CC BY
34
прислушивается, и он переводится как «слушать», употребляясь с результативной морфемой, как в примере «ПШ (ting dao)» - «услыхать», «услышать», что означает: мозг усвоил информацию, поступающую через органы чувств, и результат действия достигнут.
Значение глагола "й ^а)"можно уходит корнями в прошлое, его следы прослеживаются до эпохи вэньянь. Вэньянь - это древнекитайский язык, который использовался вплоть до XX века. В словаре древнекитайский язык определяется как сквозной, высокий (о должности) доходить/достигать/продвигать.
Поскольку словарный состав байхуа (записи современного разговорного китайского языка) в основном двусложный, то смысловое содержание предложений в байхуа отличается по степени конкретизации от содержания предложений в вэньяне. В вэньяне подавляющее большинство слов были односложными, отсутствие второго компонента в слове способствовало тому, что предельно широкое значение некоторых слов ничем не ограничивалось, и при наличии таких слов в предложении возможно было различное толкование его смысла [10, с. 23]. Рассмотрим следующие примеры: (yusu ze bu da)-предложение из книги «Лунь юй» означает следующее: «Если гонишься за быстротой - не достигнешь» [13, с. 195]. В данном предложении "й (da)" означает «достигать цели». Современный китайский язык часто употребляет "й (da)" в значениях «достигать цели/ уровня или выразить что-нибудь». B общем мы можем наблюдать, что у глагола сохранилось предыдущее значение в вэньяне.
В современном китайском языке ключевые иероглифы используются как главные ориентиры значения. Когда иероглиф "Я (dao)" расположен перед иеро-
Библиографический список
глифом "й (da)", то есть "ЙЙ (dàoda)", то его первое значение - «дойти, доехать до какого-л места предела». Действие глагола направлено на результат "й (da)" указывает на перемещение в пространстве. Сравните:
(huô chë yù wu dian dào da béijïng) - Поезд прибудет (придёт) в Пекин в 5 часов утра [11, с. 177]. (wo men liang tian
hou cao néng dào da) - Мы прибудем только через два дня [11, с. 177].
Когда иероглиф "й (da)" находится перед иероглифом "Й (dào)", глагол "Й (dào)" становится результативной морфемой и указывает на какое-то длительное действие. Глагол "ЙЙ (dadào)" во втором и третьем значениях, зафиксированных в словаре, означает «достичь/достигать». В современном языке, как в разговорном, так и в особенности в литературном, глагол й используется в качестве своего рода формального показателя «для выражения и идей целевого перемещения (реального или только мыслимого)» [12, с. 122]. Например: Й?ШЙ№ duo mù di) - «достигнуть цели» [11, с. 151]. ЙЙЩ^ (da dâo dïng dian) - «дойти до кульминации» [11, с. 151]. ЙЙДКЖУ (da dào guo jishuï ping) - «достигнуть международного уровня» [11, с. 151]. ЙЙ^^ШШЙШР (da dào bù ké shou shi de di bù) - «дойти до того, что все стало непоправимым» [11, с. 151].
Материал статьи показывает, что глагол "Й (dàoda)" предопределяют как пространственно-временные, так и причинно-следственные характеристики в тексте. Значительные трудности может представлять перевод слова «достичь/ достигать» с русского языка на китайский. Сопоставление ряда примеров с их переводом помогает понять зависимость реализации определенного значения слова «достичь/достигать» от контекста.
1. Манерко Л.А. Концептуализация пространственных представлений в тексте англо-шотландской народной баллады. Вопросы когнитивной лингвистики. 2012; № 2 (031): 16 - 23.
2. Заботкина В.И. От интеграционного вызова в когнитивной науке к интегрированной методологии. Методы когнитивного анализа семантики слова: компьютерно-корпусный подход. Москва: Языки славянской культуры, 2015.
3. Болдырев Н.Н Когнитивная семантика. Курс лекций по английской филологии. Тамбов, 2001.
4. Карпека Д.А. Глагол и грамматические категории предикатов в современном китайском языке. Санкт-Петербург: Восточный экспресс, 2017.
5. Ван Л., Старостина С.П. Китайско-русский учебный словарь иероглифов. Москва: Восточная книга, 2013.
6. Лингвистический энциклопедический словарь. Москва, 1990. Available at: http://tapemark.narod.ru/les/
7. Хаматова А.А. Словообразование современного китайского языка. Москва: Изд. «Муравей», 2003.
8. Баранова З.И., Котов А.В. Русско-китайский словарь: Ок. 40 000 слов. Москва: Русский язык, 1990.
9. Кузнецов С.А. Большой толковый словарь русского языка. Санкт-Петербург: Норинт, 2000.
10. Кленин И.Д., Щичко В.Ф. Лексикология китайского языка. Москва: Восточная Книга, 2013.
11. Й^^^Ш. Китайско-русский словарь. Шанхай: Коммерческое изд-во, 1989.
12. Драгунов А.А. Исследования по грамматике современного китайского языка. Том 1. Части речи. Москва - Ленинград: Изд-во АН СССР 1952.
13. Юй Л. ^Ж,: Ф^й. Пекин: Чжунхуа, 2007.
References
1. Manerko L.A. Konceptualizaciya prostranstvennyh predstavlenij v tekste anglo-shotlandskoj narodnoj ballady. Voprosy kognitivnoj lingvistiki. 2012; № 2 (031): 16 - 23.
2. Zabotkina V.I. Ot integracionnogo vyzova v kognitivnoj nauke k integrirovannoj metodologii. Metody kognitivnogo analiza semantiki slova: komp'yuterno- korpusnyj podhod. Moskva: Yazyki slavyanskoj kul'tury, 2015.
3. Boldyrev N.N Kognitivnaya semantika. Kurs lekcijpo anglijskoj filologii. Tambov, 2001.
4. Karpeka D.A. Glagol i grammaticheskie kategorii predikatov v sovremennom kitajskom yazyke. Sankt-Peterburg: Vostochnyj 'ekspress, 2017.
5. Van L., Starostina S.P. Kitajsko-russkij uchebnyj slovar' ieroglifov. Moskva: Vostochnaya kniga, 2013.
6. Lingvisticheskij 'enciklopedicheskj slovar'. Moskva, 1990. Available at: http://tapemark.narod.ru/les/
7. Hamatova A.A. Slovoobrazovanie sovremennogo kitajskogo yazyka. Moskva: Izd. "Muravej", 2003.
8. Baranova Z.I., Kotov A.V. Russko-kitajskijslovar': Ok. 40 000 slov. Moskva: Russkij yazyk, 1990.
9. Kuznecov S.A. Bol'shoj tolkovyj slovar'russkogo yazyka. Sankt-Peterburg: Norint, 2000.
10. Klenin I.D., Schichko V.F. Leksikologiya kitajskogo yazyka. Moskva: Vostochnaya Kniga, 2013.
11. Й^-ВДШ. Kitajsko-russkij slovar'. Shanhaj: Kommercheskoe izd-vo, 1989.
12. Dragunov A.A. Issledovaniya po grammatike sovremennogo kitajskogo yazyka. Tom 1. Chasti rechi. Moskva - Leningrad: Izd-vo AN SSSR, 1952.
13. Yuj L. ^Ж,: Ф^й. Pekin: Chzhunhua, 2007.
Статья поступила в редакцию 22.09.19
УДК 821
Mayevsky S.S., postgraduate, Belarusian State University, Department of Applied Linguistics, Faculty of Philology (Minsk, Belorus),
E-mail: [email protected]
THE TERM "KNOWLEDGE BASE" IN THE CONTEXT OF THE DEVELOPMENT OF RUSSIAN LANGUAGE ADAPTIVE ELR KNOWLEDGE DATABASE.
The article summarizes a problem of terminological inaccuracies as obstacles to the practical development in the field of computer linguistics. The meaning and contents of the concept of "knowledge" in various scientific and industrial fields is determined. The terms "knowledge database" and "linguistic knowledge database" are examined in detail, the boundaries of their meanings are determined. The analysis of these terms is carried out in the context of the knowledge database developing by the author and intended for use in Russian language adaptive electronic learning resource (ELR). The author concludes that the linguistic information presented in the linguistic knowledge base has its own specific features: there may be inaccurate information due to the variability and mobility of the boundaries of the language norm; incompleteness of information due to the openness and constant development of natural language, the presence of erroneous information due to its obsolescence, errors of manual input, inconsistency of the work of experts, due to errors of automated formation. This should be taken into account when working with these databases.
Key words: knowledge database, linguistic knowledge database, computer linguodidactics, electronic learning resource, Russian language.
С.С. Маееский, аспирант, Белорусский государственный университет, кафедра прикладной лингвистики (филологический факультет), г. Минск,
E-mail: [email protected]
ТЕРМИН «БАЗА ЗНАНИЙ» В КОНТЕКСТЕ РАЗРАБОТКИ БАЗЫ ЗНАНИЙ АДАПТИВНОГО ЭОР ПО РУССКОМУ ЯЗЫКУ
В статье кратко освещается проблема терминологических неточностей как препятствия на пути к практическим разработкам в области компьютерной лингводидактики. Определяется сущность и наполнение понятия «знание» в различных научных и производственных сферах. Подробно рассматриваются термины «база знаний» и «лингвистическая база знаний», определяются границы их значений. Анализ указанных терминов производится в контексте разрабатываемой автором базы знаний, предназначенной для использования в адаптивном электронном образовательном ресурсе (ЭОР) по русскому языку Делается вывод о том, что информация, представленная в лингвистической базе знаний, имеет свои специфические особенности: может иметь неточный характер, обусловленный вариативностью и подвижностью границ языковой нормы; быть неполной, что обусловлено открытостью и постоянным развитием естественного языка, ошибочной ввиду её устаревания, ручного ввода, несогласованности работы экспертов, автоматизированного формирования. Это нужно учитывать при работе с данными базами.
Ключевые слова: база знаний, лингвистическая база знаний, компьютерная лингводидактика, электронный образовательный ресурс, русский язык.
Развитие электронного обучения тесно связано с формированием информационных технологий. В частности, появление новых технологических решений, в особенности решений, повышающих наглядность представления той или иной информации в электронном виде, улучшающих качество работы с большими данными (bigdata) либо обеспечивающих максимальное использование в работе с компьютером человеческих возможностей, всегда ставит вопрос о внедрении таких достижений в образовательный процесс. Не является исключением и компьютерная лингводидактика (КЛ).
Несмотря на то, что в отечественной науке дисциплина КЛ является достаточно молодой (сам термин «КЛ» был предложен К.Р. Пиотровской в 1991 году [1, с. 5]), в настоящее время в ней оформились три самостоятельных направления исследований: 1) разработка теоретических аспектов использования компьютеров в обучении языку; 2) экспериментальная работа по созданию и использованию в учебном процессе компьютерных материалов, предназначенных для различных целей, форм и профилей обучения; 3) исследование путей интеграции компьютерного обучения с общим процессом преподавания языка, разработка эффективных приёмов органичного использования информационных технологий в учебном процессе [2, с. 8]. Как и в любой научной дисциплине, теоретическое направление в КЛ тесно взаимосвязано с практической экспериментальной работой; данные направления органично дополняют друг друга, достижения в одной области оказывают значительные влияния на инновации в другой. Тем не менее, несмотря на непрерывное, активное и повсеместное создание новых электронных лингводидактических материалов, во многом неоднозначными и порою спорными остаются некоторые термины, которыми оперирует КЛ. Из-за неоднозначности подходов к описанию явлений возникают даже ситуации, когда для обозначения одного и того же явления разными исследователями используется целый ряд терминов. Так случилось, например, с ныне общепринятым термином «Computer-Assisted Language Learning» (CALL), с которым в зарубежной литературе сосуществуют термины «Computer Assisted Instruction» (CAI), «Computer Based Instruction» (CBI), «Computer Assisted Learning», «Computer Aided Learning» (CAL), «Computer Based Learning» (CBL), «Computer Based Training» (CBT), «Computer Managed Instruction» (CMI) [3]. Возникновение подобных ситуаций, с нашей точки зрения, связано не только с сущностью явлений, которые описываются, но и с тем, на какие «границы» претендует описывающий явление термин.
Терминологические неточности - серьёзное препятствие на пути к практическим разработкам в любой научной или производственной сфере. С указанной проблемой нам пришлось столкнуться при проведении собственной разработки экспериментального фрагмента базы знаний адаптивного электронного образовательного ресурса по русскому языку Для того чтобы максимально точно определить цель нашей работы, прежде всего необходимо установить значение и границы термина «База знаний» (БЗ). Проводимый нами анализ не претендует на всеобщность, однако его результаты возможно применить при реализации разработок, подобной нашей.
Прежде чем приступить к рассмотрению значения термина БЗ в контексте разработки адаптивного электронного образовательного ресурса (ЭОР) по русскому языку, необходимо отметить, что, несмотря на достаточно длительное существование технологии (начало её использования можно связать с первыми работами по созданию искусственного интеллекта), до сих пор нет общепринятого понимания того, чем именно должна являться база знаний, и контент какого типа она должна содержать. Так, зачастую сегодня базами знаний называют системы справочного типа, созданные с помощью Wiki и подобных ей технологий, представляющие собой масштабные сборники статей по той или иной предметной области, снабжённые системами поиска, комментирования, правки, контроля версий. В таком виде «базы знаний» используются не только в образовательных интернет-проектах, но и в бизнесе. Наряду с рассмотренной трактовкой понятия БЗ необходимо рассмотреть определение, представленное в международном стандарте ISO/IEC/IEEE 24765-2010, трактующим БЗ как «базу данных, содержащую правила вывода, информацию о человеческом опыте и знаниях в предметной области» [4]. Сущность и реальный потенциал технологии БЗ гораздо шире, нежели просто справочного издания, что делает её основной технологией для реализации интеллектуальных и, в частности, экспертных систем.
Преимущества технологии БЗ наиболее очевидны при сопоставлении с наиболее близкой ей технологией - базой данных (БД). Различия заключаются, прежде всего, в том, для хранения и использования какого контента они предназначены или в том, чем данные отличаются от знаний. Согласно определению из популярного учебника по базам знаний Т.А. Гавриловой и В.Ф. Хорошевского, данные - это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства [5, с. 19]. «При обработке ЭВМ данные трансформируются, условно проходя следующие этапы:
• D1 - данные как результат измерений и наблюдений;
• D2 - данные на материальных носителях информации (таблицы, протоколы, справочники);
• D3 - модели (структуры) данных в виде диаграмм, графиков, функций;
• D4 - данные в компьютере на языке описания данных;
• D5 - базы данных на машинных носителях информации» [5, с. 19].
Если термин «данные» более-менее идентично интерпретируется различными исследователями, то границы термина «знания» разнятся в зависимости от предметной области, в которой данный термин определяется.
Большая советская энциклопедия определяет знание как «проверенный практикой результат познания действительности, верное её отражение в сознании человека» [6, с. 555]. Новейший энциклопедический словарь даёт аналогичное определение, за исключением того, что вместо понятия «сознание» использует понятие «мышление» [7, с. 450]. В философии, социологии, религии знание трактуется как «селективная, упорядоченная, определённым способом (методом) полученная, в соответствии с какими-либо критериями (нормами) оформленная информация, имеющая социальное значение и признаваемая в качестве именно знания определёнными социальными субъектами и обществом в целом» [8, с. 294 - 295]. В психологии и педагогике знания - «результаты процесса познания действительности, отражающие её в сознании человека в виде представлений, понятий, суждений, гипотез, теорий, концепций, принципов, законов, закономерностей и т.д. Неотъемлемые качества подлинных знаний - их осознанность, осмысленность, насыщенность конкретным содержанием, чётким представлением и пониманием изучаемых предметов, явлений, их закономерностей, умение не только назвать и описать, но, где надо, и объяснить изучаемые факты, указать их взаимосвязь и отношения, обосновать усваиваемые положения, сделать выводы из них» [9, с. 242].
Все указанные определения термина «знание», безусловно, оказали своё влияние на понимание знания в сравнительно более молодом междисциплинарном направлении информатики - искусственном интеллекте как «вида информации, отражающей опыт специалиста (эксперта) в определённой предметной области, его понимание множества текущих ситуаций и способы перехода от одного описания объекта к другому» [10, с. 131], в частности, сохраняется неотделимость знания от субъекта познания (в данном случае эксперта). Для знания с точки зрения информатики характерны внутренняя интерпретируемость, структурированность, связанность и взаимная активность. Именно указанные признаки отличают организацию знаний от организации данных в традиционной БД. Расшифровку значения данных признаков находим у ГС. Поспелова и Д.А. Поспелова, а также, в более поздней работе у А.А. Мицкевича, Е.А. Константиновой и С.Г Мухамедвалеевой [11], [12, с. 7 - 8]:
• Внутренняя интерпретируемость - когда элементы модели могут быть объяснены с помощью самой модели. Например, это может быть сделано с помощью выделения двух или более уровней в модели. В частности, в моделях данных имеются уровни описания структуры данных и экземпляров данных. <...> В моделях знаний внутренняя интерпретируемость достигается равноправием элементов, представляющих разные уровни модели (целого и части, конкретного и общего и т.п.).
• Структурированность выражается в том, что структура определяется, прежде всего, смыслом данных, или их семантикой. Декомпозиция структур строится на иерархии обобщения «общее - частное» («род - вид» и т.п.) и иерархии агрегации «целое - часть» («система - функция», «агрегат - элемент» и т.п.). Всё это присутствует в хорошо структурированных моделях
• Активность - это свойство знаний генерировать новые знания, что принципиально отличает знания от данных, но при этом не направляется логикой са-
мой модели, не является абсолютно необходимым. В моделях знаний структурированность в указанном смысле закладывается априорно.
• Связность - один из спорных элементов системы баз знаний. Его аналогом в системах баз данных является целостность БД. Однако связность означает существенно больше, чем просто целостность данных. Она обязательно присутствует в моделях знаний и выражает закономерности, причинно-следственные связи и другие количественные отношения знаний. Целостность данных не имеет адекватного выражения в СУБД, тогда как связность представлена в моделях знаний и структурно, и процедурно, т.е. механизмом вывода, системами предикатов и продукций.
Гордич А.А., определяя знания как «выявленные закономерности предметной области (принципы, законы, алгоритмы), позволяющие решать задачи в этой области» [13, с. 47], считает также, что знания являются особым видом интеллектуальных ресурсов и обладают рядом следующих специфических свойств [13, с. 47 - 48]:
• «знания долговечны, ибо они нематериальны;
• знания не знают границ. Они легко распространяются, в особенности по современным цифровым сетям телекоммуникаций;
• знания - постоянно увеличивающийся ресурс. Его расширенное воспроизводство обеспечивают наука, технический прогресс, образование; знания -единственный неограниченный ресурс, единственный актив, который увеличивается по мере его использования;
• знания можно продавать многократно;
• Знания чувствительны к фактору времени. Их ценность зависит от того, когда они применяются. Имеет место и старение знания, по аналогии с моральным износом оборудования;
• знания социальны, являясь одновременно и общественным, и частным благом;
• знания - орудие конкуренции. Интеллектуальный капитал, менеджмент знаний признаются сегодня важнейшими инструментами и ресурсами в конкурентной борьбе».
«Классическая» формула, иллюстрирующая суть понятия «знания», на котором основана технология БЗ, выглядит как «Знания = Данные + Метаданные (данные о данных)». При обработке на ЭВМ знания трансформируются аналогично данным [5, с. 20]:
«Z1 - знания в памяти человека как результат мышления;
Z2 - материальные носители знаний (учебники, методические пособия);
Z3 - поле знаний - условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих;
Z4 - знания, описанные на языках их представления (продукционные языки, семантические сети, фреймы);
Z5 - база знаний на машинных носителях информации».
Мы изучили понятие знания, его свойства и характеристики, а также описали способ его трансформации при обработке на компьютере. Понятно, что БЗ -это некая специфическая совокупность знаний, скомпонованная технически. Тем не менее, для проведения конкретной разработки необходимо также выделить структурные и сущностные особенности технологии. Исследователь Ю.А. Горя-ев определяет базу знаний как «совокупность знаний, относящихся к некоторой предметной области и формально представленных таким образом, чтобы на их основе можно было осуществлять рассуждения». В подобном понимании базы знаний используются «в контексте экспертных систем, где с их помощью представляются навыки и опыт экспертов, занятых практической деятельностью в соответствующей области» [14, с. 105]. С нашей точки зрения, данное определение действительно подходит под указанный автором контекст, однако оно недостаточно в контексте разработки базы знаний адаптивного ЭОР по русскому языку. В частности, возможность на основе знаний «осуществлять рассуждения» ещё не делает технологию чем-то особенным, ведь совершать указанное действие можно и с помощью данных, представленных в БД, и для этого не всегда есть необходимость прибегать к каким-либо техническим средствам. Более точным нам видится понимание технологии БЗ, представленное в издании «Информатика. Новый систематизированный толковый словарь-справочник» автора Ф.С. Ворой-ского. Если БД - это, по существу, только совокупность данных, связанных и организованных по определённым правилам, то БЗ, согласно указанному изданию, -это «совокупность фактов и правил, описывающая предметную область и вместе
Библиографический список
с механизмом вывода позволяющая отвечать на вопросы, соответствующие этой предметной области, но ответы на которые в явном виде не присутствуют в базе» [15, с. 55]. О данной особенности технологии говорят и другие исследователи, в частности, В.С. Оскерко [16, с. 197] и уже упоминавшийся нами А.А. Гордич [13, с. 50]. Н.И. Криштапович отмечает также, что одной из отличительных особенностей БЗ является наличие в них интеллектуального интерфейса, в состав которого входят собственно база знаний, процессор общения и программа-планировщик [17, с. 141].
Знания в БЗ представлены с помощью определённого языка представления (ЯПЗ). Представление знаний осуществляется с помощью различных моделей, выбор которых в процессе разработки зависит от различных факторов: решаемых задач, используемой технологической платформы и языков программирования, целей системы и пр. Существуют десятки моделей описания знаний для различных предметных областей. Модели описания знаний можно разделить на следующие основные классы:
• продукционные модели;
• семантические модели;
• фреймовые модели;
• формальные логические модели;
• модели, основанные на нечётких множествах;
• продукционно-фреймовые модели [13, с. 49].
Выбор конкретной модели описания знаний для нашей разработки во многом зависит от специфики задач, для решения которых разрабатывается БЗ; вероятнее всего, в нашем случае должна быть применена комбинированная модель. Необходимо также отметить, что разработка адаптивного ЭОР по русскому языку предполагает использование так называемой лингвистической базы знаний (ЛБЗ), что соответствует рассматриваемой в нашей работе предметной области «русский язык».
Термин ЛБЗ, несмотря на широкое использование БД и БЗ в лингвистике, до сих пор не имеет единого определения. Причина этого видится нами в том, что разные авторы понимают данный термин по-разному в зависимости от целей своих разработок. Так, авторы труда "Прикладное программное обеспечение: системы автоматической обработки текстов" М.Г Мальковский, Т.Ю. Граци-анова и И.Н. Полякова, занимавшиеся вопросами функционирования системы ЛИНАР, разработанной на кафедре алгоритмических языков факультета ВМК МГУ, понимают ЛБЗ как базу, "содержащую базовые общие знания о русском языке" [18]. Данное определение, с нашей точки зрения, слишком общее и не отражает техническую сторону вопроса. В статье «Многоязычная лингвистическая база знаний: архитектура и метаданные» Н.В. Лунева описывает создаваемую коллективом авторов многоязычную ЛБЗ как основанную на разработке "системы правил фразовых структур, отражающих также и отношения зависимости через механизм наследования атрибутов головной вершины" [19]. Исследователь Чеусов А.В. в статье "Разработка лингвистических процессоров промышленной обработки текстовых документов" рассматривает ЛБЗ как лингвистический ресурс системы, отделённый от программного кода и определяющий работу лингвистического процессора. При этом в состав ЛБЗ могут входить лингвистические ресурсы различного типа: словари, классификаторы, корпусы текстов, грамматики, правила анализа и преобразования текста на различных уровнях и т.д. [20]. Данное определение представляется нам отражающим весь спектр задач, возложенных на ЛБЗ в системах различного типа, и может быть применено для нашей конкретной разработки.
Завершая анализ терминов БЗ и ЛБЗ, отметим, что лингвистическая информация, представленная в ЛБЗ, имеет свои специфические особенности. Данные особенности охарактеризовали М.Г Мальковский и А.В. Субботин: 1) неточный характер информации, обусловленный вариативностью и подвижностью границ языковой нормы, статистическим характером отдельных видов информации, сложностью процесса формализации описываемых языком явлений на семантическом уровне; 2) неполнота информации, обусловленная открытостью и постоянным развитием естественного языка, а также наличие языковых особенностей отдельных носителей; 3) наличие ошибочной информации ввиду её устаревания, ошибок ручного ввода, несогласованности работы экспертов, ошибок автоматизированного формирования [21]. С нашей точки зрения, данный перечень является универсальным для описания специфики БЗ ЭОР по любому естественному языку.
1. Гарцов А.Д. Электронная лингводидактика в системе инновационного языкового образования. Автореферат ... доктора педагогических наук. Москва, 2009.
2. Бовтенко М.А. Компьютерная лингводидактика: Учебное пособие. Москва, 2005.
3. Демидова И.В., Сулицкая Е.Е. Компьютерная лингводидактика - будущее иноязычного образования в экономических вузах. Available at: http://sdo.rea.ru/cde/ conference/23/file.php?fileId=118
4. ISO/IEC/IEEE 24765-2010(E), Systems and software engineering - Vocabulary. IT-Regie - The business of IT for the business. Available at: https://www.smaele.nl/documents/ iso/ISO-24765-2010.pdf
5. Гаврилова Т. А. и др. Базы знаний интеллектуальных систем. Санкт-Петербург, 2000.
6. Большая советская энциклопедия: в 30 т.; Т. 9. Москва, 1972.
7. Новейший энциклопедический словарь: 20000 статей. Москва, 2006.
8. Большой энциклопедический словарь: философия, социология, религия, эзотеризм, политэкономия. Минск, 2002.
9. Психолого-педагогический словарь. Минск, 2006.
10. Кандыбович Л.А., Мудрик А.В. Менеджмент знаний. Терминологический словарь-справочник. Минск, 2010.
11. Поспелов ГС. Искусственный интеллект - прикладные системы. Москва, 1985.
12. Мицкевич А.А. и др. Базы знаний и экспертные системы. Москва, 1989.
13. Гордич А.А. Базы данных и знаний. Минск, 2015.
14. Горяев Ю.А. Информатика: учебное пособие. Москва, 2005.
15. Воройский Ф.С. Информатика. Новый систематизированный толковый словарь-справочник (введение в современные информационные и телекоммуникационные технологии в терминах и фактах. Москва, 2003.
16. Оскерко В.С. и др. Компьютерные информационные технологии: учебное пособие в 3 ч. Минск, 2011; Ч. 2.
17. Криштапович Н.И. Базы данных и знаний: учебно-методический комплекс. Минск, 2008.
18. Грацианова Т.Ю. Прикладное программное обеспечение: системы автоматической обработки текстов. Москва, 2000.
19. Лунева Н.В. Многоязычная лингвистическая база знаний: архитектура и метаданные. Available at: http://rcdl.ru/doc/2007/paper_58_v1.pdf
20. Чеусов А.В. Разработка лингвистических процессоров промышленной обработки текстовых документов. Искусственный интеллект. 2006; № 4: 635 - 639.
21. Мальковский М.Г., Субботин А.В. Еще раз об автоматизированном формировании лингвистических баз знаний: технологические аспекты интеграционного подхода. Available at: http://www.dialog21.ru/digest/2000/articles/malkovsky/
References
1. Garcov A.D. 'Elektronnaya lingvodidaktika vsisteme innovacionnogoyazykovogo obrazovaniya. Avtoreferat ... doktora pedagogicheskih nauk. Moskva, 2009.
2. Bovtenko M.A. Komp'yuternaya lingvodidaktika: Uchebnoe posobie. Moskva, 2005.
3. Demidova I.V., Sulickaya E.E. Komp'yuternaya lingvodidaktika - buduschee inoyazychnogo obrazovaniya v 'ekonomicheskih vuzah. Available at: http://sdo.rea.ru/cde/ conference/23/file.php?fileId=118
4. ISO/IEC/IEEE 24765-2010(E), Systems and software engineering - Vocabulary. IT-Regie - The business of IT for the business. Available at: https://www.smaele.nl/documents/ iso/IS0-24765-2010.pdf
5. Gavrilova T.A. i dr. Bazy znanij intellektual'nyh sistem. Sankt-Peterburg, 2000.
6. Bol'shaya sovetskaya 'enciklopediya: v 30 t.; T. 9. Moskva, 1972.
7. Novejshij 'enciklopedicheskij slovar': 20000 statej. Moskva, 2006.
8. Bol'shoj 'enciklopedicheskij slovar': filosofiya, sociologiya, religiya, 'ezoterizm, polit'ekonomiya. Minsk, 2002.
9. Psihologo-pedagogicheskij slovar'. Minsk, 2006.
10. Kandybovich L.A., Mudrik A.V. Menedzhmentznanij. Terminologicheskijslovar-spravochnik. Minsk, 2010.
11. Pospelov G.S. Iskusstvennyj intellekt - prikladnye sistemy. Moskva, 1985.
12. Mickevich A.A. i dr. Bazy znanij i 'ekspertnye sistemy. Moskva, 1989.
13. Gordich A.A. Bazy dannyh iznanij. Minsk, 2015.
14. Goryaev Yu.A. Informatika: uchebnoe posobie. Moskva, 2005.
15. Vorojskij F.S. Informatika. Novyj sistematizirovannyj tolkovyj slovar'-spravochnik (vvedenie v sovremennye informacionnye i telekommunikacionnye tehnologii v terminah i faktah. Moskva, 2003.
16. Oskerko V.S. i dr. Komp'yuternye informacionnye tehnologii: uchebnoe posobie v 3 ch. Minsk, 2011; Ch. 2.
17. Krishtapovich N.I. Bazy dannyh i znanij: uchebno-metodicheskij kompleks. Minsk, 2008.
18. Gracianova T.Yu. Prikladnoe programmnoe obespechenie: sistemy avtomaticheskoj obrabotki tekstov. Moskva, 2000.
19. Luneva N.V. Mnogoyazychnaya lingvisticheskaya baza znanij: arhitektura i metadannye. Available at: http://rcdl.ru/doc/2007/paper_58_v1.pdf
20. Cheusov A.V. Razrabotka lingvisticheskih processorov promyshlennoj obrabotki tekstovyh dokumentov. Iskusstvennyj intellekt. 2006; № 4: 635 - 639.
21. Mal'kovskij M.G., Subbotin A.V. Esche raz ob avtomatizirovannom formirovanii lingvisticheskih baz znanij: tehnologicheskie aspekty integracionnogo podhoda. Available at: http:// www.dialog21.ru/digest/2000/articles/malkovsky/
Статья поступила в редакцию 22.09.19
УДК 82
Pavlenko V.G., Cand. of Sciences (Philology), senior lecturer, Stavropol State Pedagogical Institute (Stavropol, Russia), E-mail: [email protected]
Makarova O.S., Cand. of Sciences (Pedagogy), senior lecturer, Stavropol State Pedagogical Institute (Stavropol, Russia), E-mail: [email protected]
Kardumyan M.S., Cand. of Sciences (Philology), senior teacher, Stavropol State Pedagogical Institute (Stavropol, Russia), E-mail: [email protected]
SPEECH UNITS OF ADDRESS IN THE ENGLISH MASS-MEDIA DISCOURSE. The article deals with the study of the address speech units with the aspect of politeness in the English mass-media discourse. The topicality of the study is conditioned by the fact that in the national cultural dimension of language studies in modern linguistics is a relevant research area. The topicality of the work is because of the insufficient knowledge of speech means expressing politeness in the English language, the lack of contextual analysis of lexical units in the mass media discourse. The objective of this research is the study of English speech units expressing the category of politeness. The purpose of this article is the consideration of frequency of speech units reflecting the category of politeness in the English mass media discourse. The authors identified the speech units: modal words (adverbs and verbs), parenthetical structures as markers of polite speech. The conclusions are drawn that grammatical means contribute to the achievement of a positive communicative effect.
Key words: politeness category, mass-media discourse, national character, communication.
В.Г. Павленко, канд. филол. наук, доц., Ставропольский государственный педагогический институт, г. Ставрополь, E-mail: [email protected]
О.С. Макарова, канд. пед наук, доц., Ставропольский государственный педагогический институт, г. Ставрополь, E-mail: [email protected]
М.С. Кардумян, ст. преп., Ставропольский государственный педагогический институт, г. Ставрополь, E-mail: [email protected]
РЕЧЕВЫЕ ЕДИНИЦЫ ОБРАЩЕНИЯ В АНГЛИЙСКОМ МАССМЕДИИЙНОМ ДИСКУРСЕ
Статья посвящена изучению речевых единиц в аспекте категории вежливости в массмедийном дискурсе английского языка. Актуальность работы состоит в том, что для современной лингвистики характерен повышенный интерес к национально-культурному аспекту исследования языка, к исследованию категории вежливости определенного этноса. Актуальность работы обусловлена также недостаточной изученностью языковых средств выражения вежливости в английском языке, отсутствием контекстуального анализа лексических единиц в массмедийном дискурсе. Цель работы заключается в изучении речевых единиц, выражающих категорию вежливости в английском языке. Задачей исследования является рассмотрение частотности употребления речевых единиц, отражающих категорию вежливости в массмедийном дискурсе английского языка. Авторами были выделены речевые единицы: модальные слова (наречия и глаголы), аксиологические предикаты и грамматические конструкции в качестве маркеров вежливой речи. Получены выводы о том, что речевые единицы категории вежливости способствуют достижению положительного коммуникативного эффекта.
Ключевые слова: категория вежливости, массмедийный дискурс, национальный характер, общение.
Одной из наиболее актуальных проблем современной российской действительности является состояние речевой культуры. В связи с социальными, политическими и экономическими изменениями переосмысливается понятие культура.
Развитие культуры общества неизбежно создает в словарном составе каждого языка смысловые лакуны, которые говорящие на данном языке пытаются заполнить всеми доступными им способами. При переводе с одного языка на другой эти лакуны иногда выпадают из-за несоответствия лексики, граммати-
ческой структуры различных языков. Это несоответствие национальных языков свидетельствует об их культурном различии.
Как известно, с культурой тесно взаимодействует язык. Действительно, соотношение языка и культуры - вопрос сложный и многоаспектный, изучающий проблемы взаимосвязи и взаимодействия языка и культуры. Язык формирует своего носителя и культуру Язык как культурный код народа представляет обширную область научных исследований.
