Қазақ тілінің ұлттық корпусы туралы материал

Қазақ тілінің ұлттық корпусы

Тіліміз бай. Оған дау жоқ. Алайда ғалымдар сол бай тілдің әр сөзін, сөйлемін жинап бір қор құрып, оны қазақ тілін ғылым тіліне айналдыруға пайдалана алмасақ, тіліміздің қолданылуы кеміп, суалған теңіздей бірте-бірте нәрінен айырып, жоғалтып алуымыз мүмкін екенін айтады. Бір сөзбен айтқанда, адам өміріне, ғылымға, техникаға, бәрі-бәріне қатысты қандай сөз бар соның бәрі хатталып, шотталып, ІТ платформаға енгізіліп цифрландырылған электронды қор жүйесінде тұруға тиіс.

Қазіргі жаһандану кезеңінде әртүрлі саяси-әлеуметтік, экономикалық қарым-қатынастарға байланыс­ты ақпарат ағыны бұрын-соңды болмаған қарқынмен өршуде. Ал қоғам өміріндегі мұндай ақпарат ағымының таралуы табиғи тілде жүзеге асатындықтан, тіл білімінің қызметі күннен-күнге кеңеюде. Осыған байланысты ұшы-қиырсыз ақпарат ағынын игеру мақсатында шетел және орыс тіл білімінде орасан зор нәтиже беріп отырған тілдік корпустарды қазақ тіл білімінің материалдары негізінде жасау бүгінде үлкен сұранысқа ие болып отыр. Сондықтан тіл білімінің осындай аса қызығушылық туғызып отырған жаңа саласы – корпустық лингвистиканың зерттеу нысаны қандай, тілдік корпус дегеніміз не, мәтіндер корпусын құрастыру не үшін қажет және ол қандай ғылыми-теориялық мәселелерді шешуге септігін тигізеді деген мәселелерден көпшілікті хабардар еткіміз келеді. Соңғы жылдары «Корпустық лингвис­тика» ғылымның бір саласы ретінде айқын басымдық алып отыр.Өйткені осы саланың зерттеу нәтижесі – мәтіндік корпустарды пайдаланбай тілдік зерттеулерде тәжірибе жүргізудің, әсіресе сөздік құрастырудың, неше түрлі грамматикалар дайындаудың оңайға түспейтіндігі айқындалып отыр.

Аса көп еңбек сіңіруді жəне мол қаржыны қажет ететіндігіне қарамастан бүгінгі таңда ұлттық корпусы бар ондаған тілдерді санамалап айтуға болады. Дүниежүзіне кең таралған ағылшын жəне орыс тілдерінің бірнеше корпустары бар. Саны жағынан тіл иесі аз болып табылатын кейбір тілдердің де өз корпустары жасалған (мысалы, чех, осетин, дат, армян, словен, тəжік жəне т.б.).

Корпустық лингвистика 1963 жылы АҚШ-та пайда болып, Браун корпусынан (The Brown Standard Corpus of American English) бастама алады. Бастапқыда бұл корпустың көлемі 1 млн. сөзқолданыстан тұрып, оның құрамында әрбіреуі 2 мың сөзқолданысқа тең 500 мәтін қамтылған. Алайда тілдік зерттеулерді сапалы жүргізу тек ауқымды тілдік материалдар негізінде ғана жүзеге асатындығы байқала бастады. Корпустық лингвистиканың ағылшын тіл білімінде кеңінен дамуын ғалымдар АҚШ-та компьютерлік техника мен ХХ ғасырдың 60-80 жылдары британ лингвистикасындағы интеллектілік ахуалдың белсенді дамуымен түсіндіреді. Осы кездерде тілдік зерттеулердің ең көп бөлігі компьютерленген мәтіндік корпустарға лингвистикалық талдау жүргізуге бағытталғандығы мәлім. Корпустық лингвистика жетістіктерінің бірі ретінде аса дамыған корпус түрі – Ұлттық корпусты ерекше атауға болады.

Қазақ тілінің ұлттық корпусы, Қазақстандағы барлық қазақ тілінің мәтіндерін жинау, сақтау және талдау үшін құрылған. Ол, Қазақстанда қазақ тілінің және оның диалектерінің, сондай-ақ мемлекеттік, саяси және әдістемелік тілдерінің мәтіндерін түрлі түрде жинауды және қамтамасыз ету жұмыстарын орындауға арналған жүйелердің бірі.

Корпус сайтында қазақ тілінің электронды мәтіндік қоры жинақталған. Корпустағы мәтін көлемі – 21 миллион. Мәтіндер қазақ тілінің 5 стиль түрінен (көркем стиль, ғылыми стиль, публицистикалық стиль, ісқағаз стилі, сөйлеу стилі) жинақталған. Корпустан сөз, сөзформа (сөз түрленімі) бойынша іздеу жүргізіп, іздеген сөзіңіз қолданылған сөйлемдердің тізімін және олардың дереккөзін көре аласыз. Табылған сөз/сөзформа немесе мысалдардағы кез келген сөз туралы тілдің барлық деңгейіне қатысты ақпарат беріледі.

Қазақ тілінің ұлттық корпусының негізін қалаушы Асқар Құдайбергенұлы Жұбанов (13 қараша 1937 – 11 маусым 2020) – филология ғылымдарының докторы, өз өмірін математикалық лингвистикаға арнаған. Әкесі, Құдайберген Жұбанов – қазақ тілінің ғылыми-теориялық негізін қалаушы, тіл білімінің тұңғыш профессоры.

Жалпы, әлемдік тәжірибеде тілдің ұлттық корпусы түрлі тақырыптағы кіші корпустардан тұрады. Олар: газеттік, тарихи, поэтикалық, синтаксистік, мультимедиялық және де басқа тілдің ұлттық кіші корпустары бар.

Мысалы А.Байтұрсынұлы атындағы Тіл білімі институты Қазақ тілі ұлттық корпусын алғаш жасауда тілдің бес стилін қамтыған болатын. Ал 2021 жылы Ш.Шаяхметов атындағы «Тіл қазына» ғылыми-практикалық орталығы публицистикалық мәтіндердің кіші корпусы бойынша жұмыс жүргізді.

Публицистикалық мәтіндер корпусына «Егемен Қазақстан», «Ана тілі», «Қазақ әдебиеті», «Түркістан», «Заң» газеттерінде жарияланған мақалалардың электронды көшірмелері енгізілді.

Алдағы уақытта публицистикалық стильдің басқа да ішкі жанрларын қамту, сондай-ақ басылым кезеңдері бойынша ұлғайту және дереккөздердің атаулары бойынша кеңейту көзделуде.

Тегінде, ұлттық корпусты қалыптастыру барысында мәтінге 12-20 параметрлік метабелгілер (мәтін авторы, мәтін тақырыбы, мәтін стилі, жанр, мәтін түрі, хронотоп, дереккөз, басылым мерзімі және т.б.) жасалды.

Былтыр корпустың «Qazcorpora.kz» сайты іске қосылды.

Қазақстан Республикасы Білім және ғылым министрлігі Тіл саясаты комитетінің тапсырысымен жүзеге асырылып жатқан аталмыш жобаны әзірлеуге Ш.Шаяхметов атындағы «Тіл-Қазына» ҰҒПО, А. Байтұрсынов атындағы Тіл білімі институты, Қазақ ұлттық университеті Әл-Фараби атындағы ҚазҰУ, Л.Н. Гумилев атындағы Еуразиялық ұлттық университеті; Назарбаев Университеті, Қазақ ұлттық қыздар педагогикалық университеті, Қ.Жұбанов атындағы Ақтөбе өңірлік университеті, Баишев университеті, «Minialgo» ЖШС, «Qazkitap баспасы» ЖШС атсалысты.

Ұлттық корпус, ең бірінші кезекте, тілші-ғалымдарға лексика мен грамматиканы жан-жақты зерттеуге мүмкіндік береді. Ал корпустың келесі міндеті – тілдің ішкі салалық (лексика, грамматика, тіл тарихы және т.б.) аясына қатысты әртүрлі анықтағыштық рөл атқару. Егер Ұлттық корпуста тілдік бірліктердің статистикалық сипаты да берілетін болса, ондай деректермен әдебиетшілер, тарихшылар және…