K statistickému zkoumání slovosledu

Ludmila Uhlířová

[Rozhledy]

(pdf)

К статистическому изучению порядка слов / Sur les recherches statistiques de l’ordre des mots

Sled slov ve větě zpravidla nevzniká podle pevných, přísně vymezitelných pravidel, řídí se však jistými tendencemi. Některý slovosled bývá označován za častější, obvyklý, jiný za řidší, méně obvyklý ap. Autoři píšící o slovosledu zachycují některá fakta též numericky, především pomocí údajů o četnostech. Zdá se, že statistické šetření je pro zkoumání slovosledu vhodné, protože jde o vystižení tendencí na základě zpracování a zhodnocení velkého množství materiálu.

V dostupné literatuře o slovosledné problematice[1] jsou statisticky (v užším slova smyslu) zpracovány jen dva malé úseky, týkající se vztahu slovosledu (1) k rovině sémantické a (2) k rovině syntaktické (gramatické), a to na materiálu z jazyků germánských a slovanských, nikoli však pro češtinu.[2]

[65]1: Zkoumání vztahu slovosledu k rovině sémantické. W. Swieczkowski v knize Word-Order Patterning in Middle English[3] zkoumá závislost slovosledu na tzv. vzorcích sémantického zatížení slov. Sémantickým zatížením označuje autor přítomnost nebo nepřítomnost lexikálního významu slova: „lehká“ slova jsou ta, která mají jen gramatický význam, „těžká“ ta, která mají význam lexikální i gramatický. Skupiny „lehkých“ a „těžkých“ slov se ve větě pravidelně, „rytmicky“ střídají tak, že lze sledovat výraznou tendenci řadit k sobě prvky nestejného sémantického zatížení. Posloupnosti jedniček (pro slova „těžká“) a nul (pro slova „lehká“) tvoří vzorce, které se v daném jazyce vyskytují s větší nebo menší četností; tu lze zjišťovat v textech a sledovat, jak se tyto vzorce projevují ve vztahu k vzorcům slovosledným, vyjadřujícím posloupnost symbolů syntaktických kategorií ve větě. A. dochází k závěru, že slovosledné vzorce jsou závislé na vzorcích sémantického zatížení, avšak že opačná závislost neplatí. Na jiné činitele, na nichž je slovosled závislý, práce nebere zřetel. Předpokládá se přitom, že vzorce sémantického zatížení, odlišné v různých jazycích, se neliší výrazně v různých stylových útvarech. Jako materiálu k rozboru užil autor jednoho díla středoanglické poezie (Piers Plowman) a srovnával je s jedním dílem prozaickým (Middle English Sermons).

V kap. 1 kniha zkoumá vzájemné postavení subjektu a predikátu z hlediska vzorců sémantického zatížení, a to pro poezii i prózu; 2. kap. sleduje postavení predikátu vzhledem k ostatním syntaktickým prvkům ve větě, nikoli podle druhů rozvíjejících členů větných, ale podle pozice predikátu ve větě (na začátku, uprostřed a na konci) a podle toho, je-li subjekt oddělen od predikátu nebo následují-li bezprostředně za sebou. Zjišťuje, že subjekt je schopen přitahovat svůj predikát i proti tendenci vytvářet typické vzorce sémantického zatížení (to zvyšuje rozmanitost slovosledných vzorců). Dále konstatuje, že tendence k střídání prvků s nestejným sémantickým zatížením je nejslabší na konci věty; věta převážně končí „těžkým“ slovem.[4]

Ve 3. kap. obdobným způsobem práce zkoumá postavení objektu. V typických slovosledných konfiguracích je vysoké procento netypických vzorců sémantického zatížení; vyslovuje (avšak dále nedokazuje) hypotézu, že přítomnost netypických slovosledných konfigurací je diktována tendencí k proporcionálnímu rozložení vzorců sémantického zatížení. — První tři kapitoly jsou jádrem knihy; obsahují konkrétní frekvenční rozbory s velkým množstvím tabulek a dokladů. Kap. 4 konstatuje existenci vzorců sémantického zatížení i ve staré angličtině a sleduje vývojové tendence v anglickém slovosledu. Kap. 5 resumuje hlavní výsledky studie.

Swieczkowského práce je jednou z prvních monografií, v nichž se zkoumá slovosled statisticky; z metodologického hlediska je hlavní myšlenkou knihy vlastně statistické ověření hypotézy, že platí závislost nějakého jevu na jevu jiném a že opačná závislost neplatí. Tímto jevem je sémantický „rytmický“ činitel, jehož působnost na jevy slovosledné se vymezuje, a to statisticky (korelačně). Získává se tak základ pro interpretaci výsledků (v monografii už neprovedenou) ve vztahu k ostatním činitelům, na nichž je slovosled závislý.

Autor knihy, jako každý lingvista, který přistupuje k rozboru nějakého jevu kvantitativní metodou, činí tak za cenu určitého zkreslení, nutně plynoucího z toho, že při třídění jevů musí každý jev pro účely statistické zařadit, tedy i jevy, které se nevyskytují v čisté podobě, ale jsou na přechodu z jedné kategorie do druhé. Zkreslení je tím menší, čím přesněji jsou vymezeny výchozí pojmy.[5] U Swieczkowského jsou klíčovými pojmy slovo „těžké“ a „lehké“. Jak autor konkrétně tyto pojmy chápe, [66]vyplývá z hojných materiálových dokladů; teoreticky se vymezením podrobněji nezabývá a nebylo by to ani dost dobře možné vzhledem k nevelkému rozsahu knihy. Avšak vzhledem k tomu, že někteří badatelé tvrdí, že „prázdná“ slova neexistují,[6] nebo alespoň zdůrazňují existenci přechodné kategorie mezi slovy „plnými“ a „prázdnými“ a nemožnost rozdělit slova do těchto dvou kategorií beze zbytku,[7] bylo by zajímavé zjistit, zda by se změnou pojetí slov „lehkých“ a „těžkých“ nějak změnil statistický obraz.

2: a) Slovosledné postavení syntaktické kategorie vzhledem k jiné syntaktické (resp. morfologické) kategorii z hlediska toho, jaké poziční kombinace syntaktických kategorií se vytvářejí: K. Buttke zkoumá vzájemné postavení predikátu (slovesa určitého) a substantiva v akuzativu v konstrukcích s vyjádřeným subjektem,[8] aby zjistil, jak se jednotlivých slovosledných variant využívá v stylech současné ruštiny, a dále postavení slovesa určitého a osobního zájmena v nominativu,[9] aby stanovil faktory, které určují užití zájmen a zvláštnosti jejich postavení v ruské větě v 17.—20. stol. se zřetelem k stylistickému využití těchto zvláštností.

b) Postavení syntaktické kategorie podle absolutní pozice ve větě, a to v jazycích s poměrně pevným pořádkem slov. W. Winter zkoumal, která syntaktická kategorie obsahuje první pozici v německé hlavní větě,[10] a to opět se zřetelem k jednotlivým stylům.

c) Otázky, zda dvě syntaktické kategorie stojí těsně u sebe nebo zda mohou být odděleny (resp. jak často) jinými syntaktickými kategoriemi a kterými, všímá si příležitostně ve své monografii Swieczkowski.

V uvedených pracích se zkoumá slovosled kvantitativně vždy vzhledem k jedné rovině jazykového systému (nikoli k více rovinám najednou), a to k rovině syntaktické. Práce Swieczkowského nečiní v tom směru výjimku (i když hlavní myšlenka se týká sémantiky), protože slovosledné vzorce jsou vyjádřeny v termínech syntaktických kategorií. Dále se statistikou zjišťuje stylistické využití slovosledu v různých stylech téže doby nebo i v průběhu několika staletí. Winter dokonce považuje slovosled za jeden moment při vymezování stylu.

Stylistické využití slovosledu, podobně jako stylistické využití jiných jazykových prostředků, lze zkoumat buď na úrovni textu (textem můžeme rozumět např. jednu knihu) tak, že se porovnávají např. jeho jednotlivé části mezi sebou, nebo na úrovni jednoho funkčního stylu tak, že se porovnávají mezi sebou texty téhož stylu, nebo na úrovni jazyka tak, že se porovnávají mezi sebou jednotlivé funkční styly. Při zkoumání na úrovni funkčního stylu, tj. chceme-li zjišťovat, do jaké míry nějaký slovosledný jev charakterizuje daný styl na rozdíl od stylů ostatních, lze postupovat buď tak, že se předem vymezí styl a hledají se jeho numerické parametry, anebo naopak lze na základě určitých numerických zjištění dojít k vymezení stylu.

Při zkoumání na úrovni funkčního stylu je třeba vycházet z určitých metodologických předpokladů, které jsou alespoň dvojího druhu: a) Předpokládá se, že při dostatečně rozsáhlých výběrech se budou četnosti jevu v textech zkoumaného stylu pohybovat v takovém určitém rozpětí, že mezi jednotlivými styly budou větší numerické rozdíly než mezi texty uvnitř téhož stylu, a mezi částmi téhož textu menší numerické [67]rozdíly než mezi různými texty téhož stylu. Rozpětí uvnitř jednoho stylu se tak vymezí relativně vzhledem k rozpětí uvnitř jednoho textu (které je menší) a vzhledem k rozpětí mezi styly (které je větší), tedy v relaci k ostatním úrovním zkoumání.

b) Toto rozpětí musí být dále vymezitelné řadou nezávislých podmínek statistických i věcných (lingvistických). Z hlediska statistického je třeba prokázat, zda dané rozpětí je takové, že četnost jevu v dané oblasti zkoumání vykazuje určitou míru stability (srov. op. cit. v pozn. 6) statisticky vymezitelnou, nezbytnou k tomu, aby statistické výpočty měly smysl. Z hlediska věcného je třeba především vymezit co nejurčitěji obor (resp. jednotku) zkoumání.

Získané údaje o daném jazykovém prostředku je třeba pak interpretovat nejen z hlediska jedné jeho funkce, kterou právě sledujeme, ale v souvislosti s ostatními funkcemi, které v jazyce plní.

Postup, který počítá s těmito předpoklady, pokusíme se ilustrovat na příkladě. Budeme sledovat vzájemné postavení subjektu (dále S) a predikátu (dále P) v jednotlivých syntaktických vzorcích, které se vyskytují v odborném stylu.

Materiál je vzat ze stylu odborného, a to vědeckého i popularizačního,[11] tedy ze stylu typicky psaného, v němž slovosledné uspořádání výpovědi je nejméně ze všech stylů ovlivňováno intonací. Byly pořízeny dva výběry mechanické (A, B) a šest výběrů náhodných (C, D, E, F, G, H),[12] a to následujícím postupem.

Nejprve byl pořízen mechanický výběr A (850 vět), stanoveny četnosti syntaktických vzorců a slovosledných variant subjektu (S) a predikátu (P) v nich (viz tabulka) a zjištěno, že tento výběr je reprezentativní pro nejčetnější typ, tj. pro pořadí SP ve větách dvojčlenných.[13] Další mechanický výběr B, pořízený z téže knihy, má stejný rozsah. Abychom ověřili, zda je mechanický výběr pro naše zkoumání vhodný, provedli jsme ještě náhodný výběr 850 vět z téže knihy (v každé třetině knihy bylo očíslováno 1000 vět a podle tabulky náhodných čísel z každého tisíce vybráno 283, resp. 284 vět) a zjišťovali jsme (podle téhož vzorce), zda je výběr skutečně reprezentativní pro nejčetněji zastoupený typ, tj. opět pro SP. Zatímco četnosti SP v prvých dvou výběrech byly 383 (ve výběru A), resp. 399 (ve výběru B), v náhodném výběru poklesla četnost SP na 358 a dosazením do vzorce pro výpočet rozsahu výběru se ukázalo, že při náhodném výběru je nutno počítat alespoň s 900 větami. Rozšířili jsme tedy tento náhodný výběr o 50 vět (výběr C). Vzhledem k tomu, jaké výsledky přineslo zkoumání rozsahů dalších náhodných výběrů, lze říci, že rozdíl mezi rozsahem A, B na jedné straně a C na straně druhé není z věcného hlediska zvláště významný, nicméně je jistým projevem variability, která je důsledkem závislosti výběru na obsahu konkrétního (náhodně vybraného) úseku textu: např. tam, kde je popisován přístroj nebo kde se vykládá podstata nějakého jevu, je zvláště vysoký počet dvojčlenných vět s vyjádřeným S (protože stoupá počet substantiv),[14] naopak tam, kde se podává návod, jak použít přístroje nebo jak provádět pokus, stoupá počet sloves určitých, a tedy počet P, např. ve větách jednočlenných (zvr. pasívum), a zejm. ve větách dvojčlenných s nevyjádřeným S (se slovesem v 1. os. pl.). Náhodný výběr tím, že vybírá stejný počet vět z více než třikrát většího rozsahu, tuto závislost zmenšuje, a je tedy vhodnější.

Výběry D, E, F, G, H jsou opět náhodné výběry o rozsahu 900 vět, pořízené stejným způsobem jako výběr C. Celkový rozsah materiálu z odborného stylu byl tedy 7100 vět.

Jednotkou zkoumání je věta nikoli jako souvětí, ale jako syntaktický celek, který obsahuje jednu predikační dvojici nebo jedno větné jádro. Hranice mezi několikaná[68]sobným P a samostatnými větami byla stanovena podle zásady,[15] že pokud je sloveso rozvito dalším větným členem, je pokládáno za P samostatné věty (několikanásobný P, jehož všechny členy jsou holé, tvoří tedy jednu větu). — Věty se lze + inf. byly počítány za dvojčlenné věty (s infinitivem jako S). U vět se sponou být nebylo možno v několika případech jednoznačně rozhodnout, které ze dvou substantiv (v nom.) má funkci S a které je nominální částí P; tyto věty jsme počítali zvlášť. Pokud byl S několikanásobný, potíže s určováním pořadí SP nebo PS nenastaly, protože P nikdy nestál mezi jednotlivými členy několikanásobného S, buď předcházel před všemi členy, nebo následoval za nimi. — V případě, že jednoduchý P se skládá z více slov (např. jde-li o složený tvar slovesný, jako ve větě byl by se pokus nezdařil, nebo o predikát verbonominální, jako ve větě byly náklady vysoké), je rozhodující pozice toho slova, které je nositelem sémantického jádra P (tedy nezdařil, resp. vysoké), protože z hlediska strukturního je toto slovo jádrem syntaktického členu. — Pokud se v textu vyskytly „věty“ tvořené pouze umělým výrazem (matematickým vzorcem), nebyly očíslovány a nebyly pojaty do výběrů, protože nenáleží do přirozeného jazyka a o jejich větné struktuře v mnoha případech nelze jednoznačně rozhodnout. (Mění se podle různého syntaktického okolí, v němž se nacházejí.) Jako věty byly očíslovány a do výběrů pojaty pouze případy, kdy větu tvořila zčásti slova (alespoň jedno slovo) přirozeného jazyka, která svědčila jasně o tom, že jde o větu (např. spojka, vztažné zájmeno apod.), a zčásti výraz umělý, který pokrýval celý predikační vztah nebo takovou jeho část, že nebylo možno rozhodnout o pořadí členů predikační dvojice. Tyto případy pak byly vyděleny jako samostatný syntaktický typ. Případy, kdy umělý výraz tvořil pouze S nebo nominální část P, byly zařazovány stejně jako věty jiné, v nichž tyto větné členy byly vyjádřeny např. substantivy.

Výsledky šetření jsou uvedeny v následující tabulce. Sloupce A—H obsahují jen ty četnosti jednotlivých syntaktických vzorců a četnosti slovosledných variant SP a PS v nich, které se ve výběrech opakovaly častěji. Případy ojedinělé, např. věty dvojčlenné s elipsou P, věty dvojčlenné s nevyjádřeným S a s P v 1. n. 2. os., dále věty, v nichž nebylo možno rozlišit jednoznačně S od nominální části P a věty jednočlenné infinitivní tabulka už z úsporných důvodů neuvádí. V žádném případě nepřesáhla četnost některého z těchto řídkých typů jednomístné číslo.

Sloupec J v tabulce je náhodný výběr opět o rozsahu 900 vět, pořízený z beletrie, aby bylo možno hrubě srovnat styl odborný a beletristický. Je z Čapkovy Cesty na sever (Praha 1955), v níž převažujícím stylovým postupem je umělecký popis a v níž se prakticky nevyskytuje přímá řeč, a kde lze tedy očekávat poměrnou stylovou homogennost.[16]

	A	B	C	D	E	F	G	H	J
SP	383	399	371	380	397	348	322	407	237
PS	220	229	212	301	195	215	274	224	176
(S) P 1. pl.	123	69	160	14	119	181	107	37	19
(S) P 3. sg.	22	52	28	43	29	51	62	103	79
3. pl.	16	20	19	15	11	21	40	101	61
J slovesná	21	22	31	45	32	33	59	21	52
J subst.	49	43	53	92	81	27	26	4	119
Umělé v.	6	12	22	—	16	8	—	—	—

Ve všech výběrech A—J jasně převažuje dvojčlenná věta s vyjádřeným S, který předchází před P. Na druhém místě je ve všech případech věta dvojčlenná s vyjádřeným S, který následuje za P. Přitom převaha prvního typu nad druhým je ve všech výběrech dostatečně výrazná. V zastoupení ostatních typů jsou už velmi značné rozdíly jak co do rozložení četností téhož typu v různých výběrech, tak co do rozložení četností jednotlivých typů uvnitř téhož výběru. Četnost typu SP ve výběrech A, B, C [69]má rozpětí R_A—C = 29; to jsou výběry pořízené z různých částí téže knihy. Rozpětí hodnot ve všech výběrech A—H je, jak se dalo očekávat, vyšší, totiž R_A—H = 85; sledovaný jev vykazuje v jednom díle větší pravidelnost, než jaké mohou dosáhnout různí autoři píšící odborným stylem. Při srovnání s beletrií rozpětí značně stoupá, R_A—J = 170. Platí tedy nerovnost R_A—C < R_A—H < R_A—J a předpoklad uvedený v bodě a) na s. 6 je splněn.

Shoda mezi texty obou stylů je v tom, že první dvě místa (seřazeno podle frekvence) jsou obsazena stejnými syntakticko-slovoslednými typy. Rozdíly jsou v četnostech těchto typů i ostatních a dále v chudosti, resp. bohatosti jejich repertoáru. V textech odborných můžeme konstatovat poměrně stabilní repertoár malého počtu syntakticko-slovosledných typů; opakují se s větší či menší četností v různých výběrech typy SP a PS, dále (S)P se slovesem v různých osobách. Značně převládají věty dvojčlenné nad větami jednočlennými, jak slovesnými (používá se s gen., jde o), tak substantivními (ty však jsou hlavně v nadpisech, v souvislém textu jen ojediněle). Naproti tomu v textu uměleckém je repertoár mnohem bohatší a typy, které se v odborných textech nevyskytly vůbec nebo jen vzácně, mají zde poměrně vysokou četnost, např. typ (S)P_2pl má četnost 40, (S)P_2sg 23, (S)P_1sg 61, jednočlenných vět citoslovečných je 9.

Závažný je i fakt, že každý ze syntakticko-slovosledných typů může mít v různých jazykových projevech různé funkce, může se podstatně lišit právě jimi a že se tato odlišnost v rozdílech četností nijak neprojevuje. (Zde ke kvalitativnímu rozlišení těchto funkcí nepřihlížíme a dopouštíme se tak určitého zjednodušení.)

K statistickému ověření frekvenční stability nejčetnějšího typu, tj. SP, v oblasti odborného stylu, užijeme poměrně málo přísného přiblížení, jaké poskytuje interval spolehlivosti ⟨x̅ — σ; x̅ + σ⟩, kde x̅ značí průměrnou četnost a σ směrodatnou odchylku od průměru. V našem případě σ² = 833 a x̅ = 29, a tedy interval spolehlivosti je ⟨342; 400⟩. Uvnitř tohoto intervalu leží hodnoty výběrů A, B, C, D, E, F; hodnoty výběrů G a H leží vně intervalu. Nejvyšší četnost typu SP je ve výběru H a charakterizuje styl, který je velmi stereotypní, naproti tomu nejnižší četnost ve výběru G je provázena poměrně vysokými četnostmi všech ostatních typů. Rozložení četností SP v odborném stylu není tak stabilní, aby bylo možno tuto stabilitu pokládat za statisticky dostatečnou právě pro tuto oblast zkoumání. Ukázalo se též, že rozdíl mezi stylem popularizačním a vědeckým teoretickým jako dvěma póly odborného stylu se v případě syntakticko-slovosledného typu SP numericky projevit nemusí (neprojevuje se např. vůbec mezi výběry D a E).

Místo snahy o to, aby tato vlastnost charakterizovala funkční styl, je lépe pouze konstatovat výraznou numerickou převahu typu SP nad typy ostatními. Přitom má tato převaha platnost obecnější, je charakteristická patrně pro jazyk jako celek, a je tedy povahy spíše typologické; ve stylu odborném pak se ukazuje výrazněji než v stylech jiných. Tuto výraznost působí to, že odborný styl charakterizuje snaha po logičnosti myšlenkové, která se projevuje též slovosledem: syntaktický podmět je poměrně často tématem (nebo součástí tématu) výpovědi. Je-li S umělý výraz, je pravidlem, že předchází před P — nejčastěji jde o P verbonominální a S pak předchází často i před sponou; podobně vůbec v typu vět se sponou být, kde S i P jsou substantiva v nom. (a lze jednoznačně rozhodnout, jakou syntaktickou funkci které plní), který je v našich textech velmi častý, platí tendence, aby S předcházel před P (srov. op. cit. v pozn. 2). Poměrně hojné jsou též věty vztažné, v nichž zájmeno který (jenž), stojící vždy na prvním místě ve větě, má funkci S, tím opět narůstá četnost typu SP.

Porovnáme-li četnosti ostatních typů v jednotlivých výběrech, shledáme naopak značné skoky, a to nejen při porovnání výběru z beletrie s výběry z odborného stylu, ale rovněž mezi těmito výběry navzájem. Je zřejmé, že např. různé stylové postupy využívají různých jazykových prostředků. Např. tam, kde jde o návod, bývá hojně 1. os. pl. indikativ, řidčeji imperativ, popř. 2. os. pl. (např. ve výběru A). Není to [70]však pravidlem, působí zde i rozdíly v individuálním stylu; autor si např. pro vyjádření návodu vybere místo 1. os. pl. jiný jazykový prostředek, např. zvratné pasívum (to je charakteristické např. pro výběr D, kde jsou hojné návody); to se projeví ve vzestupu konstrukcí SP a PS, resp. též jednočlenných vět slovesných. Naopak ovšem lze říci, že 1. os. pl. je pouze příznakem návodového stylového postupu, může být, ovšem stejně početně zastoupena ve výběru, kde plní jiné funkce, např. ve výběru E, kde návod téměř nenajdeme.

O slovosledu vcelku nelze tedy uvažovat jako o prostředku k charakterizaci funkčního stylu. Některé slovosledné typy jsou charakteristické pro jazyk typologicky,[17] např. převaha pozice SP nad PS pro češtinu. Jiné slovosledné typy mohou být stylisticky příznakové, ale ne vždy, a jsou-li příznakové, nemusí být vždy příznakem téže funkce v jazyce (ve stylu). Četnosti syntakticko-slovosledných typů, které v našich výběrech mají hodnoty někdy velmi nízké, jindy velmi vysoké (viz např. četnosti (S)P_1pl ve výběrech D, H, proti C, F), nejsou tedy dány stylem vcelku (nejsou tedy charakteristikou ve smyslu výše uvedených předpokladů), ale souhrou většího počtu dalších činitelů (stylového postupu individuality autora, tématu) a mohou se v jednotlivých jazykových projevech náležejících do odborného stylu projevit více či méně výrazně.

Slovo a slovesnost, ročník 28 (1967), číslo 1, s. 64-70

Předchozí Oddělení matematické lingvistiky v ÚJČ: Na okraj Herdanových knih o kvantitativní lingvistice

Následující Eduard Beneš: Sborník o česko-německých jazykových a kulturních vztazích