Таблица 2
Показатели «Правдивость» и «Агрессивность» в текстах Н. И. Бухарина
|
Текст |
Показатель |
||
|
«Правдивость» |
«Агрессивность» |
||
|
Текст 1 |
+5,0 |
+0,4 |
|
|
Текст 2 |
-0,2 |
-1,2 |
|
|
Текст 3 |
-14,3 |
+6,8 |
|
|
Текст 4 |
-5,0 |
+0,7 |
|
|
Текст 5 |
+0,3 |
+2,8 |
|
|
Текст 6 |
+10,5 |
-2,3 |
|
|
Текст 7 (жене) |
+8,9 |
-13,0 |
|
|
Текст 8 |
+0,3 |
+2,8 |
|
|
Текст 9 |
+7,3 |
-0,1 |
|
|
Текст 10 |
- 6,0 |
-0,5 |
|
|
50 % vs 50 % |
50 % vs 50 % |
Текст письма жене отличается от других текстов еще по нескольким показателям. Этот текст «правдив» и «не агрессивен», причем эти показатели отличаются большими значениями. Сравним данные, приведенные в таблице 2. Мы видим, что только три текста из десяти (6, 7, 9) характеризуются «правильностью» соотношения этих параметров, т. е. правдивы и не агрессивны. Остальные семь текстов либо не правдивы, но агрессивны, либо правдивы и агрессивны, либо характеризуются прочими комбинациями показателей.
По всем показателям, которые сегодня мы можем анализировать с помощью имеющихся в нашем распоряжении инструментов, тексты Н. И. Бухарина могут быть отнесены к суггестивным текстам с большим потенциалом воздействия.
Среди инструментов для изучения суггестивных ресурсов вербальных моделей назовем визуализацию ассоциативного цветового облика модели. Сегодня мы разработали два подхода к анализу ассоциативной (психологической) цветности текста. Первый подход опирается на сравнение цветовых моделей языка, полученных разными способами: по принципу учета равного долевого участия каждой звукобуквы или по показателю частотности использования звукобуквы в дискурсе. Второй подход позволяет анализировать ассоциативную цветность текста через логарифм соотношения.
С помощью специально написанной в 2014 г. компьютерной программы была разработана эталонная модель для русского языка, созданная по принципу равного долевого «цветового» участия каждого звука без опоры на показатель частотности. Для проверки данной была выстроена другая модель, опирающаяся на частотность. Идентичность моделей позволяет рассматривать получаемые результаты как достоверные. Для анализа ассоциативной цветности особенно важно наличие эталонной модели, поскольку именно она служит информативным источником характеристики качества воздействия, а значимые цветовые отклонения от эталона, безусловно, являются свидетельствами разных свойств воздействия.
Разработанные нами два подхода к изучению ассоциативной цветности дополняют друг друга, но они сфокусированы на совершенно разных аспектах одного явления -- ассоциативной цветности. Первый подход устанавливает ассоциативную цветность языка как этнокультурного кода ментальности народа. Используя в качестве единиц анализа синестетические свойства сознания и моделируя цветовую палитру звуковой ткани языка, мы можем создавать цветовые матрицы, на основе которых писать компьютерные программы, эксплицирующие потенциал звукоцвета через манифестацию ассоциативной цветности языка. При этом эталонная модель, например, русского языка характеризуется тремя доминантными цветами: показатель синего цвета равен 18,2 %, красного -- 15,7 %, белого -- 14,1 %. Следует отметить, что все остальные цвета также присутствуют, но в других процентных соотношениях. При данном подходе была установлена естественная схожесть любой вербальной модели на русском языке с эталонной моделью. Различия касаются количественных показателей и в основном затрагивают именно доминантные цвета.
Второй подход, предложенный программистом Н. Н. Вороновым, основывается на логарифме соотношения. В основе данного подхода, помимо абсолютных показателей, лежат относительные, представляющие собой отношение числового значения параметра, рассчитанного для конкретного текста, к числовому значению, рассчитанному для языка в целом. В качестве параметра анализируется количество ассоциативного цвета. Математически отношение записывается в виде дроби (текст/язык). При равенстве показателей отношение равняется 1. Крайняя неинформативность данного показателя из-за несоразмерности значения отношения, касающегося доминирующего показателя, обратило авторов к решению проблемы через нормализацию соотношения за счет перехода к логарифмической шкале. Для простоты анализа в своих исследованиях мы используем логарифм по основанию 2, при котором соотношение 2/1 дает значение 1 (1од22=1), а 1/2 -- значение -1 (Zog2| =-1). За доминантный ассоциативный цвет при таком подходе принимается такой ассоциативный цвет, логарифм соотношения текст/язык которого является максимальным для данного текста [Рогожнико- ва, Мустаев 2018].
Компьютерный модуль программы «UNIVERSAL», созданный, но, к сожалению, не завершенный программистом Н. Н. Вороновым, позволил впервые проанализировать ассоциативную цветность молитвенного текста на русском языке не через отношение доминантного цвета текста к доминантному цвету языка, а через логарифм соотношения. Этот модуль дорабатывается и будет существенно дополнен рядом функций. Мы работали с 1000 молитвенных текстов. Для удобства иллюстрирования материала и из-за небольшого объема публикации остановимся на 100 молитвах, представляющих собой «идеальные» тексты, которые характеризуются положительными паттернами ритмов мозга, эмоционально-оценочными признаками и гармоничной ритмической структурой.
Остановимся на трех основных цветах, входящих в ядерную зону. И среди трех основных цветов выделим цвет, встречающийся в первой позиции, т. е. ассоциативный цвет, чей количественный показатель доминирует в трехцветной палитре данной молитвы. В проанализированных православных молитвах доминируют три цвета: сиреневый, малиновый и в меньшей степени коричневый. Сиреневый цвет чаще других оказывается в первой позиции.
Анализ доминирующих эмоциональнооценочных признаков показал, что рассматриваемые молитвы светлые (44 %), яркие (21 %), медленные (18 %), сильные (6 %), нежные (5 %), прекрасные (2 %), устрашающие (1 %), тихие (1 %), темные (1 %), минорные (1 %).
В качестве инструмента Т. М. Рогожни- кова предложила идею визуализации обобщенного цветового образа православной молитвы на основе показателей анализа всей выборки суггестивных текстов. Напомним алгоритм визуализации. Техническая сторона процедуры выполнялась Д. Д. Кудашовым. Во-первых, устанавливается цветовое наполнение текста, представляющее собой конечный набор ассоциативных цветов с различными показателями для каждого цвета. Во-вторых, анализируется состав звукобукв исходного текста и определяется общее количество появлений каждой звукобуквы (формируется отношение количества появлений звукобуквы в тексте к длине текста). В-третьих, устанавливается цветовое наполнение текста как совокупность частот появления звукобукв с одинаковой цветностью. В-четвертых, устанавливаются пропорции каждого цвета, занимающего определенную долю в текстовом пространстве.
Каждая молитва имеет уникальную визуализацию. Но нельзя не учитывать факт доминантных цветов, повторяющихся во многих молитвах, что позволяет говорить о возможности создания обобщенного образа. Установлено, что ассоциативная палитра 100 исследуемых текстов содержит 12 цветов, каждый из которых был одним из трех доминантных.
Была рассмотрена корреляция появления цвета в качестве супердоминантного для каждой молитвы из выборки или появление цвета в числе трех наиболее доминантных для каждой молитвы из выборки. По определенному алгоритму изображение разделяется на пиксели, количество которых соответствует площади изображения. Каждый пиксель принимает цвет из числа ассоциативной палитры выборки молитв. Случайным образом выбираются местоположения «ядра цвета» -- зоны, где с наибольшей вероятностью будут попадаться пиксели с цветом, соответствующим одному из цветов ассоциативной палитры, которые помещаются в данное «ядро цвета». Затем окрашивается каждый пиксель изображения. В цитируемой выше статье приведены цветные рисунки обобщенных цветовых обликов молитв.
В рамках сопоставительного анализа нами была рассмотрена ассоциативная цветность авторского текста. Был проанализирован роман Т. Толстой «Кысь». Весь текст романа был разбит на 143 фрагмента для удобства работы, а затем проведены все процедуры вплоть до создания визуализированных паттернов каждого фрагмента, а также обобщенной визуализации всего романа. К сожалению, технические возможности не позволяют нам привести примеры полученных рисунков в цвете. Но таблица 3 позволяет увидеть просто невероятную разницу ассоциативной цветности этих совершенно разных текстов. Можно сказать, что роман Т. Толстой ассоциативно окрашен в грязно-зеленый (или, что не столь категорично -- оливковый) цвет на 95,8 %, больше половины площади изображения занято черным цветом -- 54,55 %.
Таблица 3
Ассоциативная цветность 100 молитвенных текстов и 143 фрагментов одного произведения -- романа Т. Толстой «Кысь»
|
Текст |
Молитвы |
«Кысь» |
|||
|
Цветность |
Встречаемость в трех доминантных цветах в % (100 вариантов) |
Встречаемость в первой позиции в трех доминантных цветах в % (100 вариантов) |
Встречаемость в трех доминантных цветах в % (143 варианта) |
Встречаемость в первой позиции в трех доминантных цветах в % (143 варианта) |
|
|
1. Сиреневый |
68 |
38 |
9,79 |
0,7 |
|
|
2. Малиновый |
74 |
22 |
22,38 |
6,3 |
|
|
3. Коричневый |
48 |
23 |
3,5 |
2,1 |
|
|
4. Синий |
31 |
1 |
0 |
0 |
|
|
5. Оранжевый |
31 |
4 |
2,8 |
0 |
|
|
6. Серый |
17 |
6 |
0,7 |
0 |
|
|
7. Графитовый |
10 |
4 |
0 |
0 |
|
|
8. Желтый |
6 |
0 |
3,5 |
0 |
|
|
9. Морская волна |
3 |
0 |
63,64 |
10,5 |
|
|
10. Светлоголубой |
5 |
1 |
4,2 |
0,7 |
|
|
11. Хаки |
5 |
1 |
0 |
0 |
|
|
12. Черный |
2 |
0 |
54,55 |
4,9 |
|
|
13. Оливковый (грязно-зеленый) |
0 |
0 |
95,8 |
71 |
|
|
14. Темно-голубой |
0 |
0 |
20,28 |
0 |
|
|
15. Темно-серый |
0 |
0 |
7,69 |
1,4 |
|
|
16. Ярко-зеленый |
0 |
0 |
3,5 |
0,7 |
|
|
17. Фиолетовый |
0 |
0 |
1.2 |
1,4 |
|
|
18. Зеленый (лайм) |
0 |
0 |
1,4 |
0,7 |
|
|
19. Красный |
0 |
0 |
0,7 |
0 |
Итак, мы рассмотрели некоторые инструменты, коэффициент полезного действия которых достаточно высок в определении суггестивных ресурсов вербальных моделей. Эта проблема заслуживает самого пристального внимания специалистов, поскольку, несмотря на ее остро осознаваемую социумом актуальность, до сих пор относится к малоисследованным.
КОМПЬЮТЕРНЫЕ ПРОГРАММЫ
1. Рогожникова Т. М., Воронков С. А., Ефименко Н. В., Яковлева Р. В. Программа для ЭВМ БАРИН (Автоматизированный анализ слова и текста). Свидетельство о государственной регистрации программы для ЭВМ № 2011618299. - М., 2011.
2. Рогожникова Т. М., Кудашов Д. Д., Кочетова Г. Р., Ефименко Н. В. Программа для ЭВМ БАТЫР (Автоматизированный анализ слова и текста). Свидетельство о государственной регистрации программы для ЭВМ № 2014613238. - М., 2013.
3. Рогожникова Т. М., Кудашов Д. Д. Программа для ЭВМ СЧЕТОВОД (Автоматизированный анализ текстов). Свидетельство о государственной регистрации программы для ЭВМ № 2014618598. -- М., 2014.
4. Рогожникова Т. М., Кишалова Л. В., Кишалов А. Е. Программа для ЭВМ ПУЛЬС 2015 для обработки ритма прозаического текста. Свидетельство о государственной регистрации программы для ЭВМ № 2015614549. -- М., 2015.
5. Рогожникова Т. М., Кудашов Д. Д., Яковлева Р. В. Программа для ЭВМ БЮРГЕР (Автоматизированный анализ слова и текста). Свидетельство о государственной регистрации программы для ЭВМ № 2016616320. -- М., 2016.
6. Кривошеев И. А., Ахмедзянов Д. А., Кожинов Д. Г. Система автоматизированного моделирования сложных технических объектов (САМСТО) Свидетельство об официальной регистрации, Роспатент, № 2011611712. -- М., 2011.
7. Шалак В. И., Дымшиц М. Н. Программный продукт / Психолингвистическая экспертная система ВААЛ. -- М., 2005.
8. Программа экспертизы текстов внушения ДИАТОН, версия СЛОВОДЕЛ. Лаборатория «Ведиум». Свидетельство о государственной регистрации для программы ЭВМ. № 2008611081 -- М., 2008.
ЛИТЕРАТУРА
9. Ассоциативный словарь башкирского и татарского языков / под общ. ред. Т. М. Рогожниковой. -- М. : Флинта : Наука, 2016.
10. Будаев Э. В. Методология и методики исследования политической коммуникации в зарубежной политической лингвистике // Теория и методика лингвистического анализа политического текста : моногр. /отв. ред. А. П. Чудинов ; Урал. гос. пед. ун-т.-- Екатеринбург, 2016. С. 198--240.
11. Галерея ассоциативных портретов : моногр. / Т. М. Ро- гожникова [и др.] ; под общ. ред. Т. М. Рогожниковой ; Уфимск. гос. авиац. техн. ун-т. -- Уфа : УГАТУ, 2009.
12. Коршунов Д. С. Введение в психолингвистическое моделирование чтения для лингвистов. -- М. : ЛЕНАД, 2015.