Top 200

Zadnja objava Najpogostejše besede in besedne zveze v bibliotekarski literaturi je vzbudila radovednost, katere so še druge pogoste besede in kako so glede pogostosti razporejene. Kot že rečeno, so med prvimi dvajsetimi najpogostejšimi predvsem funkcijske besede in le tri leksikalne besede. Ker zajema Korpus bibliotekarstva iz strokovnih in znanstvenih besedil, je število leksikalnih besed, kamor sodijo tudi strokovni termini, med pogostejšimi besedami večje, kot bi bilo v splošnem (nestrokovnem) jeziku. Sledi preglednica najpogostejših 200 besed, očitno je zelo strmo upadanje pogostosti, bibliotekar je šele na 217. mestu in je še zadnja beseda s pogostostjo nad tisoč.

Zap.št. Frekvenca Beseda 1 61859 in 2 52542 v 3 29354 za 4 22229 ki 5 21541 knjižnica 6 14632 tudi 7 14288 z 8 13374 pa 9 13325 s 10 12169 ta 11 10805 kot 12 10682 pri 13 9973 o 14 9151 ali 15 8044 po 16 7727 ne 17 7353 biti 18 6312 gradivo 19 6176 informacijski 20 6158 od 21 5893 iz 22 5743 do 23 5709 ter 24 5687 med 25 5530 podatek 26 5445 uporabnik 27 5257 sistem 28 5152 imeti 29 5103 knjižničen 30 4968 področje 31 4831 informacija 32 4743 še 33 4512 knjiga 34 4452 svoj 35 4311 kateri 36 3788 različen 37 3718 ves 38 3659 le 39 3629 število 40 3606 kar 41 3573 vir 42 3485 uporaba 43 3480 njihov 44 3269 visokošolski 45 3257 leto 46 3220 že 47 3171 zbirka 48 2983 potreba 49 2967 nov 50 2868 glede 51 2834 skupina 52 2816 znanstven 53 2809 avtor 54 2787 strokoven 55 2754 storitev 56 2736 znanje 57 2734 rezultat 58 2727 program 59 2686 oblika 60 2677 slovenski 61 2645 če 62 2632 analiza 63 2629 revija 64 2592 ona 65 2575 velik 66 2568 raziskovalen 67 2544 razvoj 68 2542 zato 69 2522 študent 70 2515 ko

Zap.št. Frekvenca Beseda 71 2496 način 72 2473 uporabljati 73 2455 oziroma 74 2413 vprašanje 75 2366 primer 76 2365 vsebina 77 2356 dejavnost 78 2342 univerza 79 2338 bolj 80 2335 naj 81 2332 članek 82 2327 prvi 83 2326 splošen 84 2309 iskanje 85 2292 k 86 2292 knjižničar 87 2283 stran 88 2261 posamezen 89 2260 organizacija 90 2246 pomemben 91 2204 čas 92 2202 dokument 93 2195 študij 94 2166 izobraževanje 95 2162 zapis 96 2150 en 97 2106 zelo 98 2087 digitalen 99 2062 raziskava 100 2018 elektronski 101 2018 predvsem 102 2006 ob 103 1998 proces 104 1964 standard 105 1914 morati 106 1908 zaradi 107 1882 nekateri 108 1838 določen 109 1834 vendar 110 1833 znanost 111 1828 katalog 112 1824 publikacija 113 1814 okolje 114 1809 njegov 115 1803 kakovost 116 1765 bibliografski 117 1762 dostop 118 1757 delovanje 119 1740 možnost 120 1736 tisti 121 1733 vsak 122 1701 omogočati 123 1679 mesto 124 1674 vrsta 125 1653 naloga 126 1631 jaz 127 1631 zaposlen 128 1627 ker 129 1615 cilj 130 1607 naslov 131 1599 metoda 132 1598 sicer 133 1585 kjer 134 1575 pomoč 135 1550 projekt 136 1548 objava 137 1539 enota 138 1539 nekaj 139 1515 poseben 140 1485 baza

Zap.št. Frekvenca Beseda 141 1485 tehnologija 142 1457 njen 143 1439 šolski 144 1434 predstavljati 145 1429 prostor 146 1405 deloven 147 1393 nacionalen 148 1387 sam 149 1378 visok 150 1359 država 151 1345 prav 152 1338 model 153 1338 ocena 154 1318 študijski 155 1311 pogosto 156 1310 iti 157 1303 kazati 158 1299 problem 159 1295 stopnja 160 1292 javen 161 1283 univerziteten 162 1271 literatura 163 1271 osnova 164 1262 osnoven 165 1261 ustrezen 166 1241 obdobje 167 1193 torej 168 1189 sredstvo 169 1189 ugotoviti 170 1188 pismenost 171 1184 svet 172 1180 bibliografija 173 1179 pomen 174 1178 mednaroden 175 1178 podatkoven 176 1175 poleg 177 1175 šola 178 1173 namen 179 1171 delavec 180 1171 povezan 181 1162 vmesnik 182 1160 raziskovalec 183 1154 oddelek 184 1143 razlika 185 1142 naslednji 186 1131 fakulteta 187 1130 povezava 188 1127 element 189 1127 učenje 190 1120 sprememba 191 1117 kaj 192 1112 odgovor 193 1109 okvir 194 1109 pogoj 195 1105 manj 196 1102 večina 197 1100 vedno 198 1093 sodelovanje 199 1089 jezik 200 1086 vrednost 201 1072 značilnost 202 1055 bibliotekarstvo 203 1053 založba 204 1051 uporabniški 205 1046 vloga 206 1043 oprema 207 1040 uspešnost 208 1039 posameznik 209 1036 pred 210 1022 družba

Najpogostejše besede in besedne zveze v bibliotekarski literaturi

Pogostost

V sestavku Najpogostejše besede je bilo govora o pogostosti besed v splošnem jeziku, predvsem v slovenščini in v angleščini, nekaj primerov pa je bilo tudi iz nemščine, francoščine in srbščine/hrvaščine. Poglejmo tokrat specialni strokovni jezik in pogostost pojavljanja besed v slovenskih bibliotekarskih besedilih. Za analizo bodo služili podatki slovenskega Korpusa bibliotekarstva, ki obsega okrog 1,8 milijona besed iz 234 slovenskih bibliotekarskih strokovnih in znanstvenih besedil. Z avtomatsko lematizacijo (lematizacija je proces pripisovanja osnovne oblike besednim oblikam v besedilu, npr. vse glagolske oblike spremenimo v nedoločnik, vse samostalniške oblike v imenovalnik ednine ipd.), za katero obstaja tudi v slovenskem jeziku že nekaj prav uporabnih spletnih programov, se je zmanjšalo število različnih besed na samo nekaj več kot 20.300. Njihova pogostost je zelo različna, od 61.859 (veznik in) do ena, teh je največ (okrog 7.300 besed, ki jim pravimo enkratnice). Glede na to, da gre za strokovna in znansvena besedila, je razporeditev pogostosti drugačna, kot je to v splošnem jeziku. Beseda knjižnica je po pogostosti že na petem mestu (21.541), gradivo na osemnajstem (6.312) in takoj za njim pridevnik informacijski, kmalu sledijo še podatek, uporabnik, sistem, knjižničen, informacija, triintrideseta najpogostejša beseda je knjiga (4.512).

Orodje za gradnjo in uporabo korpusa omogoča tudi iskanje, prikaz in analizo n-gramov (n-gram je zaporedje določenega števila (n) besed, npr. besedni dvojček, trojček, četverček ipd.). V nadaljevanju so naštete nekatere najpogostejše besedne zveze glede na pojavljanje v besedilih, ki jih analizira Korpus bibliotekarstva. Upoštevane so tiste besedne zveze, ki jih lahko štejemo za stalne besedne zveze ali za strokovne termine (ne pa npr. samostalnik s predlogom ali veznikom, osebek z glagolom ipd.), naštevanje začne z najpogostejšimi in sega v vsaki skupini po rangu do stotega mesta.

Besedni pari    knjižnično gradivo    visokošolske knjižnice    informacijska pismenost    informacijski viri    splošne knjižnice

Besedni trojčki    Univerza v Ljubljani    v elektronski obliki    sistemi za poizvedovanje    enota knjižničnega gradiva    v digitalni obliki

Besedni četverčki    uporabniki s posebnimi potrebami    Narodna in univerzitetna knjižnica    dejavnost kot javna služba    trajno ohranjanje digitalnih virov    Center za razvoj knjižnic    predmet informatika v športu    informacijska in komunikacijska tehnologija    standardi za splošne knjižnice    nacionalni program za kulturo     za otroke in mladino    strokovni kriteriji in merila    merila za visokošolske knjižnice

Besedni peterčki    bibliotekarstvo, informacijska znanost in        knjigarstvo    knjižnična dejavnost kot javna služba    pogoji za izvajanje knjižnične dejavnosti    delo v sistemu vzajemne katalogizacije    knjižnično gradivo na 1000 prebivalcev    programska oprema za avtomatizacijo knjižnic    zagotavljanje dostopa do informacijskih virov    dostop do elektronskih informacijskih virov    gradivo in drugi informacijski viri

Podatke o pogostosti posameznih besed in besednih zvez je treba razumeti v kontekstu besedil, ki jih Korpus bibliotekarstva zajel in analiziral (glej Korpus bibliotekarstva je dosegel popolno funkcionalnost). Od tega, katera besedila (in katerih avtorjev oz. s katerih strokovnih področij) so upoštevana, so odvisni besedni zaklad, pogostost posameznih besed in besednih zvez.

Zanimiva je infografika s prikazom 86.600 najpogostejših besed angleškega jezika, zajetih v British National Corpus, ki jo predstavlja WordCount.
Nekaj zanimivosti s tega seznama – dvajset izbranih besed z oznako ranga na lestvici pogostosti:

rang	beseda	rang	beseda
219	information	1577	TV
357	book	3700	catalogue
406	read	3780	journal
555	paper	3928	PC
559	type	4505	mouse
705	computer	4875	mobile
843	technology	8143	ink
930	write	8222	librarian
1271	phone	9397	tag
1552	library	11013	wireless

WordCount - Primer prikaza ranga za besedo database, ki je
v rangiranem seznamu na 2876. mestu tik pred besedo socialist

O številkah in času

Ljubljana Time

Živimo v času številk, vse označujemo in prikazujemo s številkami, odstotki, razmerji. Celo slike, besedila in zvok pretvarjamo v številke in jih nato pretvarjamo nazaj v slike, besedilo, zvok . . . Količine so postale tako velike, da navadne številke in števila ne zadoščajo več, zato segamo po novih in novih številskih predponah za označevanje zelo velikih števil (na kratko o tem v Merske enote za bibliotekarje), izmišljamo si nove številske sisteme, zato imamo poleg uveljavljenega desetiškega z desetimi števkami še take z manj (npr. dvojiški) in več števkami (npr. šestnajstiški). Dvanajstiškega se najbrž spominjajo predvsem še stare mame, ki so kupovale jajca in nogavice na ducate. V različnih okoljih kljub mednarodni standardizaciji še vedno uporabljamo različne merske enote in načine zapisovanja količin. Prav okrog Novega leta je inšpektor po televiziji grozil s kaznimi . . . če pozabimo na že opuščene računalniške diskete, katerih dimenzije smo praviloma vsi, tudi laiki, opisovali v inčih ali palcih, colah, je še danes povsem enako z zasloni televizorjev (tu smo se malce že navadili tudi na centimetre), računalnikov, mobijev in bralnikov elektronskih knjig, sendviče ocenjujemo v kalorijah, krvni pritisk (tlak!) kar tako samo v številkah brez merske enote (ki pa pomenijo mm živosrebrnega stolpca), pritisk avtomobilskih zračnic v atmosferah ali barih, moč in živahnost avtomovilov v konjskih močeh . . . Vse to je glede na mednarodne standarde narobe! Verjetno so prav zato vremenarji na televiziji nehali poročati o zračnem tlaku, ker milibarov ne smejo uporabljati, hektopaskali pa so "normalnemu" Slovencu povsem nerazumljivi. Težave in nerazumevanje sejejo v novicah tudi novinarji, ki pogosto nestrokovno in površno prenašajo bilijon v slovenščino in ne povedo, od kod so ga prinesli – iz britanske in/ali ameriške ali mednarodne angleščine! Razlika je ogromna! (glej Wikipedia). Tudi s koledarjem ni prav enostavno, isti vir jih našteva kakih petdeset. Pri nas poznamo poleg julijanskega in gregorijanskega vsaj še islamskega, ki se za laika razlikujejo vsaj po dolžini leta in od tod zamiku datumov oz. praznikov, in začetku štetja.

Zapis datuma in časa določa mednarodni standard ISO 8601, veljavna različica je tretja izdaja, to je ISO 8601:2004, ki je izšla leta 2004. Po istem članku v Wikipediji povzemam nekatere primere.

Mednarodni standard za zapis datuma je:
            YYYY-MM-DD
kjer je YYYY leto po standardnem gregorijanskem koledarju, MM je mesec v letu (01 - januar, 12 - december) in DD dan v mesecu od 01 do 31.
Dan današnje objave na blogu se bi tako zapisal: 2012-01-08
Drugi običajni zapisi, ki se delno še uporabljajo, so lahko tudi v obliki: 1/8/2012, 8/1/2012, 12/2/4, 8.01.2006., 08-JAN-2012, 8-januar-2012 in še nekateri. Predvsem prvi dve obliki sta bili nevarni za zamenjavo, ker sta se uporabljali istočasno v ZDA in Veliki Britaniji, in ni jasno, kaj je dan in kaj mesec.

Standarden zapis dnevnega časa je:
           hh:mm:ss
kjer je:

• hh - število polnih ur, ki so minile od polnoči (od 00 do 24);
• mm - število polnih minut (od 00 do 59), ki so minile od začetka ure;
• ss - število polnih sekund (od 00 do 59 in v izjemnih primerih dodane prestopne sekunde tudi 60), ki so minile od začetka minute;
• če je ura 24, morajo biti minute in sekunde 00.

Za polnoč je možen zapis 00:00:00 ali 24:00:00. Tako se lahko ločuje obe polnoči, ki sta vezani na isti dan. Spodnja zapisa definirata točno isti čas:
           2011-12-31 24:00:00
           2012-01-01 00:00:00
Če je potrebno, se lahko določi tudi zaporedna številka dneva ali tedna v letu, tudi o tem govori navedeni standard.

Angleški "poljudni" zapis časa je praviloma z dvanajsturnim ciklusom in oznakama a.m. (lat. ante meridiem – pred poldnevom) in p.m. (lat. post meridiem – po poldnevu), ki jih uporabljajo tudi Španci in Grki. Opolne in opolnoči imajo seveda težave (takrat 12 ni niti a.m. niti p.m.!) in zato uporabijo domači izraz "noon" oz. "midnight".

Nekatere posebnosti odražajo jeziki že pri tvorjenju števil, pogosto tiči razlog v preteklem dvanajstiškem sistemu in latinskih števnikih. Taka števila se je treba v tujih jezikih pač naučiti kot besedo in pri hitrem reagiranju v govoru ali prevajanju pogosto povzročajo težave, npr. francoski quatre-vingt-quinze bi se dobesedno prevedlo v štiri-dvajsetice in petnajst, kar je seveda petindevetdeset! Tudi v nekaterih frazah je opaziti nenavadne razlike, ko v podobnem pomenu uporablja različno število. Pri nas je nekdo povedal vse z eno besedo, podobno v angleščini in v francoščini (in a word, en un mot), Italijani pa so gostobesednejši in raje in due parole. Podobno je s sopomenko za dva tedna. Pri nas je to štirinajst dni, enako pri Nemcih in Angležih (fourteen days ali fortnight), v italijanščini in francoščini pa petnajst (quindici giorni, quinze jours, une quinzaine de jours).

Pa vendar tudi Slovenci nismo imuni pred težavami v sporazumevanju o času. Če se bosta študenta Štajerka in Primorec (ali Gorenjec) dogovorila za zmenek ob "tri četrt na šest", se zagotovo ne bosta srečala!

Najpogostejše besede

Jezik je živa tvorba, ki nenehno raste in se razvija ter tako prilagaja sodobnemu načinu življenja, kulturi in tehnologiji. Število besed se vztrajno povečuje, najpogosteje uporabljane besede pa ostajajo kljub temu v glavnem iste. Katere besede pa najpogosteje uporabljamo? To je zelo odvisno od tega, kateri segment jezika opazujemo, v vsakodnevnem pogovornem jeziku so na prvem mestu seveda druge besede kot v literarnih ali strokovnih besedilih, v jeziku tviterašev zopet druge. Velike so tudi razlike med posameznimi jeziki glede na značilnosti slovnice in sintakse. Poglejmo v nadaljevanju nekaj primerov za različne jezike v splošni rabi, prihodnjič pa še slovenska bibliotekarska besedila kot določeni stroki posvečen segment jezika.

Začetek seznama najpogostejših besed v vseh jezikih zapolnjujejo funkcijske besede. To so besede, ki navadno nimajo posebnega leksikalnega pomena in služijo za izražanje slovničnih odnosov z drugimi besedami znotraj stavka (za razliko od leksikalnih besed, med katere spadajo samostalniki, glagoli, pridevniki in večina prislovov). Med funkcijske besede štejemo predvsem veznike, predloge, zaimke, pomožne glagole, člene in členke.

Analizo pogostosti pojavljanja besed v sodobnem angleškem jeziku so naredili pri Oxford English Dictionary, temelji pa na referenčnem besedilnem korpusu angleškega jezika, ki vsebuje več kot dve milijardi besed iz vseh vrst besedil od leposlovja do dnevnega časopisja, strokovnih besedil in tudi spletnih virov kot so klepetalnice, blogi in podobno, ter velja za največji tovrstni korpus.
V skladu z nekaterimi znanimi zakoni o pogostosti in distribuciji (npr. Zipfov zakon, o katerem je bilo na tem blogu govora že v objavi Sto najpogostejših) predstavlja prvih 25 najpogostejših besed okrog ene tretjine vsebine tiskanih besedil v angleškem jeziku. Najpogostejših 100 besed predstavlja kar polovico pisanih besedil in prvih 300 najpogostejših besed več kot 65% vseh pisanih besedil v angleščini.
Med vsemi besedami je najpogostejši določni člen (the), ki mu takoj sledi pomožni glagol (biti). Pri samostalnikih je na prvem mestu beseda čas, sledijo oseba, leto, pot, dan, že na dvajsetem mestu je vlada (kdo bi si mislil?!), na srečo so pred njo še ženska, moški (oz. človek) in otrok. Med glagoli so na prvih treh mestih pomožni glagoli (be, have, do – kjer have seveda nastopa v dveh vlogah), sledijo reči, dobiti, narediti, iti, vedeti itd. Nekatere druge analize angleških besedil se pri rangiranju nekoliko razlikujejo, vzrok pa je zajemanje drugačne vrste besedil. Pričakovati je, da je seznam najpogostejših besed ameriške angleščine precej, vendar ne povsem, podoben. Korpusa ameriške angleščine sta po obsegu dosti manjša, pogostnostnega seznama pa žal nisem mogel primerjati (ker je plačljiv).
Zanimiva je virtualizacija WordCount z iskalnikom po 86.600 najpogostejših besedah angleškega jezika, zajetih v British National Corpus, navajam primer za besedo book, ki je v rangiranem seznamu že na 357. mestu:

Podatke za druge jezike povzemam po dveh virih, to so seznami Univerze v Leipzigu in Wiktionary. V nemškem jeziku zasedajo funkcijske besede celo prvih 62 mest, prva leksikaln abeseda je moči, potem pa šele na 79. mestu znati, vedeti, prvi samostalnik je šele na 103. mestu moški, človek; med prvimi dvestotimi so samostalniki zelo redki.

Podatki za francoski jezik so nastali z analizo belgijskih gradiv, kar seveda ne predstavlja najbolj reprezentativnega vzorca za francoščino. Podobno kot pri nemščini sodi prvih 61 najpogostejših med funkcijske besede, šele nato nastopa prva leksikalna beseda, ki se pojavlja kot homonim (marché), to je kot samostalnik trg, tržišče ali glagol hoditi v preteklem času, kmalu zatem pa sledijo še dežela, milijon, leto, čas, skupina, družba itd. Seznam najpogostejših besed v besedilih, namenjenih šolskemu branju, je seveda nekoliko drugačen.

Seznam pogostih besed v srbohrvaščini (tako poimenujejo ta jezik v viru) je nastal iz podatkovne zbirke besedil podnapisov v filmih. Prvih 27 sodi med funkcijske besede, šele potem pride prva leksikalna beseda dobro, nekoliko kasneje še vedeti, tukaj, moči, misliti, reči itd.

Tudi seznam slovenskih besed izvira iz podatkovne zbirke besedil podnapisov v filmih; podatkovna zbirka je dokaj obsežna, saj je pogostost samo pomožnega glagola v edninskih oblikah več kot štiri milijone. Za funkcijskimi besedami je na 18. mestu lahko, daleč za njim dobro, potem pa vedeti, tukaj, hvala, imeti itd.
Po naboru več kot 110 slovenskih leposlovnih besedil, analiziranih v disertaciji Entropija v slovenskih leposlovnih besedilih (Primož Jakopin, 2002), so med prvimi petdesetimi samo funkcijske besede z izjemo šestintridesete (vse). Med samostalniki so najpogostejši beseda, človek, dan, glava, leto, ljudje, oče, oči, roka in življenje. Precej podobno sliko kaže slovenski besedilni korpus Nova beseda, ki obsega nad 318 milionov besed. Med najpogostejšimi 100 besedami sta samo samostalnika leto in predsednik (kako prikladno za ta novoletno-povolilni čas v Sloveniji!).

Za kakšnih 40 jezikov ponuja na vpogled sezname najpogostejših besed spletišče Frequency Word Lists.
O pogostosti besed in besednih zvez v slovenskih bibliotekarskih besedilih pa več v prihodnji objavi.