Лингвистические и стилистические особенности текстов научного стиля английского языка

КурсоваяПомощь в написанииУзнать стоимостьмоей работы

Лингвистические и стилистические особенности текстов научного стиля английского языка (реферат, курсовая, диплом, контрольная)

Оглавление Введение

1. Научный стиль в современном английском языке

1.1. Научный стиль в системе стилей английского языка

1.2 Функции и признаки текстов научного стиля

1.3 Разновидности текстов научного стиля

2. Лингвостилистические особенности текстов научного стиля

2.1 Лексические особенности текстов научного стиля

2.2 Грамматические особенности текстов научного стиля

2.3 Стилистические особенности текстов научного стиля Заключение Список литературы Приложение Введение В наши дни наука динамично развивается, происходит интенсивный обмен информацией. Сейчас, когда английский язык стал основным средством международного научного общения, всё больше ученых и специалистов не только осознают необходимость читать научную литературу на английском языке, но и чувствуют потребность самим изложить по-английски свои идеи и результаты? на международной конференции, на страницах международного научного журнала, в заявке на грант или совместный проект [Рябцева 1999:7].

Как отмечает С. Н. Гореликова, сейчас «как правило, исследуются не языки вообще, а входящие в их состав функциональные стили, которые выполняют разные конкретные функции общения между людьми (разговорный, общественно-политический, официально-деловой, художественный, научный и технический)». Функциональный стиль научной и технической литературы представляет особый интерес для лингвистов, так как он распространяется на все подъязыки науки и техники, как естественно-технические, так и гуманитарные, объединяемые формально-логическим способом изложения научной и технической мысли. Научное описание современных языков не мыслится без учета этого стиля и его роли в жизни общества [Гореликова 2002: 129]. В связи с этим тема данной курсовой работы, посвященной изучению лингвистических и стилистических особенностей текстов научного стиля английского языка, является важной и актуальной.

Исходя из актуальности, была определена и цель работы, которая заключается в изучении лингвистических и стилистических особенностей текстов научного стиля.

В соответствии с целью работы были сформулированы следующие задачи, решение которых направленно на всестороннее раскрытие темы и достижение поставленной цели:

1. Проанализировать черты научного стиля, которые отличают его от других стилей английского языка.

2. Изучить функции и признаки текстов научного стиля.

3. Изучить разновидности текстов научного стиля.

4. Рассмотреть лексические, грамматические и стилистические особенности научных текстов.

Объектом исследования данной работы является научный текст.

Предметом данного исследования выступают лингвистические и стилистические особенности текстов научного стиля.

В качестве материала исследования были использованы работы лингвистов и переводоведов, таких, как И. В. Арнольд, И. Р. Гальперин, М. М. Глушко, Д. С. Лотте, Gerald J. Alred, а также статьи из научных и технических печатных изданий. В качестве материала для практической работы был выбран фрагмент статьи «Fast and Robust Track Initiation Using Multiple Trees» авторов Jeremy Kubica, Andrew Moore, Andrew Connolly, and Robert Jedicke. Статья ориентирована на специалистов в области радиолокации.

Работа состоит из введения, двух глав, заключения, списка литературы и приложения.

Во введении обосновывается актуальность темы исследования, её теоретическая и практическая значимость, определяются объект, предмет, цель, задачи и методы исследования.

В первой главе курсовой работы рассмотрены стилеобразующие факторы, обусловленные спецификой научного стиля. Описаны функции и признаки текстов научного стиля, перечислены разновидности и жанры научных текстов.

Вторая глава посвящена рассмотрению основных особенностей научного текста, в том числе стилистических, лексических и грамматических. Исследуется терминология в научном стиле.

В заключении подводятся итоги проведенного исследования и формулируются краткие выводы.

1.Научный стиль в современном английском языке

1.1 Научный стиль в системе стилей английского языка Стилистический энциклопедический словарь под ред. М. Н. Кожиной определяет «стиль» как «общественно осознанную, исторически сложившуюся, объединенную определенным функциональным назначением и закрепленную традицией за той или иной из наиболее общих сфер социальной жизни систему языковых единиц всех уровней и способов их отбора, сочетания и употребления [Кожина 2006:508].

Функциональные стили? научный, разговорный, деловой, поэтический, ораторский и публицистический? являются подсистемами языка, каждая из которых обладает своими специфическими особенностями в лексике и фразеологии, в синтаксических конструкциях, а иногда и в фонетике. Возникновение и существование функциональных стилей обусловлено спецификой условий общения в разных сферах человеческой деятельности [Арнольд 2002:264].

Функциональный стиль является открытой системой со своим ядром и периферией. Ядро функционального стиля составляют наиболее типичные воспроизводимые способы и средства выражения типичных функций, на периферии находятся нетипичные и пограничные стилистические средства [Хомутова 2008:100].

Многообразные формы функционирования литературного английского языка постепенно привели к его дифференциации. Эта дифференциация заключается в расслоении письменной и устной разновидностей языка на отдельные стили речи.

Стили речи различаются в зависимости от цели коммуникации и сферы употребления. Их различие в основном определяется характером отбора средств выражения, образующих определенную систему, которая является осознанной коллективом, говорящим на данном языке. Стили речи поэтому нельзя понять без анализа системы стилистических и других средств языка, образующих данный стиль [Гальперин 1958: 27].

Стиль научной прозы оформляется как разновидность литературного языка в связи с теми конкретными задачами, которые наука вообще ставит перед собой. Это — доказательство, в широком смысле этого слова, систематизация объективных знаний о действительности, описание результатов исследований [Гальперин 1958: 423].

Стиль английской научной прозы во многом обязан своим происхождением стилю эссе. Постепенно освобождаясь от априорности, характерной для манеры изложения эссе, стиль английской научной прозы все больше «логизировался», т. е. высказывания принимали такую форму, которая обеспечивала достаточное количество иллюстраций, фактов и обобщений для соответствующих научных выводов.

Отличительными особенностями стиля научной прозы являются синтаксическая организация предложений и выбор лексики. Вообще, наиболее характерным для стиля научной прозы является использование слов в основных предметно-логических значениях. В этом стиле слова редко употребляются в переносных и других контекстуальных значениях [Гальперин 1958: 424].

Стилеобразующими факторами являются необходимость доходчивости и логической последовательности изложения сложного материала, большая традиционность. Отсутствие непосредственного контакта или ограниченность контакта с получателем речи (доклад, лекция) исключает или сильно ограничивает использование внеязыковых средств; отсутствие обратной связи требует большей полноты. Синтаксическая структура должна быть стройной, полной и по возможности стереотипной [Арнольд 2002: 277].

Характер научного изложения может варьироваться в зависимости от той специальной области, к которой оно относится. Это объясняется различиями между самими науками по их предмету, кругу понятий, техническим приемам исследования и аргументации. Так, математический текст часто состоит из ряда формул с самыми сжатыми, вводящими или комментирующими их фразами. Наоборот, текст по истории — это обычно развернутое описание событий или подробно аргументированный анализ исторического процесса. Однако есть некоторые общие черты, объединяющие все эти разнообразные способы изложения в единый научно-профессиональный стиль [Кузнец 1960: 127]. Данные черты рассмотрены ниже.

1.2 Функции и признаки текстов научного стиля Основной целью научного стиля является сообщение объективной информации, доказательство истинности научного знания. Принято считать, что единственной функцией научного стиля является функция интеллектуально-коммуникативная. Научный стиль, таким образом, характерен для текстов, предназначенных для сообщения точных сведений из какой-либо специальной области и для закрепления процесса познания [Арнольд 2002: 276].

Научному стилю свойственны такие характеристики, как логическое, последовательное и связанное изложение материала с указанием причинно-следственных связей, абстрактность, номинальность, точность, объективное отношение автора к фактам, информационная насыщенность материала, изложенного с помощью усложненных синтаксических конструкций, однако в сжатой форме. Эти характеристики достигаются с помощью разнообразных приемов английского языка, в частности через лексические, морфологические и синтаксические особенности. Рассмотрим все эти черты научного стиля по отдельности. Все примеры здесь и далее приводятся из статьи «Fast and robust track initiation using multiple trees» (см. Приложение).

Логичность.

Чтобы добиться логического изложения материала, в научном стиле используются такие синтаксические приемы, как простые предложения с осложняющими конструкциями, вводными словами и словосочетаниями (however, further, on the one hand, according to) и распространенными определениями:

Further, these surveys have the potential to allow us to detect and track fainter objects. Кроме того, эти инструменты потенциально позволяют обнаруживать и сопровождать менее яркие объекты.

However, these improvements greatly increase the combinatorics of the problem reinforcing the need for tractable algorithms. Однако подобные усовершенствования значительно увеличивают число возможных вариантов и ставят задачу поиска несложных алгоритмов.

Последовательность.

Любой научный текст должен иметь хорошую структуру с признаками перехода от одной части к другой, соблюдать принцип последовательного изложения аргументов. Каждое предложение должно быть логически соединено с предшествующим и последующим [Поспелова 2012: 8].

Связанность.

Связанность представляет собой лексические и грамматические связи как внутри целого текста, так и в отдельном предложении. В английском языке существует несколько видов связок между частями научного текста:

* ссылка, то есть использование местоимений it, he, him, this, that, here, there, которые заменяют или указывают на другие слова или части текста:

This is an important problem in such fields as target tracking and computer vision. Эта проблема важна в таких областях, как сопровождение целей и обработка изображений.

Here we wish to determine which observed objects correspond to the same true underlying object from a series of visual observations of the night sky. При этом необходимо определить, какие объекты наблюдения соответствуют одному и тому же выверенному основному объекту из серии наблюдений ночного неба.

* эллипсис — опущение слова или фразы, понятных из контекста:

The points are shown in Figure 8. A and their corresponding lines

in parameter space in Figure 8.B. Точки показаны на рисунке 8. A, а соответствующие им линии в параметрическом пространстве? на рисунке 8.B.

*замещение слова или целой фразы другим, аналогичным по смыслу с помощью следующих слов: one, ones, do, so, not и т. д.:

Below we briefly discuss some of the more common ones. Ниже мы коротко охарактеризуем некоторые наиболее общие подходы.

* соединение с помощью союзов, которые служат не только для связи придаточного предложения с главным, но и указывают на тип связи (причинно-следственная, определительная, условная и т. д.):

When a tentative track matches multiple observations at

a given time step, multiple hypothesizes (tentative tracks) are formed and the decision is delayed to a later time step. Когда пробная трасса соответствует многомерным наблюдениям в заданный момент времени, формируются многомерные гипотезы (пробные трассы), и решение откладывается на более поздний период времени.

The fundamental task in tracking is to determine which observations at different time steps correspond to the same underlying object. Первостепенной задачей сопровождения целей является определение того, какие из наблюдений, взятых в различные моменты времени, соответствуют одному и тому же основному объекту.

* лексическая связанность, заключающаяся в том, что одну и ту же идею или предмет можно выразить разными словами (сюда относятся синонимы, близкие по значению слова, обобщения и конкретизация:

track initiation / linkage? завязка трасс.

Абстрактность.

Данная характеристика особо четко проявляется на лексическом уровне — научный стиль письменной речи отличается частотой использования абстрактных существительных (flexibility, transform, combinatorics, etc) [Поспелова 2012: 10].

Это объясняется тем, что при рассмотрении проблемы ученый сначала изучает общие понятия и только затем переходит к конкретизации. Эта черта отражает высокий уровень обобщённости, а следовательно? объективности [Алексеева 2001: 168].

Точность.

Точность как характеристика научного стиля заключается в широком употреблении специальной лексики и терминологии, особенно той, которая сходна во многих языках и является международной (problem, system, algorithm, function). При ссылке на статистику часто используются точные цифры и факты (the 95% confidence interval? доверительный интервал с вероятностью 0,95) [Поспелова 2012: 10].

Объективность.

Для современного научного стиля не характерны субъективные оценочные суждения, которые могут лишь использоваться для выражения сугубо личной точки зрения автора (in ту opinion, to ту mind, etc). Наоборот, этому стилю присуща безличная манера изложения материала, потому что основное внимание в работе уделяется не личности автора и его мнению, а информации и аргументам, которые автор представляет читателю. В научной прозе распространены безличные предложения (It is known that … It can be said that … There is an opinion that):

In contrast to the flexibility for noise models, it should be noted that the above criteria does not allow for a concept known as process noise. Необходимо отметить, что в отличие от адаптивности шумовой модели ошибок измерения, рассмотренные выше критерии не применимы для концепции, известной как шумовой процесс.

Принято избегать употребления личных местоимений 1-го и 2-го лица единственного числа (I, ту, myself, you). Однако при необходимости можно использовать личные местоимения 1-го лица множественного числа (we, our), показывая таким образом авторскую скромность и принадлежность к научному сообществу. В статье Fast and robust track initiation using multiple trees авторы широко употребляют именно личные местоимения 1-го лица множественного числа:

We introduce a new methodology for track initiation that exhaustively considers all possible linkages. Предлагается новый подход к процедуре завязки трасс, который позволяет производить подробный анализ всех потенциальных трасс.

Below we introduce a new methodology for track initiation. Ниже представлен новый метод завязки трасс.

Для образования безличных предложений часто используются пассивные конструкции (страдательный залог), где не важен и не указывается производитель действия [Поспелова 2012: 11]:

Formally the linkage problem can be phrased as a filtering problem. Формально проблему завязки трасс можно назвать проблемой фильтрации.

Формальность.

В научном стиле, в отличие от разговорного или художественного, избегают употребления следующих единиц:

* разговорных, неформальных слов и выражений (the States, stuff, a lot оf, thing, sort of" etc);

* сокращенных форм (isn't, can’t, shouldn’t, info, ad, etc);

* фразовых глаголов (look into, put up with, get off, etc);

* идиом (I am not going to pay a penny);

* личных местоимений (I, you);

* прямых вопросов к читателю.

Научному стилю присущи следующие черты формальности:

* использование нейтральной или более формальной лексики (discuss вместо talk about, examine вместо have a look at):

In this paper we examine a fundamental problem in many tracking tasks. В этой статье рассматривается одна из основных проблем сопровождения целей.

This is briefly discussed in Section 8.?Это кратко обсуждается в разделе 8.

* использование более формальной грамматики, например безличных there/it в качестве подлежащего:

A tuple of observations (xI1, · ··, xIK) is valid only if there exists a track g such that??? Серия наблюдений (xI1, · ··, xIK) справедлива только, если существует трасса g, для которой выполняется условие…

* использование страдательного залога в качестве безличных конструкций [Поспелова 2012: 12]:

It is possible for a single track to exist that passes within given thresholds of each observation. Возможно существование единичной трассы, проходящей в пределах заданных пороговых величин для каждого наблюдения.

Номинальность.

Это означает, что в современной письменной речи научного стиля развилась тенденция к явному преобладанию существительных и выражению действия преимущественно не через глагол, а через отглагольное существительное с десемантизированным глаголом. Это повышает статус объективности изложения, поскольку увеличивает уровень абстрактности [Алексеева 2001: 168]:

First, maintaining and querying the parameter space representation can be expensive in terms of both computation and memory. Во-первых, хранение и использование параметрического представления может потребовать больших вычислительных затрат и перегрузить память ЭВМ.

Информационная насыщенность.

С функциональной точки зрения письменная речь является необычайно информационной по цели высказывания, потому что обычно создается в контролируемых ситуациях, когда есть время на обдумывание и возможно что-то переписать по-другому. Любой научный текст отличается богатым арсеналом вспомогательных знаковых систем (включая схемы и чертежи в техническом тексте) [Алексеева 2001: 168].

Сжатость.

При всей информационной насыщенности для текста, написанного в научном стиле, характерна сжатость изложения материала, так называемая компрессия. Она может быть достигнута за счет определенных синтаксических конструкций:

словосочетаний имен существительных, например:

* parameter space? параметрическое пространство;

* track initiation? завязка трасс;

словосочетаний имен существительных с атрибутивными прилагательными, например:

* an exact algorithm? точный алгоритм;

* a simple form? простая форма;

замены придаточных предложений причастными или инфинитивными конструкциями, например:

* a high branching factor causing a significant computational load? высокий коэффициент ветвления, вызывающий значительную вычислительную нагрузку.

* intersections to spread out over several bins and be missed? пересечения, распространяющиеся на несколько клеток и вызывающие ошибки.

фраз с предлогами, например:

a linear track model cannot account for changes in velocity? линейная модель трассы не может учитывать изменение скорости [Поспелова 2012: 13].

1.3 Разновидности текстов научного стиля Основными источниками научной информации являются многочисленные периодические издания, публикуемые в англоязычных странах почти по всем отраслям науки и научным направлениям, а также издания, обобщающие опыт работы специалистов различных научных обществ. К такой периодике относятся прежде всего научные журналы, доклады научно-исследовательских учреждений, обзорные статьи, бюллетени и т. д. [Айзенкоп 2003:55].

Существует несколько разновидностей научного стиля.

1. Собственно научный (монография, диссертация, научная статья, доклад).

2. Научно-популярный (лекция, статья, очерк). Данный подстиль научного стиля реализует дополнительную функцию — «перевод» специальной научной информации на язык неспециального знания, тем самым происходит популяризация научных знаний для широкой аудитории [Кожина 2006:236].

3. Учебно-научный (учебник, методическое пособие, лекция, конспект).

4. Научно-деловой (техническая документация, сообщения об испытаниях, инструкции для предприятия).

5. Научно-информативный (патентное описание, реферат, аннотация, тезисы).

6. Научно-справочный (словарь, энциклопедия, справочник, каталог).

Научный стиль реализуется в крупных и малых жанрах. К первым относятся: монография (индивидуальная и коллективная), диссертация, энциклопедия, словарь, справочник, учебник, учебное пособие. Ко вторым — статья в периодическом или непериодическом издании, реферат, тезисы, аннотация и др. Малые жанры выделяются не только по количественному признаку. Обычно они не обладают отдельностью: статьи, рефераты, тезисы помещаются в журналах и сборниках. В крупных жанрах, например, в учебнике, соседние части подчинены целому, даже при разном авторстве, т. е. связаны как логико-смысловой, так и внешней линейной связью.

Известны различные классификации жанров научного стиля. В зависимости от степени обобщения научных сведений выделяются первичные научные произведения и вторичные. Целевое назначение первичных жанров научного стиля состоит в изложении первичных научных сведений, получаемых в процессе исследований. В отличие от них, вторичные научные произведения информируют только о конечных результатах исследований, полученных в процессе аналитико-синтетической переработки первичных научных текстов.

Можно выделить следующие первичные жанры научной прозы: монография, справочник, журнальная статья, рецензия, учебник, лекция, доклад, диссертация, научный отчёт. К вторичным текстам, то есть к текстам, составленным на основе уже имеющихся, относятся: реферат, автореферат, конспект, тезисы, аннотация. При подготовке вторичных текстов происходит свёртывание информации в целях сокращения объёма текста [Кожина 2006: 57−58].

Следует дать характеристику некоторым из названных жанров научного стиля.

Монография — научный труд, посвященный многоаспектному рассмотрению и решению одной актуальной проблемы, обладающий новизной теоретического или эмпирического содержания, единством научного подхода, смысловой завершенностью, сложной композиционной структурой [Кожина 2006: 59].

Статья — научное сочинение относительно небольшого размера, помещаемое в сборнике, журнале, непериодическом издании. В статье обычно ставятся более частные вопросы, чем в монографиях [Кожина 2006: 60].

Научная рецензия выполняет функции репрезентации научного произведения, его оценки и осмысления в общем пространстве научного знания. Рецензия — жанр с высокой степенью стандартизации на всех уровнях построения текста. Ее отличают особый словарь (прежде всего оценочная лексика) и типовые грамматические структуры, посредством которых актуализируется диалогическая природа этого жанра [Кожина 2006: 62].

Тезисы — краткая запись содержания научного исследования в виде основных, сжато сформулированных положений [Кожина 2006: 60].

Учебник (учебное пособие) — учебно-научное сочинение, излагающее основы той или иной науки и предназначенное для дидактических целей [Кожина 2006: 62].

Реферат — семантически адекватное, ограниченное малым объемом и вместе с тем достаточно полное изложение основного содержания первичного научного текста, отличающееся постоянством структуры и предназначенное для выполнения разнообразных информационных функций при использовании его читателями разных категорий. Специфической разновидностью реферата является автореферат диссертации, фиксирующий основное содержание диссертации, выполняющий функцию информирования о результатах проведенного исследования и введения их в сферу научной коммуникации [Кожина 2006: 63].

Принадлежность текста к той или иной разновидности научного стиля лишь в некоторой степени зависит от жанра научного произведения. Вид научной публикации может накладывать лишь незначительные ограничения на построение и отбор языковых средств в научном произведении.

Таким образом, в данной главе были описаны признаки текстов научного стиля английского языка. При этом были подробно проанализированы черты научного стиля, которые отличают его от других стилей английского языка. Данные черты были продемонстрированы на некоторых примерах, взятых из переведенной статьи.

Были описаны цели научного стиля, которые формируют единственную функцию стиля научной прозы? интеллектуально-коммуникативную.

Подробно были рассмотрены разновидности и жанры научного стиля и даны характеристики некоторым из них.

2. Лингвостилистические особенности текстов научного стиля

2.1 Лексические особенности текстов научного стиля Одной из наиболее характерных черт научного стиля является выбор лексики. Отбор лексики подчиняется одной основной задаче: адекватно донести до читателя описываемое явление в многообразии признаков, характеризующих это явление.

Образность, как правило, не свойственна научному стилю. Поэтому редко можно встретить метафоры, метонимии, гиперболы, сравнения и другие средства создания образности. Однако это не значит, что в научных произведениях вообще не встречается образная речь. В отличие от стиля деловых документов, где образность исключается как явление, нарушающее стиль, и в отличие от стиля художественной речи, в котором образность становится наиболее характерным признаком, в стиле научной прозы образность — это средство проявления индивидуальной манеры изложения.

Лексика научного языка делится на три основных слоя. Прежде всего, это самые общие, основные слова, т. е. те слова, которые обладают максимальной частотностью и без которых не может строиться вообще никакая речь. Этот слой так называемой «общей» лексики, куда относятся также и все служебные слова, является основой любого стиля речи и нейтрален не только в отношении стиля, но и в отношении автора. Далее выделяется собственно терминологический слой. И, наконец, третий слой? слой общенаучной лексики [Глушко 1987:78].

Особое внимание в данной работе следует уделить именно общенаучной лексике и терминологии.

Общенаучная лексика призвана передавать информацию, связанную с познавательной деятельностью человека: с открытиями, наблюдениями, систематизацией материала и т. д.

В системе общенаучных глаголов М. М. Глушко выделяет следующие тематические ряды:

1) Глаголы, выражающие активное воздействие на объект исследования, такие, как: to affect, to alter, to arrange, to change, to compare, to construct, to invent, to select, to transform:

We compare this approach to an adapted version of multiple hypothesis tracking. Этот подход сравнивается с упрощенным вариантом метода завязки трасс на основе многомерной гипотезы.

2) Глаголы, выражающие мыслительные процессы исследователя, такие, как: to analyse, to apprehend, to consider, to reason, to regard, to solve, to suppose:

We exhaustively consider all possible linkages. Мы подробно рассмотрим все возможные методы завязки трасс.

3) Глаголы, выражающие состояние (характеристику) объекта исследования, такие, как: to arise, to belong, to coincide, to depend, to diverge, to exist, to remain, to result, to serve, to underlie:

Specifically, we are asking for all sets of observations that could feasibly belong to a path. В частности, мы анализируем всю совокупность наблюдений, которые могли бы относиться к какой-либо траектории.

4) Глаголы передачи результатов проделанной работы, такие, как: to address, to communicate, to convince, to describe, to explain, to express, to introduce, to outline, to point, to report, to state:

5) Глаголы-средства передачи информации, такие, как: to cite, to exemplify, to list, to quote, to register, to symbolize, to illustrate [Глушко 1987:80]:

Figure 1illustrates the computational problem that we are trying to solve. Рисунок 1 иллюстрирует вычислительную задачу, которую мы попытаемся решить.

Те же лексико-семантические подразделения, что и у глаголов, М. М. Глушко находит и у существительных:

1) Активное воздействие на объект исследования (application, arrangement, classification, distribution, elaboration, investigation, research, treatment):

Figure 4: An arbitrary probability distribution and the resulting bounds. Рисунок 4. Произвольное распределение вероятности и результирующие границы.

2) Состояние (характеристика) субъекта (appreciation, attitude, consideration, doubt, intelligence, discussion, reason, sense, standpoint):

Our discussion below focuses on two major types of tracks: linear and quadratic. Наши рассуждения ниже ограничены рассмотрением двух основных типов трасс: линейной и квадратичной.

3) Состояние (характеристика) объекта (availability, complexity, contradiction, exception, feature, importance, level, order, problem, process, reaction, relation):

The level of discretization of parameter space can drastically affect the accuracy of the algorithm. Уровень дискретизации параметрического пространства может сильно влиять на точность алгоритма.

4) Представление результатов исследования, передача информации (brief, definition, description, explanation, expression, presentation, representation, recommendation):

The above definition of feasibility is compatible with a range of statistical noise models. Данное выше определение осуществимости соответствует области моделей статистических шумов.

5) Средства передачи информации (article, citation, formula, list, note, sign, symbol, figure):

Figure 3 shows an example of a feasible triplet using linear tracks and one feasible track for these points. Рисунок 3 показывает пример подходящей тройки измерений с использованием линейной модели для случая одной трассы, подходящей через все точки.

Что касается прилагательных, то они также довольно четко разделяются на пять основных тематических групп:

1) Активное воздействие на объект исследования (reductive, adaptive, transformational, tentative):

When a tentative track matches multiple observations at a given time step??? Когда пробная трасса соответствует многомерным наблюдениям в заданный момент времени…

2) Состояние (характеристика) субъекта (competent, experienced, imaginative, irrational). Обычно такая лексика характерна для фрагментов статей, содержащих информацию об авторах. Подобная информация, как правило, приводится в научных сборниках, издаваемых по материалам конференций, симпозиумов. Однако в некоторых работах, близких по форме к монографии, подобная информация может отсутствовать.

3) Состояние (характеристика) объекта (applicable, basic, complex, concrete, definite, elementary, simple, factual, general):

Figure 2 shows a simple one dimensional example with five time steps and a linear model. На рисунке 2 изображен простейший пример, когда рассматривается линейная модель траектории в одномерном пространстве в течение пяти временных тактов.

4) Представление результатов исследования, передача информации (communicable, descriptive, explanatory, observational):

The next generation of sky survey is designed to provide vast amounts of observational data??? Новое поколение инструментов исследования космоса… сконструировано для получения большого объема данных наблюдений…

5) Средства передачи информации (illustrational, quotable, schematic).

Исходя из вышесказанного, можно говорить о системном характере общенаучной лексики, так как и глаголы, и существительные, и прилагательные достаточно четко укладываются в семантически единую, внутренне упорядоченную систему содержательных отношений [Глушко 1987:81].

Общей чертой всех научных работ является терминологичность. Существует множество определений термина, однако единственного общепринятого на сегодняшний день нет. По определению О. С. Ахмановой, термин? это «слово или словосочетание специального (научного, технического и т. п.) языка, создаваемое (принимаемое, заимствуемое) для точного выражения специальных понятий и обозначения специальных предметов» [Ахманова 1969:474]. И. В. Арнольд отмечает, что «наиболее бросающейся в глаза, но не единственной особенностью научного стиля является использование специальной терминологии. Каждая отрасль науки вырабатывает свою терминологию в соответствии с предметом и методом своей работы» [Арнольд 2002:276]. Термины отличаются от общеупотребительных слов тем, что имеют дефиницию, раскрывающую наиболее существенные признаки специальных понятий [Арнольд 1991:89]. Термины в основном лишены эмоционального значения, хотя и могут в отдельных случаях приобретать в тексте определенную эмоциональную окраску. Кроме того, термины характеризуются моносемантичностью [Гальперин 1958: 424]. Термины однозначны и не зависимы от контекста [Алексеева 2001:168]. Основным условием стилистического использования терминов является четкое выявление терминологического значения. Иными словами, предпосылкой для стилистического использования термина является его полная соотнесенность с одним, и только с одним терминологическим рядом [Гальперин 1958: 60].

Требования, предъявляемые к терминам и терминосистемам, были сформулированы ещё в 1930;х годах в многочисленных работах основоположника советского терминоведения Д. С. Лотте. Он выдвинул и обосновал следующие применяемые к термину требования: краткость, однозначность, мотивированность, простота, согласование с другими имеющимися в терминосистеме терминами, т. е. системность, предпочтение уже внедренным и русским терминам перед новыми и иностранными [Лотте 1982: 7?8].

Имея специфическую сферу применения и специальный объект обозначения, термины входят в состав определенной терминологии. Терминология? совокупность лексических единиц естественного языка, обозначающих понятия определенной области знаний или деятельности, стихийно складывающаяся в процессе её зарождения и развития. Термины не существуют изолированно, а входят в состав совокупности единиц? терминосистемы, которая является языковой (знаковой) моделью некоторой специальной сферы знаний или деятельности [Кожина 2006:545].

Термин? слово особого языка, служащего для профессионального, научного общения. Он выражает научное понятие и по сути своей должен четко определять границу научного понятия в соответствии со своей этимологией, так как термин (terminus) в переводе с латыни означает: «граница», «предел». В этом специфика термина, его отличие от слов общелитературного языка.

В то же время терминология не изолирована от последнего, и те процессы, которые имеют место в языке, находят отражение и в терминологии. При реальном функционировании термина часто имеет место межнаучная терминологическая омонимия, когда один и тот же термин может входить в различные терминологии данного языка [Глушко 1987:111].

Возьмем для примера слово tracking, неоднократно встречающееся в статье Jeremy Kubica «Fast and Robust Track Initiation Using Multiple Trees». В английском языке слово tracking многозначно. Его основные значения следующие: «отслеживание», «прослеживание», «прокладка маршрута», «рельсовые пути», «настилка путей» [http://www.multitran.ru/]. Слово tracking в значении «отслеживание», «прослеживание» заимствовано из общелитературного языка специалистами в разные области знания. Причем, терминологизируясь, это слово отражает в каждой отдельной отрасли вполне определенное понятие в соответствующей системе понятий. Так, tracking в компьютерной технике означает «установка междустрочного интервала», в электротехнике? трекинг диэлектрика (образование на поверхности следов пробоя), в тематике СМИ? «масштабирование», «ведение учета» [http://www.multitran.ru/]. Нас же интересует сфера радиолокации, применительно к которой tracking означает «сопровождение цели с помощью средств радиолокации» [http://www.multitran.ru/]. За этими терминами закреплены разные дефиниции, и функционируют они в разных терминологических системах, что является признаком омонимии.

Следующая проблема, на которой стоит остановиться, это синонимия? совпадение по основному значению (обычно при сохранении различий в оттенках и стилистической характеристике) слов, морфем, конструкций, фразеологических единиц и т. д. Основной причиной появления синонимов можно считать желание избежать повторений, тавтологии, т. е. стремление к варьированию. В статье «Fast and Robust Track Initiation Using Multiple Trees» авторы сознательно прибегают к такой синонимии:

In this paper we examine a fundamental problem in many tracking tasks: track initiation (also called linkage).? В этой статье исследуется одна из основных проблем сопровождения целей, а именно проблема завязки трасс (также называемая проблемой объединения отметок).

Кроме того, следует упомянуть о случаях полисемии, когда слова общелитературного языка, становясь терминами, используются в переносном значении [Глушко 1987:111]. Так, например, слово noise, имеющее несколько значений, в том числе употребляется и как радиотехнический термин «шумы», «помехи»:

At each time step k we observe Nk points from both the underlying set of tracks and noise. В каждый момент времени k мы получаем Nk точек как из основного множества отметок трасс, так и из отметок, обусловленных влиянием шумов.

Термины, как правило, по структурным особенностям делятся на монолексемные и полилексемные. Монолексемные термины в основном представлены существительными, которые являются либо простыми корневыми морфемами, либо суффиксальными образованиями, например: value, class, line, set, circle, quantity, probability, solution. Полилексемные термины, в основном, бинарные, составляют значительную часть терминологической системы любой науки. Это может быть сложение именных основ (confidence interval? доверительный интервал, error bar? величина ошибки) или образование так называемых «фамильных терминов». Эти термины строятся по типу нестойкого сложного слова. Хотя в терминологических словарях они не всегда представлены, но, по мнению некоторых исследователей, они, несомненно, являются терминами. Доказательством может служить тот факт, что фамильные термины выражают кратко и ёмко понятие, для которого существует специальное, иногда слишком длинное, выражение или формула, т. е. они обладают дефинитивностью. Так, в статье «Fast and Robust Track Initiation Using Multiple Trees» за кратким выражением the Hough transform стоит сложный алгоритм:

The Hough transform looks for lines by using grid-based counts of the number of lines that go through a particular region of parameter space (Figure 8. C and 8. D).? В преобразовании Хафа поиск линий может осуществляться с использованием сетки подсчета количества линий, которые проходят через определенную область параметрического пространства (рисунки 8. С и 8. D).

К полисемантическим терминам также относятся словосочетания. Они могут строиться по модели прилагательное + существительное (raw data? исходные данные), существительное + предлог + существительное (set of observations? серия наблюдений) и причастие + существительное (dashed line? пунктир) [Глушко 1987:130−135].

Помимо терминологии в научных текстах употребляются так называемые книжные слова: data, analogous, approximate, calculation, phenomenon — phenomena и т. д. Книжные слова — это обычно длинные, многосложные заимствованные слова, иногда не полностью ассимилированные, часто имеющие в нейтральном стиле более простые и короткие синонимы. Неполная грамматическая ассимиляция выражается в сохранении формы множественного числа, принятой в языке, из которого данное существительное заимствовано: criterion — criteria [Арнольд 2002: 280]:

Характерной чертой лексики научной прозы является также образование неологизмов. Новые понятия, которые появляются в результате исследований, настоятельно требуют новых слов для их обозначения. Особенно часты случаи новообразований при помощи аффиксации и конверсии.

В отличие от неологизмов, появляющихся в живой разговорной речи и в газетно-публицистическом стиле, неологизмы, появляющиеся в стиле научной прозы, оказываются значительно более устойчивыми. В зависимости от того, насколько широко то или иное научное открытие становится известным широким массам, слова-неологизмы, их обозначающие, входят в фонд общеупотребительной лексики или остаются в обращении лишь в узкой области, где возник такой неологизм [Гальперин 1958: 425].

Кроме того, лексика научного стиля характеризуется своей абстрактностью. Сама задача научного стиля — обобщение фактов действительности — вызывает необходимость в соответствующих словах, выражающих наиболее общие признаки исследуемых предметов и явлений действительности. Это в некоторых видах научной прозы приводит к замене слов соответствующими абстрактными формулами, условными обозначениями, особыми знаками. Условные обозначения в отличие от слов не проявляют тенденцию к обрастанию дополнительными значениями [Гальперин 1958: 431]. Например, kd-tree? kd-дерево, D dimensional space? пространство размерности D.

2.2 Грамматические особенности текстов научного стиля С точки зрения синтаксической организации предложения научный стиль характеризуется точно определенной системой союзной связи, вытекающей из строгой логически последовательной системы изложения. Эта развернутая система связи вызвала к жизни многие обороты предложного и наречного характера, которые стали употребляться в синтаксических функциях связующих элементов речи. Именно в этом стиле речи произошла постепенная десемантизация таких слов, как consequence, result, connection, contrast и др. в таких сочетаниях как in consequence of, as a result, in connection with, in contrast to и др.:

В научном стиле находит свое наиболее яркое выражение логический синтаксис, в отличие от эмоционального синтаксиса художественной речи [Гальперин 1958: 425]. Необходимость аргументировать высказываемое и облегчить читателю понимание путем ясного членения текста приводит к широкому использованию параллельных конструкций и вводных слов (firstly, secondly и т. д.):

Secondly, the level of discretization of parameter space can drastically affect the accuracy of the algorithm. Во-вторых, уровень дискретизации параметрического пространства может сильно влиять на точность алгоритма.

В синтаксической структуре научных текстов преобладают сложноподчиненные предложения:

Характерной особенностью стиля современной английской научной литературы является концентрация информации. Сжатость изложения достигается различными средствами, одним из которых является широкое использование атрибутивных словосочетаний. Такие конструкции могут состоять из одних существительных или существительных в сочетании с прилагательными, причастиями, числительными, словосочетаниями, определяющими одно понятие. Наиболее распространенными являются двух-, трехчленные определения (например, a multiple tree algorithm? алгоритм множественных деревьев; spatial data structures? структуры пространственных данных), но достаточно часто встречаются и многочленные. Последние представляют особые трудности для понимания и перевода [Смолович www.sworld.com.ua]. Многие слова поясняются предложными, причастными, герундиальными и инфинитивными оборотами: multiple hypothesis tracking using spatial data structures? метод завязки трасс на основе множества гипотез, исследующих структуры пространственных данных.

Употребление атрибутивных словосочетаний, состоящих из нескольких существительных, может приводить к неоднозначному толкованию высказывания. Поэтому рекомендуется ограничивать именную группу максимум тремя существительными. Если существительных больше, необходимо внести ясность путем употребления предлога (of, by, for):

«A general guideline is to restrict these noun phrases to a maximum of three words, and this many only if there is no risk of misunderstanding. If they grow longer, rewrite them by inserting the prepositions that clarify the meaning (e.g. of, by, for). For example: suppression of soybean seedling growth» [Cargill 2009:63].

Порядок слов в научных текстах преимущественно прямой. Инверсия в последующем предложении служит для обеспечения логической связи с предыдущим:

In order to reduce the number of candidate neighbors examined gating is used. Для снижения числа потенциальных точек, близких по расположению, применяется стробирование.

В научных текстах заметно преобладание настоящего времени, представляющего собой абсолютное настоящее. Его использование дает возможность представить сообщаемые сведения как абсолютно объективные, находящиеся вне времени, как истину в последней инстанции [Алексеева 2001: 168]. Такой же точки зрения придерживается и английский автор Hilary Glasman-Deal, утверждающая, что употребление настоящего времени в английской научной речи помогает завоевать доверие читателей:

«Using the Present Simple tense means that you believe your findings and deductions are strong enough to be considered as facts or truths. The Present Simple communicates this reliability and your readers will respond to your work accordingly» [Glasman-Deal 2010:5].

Интересно также отметить сравнительно частое употребление настоящего продолженного и будущего вместо простого настоящего, что придает изложению большую живость [Арнольд 2002: 280]:

Although in many of the applications below ti will correspond to the time of the observation, it can be used to represent any independent variable. Хотя во многих примерах, приведенных ниже, запись ti будет соответствовать времени наблюдения, она может быть использована для представления любой независимой переменной.

Укажем дополнительно некоторые типичные черты научных текстов, касающиеся их морфологии. Эти черты изучены меньше, чем лексические, но всё же некоторые наблюдения имеются. Все авторы, занимавшиеся этим вопросом, отмечают преобладание в научном стиле именных, а не глагольных конструкций. Это дает возможность большего обобщения, устраняя необходимость указывать время действия. Примером может послужить употребление конструкции at the time of our arrival вместо when we arrived. Однако авторы «Handbook of technical writing» говорят о том, что использование номинализации замедляет темп письменной речи и приводит к её неестественности. Авторы советуют по возможности пользоваться глагольными, а не именными конструкциями для более точного выражения смысла:

«Avoid nominalizations when you can use specific verbs that communicate the same idea more directly and concisely. If you use nominalizations solely to make your writing sound more formal, the result will be affectation. You may occasionally have an appropriate use for a nominalization. For example, you might use a nominalization to slow the pace of your writing» [Gerald J. Alred 2010: 346].

2.3 Стилистические особенности текстов научного стиля В научном тексте недопустима излишняя эмоциональность повествования. Излагаемое исследователем мнение должно стремиться к максимальной объективности. Научная информация? это попытка объективного разговора о мире, где личные пристрастия неуместны [Хлыстова 2014:72].

Экспрессивность в научном тексте не исключается совсем, но она специфична. Преобладает количественная экспрессивность: very far from conservative, much less limited, almost all of which и т. д.:

One common and often successful variation is a very simple form of

multiple hypothesis tracking. Одной из общих и наиболее успешных разновидностей является очень простой вариант завязки трасс на основе многомерной гипотезы.

Экспрессивность может заключаться в указании важности излагаемого: This is an important problem in such fields as??? Эта проблема важна в таких областях, как…

Логическое подчеркивание может быть, например, выражено лексически:

note that…;

I wish to emphasize…;

another point of considerable interest is…;

an interesting problem is that of…;

one of the most remarkable of… phenomena is…;

it is by no means trivial…

Все эти выражения являются для научного текста устойчивыми.

В научных текстах авторская речь построена в первом лице множественного числа:

Below we introduce a new methodology for track initiation. Ниже представлен новый метод завязки трасс.

We then introduce a multiple tree algorithm for tractably finding the linkages. Также мы представим алгоритм множественных деревьев для наиболее удобного нахождения трасс.

Это «мы» имеет двойное значение. Во-первых, подчеркивается участие большого коллектива ученых, и, во-вторых, лекторское «мы» вовлекает слушателей и соответственно читателей в процесс рассуждения и доказательств [Арнольд 2002: 280].

По этой же причине наряду с первым лицом множественного числа широко употребляются безличные формы:

Использование вышеупомянутых конструкций обусловлено желанием автора не вводить указание на самого себя как на экспериментатора и исследователя, так как современная научная статья характеризуется «безликостью» и представлением фактов в виде закономерностей, ни в коей мере не зависящих от личности экспериментатора [Разинкина 1978:177].

В научном стиле заметное предпочтение отдается пассиву, где необязательно указывается деятель, и неличным формам глагола. По мнению Дэвида Кристала, употребление пассивного залога позволяет авторам выбирать объективный стиль изложения материала, что может быть необходимо в случае, если не имеет значения, кто именно выполняет действие:

«The passives give writers the option of an impersonal style, which can be very useful in contexts where it is irrelevant to state who actually carried out an action» [Crystal 1995:225].

Однако подход к использованию пассивного залога в английской научной прозе неоднозначный. Adrian Wallwork, например, советует приводить результаты предыдущих исследований других авторов, используя активный залог и называя имя автора. В противном случае читателю будет неясно, чьи именно мысли излагает автор данной статьи: свои собственные иди других авторов. Если вместо имени автора приведены лишь ссылки на его работы, читатель только из библиографического списка cможет узнать, кому именно принадлежат данные мысли:

«Use the names of authors preferably within the main sentence and use the active form. The problem with only using the reference without the name of the author, is that the reader is forced to check to see in the bibliography whether the reference refers to you or to another author».

Во избежание неточностей Adrian Wallwork рекомендует использовать сочетания с our, после которых может употребляться пассивный залог или безличное предложение:

«One good way to avoid possible misunderstanding is to use expressions such as as our results show, in our work, in our study» [Wallwork 2012:70].

Частотное распределение частей речи в научном тексте отличается от того, которое наблюдается в нейтральном или разговорном стиле: увеличивается процентное содержание имен, уменьшается содержание глаголов в личной форме, совсем отсутствуют междометия.

Такая безличная манера изложения не исключает, однако, возможности выражения личного мнения автора, хотя бы в скрытой форме. В научном стиле существуют некоторые способы такого выражения автором своего мнения. К ним, например, относится так называемое хеджирование, то есть смягчение ответа, уклонение от прямого ответа. Различные приемы такого уклонения позволяют автору показать свои личные чувства, отношение к происходящему, высказать оценочные суждения, построенные на разной степени уверенности в происходящем, делать прогнозы и т. д. не очень открыто. Мнение ученого может быть выражено с помощью грамматических и лексических приемов (за счет выбора структур и слов, означающих оценочные суждения).

Лексико-грамматические средства, используемые при хеджировании, можно представить таким образом:

модальные и относящиеся к ним глаголы, выражающие:

* вероятность/разрешение/способность (can, could, may, might):

* необходимость / долженствование (must, should, had better, have to, ought to):

In general this problem suffers from a combinatorial explosion in the number of potential tracks that must be evaluated. Основная сложность решения данной проблемы заключается в стремительном росте числа вариантов потенциальных трасс, подлежащих оценке.

* предсказание/ волю (will, would, shall):

If a series of observations lie along a line, then their

lines in parameter space will intersect at a common point. Если серия наблюдений лежит вдоль линии, тогда соответствующие им линии в параметрическом пространстве будут пересекаться в одной точке.

2) наречия, выражающие:

* определенность (actually, certainly, in fact);

* вероятность (apparently, perhaps, possibly);

* отношение (amazingly, interestingly, surprisingly);

* стиль/ подход (according to, generally, typically);

* частоту действия (always, often, sometimes, usually);

3) указатели множества (all, most, many, some, certain):

We then introduce an exact multiple kd-tree algorithm for tractably finding all of the linkages. Также предлагается точный алгоритм с использованием множественных k-d деревьев для несложного обнаружения всех объединений отметок.

4) сложные предложения (безличные с инфинитивными конструкциями и придаточными с that с использованием:

* глаголов, выражающих отношение (seem, tend, look like, appear to be, think,);

* прилагательных, выражающих отношение (certain, clear, likely, essential), например:

It is important to develop… It may be possible to obtain …

* существительных, выражающих отношение (conclusion, fact, observation, assumption)[Поспелова 2012: 10−11].

Необходимо отдельно выделить структурные особенности научных текстов. Чрезвычайно строгим в стиле научной прозы является деление речи на отдельные части — абзацы. Каждый абзац стремится продолжить мысль предыдущего абзаца, часто непосредственно вытекает из него и имеет связующие элементы. [Гальперин 1958: 426] Каждый абзац начинается с ключевого предложения, излагающего основную мысль. Для усиления логической связи между предложениями употребляются такие специальные устойчивые выражения, как to sum up, as we have seen, so far we have been considering. Той же цели могут служить и наречия finally, again, thus. Например:

Thus we wish to filter the? Kk=1 Nk possible tuples down to just those tuples that could be feasible tracks. Таким образом, мы желаем отфильтровать произведение из Nk возможных серий наблюдений с тем, чтобы уменьшить число совокупностей наблюдений, которые могут быть потенциальными трассами.

Каждый абзац представляет собой более или менее законченную единицу высказывания, где легко можно выделить основную мысль. Связи между элементами внутри предложения, между предложениями внутри абзацев и абзацами внутри глав выражены эксплицитно, что ведет к обилию и разнообразию союзов и союзных слов: that, and that, than, if, as, or, nor… Например:

If the grid is too loose then coincidental occurrences can accumulate and cause false alarms. Если сетка неплотная (слишком грубая), тогда данные могут совпадать и вызывать ложные тревоги.

Для научного текста характерны двойные союзы: not merely… but also, whether… or, both… and, as… as… [Арнольд 2002: 279]. Например:

Для научного стиля характерно выделение главного, основного из массы сообщаемых фактов. Это достигается рядом синтаксических приемов, в которых принцип сочинения и подчинения предложений совпадает с требованиями логики, т. е. главная мысль содержится в главном предложении, подчиненная мысль — в придаточном. Дополнительные соображения, не имеющие непосредственного отношения к данному высказыванию, появляются в виде вводных замечаний и предложений, часто выделяемых знаком тире. Форма изложения в стиле научной прозы не несет дополнительных функций воздействия на читателя. Она лишь средство придать ясность изложению. Вот почему редактирование научной прозы, в основном, сводится к уточнению значений слов и словосочетаний и характера связи между отдельными частями высказывания.

Система синтаксической союзной связи весьма своеобразно использовалась в ранние периоды развития этого стиля, в периоды общего становления системы функциональных стилей английского литературного языка. Желание автора научных трактатов выявить взаимосвязь, взаимозависимость и взаимообусловленность фактов, с которыми им приходилось иметь дело, приводило их иногда к неумеренному пользованию средствами союзной связи, что в конечном итоге, влекло за собой длинные абзацы [Гальперин 1958: 426]. На сегодняшний день, однако, существует тенденция к упрощению письменной речи, что, в частности, отражено в книге «Handbook of technical writing». Авторы советуют не использовать сложные предложения для выражения сложных идей, так как это затрудняет понимание читателем:

«Use uncomplicated sentences to state complex ideas. If readers have

to cope with a complicated sentence in addition to a complex idea, they

are likely to become confused. Just as simpler sentences make complex

ideas more digestible, a complex sentence construction makes a series

of simple ideas more smooth and less choppy"[Gerald J. Alred 2010:502 ].

В данной главе подробно проанализирован лексический состав английской научной речи. Выделено три слоя лексики научного языка, а также выявлена общая черта научных текстов? терминологичность. Раскрыто понятие термина и терминологии, приведена классификация терминов.

Рассмотрены грамматические особенности текстов научного стиля, в частности проанализирована синтаксическая структура научных текстов.

На некоторых примерах продемонстрированы стилистические особенности, которые характеризуют английский научный текст.

научный английский стиль лингвистический Заключение Исследование, проведенное в данной курсовой работе, ставило целью изучение лингвистических и стилистических особенностей текстов научного стиля, что потребовало решения ряда задач. Все поставленные задачи были решены, была достигнута цель исследования, и на основе данных исследования можно сформулировать следующие выводы.

Единственная функция научного стиля — интеллектуально-коммуникативная, так как научный стиль характерен для текстов, предназначенных для сообщения точных сведений из какой-либо специальной области и для закрепления процесса познания. Именно этим обстоятельство и определяется характер особенностей научного стиля в английском языке.

Характерными чертами стиля английской научной прозы являются логическое, последовательное и связанное изложение материала, абстрактность, стремление авторов к точности, сжатости, однозначности при сохранении информационной насыщенности материала. Для научного стиля характерно стремление к точному употреблению терминов, отказу от косвенных, описательных обозначений объектов, широкому использованию штампов специальной лексики. Все описанные черты научного стиля были найдены в научной статье «Fast and Robust Track Initiation Using Multiple Trees» и подробно проанализированы.

Разновидность научного стиля и жанр научного текста незначительно влияют на отбор языковых средств и построение научного произведения, так как черты научного текста универсальны и используются в любом тексте такого рода.

Специфической чертой научной прозы является лексикоцентричность. В лексике научной речи выделяют три слоя: общая (неспециальная), общенаучная и терминологическая лексика. Общенаучная лексика включает интернациональные слова, значение и употребление которых в русском и английском языках может не совпадать. Это иногда приводит к трудностям понимания и ошибкам при переводе, так как словарные описания ограничиваются в основном раскрытием семантики слов в общенародном использовании. Поэтому этот слой лексики нуждается в более подробном изучении.

Термины однозначны и независимы от контекста, однако часто имеет место межнаучная терминологическая омонимия, когда один и тот же термин может входить в различные терминологии языка. Характерной чертой научной лексики является также образование неологизмов, так как в науке постоянно появляются новые понятия. Эти лексические особенности вызывают трудности при переводе научных текстов, поэтому требуют подробного изучения.

Грамматические особенности английского научного стиля находят отражение в широком использовании параллельных конструкций и вводных слов. Это объясняется требованием логичности такого рода текстов. В синтаксической структуре научных текстов преобладают сложноподчиненные предложения. Распространены постпозитивные или препозитивные определения, что способствует синтаксической компрессии. Тенденцией в написании научных работ на английском языке является отказ от номинализации и использование глаголов для более точного выражения смысла.

Стилистические особенности английской научной прозы включают использование авторского «we», безличных форм и пассивного залога. Это подчеркивает участие в работе большого коллектива ученых и вовлекает читателей в процесс рассуждения и доказательства. Однако на примере статьи «Fast and Robust Track Initiation Using Multiple Trees» видно, что количество безличных предложений и предложений с пассивными конструкциями в тексте невелико. В то время как авторское «we» встречается очень часто. Поэтому изучение современных тенденций в области стилистики английской научной прозы представляется чрезвычайно актуальным.

Результаты проведенного исследования свидетельствуют о том, что язык английской научной прозы постепенно изменяется с развитием науки. Появляются неологизмы, синтаксическая структура упрощается. Это говорит о необходимости дальнейшего подробного изучения особенностей стиля английской научной прозы.

1. Алексеева, И. С. Профессиональный тренинг переводчика: Учебное пособие по устному и письменному переводу для переводчиков и преподавателей/ И. С. Алексеева.- СПб.: Издательство «Союз», 2001. 288 с.

2. Арнольд, И. В. Стилистика. Современный английский язык: Учебник для вузов/И. В. Арнольд.- 4-е изд., испр. и доп.- М.: Флинта: Наука, 2002. 384 с.

3. Арнольд, И. В. Основы научных исследований в лингвистике: Учебное пособие. — М.: Высш. шк., 1991. — 140 с.

4. Ахманова, О. С. Словарь лингвистических терминов. М.: Советская энциклопедия, 1966. 94 с.

5. Гальперин, И. Р. Очерки по стилистике английского языка.- М.: Издательство литературы на иностранных языках, 1958.-459с.

6. Гореликова, С. Н. Природа термина и некоторые особенности терминообразования в английском языке // Вестник ОГУ.- 2002. № 6. С. 129−136.

7. Кузнец, М. Д. Стилистика английского языка [Текст]: пособие для студентов педагогических институтов/ М. Д. Кузнец, Ю. М. Скребнёв.- Л.: ГУПИМП РСФСР Ленинградское отделение, 1960. 176 с.

8. Лотте, Д. С. Вопросы заимствования и упорядочения иноязычных терминов и терминоэлементов. М.: Наука, 1982. 152 с.

9. Мультитран, Электронный словарь [Электронный ресурс]/ www.multitran.ru.

10. Научно-технический перевод. Английский язык: Учеб. пособие /С.М. Айзенкоп, Л. В. Багдасарова, Н. С. Васина и др. Ростов н/Д: «Феникс», 2003. 352 с.

11. Оксфордский Русско-Английский словарь / под ред. Маркуса Вилера. М.: Баркалая и К, 1994. — 913с.

12. Поспелова, Г. Б. Характеристики научного стиля в английском языке // Иностранные языки: теория и практика.- 2012. № 2. С. 8−14.

13. Разинкина, Н. М. Развитие языка английской научной литературы.?М.: Наука, 1978. 212 с.

14. Рябцева, Н. К. Научная речь на английском языке. Руководство по научному изложению. Словарь оборотов и сочетаемости общенаучной лексики: Новый словарь-справочник активного типа (на английском языке).? М.: Флинта: Наука, 1999.?600 с.

15. Смолович, С. Ф. Атрибутивные словосочетания в английском языке и их перевод на русский язык [WWW document]. URL http://www.sworld.com.ua/konfer35/626.pdf.

16. Стилистический энциклопедический словарь русского языка/ под. ред. М. Н. Кожиной.- 2-е изд., испр. и доп.- М.: Флинта: Наука, 2006. 696 с.

17. Теория и практика английской научной речи/ Г. И. Ахманова, О. И. Богомолова, Е. В. Брагина и др./ под ред. М. М. Глушко. М.: Издательство Московского университета, 1987. 240 с.

18. Хомутова, Т. Н. Язык для специальных целей (LSP): Лингвистический аспект// Известия Российского государственного педагогического университета им. А. И. Герцена. 2008. № 71. С. 96?106.

19. Хлыстова, А. В. Научный стиль. О несостоявшейся предзащите [WWW document] //Язык и текст langpsy.ru. 2014. № 1. URL: http:// langpsy.ru/journal/2014/1/Nurmuhhmetov.phtml

20. ABBYY Lingvo 13.0 Multilingual Electronic Dictionary for PC and Pocket PC [Электронный ресурс] / CD-ROM, 2009.

21. Alred, G. J. Handbook of technical writing/ G.J. Alred, Ch.T. Brusaw, W.E. Oliu. 9th ed. St. Martin’s Press, 2008. 624 p.

22. Cargill, M. Writing scientific research articles: strategy and steps/ M. Cargill, P. O’Connor. Wiley-Blackwell, 2009. 184 p.

23. Crystal, D. The Cambridge Encyclopedia of the English Language. Cambridge University Press, 1995. 490 p.

24. Glasman-Deal, Н. Science research writing for non-native speakers of English. London: Imperial College Press, 2010. 272 p.

25. Kubica, J. Fast and robust track initiation using multiple trees [WWW document]. URL http: // www.cs.cmu.edu/~jkubica/papers/kubica_tr0462.pdf.

26. Wallwork, A. English for research: usage, style, and grammar. Springer, 2012. 268 p.

Приложение

Fast and robust track initiation using multiple trees

Abstract

In this paper we examine a fundamental problem in many tracking tasks: track initiation (also called linkage). This problem consists of taking sets of point observations from different time steps and linking together those observations that fit a desired model without any previous track estimates. In general this problem suffers from a combinatorial explosion in the number of potential tracks that must be evaluated.

We introduce a new methodology for track initiation that exhaustively considers all possible linkages. We then introduce an exact multiple kd-tree algorithm for tractably finding all of the linkages. We compare this approach to an adapted version of multiple hypothesis tracking using spatial data structures and show how the use of multiple trees can provide a significant benefit.

Introduction

The fundamental task in tracking is to determine which observations at different time steps correspond to the same underlying object. The linkage or track initiation problem consists of making these determinations without any previous track estimates. Figure 1illustrates the computational problem that we are trying to solve. Observations from five equally spaced time steps are shown on a single image with observations from different time steps represented as different shapes. The goal is to take the raw data (Figure 1. A) and find sets of observations that correspond to the desired motion model (Figure 1. B). The difficulty arises from the combinatorics of such a search.

Figure 1: The linkage problem is to find one point at each time step such that the points fit the model for a candidate track. Points from each of the five different time steps are shown as different shapes (square > circle > triangle > diamond > plus). Two linear linkages are shown (B) and a third is left as an exercise for the reader.

This is an important problem in such fields as target tracking and computer vision, but our primary motivating example in this paper is the asteroid linkage problem. Here we wish to determine which observed objects correspond to the same true underlying object from a series of visual observations of the night sky. These linkages can then be used to determine tentative orbits, attribute the observations to a known orbit, and assess the potential risk of an asteroid. The use of new observation techniques and equipment has increased the scope and accuracy of this problem, providing the potential to track hundreds of thousands of asteroids. The next generation of sky surveys, such as PanSTARRS or LSST, are designed to provide vast amounts of observational data that can be used to search for potentially hazardous asteroids. Further, these surveys have the potential to allow us to detect and track fainter objects. However, these improvements greatly increase the combinatorics of the problem reinforcing the need for tractable algorithms.

Below we introduce a new methodology for track initiation. Instead of treating track initiation as a sequential decision problem, we exhaustively consider all possible linkages. Thus we provide an exact algorithm for linkages. We then introduce a multiple tree algorithm for tractably finding the linkages. We compare this approach to an adapted version of multiple hypothesis tracking using spatial data structures and show how the use of multiple trees can provide a significant benefit.

Problem Definition

The track initiation problem consists of taking sets of observations from different time steps and linking together those observations that fit a desired model without initial estimates of the track parameters. Figure 2 shows a simple one dimensional example with five time steps and a linear model. The sets of linked observations are shown as open circles with their linear models as dashed lines.

Figure 2: A set of one dimensional observations linked together by linear tracks. The white circles are the observations that correspond to the linear tracks (dashed lines).

Formally the linkage problem can be phrased as a filtering problem. At each time step k we observe Nk points from both the underlying set of tracks and noise. Given a set of observations at K distinct time steps, we want to return all tuples of observations such that:

1. the tuple contains exactly one observation per time step, and

2. it is possible for a single track to exist that passes within given thresholds of each observation.

Thus we wish to filter the? Kk=1 Nk possible tuples down to just those tuples that could be feasible tracks.

The observations consist of real-valued coordinates in D dimensional space, with xi indicating the ith observation. These coordinates are the dependent variables of the track. We use ti to indicate the independent variable of the ith observation. Although in many of the applications below ti will correspond to the time of the observation, it can be used to represent any independent variable.

The second condition specifies a constraint on the observations' fit to the underlying model. A tuple of observations (xI1, · ··, xIK) is valid only if there exists a track g such that:

дL[d]? xIi[d]? g (tIi)[d]? дH[d] ?d, i (1)

Equation 1 states that a track g is feasible for a tuple of observations if it falls within some bounds [g (tIi)[d]+ дL[d], g (tIi)[d]+ дH[d]] of each observation xIi in each dimension d. The thresholds дL and дH provide upper lower bounds on the fit. Figure 3 shows an example of a feasible triplet using linear tracks and one feasible track for these points. The track is allowed to pass anywhere within the error bars around each point.

Figure 3: Three points that are compatible for linear tracks.

The above definition of feasibility is compatible with a range of statistical noise models. For example, we can define an arbitrary observation noise model for the points on a track and set the thresholds in each dimension to be the 95% confidence interval for the noise in this dimension. Figure 4 shows an example of this. Further, we can vary дL and дH to account for systematic or time varying errors.

Figure 4: An arbitrary probability distribution and the resulting bounds. The circle denotes the observed location and the upper and lower bars indicate the acceptable locations for the track.

In contrast to the flexibility for noise models, it should be noted that the above criteria does not allow for a concept known as process noise. This means that we assume the track always follows the model. For example, a linear track model cannot account for changes in velocity. This is briefly discussed in Section 8.

Our discussion below focuses on two major types of tracks: linear and quadratic. The quadratic track is simply a quadric function of time:

g (t) = a · t2 + b · t+ c (2)

and can be used to describe physical motions of objects undergoing constant acceleration. The linear track is a linear function of time:

g (t) = b · t + c (3)

and can be used to describe the physical motion of objects traveling at a constant velocity. In addition, the linear model can be used for such queries as finding lines or edges described by the observations. While much of our discussion and techniques presented below will also apply to other track models, we restrict the discussion to the linear and quadratic models to keep the discussion simple and consistent.

Previous Work

There are a variety of different approaches to the problem of track initiation. Below we briefly discuss some of the more common ones. These approaches differ from our own in several important ways. First, we are asking a different type of query. Specifically, we are asking for all sets of observations that could feasibly belong to a path. Second, we provide an exact algorithm for answering this query.

Sequential Track Initiation

One common approach to track initiation is sequential track initiation [Blackman and Popoli, 1999]. The unassociated points are treated as new tracks and projected to the later time steps where they are associated with other points to form longer tracks. There are many variations to this type of approach. One common and often successful variation is a very simple form of multiple hypothesis tracking. When a tentative track matches multiple observations at a given time step, multiple hypothesizes (tentative tracks) are formed and the decision is delayed to a later time step. This process is illustrated in Figure 5. The single point matches three other points at the second time step. These points are used to create three hypothesized tracks. This process continues to the third and fourth time step with «bad» hypotheses being pruned away.

In order to reduce the number of candidate neighbors examined gating is used. As shown in Figure 6, neighbors are first filtered by whether they fall within a window or gate around the track’s predicted position. This approach has also been used in conjunction with kd-tree structures to quickly retrieve the candidate observations near the predicted position of a track [Uhlmann, 1992, Uhlmann, 2001 ].

There are several potential disadvantages of this type of approach that arise from the sequential nature of the search itself. It does not use evidence from later time steps to aid early decisions. Early «good pairs» may be easily pruned using a lack of further points along the track. Further, this approach has the potential of being thrown off by noise early in the track. Multiple hypothesis tracking attempts to mitigate this problem by allowing multiple tentative tracks, but introduces another problem, the possibility of a high branching factor causing a significant computational load.

Figure 5: A multiple hypothesis tracker starts from a tentative track (A) and sequentially checks the later time steps. If multiple points fit a candidate track then several hypothesis are created (B) and ©.

Figure 6: Gating can be used to ignore points that could not be part of the current track. The predicted position of the track is shown as an X and the points that fall within the gate are shaded.

It should be noted that sequential track initiation has the advantage that it can be applied to multiple tracks simultaneously. This gives this approach the ability to discount observations that are «obviously» members of other tracks.

Figure 7: Early noise in a track can significantly throw-off predicted positions. The true points are shown as open circles and the observed points are shown as shaded circles.

Parameter Space Methods

Another approach to the problem of track initiation is to search for tracks in parameter space. One popular algorithm is the Hough transform [Hough, 1959]. The idea behind these approaches is that for many simple models, individual observations correspond to simple regions or curves in parameter space. An example with a linear model is shown in Figure 8. The points are shown in Figure 8. A and their corresponding lines in parameter space in Figure 8.B. If a series of observations lie along a line, then their lines in parameter space will intersect at a common point. The Hough transform looks for lines by using grid-based counts of the number of lines that go through a particular region of parameter space (Figure 8. C and 8. D).

There are several major downsides to the parameter space approach. First, maintaining and querying the parameter space representation can be expensive in terms of both computation and memory. There are many possible intersections to check and storing occurrences in a grid structure may require significant amounts of space. Secondly, the level of discretization of parameter space can drastically affect the accuracy of the algorithm.

Figure 8.

If the grid is too tight then a small amount of noise can cause intersections to spread out over several bins and be missed. If the grid is too loose then coincidental occurrences can accumulate and cause false alarms. Although the false alarms can be filtered out in post-processing, this step further increases the computational cost.

Показать весь текст

Заполнить форму текущей работой