Лінгвістична індексація англомовних та українськомовних медіатекстів: структурно-семантичний аспект
Вантажиться...
Дата
2026
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Власюк Л.С. Лінгвістична індексація англомовних та українськомовних медіатекстів: структурно-семантичний аспект. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття ступеня доктора філософії з галузі 03 гуманітарні науки за спеціальністю 035 Філологія. Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2026. Дисертацію присвячено вивченню особливостей лінгвістичної індексації англомовних та українськомовних медіатекстів у структурно-семантичному аспекті, а також розробці лінгвістично обґрунтованих рекомендацій для вдосконалення лінгвістичної індексації шляхом порівняння результатів автоматичної та ручної індексації. Дослідження здійснено в межах структурної та функційної парадигм із комплексним застосуванням загальнонаукових та лінгвістичних методів. Актуальність дослідження зумовлена перенасиченням сучасного цифрового інформаційного простору, що призводить до ускладненого пошуку інформації та, відповідно, зумовлює необхідність в структуризації інформаційної екосистеми текстів. Така структуризація передбачає розробку ефективних методів автоматичного лінгвістичного аналізу та систематизації медіатекстів. Розглянуто ключові теоретичні питання визначення поняття лінгвістичної індексації. У дослідженні лінгвістичну індексацію визначено як процес визначення елементів тексту на лексичному, семантичному та структурному рівнях для автоматичного лінгвістичного аналізу тексту. Цей процес охоплює два широкі етапи: аналітико-синтетичну обробку мови та її перетворення на інформаційно-пошукову мову. Також здійснено аналіз видів лінгвістичної індексації. У нашому дослідженні лінгвістичну індексацію поділено на три види: систематизацію, предметизацію та координатне індексування. Крім того, у дослідженні виокремлено основні цілі лінгвістичної індексації. З-поміж яких можемо виділити: виокремлення ключових смислів та концептів; забезпечення доступу до текстів не лише за формою, але й за змістом; класифікацію текстів відповідно до тематики; закладання фундаменту для можливості автоматичного аналізу великих масивів даних. Встановлено, що як будь-яке інше поняття, лінгвістична індексація має набір власних компонентів. До таких компонентів можемо віднести ключові слова (лексичні одиниці, які допомагають узагальнити зміст тексту), ключові фрази (тобто сталі тематичні поєднання), тематичні категорії (поділ текстів на окремі рубрики), концепти та смислові домінанти (когнітивно-семантичні вузли), семантичні зв’язки (відношення між лексичними одиницями) та індексаційні поля (елементи, які формують індексаційні кластери). Вивчено поняття інформаційно-пошукової мови та узагальнено їх класифікацію. Інформаційно-пошукову мову у дослідженні визначено як систему символів, процедур та правил, призначену для створення запитів у пошукових системах та/або базах даних, щоб знайти необхідну інформацію. Інформаційнопошукові мови також поділяються на види і відіграють важливу роль у створенні пошукового образу тексту. Тобто, представлення пошукового образу тексту залежить від поєднання виду лінгвістичної індексації та типу інформаційно-пошукової мови. Розглянуто поняття логіко-лінгвістичної моделі, яка є центральним етапом процесу лінгвістичної індексації. Саме на цьому етапі програма автоматичного текстового аналізу зчитує текст, виділяє його ключові елементи та видає кінцевий результат. Відповідно встановлено, що лінгвістична індексація буде демонструвати точні та якісні результати лише у разі належного аналізу на лексичному, семантичному та структурному рівнях. Неврахування будь-якого з цих аспектів призводить до невірного трактування тексту програмою. Для аналізу алгоритмів автоматичної лінгвістичної індексації у нашому дослідженні було використано п’ять програм автоматичного лінгвістичного аналізу: OpenBrainAI, SUMMARIST, Lingualyzer, Voyant Tools та AntConc. Вибір програм зумовлений набором їх функцій, що уможливлює здійснення автоматичного аналізу тексту на трьох рівнях. На кожному етапі лінгвістичної індексації результати цих програм порівнювалися із результатами ручної індексації. Виконання порівняльного аналізу відбувалося на базі сформованих критеріїв, що дозволило відслідкувати точність та якість отриманих результатів індексації на лексичному, семантичному та структурному рівнях. Керуючись специфікою нашого дослідження, для здійснення порівняльного аналізу результатів автоматичної та ручної лінгвістичної індексації, ми створили власний корпус, що складається з текстів англомовних та українськомовних онлайнових медіаматеріалів – English and Ukrainian Mediatexts Corpus (EUMC). Корпус налічує 1020 текстів, з-поміж яких 510 англомовних текстів та 510 українськомовних. До корпусу було відібрано статті, рецензії, огляди, репортажі та звіти на суспільно-політичні, культурні та економічні теми. Відібрані матеріали охоплюють період 2022-2025 рр. Відбір текстів до корпусу відбувався на основі заздалегідь сформованих критеріїв, що дозволило забезпечити репрезентативність отриманих результатів. Отримані результати свідчать, що основою для автоматичної лексичної індексації є аналіз частотності, тематичної релевантності та функціонального навантаження лексичних одиниць. Найбільш частотним випадком є визначення ключових слів з огляду на частоту його використання. Такий підхід спостерігається під час індексації 816 текстів, що становить 80% з усього корпусу текстів. 204 медіатексти на лексичному рівні було проіндексовано, зважаючи на контекстуальну вагу ключових слів. Це всього 20% з-поміж всіх текстів. Після порівняння одержаних результатів з ручною індексацією було встановлено, що рівень збігу дорівнює 80-85% для англомовних медіатекстів та 65-75% для українськомовних. Автоматична семантична індексація здійснюється через визначення основної теми. У такий спосіб програми проіндексували 50% текстів, тобто 510 текстів. Ще 30% (306 текстів) було проіндексовано через ідентифікацію провідного концепту і лише у 10% випадків процес семантичної індексації було розпочато з визначання семантичних полів, тематичних та концептуальних індексів (204 тексти). Ручна індексація продемонструвала збіг у 80% у випадку англомовних медіатекстів. Для українськомовних текстів цей показник становить всього 55-60%.Результати дослідження демонструють, що точність автоматичної структурної індексації залежить від правильного частиномовного аналізу. Дані, отримані під час порівняння результатів із ручною індексацією, показують 80% збіг у випадку англомовних текстів та 65% збіг під час роботи з українськомовними текстами. Відносно низькі результати, отримані в процесі автоматичної лінгвістичної індексації, вкотре доводять необхідність подальшого вдосконалення алгоритмів автоматичного текстового аналізу на різних рівнях. Встановлено, що іншим аспектом, який визначає якість та адекватність лінгвістичної індексації, є середовище, в якому функціонує мова. Враховуючи рівень представленості мови у медіапросторі, було виокремлено високо ресурсне, середньо ресурсне та низько ресурсне мовне середовище. Англійська мова належить до високо ресурсного мовного середовища, тоді як українська мова – до середньо ресурсного. Результати нашого дослідження підтверджують тезу про вищий рівень роботи автоматичних програм текстового аналізу із мовами високо ресурсного мовного середовища. Проведений експеримент показав, що в середньому ефективність роботи програм автоматичного текстового аналізу з англомовними джерелами становить 70-85%, в той час як з українськомовними джерелами цей показник дорівнює 40%. Наукова новизна отриманих результатів дослідження полягає в тому, що в ньому вперше: сформовано двомовний корпус англомовних і українськомовних медіатекстів, який структурований за тематичними, жанровими та хронологічними критеріями та може використовуватися для автоматичної лінгвістичної індексації; здійснено зіставний аналіз результатів ручної та автоматичної лінгвістичної індексації та уточнено методику зіставлення, що дозволяє кількісно оцінювати точність індексації та виявляти зони розбіжностей; виявлено особливості індексації англомовних та українськомовних медіатекстів, зумовлені типологічними характеристиками відповідних мов; запропоновано лінгвістично обґрунтовані рекомендації щодо вдосконалення індексації медіатекстів у практиці автоматизованої обробки текстової інформації. Теоретичне значення дисертаційного дослідження полягає у поглибленні наукових уявлень про лінгвістичну індексацію медіатекстів як багаторівневий мовний процес, що поєднує лексичні, семантичні та структурні параметри аналізу. У роботі уточнено та систематизовано понятійний апарат лінгвістичної індексації, зокрема розмежовано лексичний, семантичний і структурний типи індексації. Отримані результати є внеском в теорію медіалінгвістики, корпусної та прикладної лінгвістики. Зіставний аналіз індексації англомовних і українськомовних медіатекстів дозволяє виявити закономірності індексації, що створює підґрунтя для подальших теоретичних узагальнень у галузі міжмовного аналізу медіапростору та корпусного аналізу. Практична цінність роботи полягає у можливості застосування отриманих результатів для створення, анотації та аналізу спеціалізованих медіакорпусів; для створення курсів із корпусної лінгвістики, медіалінгвістики та комп’ютерної лінгвістики; для вдосконалення інструментів автоматичної обробки текстів; для інформаційного пошуку, контент-аналізу та моніторингу медіапростору.
Опис
Ключові слова
медіатекст, лінгвістична індексація, текстовий корпус, корпусна лінгвістика, семантика, синтаксис, академічна доброчесність, термін, термінологія, лексичні особливості, цифровий публічний простір, цифрова грамотність, інформаційні технології, англійська мова, штучний інтелект, media text, linguistic indexation, text corpus, corpus linguistics, semantics, syntax, academic integrity, term, terminology, lexical features, digital public space, digital literacy, information technology, English language, artificial intelligence
Бібліографічний опис
Власюк, Л. С. Лінгвістична індексація англомовних та українськомовних медіатекстів: структурно-семантичний аспект : дис. … д-ра філософії : 035 Філологія / Власюк Людмила Сергіївна. – Київ, 2026. – 225 с.