Существуют также корпуса текстов интернет-коммуникации, содержащие, помимо информации о поле и возрасте авторов, результаты пройденного ими в режиме онлайн психологического тестирования. Среди корпусов такого рода - myPersonality3, содержащий тексты и информацию о 250 пользователях Facebook, а также корпус сообщений и данные психологического тестирования пользователей Twitter [32]. Именно на нем команды из разных стран мира - участники конференции PAN-2015 будут тестировать свои методики диагностирования автора текста (язык твитов - английский, испанский, итальянский и датский) [33].
Помимо корпусов, составленных из текстов, размещенных в Интернете, существуют также корпуса текстов, созданных специально для исследовательских целей. Одним из самых известных корпусов текстов, созданных специально для изучения проблемы взаимосвязи личности и языка, является корпус текстов студенческих эссе на английском языке, составленный под руководством американского ученого Дж. Пеннебакера [Ibidem]. Корпус собирался на протяжении 7 лет (с 1997 по 2004 год) и насчитывает 2469 текстов (по одному от каждого участника) (1,9 миллиона слов, в среднем 770 слов в тексте) и метаданные в виде информации о поле автора текста и результатов тестирования по пятифакторному личностному опроснику. Данный корпус текстов используется как материал многих исследований, в том числе и как корпус для тестирования методик диагностирования личности участников конкурса-конференции PAN [32].
Аналогов данного корпуса в мировой лингвистике не существовало, пока в 2014 году не было заявлено о создании подобного корпуса текстов на датском языке - Stylometry Investigation (CSI) Corpus [35]. Корпус содержит тексты, созданные студентами университета Антверпена, и находится в открытом доступе. Он содержит 749 текстов (305 000 символов), планируется ежегодное расширение корпуса за счет текстов студентов-первокурсников. Тексты представляют собой эссе на различные темы (средняя длина - 1126 символов) и отзывы о продуктах (в среднем 128 символов). Для каждого автора известны пол, возраст, место рождения, данные по пятифакторному личностному опроснику. Также по желанию авторы текстов могли указать свою сексуальную ориентацию и пройти тестирование по опроснику Майерс-Бриггс.
Насколько нам известно, других специально созданных корпусов текстов, содержащих метаданные в виде информации об авторах - поле, возрасте, результатах психологического тестирования, в мировой лингвистике нет, несмотря на очевидную ценность таких корпусов для разработки и тестирования методик диагностирования личности по тексту.
До недавнего времени отсутствовал такой корпус текстов и на русском языке. В имеющихся корпусах текстов на русском языке практически полностью отсутствует метатекстовая разметка в виде информации о личности их авторов [5], в связи с чем в 2012 году в Региональном центре русского языка при ВГПУ был начат сбор корпуса русских письменных текстов Personality, содержащего метаразметку в виде информации об авторах - поле, возрасте, результатах психологического тестирования, уровне образования, а также - для некоторых подкорпусов - результатах нейропсихологического обследования, информации о профессии автора текста [14; 17].
Приведем краткую информацию о структуре и составе корпуса.
1. Характеристики авторов текстов
На 23.04.2015 в корпусе Personality содержались тексты 1 145 респондентов, общее число текстов - 1 867 (в зависимости от типа заданий респонденты писали один или два текста). Общий объем текстового материала составлял ок. 300 000 словоупотреблений, или ок. 1 800 000 символов. Средняя длина текста варьировалась от 56 слов (подкорпус текстов респондентов, страдающих психическими заболеваниями) до 230 (подкорпус текстов эссе «В чем я вижу смысл жизни»).
Пол. В корпусе содержатся тексты 386 лиц мужского пола и 751 - женского, 8 респондентов не указали свой пол.
Возраст. В создании корпуса принимали участие лица в возрасте от 12 до 79 лет, однако основную часть корпуса (1519 текстов) на данный момент составляют тексты лиц от 18 до 22 лет - студентов вузов Воронежа, Ростова-на-Дону, Москвы.
Родной язык. Для большинства респондентов русский язык является родным языком, однако в настоящее время создается подкорпус текстов лиц, для которых русский язык хотя и не является родным, но степень владения им достаточна для прохождения психологического тестирования и продуцирования связных текстов. На момент написания статьи собрано 48 текстов от 37 лиц, для которых русский язык не является родным.
Образование. Корпус содержит тексты лиц с неполным средним образованием (т.е. школьников, 96 человек), с неполным высшим образованием (т.е. студентов, 954 человека), высшим образованием (95 человек).
Психологические характеристики. Все респонденты, за исключением лиц, страдающих психическими заболеваниями, проходили психологическое тестирование. Использовались различные опросники: пятифакторный личностный опросник (192 респондента), методика определения коммуникативной установки В. Бойко (75 респондентов), Фрайбургский многофакторный личностный опросник (550 респондентов), методика А. Белова для определения преобладающего типа темперамента (124), тест на определение акцентуации Леонгарда-Шмишека (124), тест «Домино» (54), опросник «Стиль саморегуляции поведения» (51), госпитальная шкала тревоги и депрессии HADS (117), опросник Айзенка «Самооценка психических состояний личности», адаптированный к подростковому возрасту (158). Кроме того, 275 человек прошли обследование на определение моторного, сенсорного и когнитивного латерального профиля.
Также создается подкорпус текстов лиц, страдающих психическими заболеваниями (в настоящий момент подкорпус состоит из 15 текстов лиц, страдающих шизофрений, и 2 текстов лиц, страдающих биполярным расстройством, общее число респондентов - 17 человек).
2. Характеристики текстов
Все представленные в корпусе тексты представляют собой образцы естественной письменной речи [15]. Респондентам было предложено описать картину (540 текстов), любой день из своей жизни (228), написать письмо другу (734 текста), эссе на темы «На что бы я потратил 1 млн долларов США?» (75), «В чем я вижу смысл жизни?» (124), а также описать свои лучшие качества для потенциального работодателя (166).
Корпус текстов Personality содержит также подкорпус правдивых и «ложных» текстов. В создании этого подкорпуса на момент написания статьи приняли участие 105 респондентов, которым давалось задание в первом тексте описать любой день из их жизни (например, день, предшествовавший написанию текста, либо же особый, памятный день) таким, как он был на самом деле, а во втором - сознательно исказив события, но таким образом, чтобы потенциальному читателю было сложно понять, какой из текстов правдивый, а какой «ложный». В настоящее время нами проводится пилотное исследование по выявлению статистически значимых различий между правдивыми и «ложными» текстами, полученными от одного и того же автора. Насколько нам известно, это первое исследование статистически значимых различий между ложными и правдивыми текстами на русском языке, тогда как за рубежом подобные исследования (в основном на материале английского языка) проводятся очень активно [20].
На материале корпуса текстов Personality был проведен ряд исследований, в ходе которых был составлен список формально-грамматических параметров текста, поддающихся извлечению средствами автоматической обработки языка, выявлены корреляции между некоторыми формально-грамматическими параметрами текста и психофизиологическими свойствами (полом и некоторыми индивидуально-психологическими характеристиками) автора текста и на их основе построены математические модели для диагностирования этих личностных характеристик на основе числовых значений параметров текста [17; 18; 21; 22].
Таким образом, нами был применен к русскому языку подход к решению проблемы моделирования личности по тексту, активно развивающийся в современной зарубежной науке и показавший свою эффективность, однако, на наш взгляд, подход к решению данной проблемы, предполагающий комплексный психолингвистический анализ текста на разных уровнях его порождения, в том числе анализ показателей связности и цельности текста, будет более эффективным и научно обоснованным.
Нами планируется также расширение корпуса текстов как путем привлечения респондентов, так и путем включения в него текстов интернет-коммуникации, для которых известна информация об авторах (как правило, пол, возраст) [4], однако, по нашему мнению, сбор такого рода материала невозможен без ручной обработки: в текстах могут содержаться цитаты, ссылки и другая информация, подлежащая удалению. Кроме того, в профилях авторов может быть указана, как говорилось ранее, заведомо ложная информация, в связи с чем к созданию корпусов такого рода следует подходить крайне взвешенно.
Таким образом, корпус русских письменных текстов Personality в настоящее время может быть использован для разработки и тестирования методик решения следующих актуальных задач судебного автороведения: 1) идентификации автора текста; 2) диагностирования характеристик автора текста; 3) установления наличия в тексте намеренно искаженной информации.
Корпусные исследования письменных текстов позволят проводить дальнейшие исследования вариативности единиц письменного текста и разрабатывать эффективные приемы их формально-языкового описания с целью выявления комплекса объективных параметров структурирования письменно порождаемого текста на русском языке, что является одной из важнейших задач судебного автороведения.
Список литературы
1. Араева Л. А., Осадчий М. А. Языковая личность экстремиста (о специфике автороведческой экспертизы по криминальным проявлениям экстремизма) // Юрислингвистика. 2008. № 9. С. 182-194.
2. Баранов А. Н. Лингвистическая экспертиза текста: теория и практика: учеб. пособие. М.: Флинта; Наука, 2007. 592 с.
3. Батура Т. В. Формальные методы определения авторства текстов // Вестник НГУ. Сер.: Информационные технологии. 2012. Т. 10. № 4. С. 81-94.
4. Беликов В. И., Копылов Н. Ю., Селегей В. П., Шаров С. А. Дифференциальная корпусная статистика на основании неавтоматической метатекстовой разметки // Компьютерная лингвистика и интеллектуальные технологии: материалы ежегодной междунар. конф. «Диалог». М.: Изд-во РГГУ, 2014. Вып. 13 (20). С. 54-67.
5. Беликов В. И., Селегей В. П., Шаров С. А. Пролегомены к проекту Генерального интернет-корпуса русского языка (ГИКРЯ) // Компьютерная лингвистика и интеллектуальные технологии: материалы ежегодной междунар. конф. «Диалог». М.: Изд-во РГГУ, 2012. Вып. 11 (18): в 2-х т. Т. 1. С. 37-49.
6. Бугаев К. В. Тенденции судебной экспертизы в России // Вестник Сибирского института бизнеса и информационных технологий. 2013. № 4 (8). С. 29-32.
7. Галяшина Е. И. Лингвистическое обеспечение криминалистического исследования устного и письменного текста [Электронный ресурс] // Компьютерная лингвистика и интеллектуальные технологии: материалы ежегодной междунар. конф. «Диалог». URL: http://www.dialog-21.ru/en/digest/archive/2001/?year=2001&vol=22725&id=6839 (дата обращения: 26.04.2015).
8. Галяшина Е. И., Приводнова Е. В. Автороведческая экспертиза в российском судопроизводстве // Lex Russica. 2006. Т. LXV. № 4. С. 755-761.
9. Голев Н. Д. От редактора. Актуальные проблемы юрислингвистической экспертизы // Юрислингвистика-3. Проблемы юрислингвистической экспертизы: межвуз. сб. науч. тр. / под ред. Н. Д. Голев. Барнаул: Изд-во Алт. ун-та, 2002. С. 5-13.
10. Гомон Т. В. Исследование документов с деформированной внутренней структурой: автореф. дисс.... к. юрид. н. М., 1990. 22 с.
11. Грасмик Л. В. Установление автора текстов интернет-коммуникаций при умышленном искажении признаков письменной речи // Актуальные проблемы российского права. 2011. № 2. С. 401-408.
12. Губаева Т., Ситдикова Р. Определяет ли автороведческая экспертиза автора? // Интеллектуальная собственность. Авторское право и смежные права. 2006. № 8. С. 23-31.
13. Дроздова Т. Н. Диагностические и классификационные задачи в автороведческой экспертизе блогов // Актуальные проблемы российского права. 2010. № 2 (15). С. 394-404.
14. Загоровская О. В., Литвинова Т. А., Литвинова О. А. Электронный корпус студенческих эссе на русском языке и его возможности для современных гуманитарных исследований // Мир науки, культуры и образования. 2012. № 3 (34). С. 387-389.
15. Лебедева Н. Б. Естественная письменная русская речь как объект лингвистического исследования // Вестник БГПУ. Сер.: Гуманитарные науки. 2001. № 1. С. 4-10.
16. Литвинова Т. А. Лингвистические основы неидентификационной судебно-автороведческой экспертизы // Вестник Челябинского гос. университета. Серия: Филология. Искусствоведение. 2012. Вып. 67. С. 74-79.
17. Литвинова Т. А. Русский письменный текст как носитель информации об индивидуально-личностных характеристиках его автора (на материале корпуса текстов нового типа Personality) // Известия ВГПУ. Сер.: Педагогические науки; Гуманитарные науки. 2015. Т. 266. № 1. С. 196-198.
18. Литвинова Т. А. Формально-грамматические корреляты личностных особенностей автора письменного текста // Филологические науки. Вопросы теории и практики. Тамбов: Грамота, 2013. № 12 (30): в 2-х ч. Ч. 1. С. 132-135.
19. Литвинова Т. А. Языковые корреляты личностных особенностей автора письменного текста: алгоритм исследования // В мире научных открытий. Сер.: Проблемы науки и образования. 2012. № 9.3 (33). С. 236-255.