Lexico-semantic pecularities of english oline newspaper articles on innovative technologies

Abstract

The article presents the lexico-semantic peculiarities of English online newspaper articles on innovative technologies. The study is based on lexico-semantic fields analysis and usage frequency of different types of lexis.

Full Text

Цель настоящего исследования заключается в лексико-семантическом анализе англоязычных онлайн публикаций по инновационным технологиям на лексическом уровне и установлении лексико-семантических полей с указанием частотности употребления различных видов лексики.

Актуальность работы обуславливается очевидной важностью исследования текстов различных типов дискурса, в частности публицистического новостного дискурса электронного формата.

Материал исследования составил лексический корпус количеством 984 единицы, отобранных методом сплошной выборки из онлайн статей по инновационным технологиям англоязычного новостного интернет-сайта CNN Live. Тематика анализируемых статей представлена описанием новейших разработок в индустрии развлечений, технологий борьбы с киберпреступностью и создания техники для поддержания национальной безопасности, обзорами новых моделей техники, а также вопросами, связанными с освоением космического пространства.

Основными методами исследования являются полевый подход и семантический анализ. Также были использованы элементы квантитативного анализа. В ходе исследования выявляются основные лексические структуры, встречающиеся в новостных публикациях по инновационным технологиям, их семантические классы, а также определяются особенности ядра и периферии каждого лексико-семантического класса по принципу частотности репрезентации.

Как известно, при изучении языка в системно-структурном плане часто прибегают к полевому подходу, прочно вошедшему в современные методы исследования разных областей и уровней языка, поскольку в настоящее время лексико-семантическое исследование текста остается одним из актуальных направлений в лингвистике. Исследование поля, начатое Г. Ипсеном, Й. Триром и получившее активное продолжение в работах Э. Ж. Мунена, Ю. Н. Караулова, Г. С. Щура, А. В. Бондарко и др., представлено в лингвистике в виде парадигматических, синтагматических, ассоциативных, понятийных, морфосемантических, функционально-семантических полей. Как отмечает И. М. Кобозева, под семантическим полем понимают «совокупность языковых единиц, объединенных общностью содержания и отражающих понятийное, предметное или функциональное сходство обозначаемых явлений» [5, с. 99]. И. В. Сентенберг определяет семантические классы слов как лексические поля парадигматического типа, представляющие собой более или менее сложные группировки, члены которых связаны общим смыслом (инвариантным значением-идентификатором) [8, с. 61]. Как и элементы любой системы, лексико- семантические поля находятся в тексте в определенных взаимоотношениях.

Поскольку мы рассматриваем лексику новостного дискурса, то необходимо остановиться на понятии «дискурс», которое имеет в лингвистике различные трактовки. Классическим стало определение дискурса, предложенное В. И. Карасиком: «Дискурс – это многоплановое явление, которое может рассматриваться в коммуникативном аспекте как вербальное общение, в структурно-семантическом – как фрагмент текста выше уровня предложения, в структурно-стилистическом – как нетекстовая организация разговорной речи, в социально-прагматическом – как текст, погруженный в ситуацию общения» [4, с. 278].

В изучаемом новостном онлайн дискурсе одновременно реализуются функции информативности, воздействия и агитации. В новостных статьях поднимаются вопросы широкой тематики, в том числе освещающие актуальные события современности, открытия и разработки в области инновационных технологий, которые представляют большой интерес для общества. В связи с этим, публицистический новостной дискурс находит широкое применение в СМИ [6, с. 109]. Электронный новостной дискурс, или гиперновость, которая существует только в электронном виде, организована, согласно Ю. С. Воротниковой, с учетом характеристик электронного коммуникативного пространства и приобретает вид письменной коммуникации с чертами устного общения [2, с. 16].

Поскольку слово «инновация» выступает синонимом нововведения или новшества и может использоваться наряду с ними, можно констатировать, что новостная онлайн статья по инновационным технологиям – это текст в электронном виде, опубликованный в сети Интернет, посвященный описанию новшества в определенной отрасли технологии.

В ходе количественно-качественного анализа новостной лексики онлайн статей по инновационным технологиям было выявлено, что повышенный интерес к разработкам в области инновационных технологий в современном мире обуславливает широкое использование в публикациях терминологических единиц – преимущественно общедоступной терминологии для охвата как можно более широкого круга читателей (thermostat, laptop, tablet, smoke detector, Internet-connected speaker, virtual reality goggles, GPS tracker).

В лексическом составе анализируемых статей также был отмечен ряд других отличительных черт, в том числе большой процент имен собственных, в частности, эргонимов – названий деловых объединений людей, например, организаций, учреждений, корпораций, предприятий, обществ и др. [7, с. 151]; прагматонимов – названий выпускаемой ими продукции, а также антропонимов (YouTube, Windows, iPhone, Tim Cook). Кроме того, для статей публицистического новостного дискурса характерно наличие средств компрессии текста, речевых штампов и клише (OLED – organic light-emitting diode, HDR – high dynamic range, GB – gigabyte). Еще одной особенностью лексики статей по инновационным технологиям является присутствие определенного количества абстрактных слов, оценочной и экспрессивной лексики для оценки определенных аспектов (crazy products, mind-blowing VR experiences, quarters are going to be stinkers). Так называемый «заголовочный жаргон», слова нестойкого типа, употребление идиоматичных соединений, культуроспецифичная лексика, а также такие лексические приемы, как метафора, эпитет, эвфемизм и сравнение в заголовках являются особенностями лексики новостной онлайн статьи. Подобные языковые средства способствуют реализации информационной и воздействующей функций новостного дискурса и достижению главных целей по сообщению информации и оказания на получателей определенного эмоционального воздействия.

Предпринятый нами анализ лексического наполнения новостных текстов в сфере инновационных технологий показывает, что лексика современных англоязычных онлайн статей по инновационным технологиям относится преимущественно к следующим разрядам лексических единиц: термины, имена собственные, средства компрессии и стилистически окрашенная лексика.

Специальная терминология представляет собой особые лексические единицы для номинации общих понятий, а к их особенностям можно отнести однозначность, емкость, отсутствие синонимии и мотивированность [3, с. 31]. Следует отметить, что лексико- семантическое поле терминов обладает наибольшей репрезентативностью в количественном отношении (43% всей выборки, 383 примера). Оно включает в себя следующие классы: 1) «устройство» (device) – viewer, sensors, controllers; 2) «функция» (function) – crash- prevention technology, smart car tech, Adaptive Cruise Control; 3) «характеристика» (characteristics) – autonomous driving mode, crashproof, Internet-connected speaker; 4) «системы» (systems) – OS – operating system, VR – virtual reality, worldwide network; 5) «процессы» (processes) – VR's adoption, digital currency exchange, online crime; 6) «род деятельности» (occupation) – developer, subscriber, rocket scientist, VR team; 7) «вид информации» (types of information) – VR video, still images, mockup.

Лексико-семантический класс, репрезентирующий смысловую доминанту «устройство» (device) насчитывает 156 примеров, что составляет 17% от всего корпуса данных; «системы» (systems) – 47 примеров (5%); «вид информации» (types of information) – 46 примеров (5 %); «функция» (function) – 43 примера (4,8%); «род деятельности» (occupation) – 42 примера (4,7%); «характеристика» (characteristics) – 32 примера (3,6 %); «процессы» (processes) – 17 примеров (2 %).

В ходе дальнейшего анализа по частотности репрезентации лексем у каждого класса, за некоторыми исключениями, были выделены ядро, ближняя, дальняя и крайняя периферии. Ядро номинативного поля лексики устанавливается через синонимическое расширение ключевого слова. Ключевое слово – это определяемая исследователем лексическая единица, которая наиболее полно номинирует исследуемое лексико-семантическое поле.

Рассмотрим частотные признаки, характеризующие лексико-семантическое поле терминов, представленные в лексико-семантическом классе «устройство». Ключевым словом данного класса является лексема «device». При этом важно отметить, что исследуемый класс также репрезентируется в ближней периферии такими лексемами как «smartphone», «phone» и «computer», дальняя периферия – лексемами «camera» и «headset. Крайняя периферия представлена менее употребляемыми лексемами «router», «keyboard», «e-reader». Частотность репрезентации исследуемого класса: лексема «device» – 2,4%, лексема «smartphone» – 1,9%, лексема «phone» – 2,1%, «computer» – 1,1%, «camera» и «headset» – 0,9% от всего корпуса данных.

Теперь рассмотрим частотные признаки, характеризующие лексико-семантическое поле терминов, представленных в лексико-семантическом классе «системы» (systems). Важно отметить, что в исследуемом классе ядро репрезентирует такая лексема как «system», ближнюю периферию – «network», дальнюю – «virtual reality». Частотность репрезентации исследуемого класса для вышеуказанных лексем составляет: «system» – 2,3%, «network» – 1,8%, «virtual reality» – 0,8%.

Лексико-семантический класс, репрезентирующий лексему «вид информации» (types of information) насчитывает 46 примеров, что составляет 5% от всего корпуса данных. Ядро представлено лексемой «software», ближняя периферия репрезентируется лексемой «data», дальняя периферия представлена лексемой «video». Частотность репрезентации лексемы «software» составляет 1,3%, «data» – 1,1 %, «video» – 0,9%.

Ядро лексико-семантического класса «функция» (function) представлено лексемой «detect» – 1,2%, что характеризует основное направление функций. К ближней периферии лексемы «функция» (function) можно отнести лексемы «password» – 1,1%, к дальней периферии, семантически связанную с ней лексему «lock» – 0,3%.

Лексико-семантический класс «род деятельности» (occupation) насчитывает 42 примера, что составляет 4,7% от всего корпуса данных. Ядром данного класса будет являться лексема «hacker», отражающая наиболее актуальную проблематику действий людей, связанных с технологиями. Дальняя периферия представлена лексемой с широким значением «developer». Частотность репрезентации лексемы «hacker» составляет 2,9%, «developer» – 0,8%. Высокий показатель частотности лексемы «hacker» обусловлен мировым ростом уровня киберпреступности, в то время как понятие «developer» стандартно является обозначением человека, занимающимся созданием программного обеспечения.

Рассмотрим частотные признаки, характеризующие лексико-семантический класс «характеристика» (characteristics). Данный класс насчитывает 32 лексемы, что составляет 3,6% от всего корпуса данных. Его ядро представлено лексемой «digital». К ближней периферии этого класса можно отнести лексему «streaming». Частотность репрезентации лексемы «digital» – 0,5%, «streaming» – 0,4%.

Лексико-семантический класс, «процессы» (processes) насчитывает 17 примеров, что составляет 1,9% от всего корпуса данных. Ключевым словом данного немногочисленного класса будет являться лексема «cybersecurity», как понятие, противостоящее острой проблеме киберпреступности. В связи с немногочисленностью представленного класса, не представилось возможным выделить ядро и дальнюю периферию в классе «процессы» (processes). Ближняя периферия представлена лексемой «cybersecurity» – 1,2%.

Лексико-семантическое поле имен собственных (42% всей выборки, или 379 примеров) разделяется на классы: 1) «эргонимы» (ergonyms), то есть названия компаний и организаций: Volvo, iPhone, EFF – Electronic Frontier Foundation; 2) «прагматонимы» (pragmatonyms), то есть названия товаров: Samsung Galaxy 7, iPhone 5S, Nexus 6P; 3) «антропонимы» (anthroponyms) – имена людей: Lovecruft, Budovsky, который является наименее репрезентированным.

Лексико-семантический класс «эргонимы» насчитывает 257 примеров, что составляет 29% от всего корпуса данных; класс «прагматонимы» – 76 примеров (8,5%); класс «антропонимы» насчитывает 46 примеров (5%). В лексико-семантическом поле имен собственных наибольшей частотностью обладает лексико-семантический класс «эргонимы». Ядро класса репрезентируется лексемами с наивысшей частотностью: «Google», «Apple» и «Android». Ближняя периферия представлена лексемой «Amazon», дальняя – лексемами «Samsung» и «Facebook». К крайней периферии лексико-семантического класса мы отнесли все остальные эргонимы, так как частотность их репрезентации не превысила 0,3%. Частотность репрезентации лексемы «Google» составляет 8,8%, «Apple» – 5,9 %, «Android» – 3%, «Amazon» – 1,6%, «Samsung» – 0,9%, «Facebook» – 0,5%.

Имя торговой марки является самым заметным и устойчивым элементом взаимосвязи между продуктом и потребителем. Лексико-семантический класс, репрезентирующий прагматонимы, насчитывает 76 примеров, что составляет 8,5% от всего корпуса данных. Ядро репрезентируется лексемой «iPhone» с частотностью 3,9%, дальняя периферия – лексемой «smartwatch» (0,8%). Частотность лексемы «iPhone» составляет 3,9%. К крайней периферии лексико-семантического класса мы отнесли все остальные прагматонимы, так как частотность их репрезентации не превышала 0,3%.

Еще одной особенностью новостного дискурса является употребление антропонимов в целях актуализации конкретной информации, уточнения или ссылки на определенного человека, о котором идет речь в статье. Антропонимы в анализируемых статьях встречались весьма редко. Дальняя периферия репрезентируется лексемой «Lovecruft» с частотностью 1,3% и лексемой «Budovsky» с частотностью 1%, что можно объяснить тем фактом, что данным людям были посвящены отдельные статьи.

Лексико-семантическое поле средств компрессии (11% всей выборки, или 97 примеров) включает классы: «аббревиатуры» (abbreviation) – 97 примеров (7%): SUV – Sport Utility Vehicle, AT&T (T, Tech30) – American Telephone and Telegraph, DSLR-eye – Digital single-lens reflex camera-eye; 2) «стяжения» (blend words) – 66 примеров (2,4%): Internet – Interconnected Networks, hi-tech – high technology, bit – binary digit.

Необходимо отметить, что новостной статье по инновационным технологиям, как и новостному дискурсу в общем, присуще широкое использование аббревиатур. Как правило, если сокращение малоизвестно, его расшифровка дается автором при первом упоминании и в дальнейшем используется только сокращенный вариант. Ядро класса «аббревиатуры» (abbreviation) представлено лексемой «TV» – television, ближняя периферия – лексемой «VR» virtual reality, дальняя периферия – лексемой «HD» – high-definition. Частотность лексемы «TV» составляет 1,9 %, частотность «VR» – 1,6 %.

В связи с низкой частотностью репрезентации класса «стяжения» (blend words) у него можно выделить только ближнюю и крайнюю периферию. Ближняя периферия представлена лексемой «Internet» (Interconnected Networks), что составляет 1,9%. Крайняя периферия включает все остальные лексемы. Как правило, их частотность не превышает 0,3%:

• hacktivist hacker and activist, transistor – transfer and resistor, emoticon – emotion and icon.

Наименьшим по частотности употребления является лексико-семантическое поле стилистически окрашенной лексики (4% от всей выборки, 35 примеров). Оно делится на классы: 1) «тропы» (stylistic devices) – mysterious, next frontier, video king; 2) «сленг» (slang) – bug, nerd, techhead. Частотность репрезентации лексико-семантического класса «тропы» – 2,9%, класса «сленг» (slang) – 1%. Стоит отметить, что сленг был причислен к данному полю для удобства анализа, поскольку он выполняет ту же функцию привлечения внимания читателя, что и тропы, и представлен в незначительной степени, чтобы выделить его в отдельное поле. Дальнюю периферию класса «тропы» составляют эпитеты (epithets), то есть прилагательные, несвойственные для описания инновационных технологий и отражающие сугубо авторскую позицию: mind-blowing VR experiences, super high-end laptop, a sexy router, mysterious new headset и др. Их частотность составляет 2,9%. Сюда же относятся и метафоры: Eyes have become a hot "next frontier" in technology; The streaming video king Netflix; A mistake could turn someone's phone into a brick.

Класс «сленг» обладает самой низкой частотностью репрезентации (1%). Его дальнюю периферию составляет лексема «bug», то есть ошибка системы. Стоит отметить, что наиболее часто лексика данного поля встречается в заголовках, поскольку они «должны заинтересовать читателя, оказать на него определенное эмоциональное воздействие» [1, с. 108]: JetPack takes flight around Lady Liberty – пример использования эвфемизма (Lady Liberty – the Statue of Liberty); iPhone photography is cool, eyeball photography is cooler – пример использования сленга (cool – крутой); I could be a prostitute. I'd rather be a nerd – пример использования сленга (nerd – an outwardly normal person who has taken the time to learn technical skills); Google's plan to kill passwords – пример использования метафоры (to kill – сделать ненужным); Google is quietly building a crazy good gadget business – пример использования эпитета (crazy – ошеломляющий).

Таким образом, характерной особенностью англоязычных новостных онлайн публикаций по инновационным технологиям на лексическом уровне можно считать преобладающее по сравнению с остальными видами лексики количество терминологических единиц, имен собственных и средств лексической компрессии. Наименее частотной является стилистически окрашенная лексика, которая встречается в основном в заголовках в функции привлечения внимания и эмоционального воздействия на читателя. В каждом из исследованных лексико-семантических полей выявляются семантические классы лексики, выделяются ядро, ближняя, дальняя и крайняя периферия. Кроме того, указывается частотность их употребления. На основе проведенного квантитативного анализа можно сделать вывод о том, что такое соотношение лексических структур будет являться неизменным в новостных статьях по данной тематике.