительный, медленный и холодный. Отметим, что система «оценивает неосознаваемое эмоциональное воздействие фонетической структуры текстов на подсознание человека» [6]. Как представляется, фоносемантический анализ может лишь отчасти быть использован при проведении постпереводческого анализа текста, поскольку воздействующая сила звуков и сочетаний звуков неодинакова в различных языках, что не позволит в полной мере делать выводы об адекватности текстов, опираясь на данные фоносемантического анализа. Возможно, сопоставление оригинала и перевода с точки зрения фоносемантики было бы возможно и целесообразно, если бы существовала программа, подобная Vaal-mini, для английского языка. В то же время следует признать, что с точки зрения теории языка представляет интерес сопоставление текстов определенных жанров академического дискурса относительно их воздействующей функции. Так, например, авторы программы Vaal-mini упоминают среди функций программы и возможность составления более легких для усвоения учебников.
Рассмотрим возможности системы SentiStrength при проведении постпереводческого анализа.
I owe [-2] thanks [2] to many people [22, р. XIV]. / Я хочу [2] принести свою благодарность [2] многим [5, с. 3].
Оригинал и перевод в данном случае несколько различаются по своей тональности, поскольку система определила слово owe как слово с отрицательным зарядом, поскольку, по всей видимости, не учла, что owe сочетается с thanks.
Обратимся к анализу следующего отрывка.
... especially Ilavenil [proper noun] Subbiah [proper noun], for commenting on the manuscript and generously [2] offering advice and encouragement [2] [22, р. XIV]. / ...в особенности заслуживает благодарности [2] за замечания при чтении рукописи, щедрые советы и поддержку [5, с. 3].
Система не отметила заряд слов щедрый и поддержка в тексте перевода, однако они, как представляется, в полной мере соответствуют тональности слов текста оригинала.
My home institution, the Massachusetts [proper noun] Institute [proper noun] of Technology [proper noun], is a special [2] environment for study of language... [22, р. XIV]. / В моем родном учебном заведении - Массачусетсом технологическом институте существует особая атмосфера, благоприятная [4] для языковых исследований... [5, с. 4].
Переводчик усиливает тональность фрагмента за счет добавления слова благоприятный.
... and I am grateful [2] to the colleagues, students, and former students who shared their expertise [22, р. XV]. / ...и я благодарен [-2] моим коллегам студентам и бывшим студентам, которые поделились со мной своими знаниями и опытом [5, с. 4].
В данном случае речь идет об ошибке, связанной, возможно, с тем, что система не связала акт благодарности и благодарность как категорию состояния. Кроме этого, версия для других языков (кроме английского) является экспериментальной, в связи с чем возможны сбои.
Noam Chomsky [proper noun] made penetrating criticisms [-2] and helpful [2] suggestions [22, р. XIV]. / Ноам Хомский сделал глубокие критические замечания и полезные [2] предложения [5, с. 4].
Переводчик передает слово criticisms с помощью словосочетания критические замечания, однако программа не выделяет тональность слова критический, относя его к разряду нейтральных.
The Department of Brain and Cognitive Sciences' librarian, Pat Claffey, and computer system manager, Stephen G. Wadlow, those most admirable prototypes of their professions, offered dedicated, expert help at many stages [22, р. XV]. / Библиотекарь отделения мозга и когнитивистики Пэт Клаффи и менеджер компьютерной системы Стивен Г. Вадлов, вызывающие восхищение [3] профессионалы, на многих стадиях работы оказывали активную помощь [5, с. 4].
В данном контексте переводчик использует причинно-следственную метонимию для передачи словосочетания admirable prototypes (admirable, следовательно, вызывают восхищение). Система не выделяет слово admirable как эмоциональное.
Таким образом, анализ оригинала и перевода с привлечением вышеуказанных систем позволяет сделать вывод о том, что переводчик в целом сохраняет нейтральный тон данной благодарности (9,5 единиц в системе Sentiment Analyzer). Данная система функционирует только для текстов на английском языке, однако анализ входящих в текст перевода слов с помощью системы SentiStrength указывает на тональную идентичность текстов оригинала и перевода.
Как показал анализ массива авторских благодарностей на английском языке и их переводов на русский язык с помощью цифровых программ анализа тональности, эмоциональности, оценочности текста, потенциал современных цифровых технологий для анализа текстов академического дискурса состоит в следующем:
1) возможность обработки больших массивов данных (например, Tweet Sentiment Visualization);
2) представление общей тональности текста с указанием его числового измерения (Sentiment Analyzer);
3) визуальное представление результатов анализа по различным параметрам (Tropes);
4) расширение представлений об оценочной составляющей текста, о полярности и заряде оценочных слов в тексте (например, программа SentiStrength);
5) детальное представление лексической составляющей текста (например, система Tropes);
6) выявление воздействующей функции текста за счет анализа его фонетической структуры (Vaal-mini). Входивший в круг задач исследования сравнительный анализ тональности и эмоциональности текстов
авторской благодарности на английском языке и их переводов на русский язык показал, что в процессе межъязыкового взаимодействия может возникнуть явление снижения или повышения тональности. Данный факт объясняется, с одной стороны, тем, что переводчик учитывает требования контекста, опирается на правила метонимии при передаче оценочных высказываний, осуществляет перегруппировку языковых средств выражения оценки, что отражается на эмоциональном заряде переводного высказывания. С другой стороны, речь может идти о сбоях в программах, что свидетельствует о важности фигуры интерпретирующего субъекта в исследованиях подобного рода.
Для переводчика данные программы могут быть полезны как на этапе предпереводческого анализа, так и в процессе редактирования текста перевода, то есть на стадии постпереводческого анализа. Вопросы предпереводческого анализа текста активно разрабатываются в настоящее время [3; 10]. Отметим, что разработчики программ (например, SentiStrength) допускают, что функционирование платформ может сопровождаться различными сбоями, и просят сообщать о возможных ошибках. В рамках данной работы были выявлены некоторые сбои в определении программой SentiStrength тональности русских и английских слов, что подтверждает тезис о важности интерпретирующего субъекта, независимо от степени разработанности программ по автоматическому анализу текста.
Как представляется, возможности данных программ в рамках собственно филологических исследований являются перспективной областью изучения, например, в качестве перспективы исследования можно предложить анализ с их помощью различных жанров английского академического дискурса.
Автор выражает глубокую благодарность д. филол. н., проф., зав. кафедрой языкознания и переводоведения
0. А. Сулеймановой за поддержку и ценные рекомендации на всех этапах исследования, а также за раскрытие для меня значимости цифровых технологий в лингвистических исследованиях.
Список источников
1. Водяницкая А. А. Передача языковых единиц с оценочной семантикой в переводе с английского языка на русский // Вестник Московского государственного лингвистического университета. 2012. № 642. С. 107-118.
2. Водяницкая А. А. Роль субъективного фактора при переводе оценочных значений с английского языка на русский // Проблемы языка: сб. науч. ст. по материалам Первой конф.-школы «Проблемы языка: взгляд молодых ученых» / отв. ред. Е. М. Девяткина. М.: Ин-т языкознания РАН, 2012. С. 29-39.
3. Грамматические аспекты перевода: учеб. пособие для студ. высш. учеб. заведений, обучающихся по специальности «Перевод и переводоведение» и направлению подготовки бакалавров и магистров «Лингвистика» (профиль «Перевод и переводоведение») / сост. О. А. Сулейманова, Н. Н. Беклемешева, К. С. Карданова, Н. В. Лягушкина, В. И. Яременко. Изд-е 2-е, испр. М.: Академия, 2012. 240 с.
4. Петрова И. М. Потенциал поисковой системы Google при проведении исследований в рамках когнитивной корпусной лингвистики // Теоретическая и прикладная лингвистика. 2019. Т. 5. № 3. С. 127-142.
5. Пинкер С. Язык как инстинкт / пер. с англ. Е. Кайдаловой. М.: URSS, 2009. 456 с.
6. Проект ВААЛ [Электронный ресурс]. URL: http://www.vaal.ru/index.php (дата обращения: 01.04.2020).
7. Сулейманова О. А. Семантический эксперимент: новые возможности в системе координат big data // Когнитивные исследования языка. 2019. № 36. С. 427-432.
8. Сулейманова О. А., Демченко В. В. Использование bigdata в экспериментальных лингвокогнитивных исследованиях: анализ семантической структуры глагола shudder // Когнитивные исследования языка. 2018. № 33. С. 466-472.
9. Тарева Е. Г. Развитие лингвообразовательных практик: оптимистичная проекция // Вестник Московского городского педагогического университета. Серия «Филология. Теория языка. Языковое образование». 2015. № 2 (18). С. 75-85.
10. Федорова Е. Л. Музейные тексты как объекты редактирования в предпереводческой деятельности // Медицинский музей и медицинская коммуникация: сб. материалов IV Всеросс. науч.-практ. конф. «Медицинские музеи России: состояние и перспективы развития». М.: Магистраль, 2017. С. 124-127.
11. Хутыз И. П. Академический дискурс. Культурно-специфичная система конструирования и трансляции знаний. М.: Флинта; Наука, 2015. 176 с.
12. Шевченко Н. Л. Языковая реализация мелиоративной и пейоративной оценки в текстах музыкальной критики // Диалог культур. Культура диалога: в поисках передовых социогуманитарных практик: материалы Первой междунар. конф. / под общ. ред. Е. Г. Таревой, Л. Г. Викуловой. М.: Языки народов мира, 2016. C. 593-597.
13. Coyne E., Smit J., Güner L. Sentiment analysis for Amazon.com reviews [Электронный ресурс] // ResearchGate. URL: https://www.researchgate.net/publication/332622380_Sentiment_analysis_for_Amazoncom_reviews (дата обращения: 01.04.2020).
14. Culpeper J., Findlay A., Cortese B., Thelwall M. Measuring Emotional Temperatures in Shakespeare's Drama [Электронный ресурс] // English Text Construction. 2018. Vol. 11. Iss. 1. P. 10-37. URL: https://www.jbe-platform.com/ content/journals/10.1075/etc.00002.cul (дата обращения: 01.04.2020).
15. DeSteno D., Bartlett M., Wormwood J., Williams L., Dickens L. Gratitude as Moral Sentiment: Emotion-Guided Cooperation in Economic Exchange // Emotion. 2010. № 10. P. 289-293.
16. Dodds P. S., Harris K D., Kloiimann I. M., Bliss C. A., Danforth Ch. M. Temporal Patterns of Happiness and Information in a Global Social Network: Hedonometrics and Twitter [Электронный ресурс] // PLOS ONE. URL: https://journals.plos. org/plosone/article?id=10.1371/journal.pone.0026752 (дата обращения: 01.04.2020).
17. Fredrickson B. L. Gratitude, Like Other Positive Emotions, Broadens and Builds // Series in affective science. The psychology of gratitude / ed. by R. A. Emmons, M. E. McCullough. Oxford: Oxford University Press, 2004. P. 145-166.
18. Hyland K. Academic Publishing: Issues and Challenges in the Construction of Knowledge. Oxford: Oxford University Press, 2015. 239 p.
19. Hyland K. Dissertation Acknowledgments: The Anatomy of a Cinderella Genre // Written Communication. 2003. Vol. 20. Iss. 3. P. 242-268.
20. Labov W. Sociolinguistic Patterns. Pennsylvania: University of Pennsylvania Press, 1972. 362 p.
21. McGregor S. L. T. Understanding and Evaluating Research: A Critical Guide. Thousand Oaks: Sage Publications, 2017. XXIX+569 p.
22. Pinker S. The Language Instinct: How the Mind Creates Language. N. Y.: Harper Perennial Modern Classics, 2007. XV+526 p.
23. SentiStrength [Электронный ресурс]: Automatic Sentiment Analysis. URL: http://sentistrength.wlv.ac.uk/ (дата обращения: 01.04.2020).
24. Thelwall M., Buckley K. Topic-based sentiment analysis for the Social Web: The role of mood and issue-related words // Journal of the American Society for Information Science and Technology. 2013. Vol. 64. Iss. 8. P. 1608-1617.
25. Tweet Sentiment Visualization [Электронный ресурс]. URL: https://www.csc2.ncsu.edu/faculty/healey/tweet_viz/tweet_app/ (дата обращения: 01.04.2020).
Evaluativeness of Academic Discourse through the Lenses of Translation: Potential of Digital Technologies
Vodyanitskaya Al'bina Aleksandrovna, Ph. D. in Philology Moscow City University avodyanickaya@yandex. ru
The article examines specificity of translation analysis of author's acknowledgements. The paper aims to reveal the potential of modern digital technologies while analysing the English text emotional component from the viewpoint of its translation into Russian. Scientific originality of the study lies in the fact that the researcher considers application of modern digital technologies in translation analysis. The findings indicate that a digital analysis of evaluative statements as a genre-formative factor of the author's acknowledgement allows deeper understanding of the text semantics, makes translation quality assessment more objective, optimizes processes of pre-translation and post-translation analysis.
Key words and phrases: academic discourse; digital methods of text analysis; evaluative meanings; author's acknowledgement; translation.
