Digital corpus of the linguoculture of the Northern Angara region: structure, composition and applications

Full Text

Введение Сохранение языкового и культурного разнообразия, особенно в контексте исчезающих языков и региональных вариантов больших языков, является одной из актуальных задач современной гуманитарной науки, входит в число приоритетных направлений развития языковой политики России [29]. Создание электронных корпусов выступает ключевым инструментом для документирования, исследования и актуализации таких форм нематериального наследия. Примерами корпусов языков коренных народов Российской Федерации могут служить Корпус вепсского языка (ВепКар) [30] (Родионова, Пеллинен, 2024), Корпус мансийского языка [31], Корпус текстов на языках коренных малочисленных народов Севера, Сибири и Дальнего Востока РФ. Эти ресурсы обеспечивают базу для лингвистических, антропологических и культурологических исследований, а также способствуют сохранению уникальных идиомов в условиях глобализации. Не менее значимы усилия по документированию и сохранению региональных вариантов русского языка. Русский язык безусловно относится к мажоритарным языкам и является одним из наиболее функционально развитых языков мира. Однако, как любой язык, он подвержен диатопическому варьированию, что приводит к появлению территориальных вариантов- диалектов. Диалект - это не просто подвид коммуникативной системы языка. Обслуживая определенные языковые коллективы, диалект отражает особенности и идентичность его носителей, обусловленные культурным укладом, типом хозяйственной деятельности и иными факторами экстралингвистического порядка. В этом смысле региональный диалект схож с любым отдельным языком, а его изучение, в т. ч. и документирование, служит делу сохранения культурного наследия русского народа, как это происходит в случае с документированием языков народов России. Электронный текстовый корпус лингвокультуры Северного Приангарья (КЛСП) [32][33] тоже выполняет эту задачу, фокусируясь на документации и исследовании русского языка и культуры в его сибирском региональном воплощении - ангарской лингвокультуре. Русское население Северного Приангарья сформировалось в результате освоения бассейна реки Ангары выходцами из европейской части России в XVII-XVIII вв., в период продвижения русских поселенцев в Восточную Сибирь. Расселение осуществлялось преимущественно вдоль речных путей и было связано с основанием острогов, развитием промысловой, торговой и земледельческой деятельности. В последующие столетия население региона пополнялось за счет как добровольных миграций, так и административных переселений. Русские жители Северного Приангарья проживают в населенных пунктах Иркутской области и Красноярского края, расположенных вдоль среднего и нижнего течения Ангары. Длительное существование локальных сообществ в условиях относительной территориальной и культурной изолированности способствовало формированию устойчивых региональных языковых и культурных особенностей, отраженных в материалах корпуса. Цель исследования - комплексный анализ и описание структуры, состава и функциональных возможностей КЛСП как междисциплинарного цифрового ресурса, а также оценка его роли в сохранении, изучении и актуализации лингвокультурного наследия Северного Приангарья. Материалом исследования стал сам корпус КЛСП, его структура, система разметки, контент и технологические решения, представленные на официальной платформе проекта и в сопутствующих научных публикациях. Актуальность работы определяется двумя ключевыми факторами. Во-первых, необходимостью документирования исчезающих языков, диалектов и традиций Северного Приангарья в условиях глобализации. Во-вторых, растущей востребованностью корпусных методов в цифровой лингвистике и искусственном интеллекте. КЛСП не только фиксирует языковые особенности региона, но и воссоздает культурный контекст через фольклорные тексты, аудио- и видеозаписи, что делает его незаменимым для этнолингвистических исследований, цифровых гуманитарных проектов и разработки образовательных курсов. Исследована трехкомпонентная структура корпуса, а именно диалектный, фольклорный и мультимедийный подкорпусы. Особое внимание уделено системе разметки данных, включая ареальную, жанровую и сюжетно- мотивную классификацию. Приведены примеры использования ресурса в лингвистическом анализе (например, при изучении региолектных вариаций), создании учебных модулей (курсы по диалектологии) и разработке алгоритмов обработки поликодовых текстов (синхронизация аудио- и видеоматериалов с текстовыми данными). Рассмотрена также роль корпуса в сохранении нематериального культурного наследия и формировании цифровой идентичности коренных жителей региона, что подчеркивает его значение для современных гуманитарных исследований. История разработки электронного текстового КЛСП и его состав Проект КЛСП был инициирован в 2012 г. научным коллективом Сибирского федерального университета (СФУ, Красноярск) под руководством специалиста в области коммуникативной диалектологии и лексикографии д-ра филол. наук, проф. О.В. Фельде (Фельде, 2021) и реализуется в рамках научно- исследовательской деятельности СФУ 5. Основная цель проекта - создание комплексного электронного архива, фиксирующего современное состояние русской лингвокультуры Северного Приангарья через призму ее языкового выражения и культурных практик. Ключевые задачи проекта: • фиксация устных текстов (современная лингвокультура, исчезающие ангарские говоры, локальное просторечие, ангарский региолект) с использованием аудио- и видеоаппаратуры; • корпусная разметка материала и представление его в виде электронной системы, включающей тексты разных жанров, включая поликодовые и аудиовизуальные; • создание и наполнение трех специализированных подкорпусов с соответствующей разметкой (диалектный, фольклорный, мультимедийный); • научное обоснование информативности материала с позиций коммуникативной диалектологии, лингвокультурологии и фольклористики. Материалом для корпуса служат полевые записи, собранные экспедициями СФУ. Корпус основан преимущественно на устных текстах различного характера (интервью, беседы, рассказы, фольклорные произведения), а также включает мультимедийные данные (аудио-, видео-, фото-), синхронизированные с текстовыми расшифровками. Таким образом, КЛСП является по своей сути устно- речевым поликодовым корпусом6, он имеет трехуровневую структуру, охватывающую текстовые и мультимедийные материалы. Диалектный подкорпус. Включает 1445 текстов (441 тыс. слов), фиксирующих особенности ангарских говоров, региолектов и просторечий. Тексты снабжены ареальной, жанровой и тематической разметкой. Например, указывается место записи (Кежемский, Богучанский, Мотыгинский районы), тип речи (монолог, диалог), жанр (устный рассказ, интервью) и лингвокультурные концепты («медведь», «домовой»). Ниже приведен пример одного из текстов. 5 Корпус лингвокультуры Северного Приангарья (КЛСП). URL: https://angara.sfu-kras.ru/ (дата обращения: 10.06.2025). Место записи: Красноярский край, г. Красноярск Год записи: 2021 Кстати, про рыбу. Мы не поговорили с вами про пескарей. Это кежемская тема. Пескарь в Кежме считался рыбой неприличной. Не в смысле пошлой и хамской, а которую есть стыдно, ловить стыдно, вот. И более того, в Кежме он носил название мокчён. Назывались они мокчёны. И мокчёнов можно было ловить только детям для своих животных: для кошки, для собаки, вот. Самому есть мокчёнов - это стыд и позор, значит, это нельзя, вот. Ну и за счёт того, что их не ловил никто, обычно в берег заходишь, они прямо вот такими стаями к ногам, к ногам. Было очень много, за счёт того, что их никто не ловил, вот. И эта история, она приобрела большой символ (Красноярск, 2021 < Кежма). Фольклорный подкорпус предоставляет доступ к уникальным образцам устного народного творчества Северного Приангарья. На момент анализа (май 2025 г.) подкорпус содержит 438 произведений (76 тыс. слов), охватывающих широкий спектр жанров, что позволяет исследовать как обрядовую, так и необрядовую традицию региона. Количественный анализ, выполненный с помощью встроенных фильтров платформ 6, выявляет следующую структуру материалов (табл.). Количество материалов в фольклорном подкорпусе электронного текстового корпуса лингвокультуры Северного Приангарья / The number of materials in the folklore subcorpus of the Electronic text corpus of linguoculture of the Northern Angara region Вид материала / Type of material Количество /Number Былички и демонологические / Supernatural tale 11 Рассказы / Stories 8 Пословицы и поговорки / Proverbs and sayings 156 Приметы и поверья / Omens and sayings 29 Календарные обряды и календарная поэзия / Calendar rites and poetry 41 Детский фольклор / Children’s folklore 27 Частушки / Ditties 17 Легенды / Legends 18 6 Корпус лингвокультуры Северного Приангарья (КЛСП). URL: https://angara.sfu-kras.ru/ (дата обращения: 10.06.2025). Окончание табл. / Ending table Вид материала / Type of material Количество /Number Лирические необрядовые песни / Lyrical non-ritual songs 11 Заговоры / Spells 7 Предания / Lore 8 Анекдоты / Anecdote 4 Сказки / Tales 2 Источник: составлено Е. Кириленко / Source: compiled by E. Kirilenko. Такое распределение (см. табл.) свидетельствует о преобладании малых прозаических жанров (былички, пословицы), связанных с повседневным опытом и мифологическим сознанием, что характерно для современной фольклорной традиции старожильческого населения Сибири. Значительный блок календарных обрядов (41 единица) позволяет реконструировать аграрный и праздничный циклы ангарцев. В их числе представлены как общераспространенные обряды (например, святочные гадания, масленичные обычаи), так и локальные практики, связанные с началом посевной, сенокоса или охотничьего сезона. Материалы классифицированы не только по жанрам, но и по сюжетно- мотивным признакам, что позволяет проводить тематический и сравнительный анализ. Например, детальная разметка календарных обрядов дает возможность изучать их региональную специфику, вариативность исполнения и связанные с ними вербальные тексты (заклички, приговоры). Приведем пример. Место: Богучанский район, п. Артюгино Год записи: 2017 Жанр уст. текста: Календарные обряды и календарная поэзия - Б.В.А.: Вот на Троицу берёзку наряжали. После Троицы всегда вот ставили берёзку в дома. А потом её в понедельник, эту берёзку наряжали, спускали по речке, по реке с ленточками. Ну, тогда чо было - ленточки, тряпочки, цветочки. Отправляли по теченью, по Ангаре ту берёзку… Ну, загадывали желанья, они сбывались… здоровье 7. Мультимедийный подкорпус. Объединяет аудио-, видео- и фотоматериалы, синхронизированные с текстами. Раздел включает документальные фильмы, записи фольклорных обрядов, интервью с носителями диалектов 7 Корпус лингвокультуры Северного Приангарья (КЛСП). URL: https://angara.sfu-kras.ru/ (дата обращения: 10.06.2025). и изображения этнографических артефактов. Далее приведен пример формата в мультимедийном подкорпусе. Легенда об открывшемся небе Информант: Рукосуев Владимир Александрович, родился в 1951 г. в д. Яркино Кежемского р-на; проживает в пгт. Богучаны Красноярского края. Оператор: Васильев В.К. Видеозапись сделана в пгт. Богучаны в июле 2017 г., доступна по ссылке на сайте 8. Пополнение корпуса осуществляется вручную в ходе ежегодных полевых исследований экспедиционных групп Сибирского федерального университета. Собранные аудио- и видеозаписи подвергаются комплексной обработке: лингвистической транскрипции, этнографическому описанию и многоуровневой аннотации командой специалистов (лингвистов, фольклористов, этнографов). Ключевой технологической особенностью проекта является поликодовая разметка. Несмотря на отсутствие регулярного целевого финансирования, проект развивается благодаря усилиям научного коллектива и институциональной поддержке СФУ, регулярно пополняясь новыми материалами и совершенствуя функционал платформы. Функциональные возможности электронного текстового КЛСП Функциональные особенности КЛСП обеспечиваются детальной системой разметки и развитым поисковым интерфейсом, включающим следующие ключевые аспекты. Ареальная разметка (Метаданные). Данный уровень разметки фиксирует пространственно-в ременные и персональные параметры материала: географическое происхождение (районы Кежемский, Богучанский, Мотыгинский; конкретный населенный пункт), год записи, ФИО собирателя. Информация об информантах (ФИО, место рождения, социальные характеристики) вынесена в отдельный список с обязательным указанием согласия на использование персональных данных (рис. 1). Жанрово- типологическая разметка. Система реализует дифференцированный подход к классификации текстов: • диалектный подкорпус: учитывает вид речи (монолог, диалог, полилог), тип текста для монологов (повествование, описание, рассуждение) и жанровую принадлежность (устный рассказ [нарратив, меморат, фабулат, предание, 8 Корпус лингвокультуры Северного Приангарья (КЛСП). URL: https://angara.sfu-kras.ru/ (дата обращения: 10.06.2025). Рис. 1. Метаданные Электронного текстового корпуса лингвокультуры Северного Приангарья Источник: КЛСП. URL: https://angara.sfu-kras.ru/ (дата обращения: 25.07.2025). Fig. 1. Metadata in the Electronic text corpus of the linguoculture of the Northern Angara region Source: Digital corpus of the linguoculture of the Northern Angara region. Retrieved 25 July 2025, from: https://angara.sfu-kras.ru/ быличка], разговор/беседа [социально-б ытовой, информативный и др.], интервью, реплика); • фольклорный подкорпус: классифицирует материалы по жанрам (обряд, гадание, заговор, загадка, предание, быличка, бывальщина, легенда, частушка и т. д.) (рис. 2). Рис. 2. Система поиска в фольклорном подкорпусе Электронного текстового корпуса лингвокультуры Северного Приангарья Источник: КЛСП. URL: https://angara.sfu-kras.ru/ (дата обращения: 25.07.2025). Fig. 2. The search system in the folklore subcorp of the Electronic text corpus of the linguoculture of the Northern Angara region Source: Digital corpus of the linguoculture of the Northern Angara region. Retrieved 25 July 2025, from: https://angara.sfu-kras.ru/ Тематическая и концептная разметка (Диалектный подкорпус). Данный уровень обеспечивает глубину семантического анализа: • тематика текста - маркируются ключевые темы (например, «охота», «рыбалка», «переселение», «быт»), причем один текст может быть отнесен к нескольким темам; • лингвокультурный концепт - идентифицируются и отмечаются ключевые культурные концепты, эксплицируемые в тексте («домовой», «леший», «медведь», «река Ангара», «тайга»); • диалектизмы / просторечия - фиксируются специфические слова или выражения. Сюжетно- мотивная разметка (Фольклорный подкорпус). Специализированная разметка, применяемая преимущественно к прозаическим фольклорным жанрам (былички, бывальщины). Она классифицирует тексты по мотивам встреч с мифологическими персонажами (домовой, леший, водяной) или сверхъестественными явлениями. Мультимедийная атрибуция. Этот уровень обеспечивает детальное описание невербальных материалов, среди которых можно назвать следующие: • жанр записи (документальный фильм, видеосюжет, фольклорное исполнение, интервью, аудиозапись речи, фотография); • точные параметры: место и время съемки/записи; • участники: информанты, исполнители, собиратели, операторы. Данная атрибуция гарантирует корректную интерпретацию и контекстуализацию мультимедийных ресурсов корпуса. Научная значимость электронного текстового КЛСП Электронный текстовый КЛСП стал основой для исследований, демонстрирующих его междисциплинарный потенциал. Благодаря детальной разметке и разнообразию данных, ресурс активно используется в лингвистике, фольклористике, этнографии и культурологии. КЛСП служит для изучения диалектных и региолектных особенностей русского языка. Ю.В. Уткина (Уткина, 2024: 123) исследует региональные вариации лексики, связанные с мифологическими персонажами, что демонстрирует роль корпуса в выявлении локальных культурно- языковых феноменов. А.Н. Сперанская (Сперанская, 2017: 392) анализирует речевые стратегии, выявляя, как диалогические элементы структурируют устные рассказы. Е.С. Смирнов (Смирнов, 2018) изучает этнолингвистические аспекты взаимодействия ангарцев с коренными народами Сибири, опираясь на интервью и диалоги из корпуса. Фольклорный подкорпус КЛСП стал основой для реконструкции традиционной культуры. В.К. Васильев (Васильев, 2018: 150) исследует сказки и легенды, сопоставляя их с аудиозаписями обрядовых песен. К.В. Кайзер (Кайзер, 2018) анализирует демонологические рассказы, выявляя связь между языковыми маркерами и этнографическими артефактами. Особый интерес представляет статья О.В. Вязовкиной (Вязовикина, 2020: 137), где охотничьи рассказы из корпуса рассматриваются как источник знаний о традиционном укладе жизни. Корпус также используется как инструмент для изучения исторических процессов. Таким образом, КЛСП не только фиксирует региональное наследие, но и стимулирует новые направления в гуманитарных науках, подтверждая актуальность корпусных методов в цифровую эпоху. Перспективы развития и использования электронного текстового КЛСП Несмотря на существующие ограничения, КЛСП обладает значительным потенциалом развития в научной, образовательной, прикладной и культурно- сохранной сферах. Дальнейшее расширение и устойчивое функционирование корпуса во многом зависят от наличия целевого финансирования, в т. ч. в рамках грантовых программ, поддерживающих цифровые гуманитарные исследования, сохранение нематериального культурного наследия и развитие региональных научно- образовательных инициатив. Перспективными источниками поддержки проекта могут выступать государственные и ведомственные гранты, программы университетского развития, а также проекты, реализуемые в рамках национальных и региональных стратегий цифровизации культуры и образования. Одним из таких источников поддержки был грант Российского фонда фундаментальных исследований, Правительства Красноярского края, Красноярского краевого фонда поддержки научной и научно-т ехнической деятельности. Научные перспективы включают планомерное пополнение подкорпусов новыми полевыми данными, что обеспечит репрезентативность и актуальность ресурса. Ключевое направление развития - углубление разметки, потенциально включающее внедрение морфологической или синтаксической аннотации для репрезентативных текстов, что откроет новые возможности для системного лингвистического анализа. Повышение исследовательской ценности платформы связано с развитием встроенных инструментов анализа, таких как конкордансеры и генераторы частотных словарей. Усиление связей между подкорпусами позволит создавать комплексные «досье» по информантам и темам, интегрирующие текстовые, аудио- и видеоматериалы. Корпус также обладает уникальным потенциалом для сравнительных исследований с другими региональными корпусами русского языка и языков коренных народов Сибири. В образовательной сфере КЛСП может стать основой для создания интерактивных модулей и онлайн- курсов по диалектологии, лингвокультурологии и фольклористике Сибири. Его материалы пригодны для интеграции в региональный компонент образования школ и вузов Красноярского края. Разработка просветительских цифровых проектов (виртуальные выставки, цифровые истории) будет способствовать популяризации культурного наследия Приангарья. Прикладное значение ресурса заключается в возможности разработки электронных словарей и атласов ангарских говоров. Массив аудиозаписей представляет ценность для создания речевых технологий (ASR - Automatic Speech Recognition, TTS - Text-to-S peech), адаптированных к региональным особенностям русской речи. Корпус может служить основой для создания музеев и центров сохранения культурного наследия в районах Северного Приангарья. Культурно-с охранная роль КЛСП соответствует глобальным и национальным инициативам: целям Международного десятилетия языков коренных народов (2022-2032) ЮНЕСКО [34] по документированию исчезающих идиом (к которым относятся ангарские говоры) и Стратегии государственной национальной политики РФ, поддерживающей сохранение культурного наследия. КЛСП выступает действенным инструментом фиксации НКН русского старожильческого населения Сибири и формирования его цифровой идентичности. Реализация этого потенциала зависит от решения ключевых задач: привлечения стабильного финансирования и разработки полуавтоматических методов обработки данных для снижения трудоемкости транскрипции и разметки. Заключение Электронный текстовый КЛСП представляет собой значимый и уникальный цифровой ресурс, созданный усилиями ученых Сибирского федерального университета. Его трехкомпонентная структура (диалектный, фольклорный, мультимедийный подкорпуса) обеспечивает комплексное представление об ангарской лингвокультуре через аутентичные устные тексты, фольклорные произведения и мультимедийные материалы. Детальная система разметки (ареальная, жанрово-т ипологическая, тематическая, концептная, сюжетно-мотивная) является ключевым достоинством корпуса, предоставляя исследователям мощный инструмент для формирования релевантных выборок и проведения междисциплинарных изысканий в области лингвистики, фольклористики, этнографии и культурологии. Несмотря на отсутствие регулярного финансирования, проект демонстрирует устойчивость и продолжает развиваться. КЛСП уже доказал свою научную значимость, став основой для ряда исследований особенностей ангарской речи, регионального фольклора и культурных практик. Потенциал КЛСП далеко не исчерпан, а перспективы развития связаны с пополнением корпуса, углублением разметки, улучшением функционала и интеграцией в более широкий контекст цифровой документации культурного наследия России, что соответствует целям государственной культурной политики и международных инициатив, таких как Десятилетие языков коренных народов ЮНЕСКО. Будучи инструментом сохранения исчезающих диалектных черт и традиционных культурных практик в эпоху глобализации, КЛСП не только служит научным целям, но и вносит вклад в поддержание региональной идентичности жителей Северного Приангарья. Его развитие и использование в образовательных и культурно-п росветительских проектах представляется важным направлением для будущего.

About the authors

Elena Kirilenko

RUDN University

Author for correspondence.
Email: kirilenko-e@rudn.ru
ORCID iD: 0009-0003-1238-2923
SPIN-code: 6450-4415

6 Miklukho-Maklaya st., Moscow, 117198, Russian Federation.

References

Supplementary files