Лингвистикалық корпус жасау мәселесі XXI ғасырдың соңғы жылдарынан басталады. Әлемде кең таралған тілдерінің біршамасы өздерінің ұлттық корпусын жасақтады. Қазірде мәтіндік базалары барынша бай, кіші корпустары мейілінше көп тілдік корпустар қатарында Еуропадағы «Британ ұлттық корпусы» (http://www.natcorp.ox.ac.uk/) «Чех ұлттық корпусы» (https://ucnk.ff.cuni.cz/cs/), «Неміс тілінің ұлттық корпусы» (https://www.dwds.de/) т.б. аталады. Жалпы француз, испан, итальян, португал, орыс, армян, словен, осетин, поляк, дат, тәжік, башқұрт т.б. тілдердің корпустары жасалған. Бұл корпустардың мәтіндік базасына 40 миллионнан 5 млрд жуық сөзқолданыс енгізілген.
Интернет беттерінде электронды тілдік ресурстардың сайттарына сілтемелер бар, бұл корпустардың кейбірінің қолданыс ауқымын шектеп қойған, пайдалану ақылы. Әрі ресурстар тізімі үлкен болғандықтан бұлардың бір-бірінен айырмашылығы мен қолданыс ерекшеліктерін зерттеуге уақыт та керек. Сайып келгенде соншама интеллектуалдық күшті, қаржылық демеуді қажет ететін бұл ресурстар қаншалықты қажет, көптеген мемлекет неліктен электронды мәтіндік базалар жасауға мүдделі болып отыр, тіпті әзірленген күнде де оны пайдалану не үшін қажет дегендермен көпшілік таныс болмауы мүмкін.
Алдымен корпус дегеннің өзі не? Сөздіктерде қысқаша «мәтіндерді электронды түрде жинақтауға негізделген ақпараттық-анықтамалық жүйе» деп түсіндіріледі. Заман ағымына сай ақпараттың жүйелендірілуі мен қолданысы цифрлендіру ыңғайында қолжетімді болып отыр. Корпус жасаудағы негізгі мақсат – табиғи тіл ресурстарын жинақтап, тілді нормаландыру, жүйелендіру, нәтижесін көпшілік тұтынушыға ұтымды пайдалануға ұсыну. Корпус арқылы электронды мәтіндер бір базаға құйылып, кіші корпустары арқылы түрлі стиліне, жанрына, ауызша,жазбаша мәтіндердің типтеріне, т.б. сәйкес шоғырландырылып ұсынылады. Мәтіндер арнайы корпустық белгілер (кодтар, аңдатпалар) арқылы өңделеді. Корпус базасындағы барлық мәтіндерге және оның тілдік бірліктеріне жасалған метамәтіндік және лингвистикалық белгіленімдер жалпы және лингвистикалық ақпарат беріп қана қоймайды, оны түрлі мақсатта (оқытуда, зерттеуде, қолданбалы рухани ресурстар даярлауда, т.б.) қолданудың жолын ашады. Белгілер мейілінше кең қамтылып, ашық, нақты болған сайын сөзқолданыстың, мәтіннің ақпараттық мәні, құндылығы, соған сәйкесінше зерттеу немесе оқыту дереккөзі болу мүмкіндігі арта түседі. Корпустың мәтін базасы бойынша статистикалық, графикалық мәліметтерінің саналуандығының да атқарар рөлі зор. Корпус жасау бір-екі жылдық жұмыс қатарына жатпайды. Ол үнемі үздіксіз толықтырып отыруды, механизмдерінің жетілдірілуін, мамандарының сол саладағы арнайы өз білімін тынбай арттырып отыруын, сол арқылы тіл ресурстарын сапалы өңдеп, белгілі қалыпта нормаға сай қолжетімді етуді талап етеді. Сондай тынымсыз, жан-жақты жұмылдырылған еңбек нәтижесінде ғана сапалы ұлттық корпус жасауға жетуге болады.
Қазақ тілінің ұлттық корпусын жасақтау мәселесінің көтерілгеніне жиырма жылдан астам уақыт болды. Содан бері қазірге дейін пайдалануға ұсынылған корпустар қатарында А.Байтұрсынұлы атындағы Тіл білімі институты дайындаған 30 млн. Сөзқолданысты құрайтын корпусты (http://qazcorpus.kz), әл-Фараби атындағы ҚазҰУ-дың Алматы тіл корпусын (40 млн. Сөзқолданыс) (http://web-corpora.net/KazakhCorpus/search/?interface_language=kz) білеміз. Олардың қызметі мен қоры жөнінде сайттарынан танысуға болады.
Корпус әзірлеу – жоғарыда атап өткеніміздей аса күрделі, өлшеусіз энергия мен уақытты талап ететін жұмыс. Тілдің ұлттық корпусын жасау мемлекеттік маңызды мәселенің бірі ретінде күн тәртібінде тұр.
Ұлттық тіл корпусы – қандай да бір табиғи тілдің ресурсындағы барлық ауызша және жазбаша тілдік материалды толық түрде танытатын, тілдің өмір сүру жағдайындағы жай-күйін, нақты қолданысы мен тарихи даму барысыдағы өзгерісі жайлы мәліметтердің бірегей тұтас дереккөзі қызметін атқаратын ауқымды, нормаланған, жүйелі тілдік база.
Мемлекеттік тапсырма аясында Тіл саясаты комитетінің тапсыруымен 2021 жылдың басында Ш.Шаяхметов атындағы «Тіл-Қазына» ұлттық ғылыми-практикалық орталығы «Қазақ тілінің ұлттық корпусының публицистикалық кіші корпусын әзірлеу» жобасын бастаған. Жоба нәтижесі бойынша 2 млн. Сөзқолданысқа публицистикалық мәтіндер бойынша корпустық белгіленім жасалды. Қолданысқа берілмек. Бұл да – қазақ тілінің корпустық базасын күшейту бағытындағы елеулі жұмыстың бірі. Жоба ұлттық жоба аясында жалғасын табады деп ойлаймыз.
Жалпы корпус жасау ісі барынша кең, түрлі тілдік ұйымдар мен ғылыми кадрларды қамтитындай кешенді сипатта дамуы тиіс. Оның негізгі себебі – ұлттық тіл корпусының нәтижесін тұтынушы сол тілдің иелмендері болып табылатын көпшілік. Тілдік корпустарының аясында елдер көптеген мәселелерді шешуге, атап айтқанда, білім берудің барлық деңгейінде оқулықтар мен оқу құралдырын, электронды ресурстар, сөздіктер, т.б. құрастыруға, тіл үйретуде сүйенуге; гуманитарлық саладағы зерттеулер жасауға, жаппай жаһандану жағдайында цифрландыру қызметінде аудио, бейнемәтіндерді тануда және оны прагматикалық тұрғыдан қолданысқа түсіруге, тіл туралы статистикалық мәліметтерді кешендендіруге, т.б. пайдаланып отыр. Корпус арқылы лезде тіл туралы жан-жақты ақпарат алынады. Түрлі жиілік сөздіктер жасау жеңілдейді. Тірі тілдің дамуы мен қолданыс тарихын зерделеуге, сақталуын қамтамасыз етуге корпус зор ықпал етеді.
Елімізде әр түрлі ұйымдар тарапынан жасалып отырған корпустардың әрқайсысы қолдауға зәру. Ауқымы тұрақты кеңейтіліп, бұл корпустар түптің түбінде бір жерге орталықтандырылады деп ойлаймыз. Тіпті Ұлттық корпус институтын құру да сұранысқа ие. Қазақ тілінің ұлттық корпусы барлық кіші корпустарымен қоса тілдің қолданыс мүмкіндігін арттыруға, тілді сақтау мен дамытуға, ең бастысы тұтынушыларының қажеттілігін қанағаттандыруға қызмет ететін болса, әрине, қазақ тілінің ұлттық корпусын жасау қажет.
P.S: Оқырманымыздың көтеріп отырған мәселесі өте өзекті де, көкейтесті. Әрине, бұл тұрғыда Тіл білімі институтын да, ҚазҰУ-дың да жасаған игі істеріне дән ризамыз. Автор мемлекетіміз бұл мәселені ауқымды ұлттық мүдде тұрғысынан қолға алса деп отыр. Оқырман қауым да бізді қолдайды деп сенеміз.
