4. Постановка эксперимента Список исследованных нами параметров

We use cookies. Read the Privacy and Cookie Policy

4. Постановка эксперимента

Список исследованных нами параметров

Для обнаружения «бессознательного параметра» — авторского инварианта, слабо или вообще не контролируемого писателями, мы изучили следующие количественные характеристики текстов.

1) ДЛИНА ПРЕДЛОЖЕНИЙ, то есть среднее число слов в предложении (подсчитанное для каждой выборки).

2) ДЛИНА СЛОВ, то есть среднее количество слогов в слове, подсчитанное для каждой выборки.

3) ОБЩАЯ ЧАСТОТА УПОТРЕБЛЕНИЯ СЛУЖЕБНЫХ СЛОВ — ПРЕДЛОГОВ, СОЮЗОВ, ЧАСТИЦ, то есть процентное содержание служебных слов в каждой выборке.

4) ЧАСТОТА УПОТРЕБЛЕНИЯ СУЩЕСТВИТЕЛЬНЫХ, то есть их процентное содержание в каждой выборке.

5) ЧАСТОТА УПОТРЕБЛЕНИЯ ГЛАГОЛОВ, то есть их процентное содержание в каждой выборке.

6) ЧАСТОТА УПОТРЕБЛЕНИЯ ПРИЛАГАТЕЛЬНЫХ (в процентах).

7) ЧАСТОТА УПОТРЕБЛЕНИЯ ПРЕДЛОГА «В» (в процентах).

8) ЧАСТОТА УПОТРЕБЛЕНИЯ ЧАСТИЦЫ «НЕ» (в процентах).

9) КОЛИЧЕСТВО СЛУЖЕБНЫХ СЛОВ В ПРЕДЛОЖЕНИИ, то есть среднее число союзов, предлогов и частиц в предложении.

Некоторые из перечисленных параметров рассматривались ранее. Однако предложенный нами параметр 3 — частота всех служебных слов — является, насколько нам известно, новым.

Указанные параметры существенно различны по своему характеру. Наш параметр 3 особо выделяется своей интегральностью, «массовостью», так как здесь подсчитывается суммарный процент ВСЕХ СЛУЖЕБНЫХ СЛОВ, которых очень много! Большое число служебных слов, используемых в русском языке, делает этот параметр невероятно трудно контролируемым на сознательном уровне. Писатель может легко следить, например, за длиной своих предложений. Однако трудно представить себе автора, который при написании книги смог бы уследить за процентом своих служебных слов!

Параметры 7 (частота предлога «в») и 8 (частота частицы «не») описывают распределение отдельных служебных слов и заметно менее «массовы», чем суммарный параметр 3. Мы включили параметры 7 и 8 в наш список, чтобы выяснить — стабилизируются ли они и могут ли они служить в качестве авторских инвариантов (ответ оказался отрицательным!).

Параметр 9 — количество служебных слов в предложении — хотя и носит интегральный характер, однако существенно зависит от длины предложений и, следовательно, от их числа в выборке. А эта последняя величина, как показали подсчеты, весьма не устойчива, и может колебаться в заметных пределах, не стабилизируясь.

Мы специально собрали в нашем списке самые разнородные числовые характеристики, чтобы составить представление о сравнительном поведении этих параметров и выбрать из них действительно стабилизирующийся (то есть авторский инвариант), если таковой вообще найдется.

В основу исследования был положен описанный выше выборочный метод из генеральной совокупности. Величина шага, то есть интервал между соседними выборками, для книг большого объема равнялся 60 страницам стандартного книжного текста. Для текстов меньшего объема величина шага равнялась 1 странице, или же шаг делали минимально возможным, то есть выборки следовали сразу друг за другом, без пропуска.

Величина выборки варьировалась. Размер начальной порции, в отличие от 1000 слов, ранее принимавшийся многими авторами, был принят равным 2000 слов. Затем объем выборок последовательно увеличивался, а именно — 4000, 8000, 16 000 слов.

Проведенный эксперимент показал, что дальнейшее увеличение объема выборок не обязательно, так как искомый АВТОРСКИЙ ИНВАРИАНТ был обнаружен уже при величине выборки в 16 000 слов.

При исследовании текстов небольшого объема величина шага уменьшалась, и выборки производились чаще. Впрочем, как показал эксперимент, величина шага (в отличие от объема выборки) мало сказывается на окончательных результатах.

В качестве критерия стабилизации был взят следующий принцип. Объем выборки увеличивался до тех пор, пока не обнаруживался параметр, для которого средняя величина его отклонений от средних значений вдоль произведений всех исследуемых писателей оказывалась существенно меньше амплитуды колебаний параметра между текстами разных авторов.

Другими словами, для каждого автора вычислялось отклонение параметра от среднего значения, а затем эти отклонения усреднялись по всем авторам. Разыскивался параметр, для которого это последнее число существенно меньше разницы между максимальным и минимальным значениями параметра по всем исследуемым писателям.

Данный текст является ознакомительным фрагментом.