Luận án tiến sĩ: Ảnh hưởng của từ vựng đến phong cách viết trong tiếng Việt và tiếng Anh

Luận án tiến sĩ ngôn ngữ học khảo sát yếu tố từ vựng ảnh hưởng phong cách viết tiếng Việt so sánh với tiếng Anh, phân tích sâu về ngôn ngữ.

• Tác giả: Nguyễn Tuyết Nhung
• Người hướng dẫn: PGS. Đinh Điền
• Trường học: Đại học Quốc gia Thành phố Hồ Chí Minh - Trường Đại học Khoa học Xã hội và Nhân văn
• Chuyên ngành: Ngôn ngữ học so sánh đối chiếu
• Đề tài: Khảo sát các yếu tố từ vựng trong độ đo phong cách các văn bản báo chí tiếng Việt (so sánh với tiếng Anh)
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2023
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU VÀ CƠ SỞ LÝ LUẬN
• 1.1. Các công trình nghiên cứu về các yếu tố từ vựng trong độ đo phong cách tiếng Anh và tiếng Việt
• 1.2. Các công trình nghiên cứu về các yếu tố từ vựng trong độ đo phong cách tiếng Anh
• 1.3. Các công trình nghiên cứu về các yếu tố từ vựng trong độ đo phong cách tiếng Việt
• 1.4. Phong cách ngôn ngữ và độ đo phong cách
• 1.4.1. Phong cách ngôn ngữ
• 1.4.2. Ứng dụng của độ đo phong cách và Ngôn ngữ học điều tra
• 1.5. Đặc điểm ngôn ngữ của các bài viết thuộc chuyên mục ý kiến trên báo
• 1.6. Từ và các lớp từ vựng
• 1.6.1. Tiêu chí xác định ranh giới từ
• 1.6.2. Tách từ và gán nhãn từ vựng cho khối ngữ liệu
• 1.6.3. Một số lớp từ trong hệ thống từ vựng tiếng Việt
• 1.7. Các yếu tố từ vựng trong độ đo phong cách
• 1.7.1. Phân bố chiều dài từ khi tính theo ký tự
• 1.7.2. Phân bố chiều dài từ khi tính theo âm tiết
• 1.7.3. Trung bình chiều dài từ khi tính theo ký tự
• 1.7.4. Trung bình chiều dài từ khi tính theo âm tiết
• 1.7.5. Độ phong phú từ vựng
• 1.7.6. Tần số từ khi tính theo phương pháp thống kê cơ bản
• 1.7.7. Tần số từ khi tính theo phương pháp kiểm định thống kê
• 2. CHƯƠNG 2: MỨC ĐỘ ẢNH HƯỞNG CỦA CÁC YẾU TỐ TỪ VỰNG TRONG ĐỘ ĐO PHONG CÁCH CÁC VĂN BẢN BÁO CHÍ TIẾNG VIỆT: TRƯỜNG HỢP CÁC YẾU TỐ TỪ VỰNG THUỘC PHƯƠNG DIỆN HÌNH THỨC
• 2.1. Mức độ ảnh hưởng của phân bố chiều dài từ khi tính theo ký tự
• 2.2. Mức độ ảnh hưởng của phân bố chiều dài từ khi tính theo âm tiết
• 2.3. Mức độ ảnh hưởng của trung bình chiều dài từ khi tính theo ký tự
• 2.4. Mức độ ảnh hưởng của trung bình chiều dài từ khi tính theo âm tiết
• 3. CHƯƠNG 3: MỨC ĐỘ ẢNH HƯỞNG CỦA CÁC YẾU TỐ TỪ VỰNG TRONG ĐỘ ĐO PHONG CÁCH CÁC VĂN BẢN BÁO CHÍ TIẾNG VIỆT: TRƯỜNG HỢP CÁC YẾU TỐ TỪ VỰNG THUỘC PHƯƠNG DIỆN NỘI DUNG
• 3.1. Mức độ ảnh hưởng của độ phong phú từ vựng
• 3.2. Mức độ ảnh hưởng của tần số từ khi tính theo phương pháp thống kê cơ bản
• 3.3. Mức độ ảnh hưởng của tần số từ xưng hô
• 3.4. Mức độ ảnh hưởng của tần số từ thực thể có tên
• 3.5. Mức độ ảnh hưởng của tần số tác tử lập luận
• 3.6. Mức độ ảnh hưởng của tần số từ Hán Việt
• 3.7. Mức độ ảnh hưởng của tần số từ nước ngoài
• 3.8. Mức độ ảnh hưởng của tần số từ từ mới
• 3.9. Mức độ ảnh hưởng của tần số thành ngữ
• 3.10. Mức độ ảnh hưởng của tần số từ khi tính theo phương pháp phân tích tương ứng
• 4. CHƯƠNG 4: SỰ TƯƠNG ĐỒNG VÀ KHÁC BIỆT VỀ MỨC ĐỘ ẢNH HƯỞNG CỦA CÁC YẾU TỐ TỪ VỰNG TRONG ĐỘ ĐO PHONG CÁCH CÁC VĂN BẢN BÁO CHÍ TIẾNG VIỆT VÀ TIẾNG ANH
• 4.1. Phân bố chiều dài từ khi tính theo ký tự
• 4.2. Trung bình chiều dài từ khi tính theo âm tiết
• 4.3. Độ phong phú từ vựng
• 4.4. Tần số từ khi tính theo phương pháp kiểm định thống kê
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan nghiên cứu và cơ sở lý luận

Nghiên cứu này tập trung vào từ vựng tiếng Việt và từ vựng tiếng Anh trong việc phân tích phong cách viết. Các công trình trước đây đã khảo sát các yếu tố từ vựng trong độ đo phong cách của cả hai ngôn ngữ. Ngữ nghĩa và ngữ pháp đóng vai trò quan trọng trong việc xác định phong cách viết. Các nghiên cứu về viết tiếng Việt và viết tiếng Anh đã chỉ ra sự khác biệt và tương đồng trong cách sử dụng từ vựng. So sánh ngôn ngữ giúp hiểu rõ hơn về tác động từ vựng đến phong cách ngôn ngữ. Nghiên cứu này cũng đề cập đến nghiên cứu từ vựng và nghiên cứu ngôn ngữ để làm rõ các yếu tố ảnh hưởng đến phong cách viết.

1.1. Các công trình nghiên cứu về từ vựng tiếng Anh

Các nghiên cứu về từ vựng tiếng Anh đã chỉ ra rằng các yếu tố từ vựng như phân bố chiều dài từ và tần số từ có ảnh hưởng lớn đến phong cách viết. Các công trình này sử dụng độ đo phong cách để lượng hóa phong cách viết của tác giả. Ví dụ, nghiên cứu của Barlow (2013) và Wright (2017) đã chứng minh hiệu quả của các yếu tố từ vựng trong việc xác định danh tính tác giả. Ngữ nghĩa và ngữ pháp cũng được xem xét để hiểu rõ hơn về cách từ vựng ảnh hưởng đến phong cách viết.

1.2. Các công trình nghiên cứu về từ vựng tiếng Việt

Nghiên cứu về từ vựng tiếng Việt trong độ đo phong cách còn hạn chế. Các công trình hiện có chủ yếu tập trung vào phân bố chiều dài từ và tần số từ. Tuy nhiên, các nghiên cứu này chưa đủ quy mô để khái quát hóa. Ngữ nghĩa và ngữ pháp của tiếng Việt cũng được xem xét, nhưng chưa có sự so sánh chi tiết với tiếng Anh. Nghiên cứu này nhằm lấp đầy khoảng trống đó bằng cách khảo sát các yếu tố từ vựng trong văn bản báo chí tiếng Việt.

II. Mức độ ảnh hưởng của từ vựng đến phong cách viết

Nghiên cứu này phân tích mức độ ảnh hưởng của các yếu tố từ vựng đến phong cách viết trong văn bản báo chí tiếng Việt và tiếng Anh. Các yếu tố từ vựng được chia thành hai nhóm: phương diện hình thức và phương diện nội dung. Phân bố chiều dài từ và trung bình chiều dài từ thuộc nhóm hình thức, trong khi độ phong phú từ vựng và tần số từ thuộc nhóm nội dung. Nghiên cứu sử dụng các độ đo phong cách để lượng hóa phong cách viết của tác giả.

2.1. Phương diện hình thức

Các yếu tố từ vựng thuộc phương diện hình thức bao gồm phân bố chiều dài từ và trung bình chiều dài từ. Nghiên cứu chỉ ra rằng các yếu tố này có ảnh hưởng đáng kể đến phong cách viết. Ví dụ, phân bố chiều dài từ tính theo ký tự và âm tiết giúp xác định phong cách viết của tác giả. Trung bình chiều dài từ cũng là một yếu tố quan trọng trong việc lượng hóa phong cách viết.

2.2. Phương diện nội dung

Các yếu tố từ vựng thuộc phương diện nội dung bao gồm độ phong phú từ vựng và tần số từ. Độ phong phú từ vựng được đo bằng các chỉ số như TTR, W, H, S, và K. Các chỉ số này giúp đánh giá sự đa dạng trong việc sử dụng từ vựng của tác giả. Tần số từ cũng là một yếu tố quan trọng, đặc biệt là các từ xưng hô, thực thể có tên, và tác tử lập luận.

III. So sánh và đối chiếu giữa tiếng Việt và tiếng Anh

Nghiên cứu này so sánh mức độ ảnh hưởng của các yếu tố từ vựng đến phong cách viết giữa tiếng Việt và tiếng Anh. Các yếu tố từ vựng được khảo sát bao gồm phân bố chiều dài từ, trung bình chiều dài từ, độ phong phú từ vựng, và tần số từ. Kết quả cho thấy có sự tương đồng và khác biệt trong cách các yếu tố từ vựng ảnh hưởng đến phong cách viết giữa hai ngôn ngữ.

3.1. Tương đồng

Có sự tương đồng trong cách phân bố chiều dài từ và trung bình chiều dài từ ảnh hưởng đến phong cách viết giữa tiếng Việt và tiếng Anh. Cả hai ngôn ngữ đều sử dụng các yếu tố này để lượng hóa phong cách viết của tác giả. Độ phong phú từ vựng cũng là một yếu tố quan trọng trong cả hai ngôn ngữ, giúp đánh giá sự đa dạng trong việc sử dụng từ vựng.

3.2. Khác biệt

Có sự khác biệt trong cách tần số từ ảnh hưởng đến phong cách viết giữa tiếng Việt và tiếng Anh. Ví dụ, các từ xưng hô và thực thể có tên có tần số sử dụng khác nhau trong hai ngôn ngữ. Ngữ nghĩa và ngữ pháp của tiếng Việt cũng tạo ra sự khác biệt trong cách từ vựng ảnh hưởng đến phong cách viết.

Trích đoạn nội dung tài liệu

Chương 1): Nhóm 1: Nhóm độ đo liên quan đến phân bó chiều dài từ (PBCDT): gồm hai yếu té là PBCDT tính theo ký tự và PBCDT tính theo âm tiết. Nhóm 2: Nhóm độ đo liên quan đến trung bình chiều dài từ (TBCDT): gồm hai yếu tố là TBCDT tính theo ký tự và TBCDT tính theo âm tiết. Nhóm 3: Nhóm độ đo liên quan đến độ phong phú từ vựng (ĐPPTV): gồm năm chỉ số là TTR, W, H, S, K.1 liệt kê công thức tính toán và đặc điểm của các chỉ số dùng để đo độ phong phú từ vựng TTR, H, S, W và K. Trong đó: N là tổng số lượt từ (word token) trong văn bản; V là tổng số dạng từ (word type) trong văn bản, tức là từ vựng của văn bản; Vi là tổng số dạng từ xuất hiện i lần trong văn bản; a là hằng số võ đoán (a=0,17).

Các chỉ sé do độ phong phú từ vựng TTR, W, H, S, và K Chỉ số Công thức type / token ratio TTR | Phụ thuộc vào sô lượng dang từ và lượt từ. TTR=V/N Brunet’s W WwW W tương đôi không bị ảnh hưởng bởi chiêu dai van ban và vi thê mang (Brunet 1978) nhiêu dâu ân phong cách TG. V-a Honoré’s H (Honoré, | H Phu thuộc vào từ xuât hiện một lân. 1979) R= I00log N/(1 — (Vl1/E)) Sichel’s S Ss Phu thuộc vào từ xuât hiện hai lân.

Công thức này tương đôi bât biên (Sichel 1975) với sô lượng lượt từ. Stohet's Str) = Le ) a Vocx(T) | Voc(T) | Yule’s K K (Yule 1944) 1 rer Yules K(T)=c-|——+} `—-—:|Vøc,(T)|| with c= 104 n S70 18 Nhóm 4: Nhóm độ đo liên quan đến tan số từ khi tinh theo phương pháp thống kê cơ bản: gồm tan số tương đối được chuẩn hóa của 11 từ xưng hô (TXH), 11 thực thé có tên (TTCT), 11 tác tử lập luận (TTLL), lớp từ Hán Việt, lớp từ nước ngoài, lớp từ mới, và các thành ngữ. Nhóm 5: Nhóm độ đo liên quan đến tần số từ khi tính theo phương pháp kiêm định thống kê: gồm tan số của 11 TXH, 11 TTCT, 11 TTLL. Luận án khảo sát nhiều nhóm DPPC khác nhau dé kết quả đảm bảo độ tin cậy.

Việc sử dụng một nhóm DPPC chưa đủ sức thuyết phục đề khái quát phong cách viết của một TG, và khó có thé XĐDTTG một cách chính xác, bởi vì một nhóm ĐĐPC chỉ mới xem xét trên một khía cạnh ngôn ngữ, chưa khảo sát những khía cạnh khác trong ngôn ngữ của TG. Đồng thời, một yếu tố ngôn ngữ định lượng phong cách hiệu quả phải vừa xuất hiện với tần số cao, lại vừa phải có độ bao phủ rộng (Savoy, 2020, tr. Vì vậy, các YTTV được lựa chọn trong luận án phải đảm bảo ít nhất một trong các tiêu chí: Tiêu chí 1: Có thể được tính toán trong bat kỳ văn bản nào, cho dù là văn bản ngắn hay dài, văn bản thô hay có gán nhãn. Những YTTV được lựa chọn theo tiêu chí này thuộc các Nhóm 1, 2 và 3 nêu trên, tức là nhóm độ đo liên quan đến PBCDT, TBCDT, ĐPPTV.

Tiêu chí 2: Có mặt trong gần như tất cả các văn bản của TG đang xét, hoặc ít nhất là trong hai văn bản của TG đó, chỉ khác nhau về tần số sử dụng. Những YTTV được lựa chọn theo tiêu chí này thuộc các Nhóm 4 và 5, là hai nhóm độ do liên quan đến tần số từ. Vì thế, luận án không khảo sát những từ như mặc dau (là biến thể ngữ âm của mặc đà) bởi vì qua thống kê, yếu tố này có độ phủ rất hẹp va tần số rất thấp trong khối ngữ liệu VVC_Stylometry. Độ phủ hep và tần số thấp sẽ khiến cho kết quả XĐDTTG giảm độ tin cậy.

Với năm nhóm DHPC, số lượng YTTV được khảo sát trên ngữ liệu tiếng Việt là 79 yếu tố, và số lượng YTTV được sử dụng để đối chiếu với ngữ liệu tiếng Anh là 10 yếu tố.2 liệt kê các YTTV được khảo sát và đối chiếu trong luận án. Các YTTV được khảo sát và đối chiếu trong luận án STT YTTV Các YTTV được khảo sát Các YTTV được đôi chiêu PBCDT 1 PBCDT khi tính theo ký tự v v 2 PBCDT khi tính theo âm tiết M Chiêu dài từ 3 TBCDT khi tính theo ký tự v v 4 TBCDT khi tính theo âm tiết v ĐPPTV 5 TTR v v 6 W ⁄ v 7 H v v 8 Ñ w w 9 K v w Tân số từ khi theo phương pháp. thống kê cơ bản - 10-20 TXH v (11 yếu tố) 21-31 TTCT Y (11 yếu tố) 32-42 TTLL Y (11 yếu td) 43 Từ Hán Việt v 44 Từ nước ngoài v 45 Từ mới v 46 Thanh ngữ v Tân số từ khi theo phương pháp kiểm định thống kê - 47-57 TXH Y (11 yếu tổ) v 58-68 TTCT Y (11 yếu tố) ⁄ 69-79 TTLL Y (11 yếu tố) v Tổng số 79 10 0. NGỮ LIỆU, PHƯƠNG PHÁP VÀ CÔNG CỤ NGHIÊN CỨU 0.

Ngữ liệu nghiên cứu Ngữ liệu nghiên cứu trong luận án gồm có ngữ liệu tiếng Việt (VVC_Stylometry) và ngữ liệu tiếng Anh (Telegraph Columnist Corpus). Nhiém vu XDDTTG duoc thuc hién trén co so đối sánh (a comparative basis) giữa cá nhân này với cá nhân khác. Vì vậy, phần then chốt trong XĐDTTG đó là việc xây dựng một tập hợp các YTTV tương đối nhất quán trong các văn bản được viết bởi cùng một TG. Hay nói cách khác, khi xét đến những YTTV này, giữa các văn bản của một TG có sự tương đồng lớn hơn so với các văn bản của TG khác.

Tuy nhiên, so với các tác phẩm văn chương hoặc các văn bản in, thì văn bản số thường tương đối ngắn, chỉ vài trăm từ, có khi ít hơn. Điều này làm cho việc XĐDTTG trên không gian mang trở nên khó khăn hơn. Tuy vậy, khi một TG có nhiều bài viết, phong cách viết mang tính ồn định hon sẽ được hình thành. Do đó, để đảm bảo độ tin cậy va độ giá trị trong XDDTTG, các nhà nghiên cứu thường sử dụng các phương pháp thực chứng dựa trên ngữ liệu lớn gồm tập hợp các văn bản được lưu trữ ở dạng SỐ, được gọi là khối ngữ liệu (corpus).

Khối ngữ liệu là một tập hợp gồm các văn bản dạng nói hoặc viết, thường được số hóa dé máy tính có thể đọc và xử lý được. Khối ngữ liệu có thể thuộc loại tổng quát (đại diện cho một ngôn ngữ). hoặc loại chuyên biệt (tập trung vào một thể loại, một TG hoặc một lĩnh vực nào đó). Hiểu một cách chung nhất, khối ngữ liệu đại điện cho một mẫu ngôn ngữ (a sample of language), tức là một tập hợp con của sản phẩm ngôn ngữ mà nhà nghiên cứu quan tâm.

Hai khối ngữ liệu VVC_Stylometry va Telegraph Columnist Corpus mang tính đối sánh, đều thuộc loại khối ngữ liệu chuyên biệt (specialised corpus), vì chúng là tập hợp con (bài viết thể hiện ý kiến, quan điểm và lập luận) của ngôn ngữ mà luận án quan tâm (ngôn ngữ trong các văn bản báo chí). Ngữ liệu tiếng Việt Luận án sử dụng VVC_Stylometry, một khối ngữ liệu gồm 509 bài viết thuộc chuyên mục ý kiến do 48 TG viết cho chuyên mục Góc nhìn thuộc báo trực tuyến VnExpress. VVC_Stylometry được lưu trữ theo đường dẫn: https://drive. com/drive/folders/1 yOgRAZBd_wfs6ql1 g—ZkbBzZwZObpplc?usp=sharing, phiên ban được sử dụng trong luận án gồm các bài viết được đăng tai từ năm 2014 đến năm 2023.

Chuyên mục Góc nhìn được trang báo mạng điện tử VnExpress giới thiệu là “Góc nhìn khách quan - Chia sẻ kinh nghiệm, quan điểm, đánh giá, bình luận các vấn đề đời sống xã hội nhức nhối từ các nhà báo, chuyên gia cùng VnExpress” (theo VnExpress, 2023). Chuyên mục Góc nhìn gồm bảy chủ đề: Chính trị & chính sách, Giáo dục & tri thức, Kinh doanh & quản trị, Môi trường, Văn hóa & lối sống, Y tế & sức khỏe, Covid-19. VnExpress là tờ báo trực tuyến tiếng Việt có lượng truy cập lớn (theo Alexa Internet, Inc., 2019), đồng thời là một trong số ít những tờ báo có hiển thị thông tin về TG. Cụ thé, toàn bộ TG đều được hiển thị thông tin về ngành nghề, tên (tên thật hoặc bút danh) và ảnh chân dung trong phần Giới thiệu tác giả.

Một số TG được giới thiệu nhiều thông tin khác như năm sinh, nơi sinh, nơi ở hiện nay, trình độ học vấn, vị trí công tác, thậm chí là sở thích hoặc chuyên môn.1 dưới đây minh họa cho phần giới thiệu TG của mục Góc nhìn. Vũ Kim Hạnh Thanh tra và doanh nghiép Banh mi thanh long Đường đua của gan Hình 0. Phần giới thiệu về TG trên mục Góc nhìn (Nguồn: VnExpress) VVC_Stylometry được chia ra thành 48 khối ngữ liệu cá nhân tương ứng với 48 TG (xem Phụ lục Al — A4) và 8 khối ngữ liệu nhóm tương ứng với 8 nhóm TG (xem Phụ luc A5 — A8). (1) Khối ngữ liệu cá nhân VVC_Stylometry được chia thành 48 khối ngữ liệu cá nhân, tương ứng với 48 TG ứng viên.

Mỗi khối ngữ liệu cá nhân này gồm những văn bản do cùng một TG viết ra, vì thế mỗi khối ngữ liệu con được coi là “ngôn ngữ cá nhân” của từng TG. Nói cách khác, mỗi khối ngữ liệu cá nhân đại diện cho phong cách viết của một TG. Một trong những tiêu chí dé lựa chọn TG nằm ở số lượng bài viết của TG đó trên chuyên mục Góc nhìn. Nếu như việc phân tích phong cách văn phong theo hướng định tính có thé thực hiện trên số lượng văn bản không cần quá lớn, thậm chí có trường hợp là một tác phẩm, thì nhiệm vụ XDDTTG đòi hỏi số lượng văn ban lớn hơn rất nhiều.

Do đó, luận án đặt tiêu chí lựa chọn những TG có càng nhiều bài viết càng tốt. Trong luận án, khối ngữ liệu VVC_Stylometry cũng bao gồm những TG chỉ có hai bài viết, kết quả thu được từ những lượt thực nghiệm này được dùng dé đối sánh với những lượt thực nghiệm gồm nhiều bài viết dé từ đó rút ra nhận xét về ảnh hưởng của số lượng bài viết đến tỉ lệ chính xác khi thực nghiệm XPDTTG. (2) Khối ngữ liệu nhóm Theo Grieve (2007), để khảo sát một YTTV có đủ khả năng XDDTTG hay không, nếu chỉ thu thập các khối ngữ liệu cá nhân có tính thuần nhất cho từng TG thôi là chưa đủ, mà khối ngữ liệu còn phải có tính thuần nhất cao cho một số kiểu ngôn ngữ. Khối ngữ liệu càng có tính thuần nhất cao thì việc khảo sát tỉ lệ chính xác của YTTV càng chính xác.

Khi giải quyết bài toán liên quan đến nguồn TG, các yếu tố phương ngữ, thời gian và thể loại của VBÂD phải là những yếu tố đầu tiên chỉ phối việc thu thập và xây dựng ngữ liệu.