Complexity Mechanism in Leveled Texts

Full Text

Введение

Всплеск интереса к вопросам понимания сопровождается в настоящее время разработкой многочисленных подходов к оценке сложности или меры трудности текста [1], осуществляемой как автоматически, т.е. на основе валидированных лингвистических параметров [2], так и на основе экспертных оценок [3–5]. Целью обеих процедур является обеспечение языковой доступности текста, поскольку в противном случае утрачивается цель коммуникации, а воздействие текста может становиться деструктивным [6].

Среди объектов такого рода исследований учебный текст занимает особое место в силу его полифункциональности, т.е. совмещения информативной, культурологической и развивающей функций [7]. Важное значение в данном аспекте приобретает использование адаптированных художественных текстов для учебных целей в практике преподавания русского языка как иностранного (далее РКИ), поскольку именно художественные тексты, обеспечивая изучение системы языка, представляют материал для познания норм коммуникации в различных ситуациях [8]. При этом ученые признают, что алгоритмы оценки сложности вторичного текста, имея высокую значимость для прикладной лингвистики и лингводидактики, продолжают оставаться в стадии разработки [9].

Представленное исследование осуществлено с целью выявления механизмов лингвистической адаптации (преобразования) текста, создающих предпосылки для адекватного восприятия и понимания текста определенной целевой аудиторией. На примере художественных и адаптированных экспертами текстов, используемых в практике преподавания РКИ, тестируется гипотеза о том, что учебный текст, преобразованный на основе художественного, обладая более низкой степенью лингвистической сложности, сохраняет высокую степень когнитивной сложности, свойственной первичному тексту.

Обзор литературы

Текст: художественный vs учебный текст

Обладая информационной избыточностью и занимая «промежуточное положение между деловым стилем и устно-разговорной речью: нижняя граница равна 76,3 %, а верхняя — 82,6 %» [10], художественный текст выступает в качестве пропозиционально-логического инварианта [11], на основе которого создаются многочисленные варианты — вторичные тексты, обладающие разной пропозициональной структурой и иллокутивной силой [12].

Адаптация учебного текста, трактуемая как «упрощение, приспосо6ление, облегчение ˂…> текста в соответствии с уровнем языковой компетенции обучающихся» [13], манифестируется в трех основных механизмах: свертывании (сужении, сокращениях, компрессии, редукции), развертывании (расширении) и замене единиц текста [14]. Таким образом, преобразование художественного текста для учебных целей осуществляется за счет количественных и качественных изменений морфологических, лексических, синтаксических и дискурсивных параметров.

Традиционно считается, что в отличие от переводческих трансформаций, нацеленных на сохранение уровня лингвистической и смысловой сложности оригинала [15; 16], трансформации, осуществляемые при адаптации текста для учебных целей, нацелены на снижение уровня лингвистической сложности [17–21].

Сложность текста. Научная традиция современной парадигмы дискурсивной комплексологии предполагает оценку двух типов сложности: лингвистической, манифестируемой в языковых единицах всех уровней текста, и когнитивной (информационной), трактуемой как совокупность воздействующих на читателя элементов содержания текста. Лингвистическая и когнитивная «сложности» печатного текста суть два аспекта одной категории, поскольку когнитивная сложность манифестируется и видоизменяется исключительно через языковые маркеры.

Лингвистическая сложность текста. Способы и методы оценки лингвистической сложности текста хорошо описаны в отечественной и зарубежной лингвистике в рамках параметрического подхода или при помощи нейронных сетей [22]. Автоматическая оценка лингвистической сложности текста позволяет не только избежать субъективности экспертизы, осуществляемой специалистом, но и призвана обеспечить (1) список языковых единиц, отсутствующих в словарном запасе целевой аудитории, а также (2) варианты их синонимических замен [23]. Имея данные о референсных диапазонах метрик синтаксических и морфологических параметров текста, современные анализаторы оценивают, насколько текст соответствует установленным нормам языковой сложности того или иного уровня [24; 25]. Особый вес и высокую предиктивную силу при оценке морфологической сложности текста, имеют доли частей речи: чем выше доля глаголов, тем выше его нарративность и тем легче воспринимается текст [25], в то время как высокая доля имен существительных, наоборот, свидетельствует о высокой мере трудности восприятия текста [26]. Установлено, что лексическое разнообразие учебных текстов колеблется в диапазоне 0.3–0.6, а в случаях, когда значение превышает данный уровень, текст не обеспечивает достаточной когезии и лексических повторов, а понимание усложнено [26; 27].

Когнитивная сложность текста. Оценка когнитивной сложности текста как объема передаваемой текстом информации [28; 29] предполагает анализ смыслового пространства текста, его информационного единства, информационной плотности или компрессивности [30–32], а также способности текста к «уплотнению информации» [33]. Существующие подходы к когнитивной сложности трактуют данную категорию как конструкт [34], оценка которого осуществляется основе двух основных подходов: личностно-ориентированного и текстоцентричного.

Методы, разработанные в рамках личностно-ориентированного подхода, предполагают оценку готовности и/или способности читателя (категорий читателей) к восприятию текста и косвенно связаны с информативностью текста для читателя, т.е. «степенью / мерой ожидаемости / неожидаемости, известности / неизвестности предъявляемых адресату смысловых образований» [35.  С. 7]. Методы в рамках данного подхода, в частности, включают (а) индивидуальную оценку читателями нагрузки, возникающей при чтении [36], (б) расчет темпа выполнения различных видов интеллектуальной деятельности [37], (в) ожидаемый от субъекта уровень «глубины знаний» по Уэббсу [38]; (г) таксономию когнитивных процессов по Б. Блуму [39; 40].

Текстоцентрические методы оценки когнитивной сложности ориентированы на оценку содержащейся в тексте информации, его информационной насыщенности, «семантического веса» [41] или «напряженности» как абсолютного показателя текста [42]. Текстоцентрические методы предполагают либо применение стилостатистических приемов, включающих оценку языковых маркеров когнитивной нагрузки, валидированных в более ранних исследованиях [43], либо с использованием информационно-интеллектуальных технологий, в том числе «машинное/глубокое обучение», применение нейронных сетей, трансформеров и проч. [34; 44].

Оценка изменения / сохранения когнитивной сложности учебного текста и его оригинала может быть осуществлена на основе пропозиционального анализа обоих вариантов текста. Методология такого рода анализа была разработана В. Кинчем и Т.А. ван Дейком [45], а позднее успешно валидирована в серии психолингвистических исследований [46; 47]. Пропозициональный анализ в описательных и контрастивных исследованиях репрезентации текста активно используется в современной когнитивной психологии и доказал свою валидность как метод [48. С. 82]. При оценке понимания текста респондентом пропозициональный анализ применяется для оценки объема понимания текста и имеет в качестве обязательного этапа выявление отношения количества и качества (состава) воспроизведенных пропозиций к исходным пропозициям в тексте. Согласно модели понимания В. Кинча, пропозиция трактуется как основная содержательная единица текста и наименьшая единица знания, выделяемая в высказывании [49], вербализация пропозиции осуществляется предикатом и как минимум одним аргументом [50; 51]. Пропозициональный анализ текста оригинала и его адаптированной для учебных целей версии позволяет оценить информационную плотность каждого из них для последующего контрастирования (сравнения).

Материал и методы

Материал исследования. Исследование осуществлено на материале двух коллекций текстов: (1) первичных текстов — фрагментов художественных произведений русских авторов (n=12) и (2) вторичных — адаптированных для преподавания русского как иностранного (РКИ) версий художественных произведений (n=12) (см. Таблицу 1). Общий объем корпуса составил 22232 словоформ. Первичные тексты — фрагменты художественных известных российских писателей: А.П. Чехова (Тексты О_1^[1] — О_5, О_8, О_10), В.П. Астафьева (О_6), И.А. Бунина (О_7), И.С. Тургенева (О_9), Ф.М. Достоевского (О_11), В.В. Набоковa (О_12).

Источником всех изучаемых текстов РКИ послужили учебные пособия, используемые в практике преподавания РКИ. В качестве критериев отбора использовались следующие: (1) вторичность, т.е. наличие первичного варианта, художественного произведения; (2) уровень сложности, заявленный авторами учебника, в диапазоне А1 — В2; (3) симметрия заданий к тексту, обеспечивающая «изучающий» вид чтения и установку читателя на полное понимание, запоминание и дальнейшее использование текстовой информации [52; 53]. Исследовательский корпус представлен в Таблице 1.

Таблица 1 / Table 1

Объем корпуса исследования / Volume of the Research Case

Коллекция первичных текстов / Corpus of primary texts	Коллекция вторичных текстов (РКИ) /  Corpus of secondary RFL texts
О_1[2](668)[3]	A2_1[4](421)
О_2[5](1096)	A2_2[6](583)
О_3[7](903)	A2_3[8](652)
О_4[9](991)	A2_4[10](760)
О_5[11](1363)	A2_5[12](594)
O_6[13](892)	B2_6[14](487)
O_7[15](552)	B2_7[16](493)
O_8[17](495)	B2_8[18](464)
O_9[19](599)	B2_9[20](441)
О_10[21](550)	B2_10[22](494)
О_11[23](3279)	B2_11[24](872)
О_12[25](3094)	B2_12[26](1489)
TOTAL: 14482	TOTAL: 7750

 Источник: составлено М.И. Андреевой, М.И. Солнышкиной и С. Саадна. / Source: Compiled by Mariia I. Andreeva, Marina I. Solnyshkina, Sarra Saadna.

Алгоритм исследования включает пять этапов: (1) сбор корпуса исследования, в состав которого входят две коллекции текстов исследования: (а) оригинальные (первичные) тексты фрагментов повестей и романов классиков русской литературы (n=12) и (б) адаптированные (вторичные) тексты из учебников по РКИ уровней А2 и В2 (n=12); (2) расчет значений лингвистических параметров текстов каждой из коллекций при помощи автоматического анализатора RuLingva^[27]; (3) статистический анализ метрик вышеуказанных оппозиций для выявление статистически значимых различий между контрастируемыми текстами (по Вилконсону) при помощи программы STATISTIKA; (4) оценка когнитивной сложности оригинальных (первичных) и адаптированных (вторичных) текстов при помощи пропозиционального анализа и расчета абсолютной и нормализованной информационной плотности текстов; (5) контрастирование индексов когнитивной сложности и выявление (а) симметрии когнитивной сложности изучаемых оригинальных и вторичных (адаптированных) текстов.

128 лингвистических параметра, рассчитываемых при помощи RuLingva, включают параметры четырех кластеров: дескриптивные, морфологические, лексические и дискурсивные с грануляцией на (1) документ; (2) предложение; (3) абзац и (4) 1000 словоформ^[28]. Список параметров включает, но не ограничивается следующими: среднее количество слов в предложении, среднее количество слогов в слове, среднее количество знаков в слове, существительные, среднее количество существительных в предложении, глаголы, среднее количество глаголов в предложении, среднее количество прилагательных в предложении, местоимения, числительные, лексическое разнообразие, родительный падеж существительных, творительный падеж существительных, прошедшее время глаголов, соотношение глаголов и существительных, количество односложных слов, количество двусложных слов, количество трехсложных слов, количество четырехсложных слов, среднее количество наречий в предложении гапакс легомена^[29]. Отдельно оцениваются два индекса читабельности текста по двум формулам: (а) по формуле F(SIS) — читабельность нехудожественных текстов:

               (FKG (SIS) = 0,063 × средняя длина предложения + 2,0 × средняя длина слов в слогах — 2,3),

а также по формуле И.В. Оборневой –для художественных текстов:

               FK(Obor) = 206,836 — (1,52 × средняя длина предложения) –  (65,14 × среднее число слогов) [54].

Для сравнения параметров первичных и вторичных текстов использовался Т-критерий Вилкоксона, валидированный для сравнения показателей, измеряемых в различных вариантах одного и того же текста, и позволяющий установить эффективность воздействия адаптации на оригинальный текст [55]. В представленном исследовании применение Т-критерия Вилкоксона значимо для оценки спектра изменений в каждой из пар О (оригинальный, первичный) — РКИ (учебный, вторичный, используемый в РКИ) текстов.

Когнитивная сложность текстов оценивается при помощи пропозиционального анализа. Парадигма структурного подхода в рамках семантического синтаксиса выделяет главные пропозиции и субпропозиции, классифицируемые на актанты и сирконстанты [56]. Оценка главных пропозиций осуществляется на основе предикативных структур, вербализумых глаголами, причастиями, деепричастиями, отглагольными существительными и прилагательными. Таксономия актантов включает субъект, объект, адресат и инструмент, а сирконстанты указывают местоположение, время, причину действий [56]. Пропозициональная сложность относится к числу идей, закодированных говорящими для передачи данного сообщения [57; 58]. Таким образом, чем больше идейных единиц закодировано при повествовании истории, тем выше ее пропозициональная сложность.

Анализ

На Этапе I первичные (художественные, оригинальные, далее — О) и вторичные (учебные, используемые в практике РКИ, далее — РКИ) тексты после сканирования и извлечения из источников прошли предобработку: из них были удалены символы, контаминирующие однородность дискурса, например, сноски, иноязычные «острова», объем которых варьируется от морфемы до фразы, пробелы, были исправлены опечатки. Метаразметка документов в корпусе предусматривает облигаторность включения следующих блоков информации: автор, название произведения, номер текста в корпусе, тип текста (О vs РКИ). Корпус хранится на внутреннем репозитории Казанского федерального университета, доступ к нему предоставлен ограниченному числу научных сотрудников для выполнения исследовательских работ.

На Этапе II каждый из текстов корпуса был подвергнут лингвистическому профилированию при помощи сервера RuLingva. Для сравнительного анализа текстов разной длины использовались нормализованные значения на 1000 словоформ (ipt), рассчитываемые по формуле Fнорм = метрика / количество словоформ в отрывке * 1000.

На Этапе III с помощью программы STATISTIKA был осуществлен статистический анализ метрик параметров сравниваемых текстов (см. Таблица 2).

Таблица 2 / Table 2
Статистически значимые параметры-дискриминанты лингвистической сложности текстов О и РКИ (по Вилконсону) / Statistically significant discriminant parameters of linguistic complexity of O and RKI texts (according to Wilconson)

№	Параметры / Parameters	p-value
1	Среднее количество слов в предложении / Average number of words per sentence	0,003*
2	Среднее количество слогов в слове / Average number of syllables per word	0,017*
3	Среднее количество символов в слове / Average number of characters per word	0,041*
4	Существительные / Nouns	0,583
5	Среднее количество существительных в предложении / Average number of nouns per sentence	0,003*
6	Глаголы / Verbs	0,022*
7	Среднее количество глаголов в предложении / Average number of verbs per sentence	0,028*
8	Среднее количество прилагательных в предложении / Average number of adjectives per sentence	0,004*
9	Числительные / Numericals	0,023*
10	Индекс FKG (Obor) / Flesh-Kincaid score (Obor)	0,003*
11	Индекс абстрактности / Abstractness score	0,002*
12	Отношение глаголов к существительным / Verb / Noun ratio	0,037*
13	Двусложные слова / Two-syllable words	0,023*
14	Среднее количество наречий в одном предложении / Average number of adverbs per sentence	0,008*
15.	Среднее количество гапакс легомена в предложении / Hapax legomena per sentence	0,002*

 Источник: составлено М.И. Андреевой, М.И. Солнышкиной и С. Саадна. /  Source: Compiled by Mariia I. Andreeva, Marina I. Solnyshkina, Sarra Saadna

Параметры, обладающие статистической значимостью (<0,050), маркированы*

Таблица 2 содержит 15 статистически значимых параметров, дифференцирующих исследуемые группы текстов.

К ним относятся следующие кластеры параметров:

Морфологические параметры-дискриминанты: существительные, среднее количество существительных в предложении, глаголы, среднее количество глаголов в предложении, среднее количество прилагательных в предложении, числительные, отношение глаголов к существительным, среднее количество наречий в одном предложении. Проиллюстрируем динамику изменений в рассматриваемых текстах на примере количества глаголов (см. Рис. 1).

Рис. 1. Количество глаголов в текстах О — РКИ (уровней А2 и В2)  
Источник: составлено М.И. Андреевой, М.И. Солнышкиной и С. Саадна. 
Fig. 1. The number of verbs in original and RFL (levels A2, B2) texts  
Source: Compiled by Mariia I. Andreeva, Marina I. Solnyshkina, Sarra Saadna.

Как видим, количество глаголов снизилось за счет внесенных в текст лексических изменений, как правило, связанных с заменами на менее частотные глаголы (назначен (О_10) → приехал работать (В2_10), а также замены наречий или адвербиальных комплексов на глагольные комплексы: впрочем (О_5) → может быть (А2_5). Например, поселился (О_10) → стал жить (В2_10), сходились (О_10)→ начали приходить (В2_10), молчать нет сил (О_5)→ не могу молчать (А2_5).

Аналогичным образом изменяется дескриптивность, т.е. соотношение прилагательных к существительным, в текстах РКИ, созданных на основе оригинальных художественных произведений (см. pис. 2).

Рис. 2. Дескриптивность, т.е. соотношение прилагательных к существительным в текстах О и РКИ  
Источник: составлено М.И. Андреевой, М.И. Солнышкиной и С. Саадна .  
Fig. 2. Descriptivity, adjectives/noun ratio in original and RFL (levels A2, B2) texts  
Source: Compiled by Mariia I. Andreeva, Marina I. Solnyshkina, Sarra Saadna.

Например, досуг (О_10) → свободное время (В2_10), душенька (О_10)→ дорогая (В2_10), смеющиеся глаза (О_10)→ весёлые глаза (В2-10), приятеля (О_2)→ хорошего знакомого (А2-2), индюк (О_2)→ старый дурак муж (А2-2), душа моя (О_2)→ моя милая (А2-2), твой пузан (О_2)→ твой старый толстый муж (А2-2), вдруг он остановился и хлопнул себя по лбу (О_2) → наконец у него появилась отличная идея (А2-2), улыбался (О_2) → прекрасное настроение (А2-2), индюка да Собакевича (О_2)→ старый глупый дурак (А2-2), Дегтярев (О_2) → молодой человек (А2-2).

В некоторой степени меняется и нарративность, рассчитываемая на основе соотношения глаголов к существительным в текстах О и РКИ (Рис. 3). Как было указано (Рис. 1), количество глаголов в текстах РКИ увеличивается, снижение нарративности как соотношение глаголов к существительным (см. Рис. 3), очевидно, происходит за снижения количества существительных.

Рис. 3. Нарративность, соотношение глаголов к существительным в текстах О и РКИ  
Источник: составлено М.И. Андреевой, М.И. Солнышкиной и С. Саадна.  
Fig. 3. Narrativity, verb/noun ratio in original and RFL texts  
Source: Compiled by Mariia I. Andreeva, Marina I. Solnyshkina, Sarra Saadna.

Снижение количества существительных объясняется в том числе их элиминацией. Например, (1) Дай еще икры! крикнул сосед, утирая салфеткой масленые губы. (О_3) → Дай ещё икры! — крикнул сосед, вытирая масленые губы (А2_3); (2) Может быть, это мне снится? изумился клоун, откидываясь на спинку стула. (О_3) → «Может быть, это мне снится? — удивился клоун (А2_3).

Лексическая адаптация текста. Свертывание (сужения, сокращения, компрессия, редукции)

Анализ текстов оригиналов и вторичных текстов РКИ выявил многочисленные лексические замены единиц с низкой частотностью и высоким уровнем сложности на более частотные синонимы.

Отдельного внимания заслуживает замена числительных и использование цифр в текстах РКИ. Например, в шесть часов → в 6 часов, двести рублей → 200 рублей. Очевидно, это связано со стремлением снизить когнитивную трудность восприятия текста.

Тексты РКИ практически не содержат фразеологических единиц, которые потенциально могут быть особо сложными для понимания. В качестве замен авторы-составители предлагают слова и словосочетания более высокой частотности. Например, Он шел пешком, не спеша (своих лошадей у него еще не было) и все время напевал: Когда еще я не пил слез из чаши бытия…(О_10) → Он шёл пешком (своих лошадей у него ещё не было), не спешил и всё время пел (В2_10); скалит зубы (О_2)→ улыбается (А2_2); ваша галантерейная лавка взлетит на воздух (О_2) → ваш магазин разрушат (А2_2).

На Этапе IV при помощи пропозиционального анализа была осуществлена оценка когнитивной сложности оригинальных (первичных) и адаптированных (вторичных) текстов, а также нормализация данных (% в Таблице 3). Нормализация количества пропозиций выполнялась для исключения влияния длины текста на результат расчетов (см. Таблица 3, выделено в серой заливке).

Таблица 3 / Table 3
Абсолютное и нормализованное (%) количество главных пропозиций в текстах О и РКИ / Absolute and normalized (%) number of main propositions in O and RKI texts

Тексты / Text	Глагол / Verb	Модал. Глагол / Modal verb	Прич. / Past Partic.	Деепр. / Pres. Partic.	Кач. прилаг. / Adj.	Отглаг. сущ./ Verbal noun	Адвер. Обор./ Adv.	Сущ. / Noun	Имен. констр. / Nom. phrase
O_1↔ А2_1	119↔87	7↔2	2	7	7↔2	15↔1	7↔2	2
%	17,8↔20,7	1↔0,5			1↔0,5	2,2↔0,2	1↔0,5
O_2↔ А2_2	192↔ 111	10↔6	4	20↔1	11↔6	12↔1	15↔6
%	17,5↔19	0,9↔1		1,8↔0,2	1↔1	1,1↔0,2	1,3↔1
О_3↔А2_3	154↔125	17↔14	4↔3	15↔6	21↔12	1↔1	6↔4	18↔14	15↔11
%	17↔19,1	1,9↔2,1	0,4↔0,5	1,7↔1	2,3↔1,8	0,1↔0,2	0,7↔0,6	2↔2,1	1,7↔1,7
О_4↔А2_4	143↔120	9↔9	8↔8	8↔4	1↔1	8↔7	5↔5	7↔7	17↔9
%	14,4↔15,8	0,9↔1,1	0,8↔1	0,8↔0,5	0,1↔0,1	0,8↔0,9	0,5↔0,7	0,7↔0,9	1,7↔1,1
О_5↔А2_5	241↔107	14↔7	2↔2	23↔13	25↔8	19↔8	5↔4
%	17,7↔18	1↔2,3	0,1↔0,3	1,7↔2,1	1,8↔1,3	1,4↔1,3	0,4↔0,7
О_10↔В2_10	91↔86		1↔1	5↔2	8↔8	7↔5		5↔3	21↔19
%	16,5↔17,4		0,2↔0,2	0,9↔0,4	1,5↔1,6	1,3↔1		0,9↔0,6	3,8↔3,8
О_11↔В2_11	157↔126	18↔11	13↔9	7↔3	30↔25	3↔3	20↔12	34↔24	57↔43
%	12,3↔14,4	1,4↔1,3	1↔1	0,5↔0,3	2,3↔2,9	0,2↔0,3	1,6↔1,4	2,6↔2,8	4,5↔4,9
О_12↔В2_12	363↔296	19↔19	5	29↔13	20↔9	46↔26	16↔15		25↔13
%	16,1↔19,8	0,8↔1,2		1,3↔0,8	0,9↔0,6	2↔1,7	0,7↔1		1,1↔0,9

Источник: составлено М.И. Андреевой, М.И. Солнышкиной и С. Саадна. /  Source: Compiled by Mariia I. Andreeva, Marina I. Solnyshkina, Sarra Saadna.

Наибольшей редукции подверглись сирконстанты оригинального текста. Например, инструмент — посылать письма по почте (О_2)→ посылать письма (А2_2), экспериенсер — Лев Саввич чувствовал себя (О_2), время — Вечно, дуралей, проигрывает, Время, когда он <…> давно уже прошло (О_2), образ действия — на цыпочках, отечески похлопал по плечу (О_2), подняла вверх руку (О_1) → подняла руку (А2_1), как-то нечаянно схватил руку (О_1) → случайно взял руку (А2_1). Например, Возвратясь домой, Лев Саввич чувствовал себя злым и неудовлетворенным (О2) → Когда Турманов вернулся домой, он стал думать, как отомстить Дегтярёву (А2_2); Поднявшись, он на цыпочках, солидно покачиваясь, пробрался между столов, прошел через гостиную, где танцевала молодежь <…> Но тут за стеной послышались голоса. (О_2) → Он подошёл к двери в другую комнату и вдруг услышал разговор (А2_2).

При адаптации также были сокращены или элиминированы модификаторы актантов. Например, прочими рыболовными принадлежностями, очень многое (О_1), какой-нибудь фокус, какой фортель я придумал (О_2), у меня у самого (О_3) → у меня (А2_3), пять бараньих котлет (О_3) → пять котлет (А2_3). Например, (1) У меня у самого в Бретани был дядя Франсуа, который на пари съедал две тарелки супу и пять бараньих котлет… (О3) → У меня в Бретани был дядя Франсуа, который на пари съедал две тарелки супу и пять котлет…; (2) Я должен сказать вам многое, Анна Семеновна… Очень многое… (О_1) → Я должен сказать вам многое, Анна Семёновна… (А2_2).

Синтаксические параметры. Для сравнения синтаксических параметров оригинальных и адаптированных текстов были рассмотрены следующие параметры:, длина предложения, читабельностьдлина слов (см. Рис. 4 и Рис. 5).

Рис. 4. Средняя длина предложения (в словах) текстов О и РКИ  
Источник: составлено М.И. Андреевой, М.И. Солнышкиной и С. Саадна.  
Fig. 4. Average sentence length (In words) of original and RFL texts  
Source: Compiled by Mariia I. Andreeva, Marina I. Solnyshkina, Sarra Saadna.

Рис. 4. наглядно демонстрирует более высокий диапазон метрик длины предложения, т.е. предложения оригинального художественного текста длинее, чем адаптированных текстов РКИ (ср. 9–16 слов vs 8–14 слов)

При адаптции текста изменяется и его читабельность: в целом для адаптированного текста характерны менее низкий уровень длины предложения (см. Рис. 5).

Рис. 5. Индекс читабельности текстов О и РКИ  
Источник: составлено М.И. Андреевой, М.И. Солнышкиной и С. Саадна.  
Fig. 5. Readability index of original and RFL texts  
Source: Compiled by Mariia I. Andreeva, Marina I. Solnyshkina, Sarra Saadna.

Преимущественное большинство текстов в коллекции имеют читабельность 6–11. Видим, что адаптированные тексты РКИ имеют более низкий индекс читабельности (FKGL(Ob) = 6). Для оригинальных художественных текстов как нижняя (FKGL(=Ob) 7), так и верхняя границы (FKGL (Ob) =11) немного выше. (см. Рис. 5).

Оценка когнитивной сложности и информационной плотности

На Этапе V осуществлялось контрастирование данных когнитивной сложности изучаемых оригинальных и вторичных (адаптированных) текстов. Для данной оценки были избраны два параметра: (а) количество пропозиций; (б) нормализованная информационная плотность, рассчитываемая как количество пропозиций к количеству слов.

Как видим, нормализованная информационная плотность в преимущественном большинстве текстов РКИ увеличилась (см. Рис. 6). Исключение составляют тексты 1 и 2, в которых количество пропозиций снизилось: 1: 24, 9 (О) — 22, 3 (РКИ); 2: 24,1 (О) — 22, 5 (РКИ).

Что касается количества субпропозиций (Рис. 7), то, как видим, нормализованная плотность увеличилась во всех изучаемых текстах. Последнее означает, что доля пропозиций в расчете на слово увеличилась.

Рис. 6. Нормализованное количество главных пропозиций в текстах О — РКИ(А2,В2)  
Источник: составлено М.И. Андреевой, М.И. Солнышкиной и С. Саадна.  
Fig. 6. Normalized number of main propositions the original and adapted for RFL texts (A2, B2)  
Source: Compiled by Mariia I. Andreeva, Marina I. Solnyshkina, Sarra Saadna.

Рис. 7. Нормализованное количество субпропозиций в текстах О — РКИ(А2,В2)  
Источник: составлено М.И. Андреевой, М.И. Солнышкиной и С. Саадна.  
Fig. 7. Normalized number of subpropositions the original and adapted for RFL texts (A2, B2)  
Source: Compiled by Mariia I. Andreeva, Marina I. Solnyshkina, Sarra Saadna.

Как видим, и это важно отметить, нормализованная когнитивная сложность в адаптированных версиях для изучения РКИ несколько выше, чем в оригинале.

Дискуссия

Результаты представленного исследования расширяют данные предыдущих исследований [59; 60] и уточняют список лингвистических параметров-дискриминантов, дифференцирующих первичные и вторичные тексты. Параметрами-дискриминантами художественных и учебных текстов РКИ являются следующие: длина предложения, количество глаголов, индекс читабельности, количество двусложных слов и гапакс легомена. Адаптированный или вторичный текст трактуется как текст, «основной категорией» которого «общей для всех их видов, является категория сходства/различия» [58]. Признавая, что сама природа вторичного текста, его суть определяется композиционно-образным и лингвостилистическим сходством с «протословом», т.е. оригинальным первичным текстом, исследователь признает, что вторичный текст иначе «воспринимается читателем, оказывает иное эстетическое воздействие» [58].

Заключение

Оценка сложности текста — актуальная проблема современной мультидисциплинарной научной парадигмы, в арсенале которой спектр лингвистических, квантитативных и психолингвистических методов и подходов. Представленное исследование объективирует спектр типичных для учебного текста трансформаций как пропозициональных, так и поверхностных структур текста и определяет предикторы сложности текста. В представленном исследованиях лингвистическая сложность текста как аддитивная категория оценивается на основе 128 валидированных лингвистических параметров, рассчитываемых при помощи автоматического анализатора RuLingva. Различия в лингвистической сложности оригинального и адаптированного для обучения РКИ текстов манифестируются в морфологических (количестве двусложных слов, количестве глаголов, соотношении прилагательного / существительного, соотношении глагола / существительного), лексических (гапакс легомена), а также и синтаксических (индексе читабельности, длине предложения) параметрах).

Выявление специфики лексико-семантических трансформаций текста при адаптации текста и информационной плотности осуществляется с использованием пропозиционального анализа и последующей нормализации на длину текста, необходимой для исключения влияния длины текста на его информационную плотность.

Анализ показал, что индекс нормализованной информационной плотности адаптированного художественного текста, рассчитываемый на основе отношения количества пропозиций на длину текста (в словах), несколько выше аналогичного параметра первичных (художественных) текстов. Таким образом, преобразованный на основе художественного, учебный текст, обладая более низкой степенью лингвистической сложности, сохраняет высокую степень информационной плотности, свойственной первичному тексту.

Результаты исследования будут востребованы для автоматизации пропозиционального анализа текста, а сопоставительный анализ вариантов реализаций глубинных структур текста позволит приблизиться к разработке методики выявления пропозиций.

 

^{1 В скобках указан код текста в авторскому корпусе исследования. Подробнее см. Таблицу 1.}

^{2   Чехов А.П. Злой мальчик. Режим доступа: https://royallib.com/book/chehov_anton/zloy_malchik.html (дата обращения 04.06.2025).}

^{3   В скобках указан объем текста в словоформах.}

^{4   Типовые тесты по русскому языку как иностранному. Базовый уровень. Общее владение / В.Е. Антонова и др. М. : ЦМО МГУ; СПб. : Златоуст, 2007. Чехов А.П. Злой мальчик.}

^{5   Чехов А.П. Месть. Режим доступа: https://royallib.com/book/chehov_anton/mest.html (дата обращения 04.06.2025).}

^{6   Типовые тесты по русскому языку как иностранному. Базовый уровень. Общее владение / В.Е. Антонова и др. М. : ЦМО МГУ; СПб. : Златоуст, 2007. Чехов А.П. Месть.}

^{7   Чехов А.П. Глупый француз. Режим доступа: https://royallib.com/book/chehov_anton/glupiy_frantsuz.html (дата обращения 04.06.2025).}

^{8   Финагина Ю.В. Русский язык как иностранный. Пособие по чтению / под ред. Н.А. Дмитренко. СПб. : НИУ ИТМО; ИХиБТ, 2014. Чехов А.П. Глупый француз.}

^{9   Чехов А.П. История одного торгового предприятия. Режим доступа: https://royallib.com/book/chehov_anton/istoriya_odnogo_torgovogo_predpriyatiya.html (дата обращения 04.06.2025).}

^{10 Финагина Ю.В. Русский язык как иностранный. Пособие по чтению / под ред. Н.А. Дмитренко. СПб. : НИУ ИТМО; ИХиБТ, 2014.}

^{11 Чехов А.П. На даче. Режим доступа: https://ilibrary.ru/text/4211/p.1/index.html (дата обращения 04.06.2025).}

^{12 Финагина Ю.В. Русский язык как иностранный. Пособие по чтению / под ред. Н.А. Дмитренко. СПб. : НИУ ИТМО; ИХиБТ, 2014.}

^{13 Астафьев В.П. Ода русскому огороду. Режим доступа: https://librebook.me/oda_russkomu_ogorodu/vol1/1 (дата обращения 04.06.2025).}

^{14 Учебно-тренировочные тесты по русскому языку как иностранному. Вып. 2. Чтение / под общ. ред. М.Э. Парецкой. СПб. : Златоуст; Ростов-на-Дону : Южный федеральный университет, 2009.}

^{15 Бунин И.А. Поздний час. Режим доступа: https://ilibrary.ru/text/1816/p.1/index.html (дата обращения 04.06.2025).}

^{16 Учебно-тренировочные тесты по русскому языку как иностранному. Вып. 2. Чтение / под общ. ред. М.Э. Парецкой. СПб. : Златоуст; Ростов-на-Дону : Южный федеральный университет, 2009.}

^{17 Чехов А.П. Дачники. Режим доступа: https://royallib.com/book/chehov_anton/dachniki.html (дата обращения 04.06.2025).}

^{18 Учебно-тренировочные тесты по русскому языку как иностранному. Вып. 2. Чтение / под общ. ред. М.Э. Парецкой. СПб. : Златоуст; Ростов-на-Дону : Южный федеральный университет, 2009.}

^{19 Тургенев И.С. Дворянское гнездо. Режим доступа: https://royallib.com/book/turgenev_ivan/dvoryanskoe_gnezdo.html (дата обращения 04.06.2025).}

^{20 Учебно-тренировочные тесты по русскому языку как иностранному. Вып. 2. Чтение / под общ. ред. М.Э. Парецкой. СПб. : Златоуст; Ростов-на-Дону : Южный федеральный университет, 2009.}

^{21 Чехов А.П. Ионыч. Режим доступа: https://royallib.com/book/chehov_anton/ionich.html (дата обращения 04.06.2025).}

^{22 Чехов А.П., Николаева Ю.В. Ионыч. Библиотека Златоуста. Режим доступа: http://www.litres.ru/pages/biblio_book/?art=9188620&lfrom=204420127. А.П. Чехов. Ионыч. Санкт Петербург : Златоуст, 2015.}

^{23 Достоевский Ф.М. Идиот. Режим доступа: https://royallib.com/book/dostoevskiy_fedor/idiot.html (дата обращения 04.06.2025).}

^{24 Достоевский Ф.М. Идиот (адаптированный текст) Библиотека Златоуста http://www.litres.ru/pages/biblio_book/?art=8871474&lfrom=204420127 Фёдор Достоевский. Идиот. Роман в 4 частях. Санкт Петербург : Златоуст, 2015. Достоевский Ф.М. Идиот.}

^{25 Набоков В.Д. Звонок. Режим доступа: https://royallib.com/book/nabokov_vladimir/zvonok.html (дата обращения 04.06.2025).}

^{26 Казакова О.А., Фрик Т.Б. Практикум по культуре речевого общения на русском языке: учебное пособие. Томск: Изд-во Томского политехнического университета, 2009.}

^{27 RuLingva. Режим доступа: https://rulingva.kpfu.ru/ (дата обращения 04.06.2025).}

^{28 При сегментации объемных текстов длина отрывков может колебаться в пределах от 985 до 1010, поскольку RuLingva сохраняет неразрывность предложения.}

^{29 Hapax legomena суть слова, которые появляются в тексте (корпусе текстов) только один раз: Fayzullayev Sh., Kovalevskii A. Hapax legomena via stochastic processes // Glottometrics. 2024. Vol. 56.  P. 22–39. https://doi.org/10.53482/2024_56_415}

About the authors

Mariia I. Andreeva

Kazan (Volga Region) Federal University

Author for correspondence.
Email: mariia99andreeva@yandex.ru
ORCID iD: 0000-0002-5760-0934
SPIN-code: 9243-6995
Scopus Author ID: 57195974758
ResearcherId: ABF-7003-2020

Associate Professor, PhD in Philology, Senior Researcher of the ‘Multidisciplinary text research’ Research Lab, Institute of Philology and Intercultural Communication

18/1, Kremlevskaya st., Kazan, Russian Federation, 420008

Marina I. Solnyshkina

Kazan (Volga Region) Federal University

Email: mesoln@yandex.ru
ORCID iD: 0000-0003-1885-3039
SPIN-code: 6480-1830
Scopus Author ID: 56429529500
ResearcherId: E-3863-2015

Dr.Sc. (Philology), Professor of the Department of Theory and Practice of Teaching Foreign Languages, Head of ‘Multidisciplinary text research’ Research Lab, Institute of Philology and Intercultural Communication

18/1, Kremlevskaya st., Kazan, Russian Federation, 420008

Sarra Saadna

RUDN University

Email: 1042218192@rudn.ru
ORCID iD: 0009-0004-3832-6660

PhD student at the Foreign languages department, Faculty of Philology

6, Miklukho-Maklaya str., Moscow, Russian Federation, 117198

References

Supplementary files