تحليل محتواي مقالات علوم پزشكي بر اساس مطالعه پيكره زباني

Content Analysis of Medical Research Articles: A Corpus-based Study

مقدمه: تحليل محتوا براي مقايسه يك متن با متن ديگر، آثار يك نويسنده، با نويسندگان ديگر و با همان نويسنده، مقايسه متنهاي نوشته شده به يك زبان طبيعي با متون زبان ديگر و بررسي متون يك حوزه تخصصي به كار ميرود، هدف پژوهش حاضر تحليل محتواي مقالات علوم پزشكي و استخراج ساختار جملات در آن به منظور استفاده پژوهشگران بوده است. روش بررسي: اين مطالعه از دسته مطالعات تحليل محتوا بر اساس ساختار دستوري است كه به بررسي ميزان كاربرد زنجيرههاي واژگاني چهار لغتي در مقالات پژوهشي در زمينه پزشكي پرداخته است. به همين منظور در اين مقاله مجموعهاي بيش از دو ميليون و چهارصد هزار لغت از مقالههاي بازيابي شده در 33 حوزه پزشكي گردآوري و معيار بسامد بيست بار تكرار يك زنجيره واژگاني در يك ميليون لغت و همچنين تكرار آن Word smith tools 5, Antconc3.23, ABBYY Fine در پنج متن متفاوت در نظر گرفته شد. براي به دست آوردن زنجيرهها از نرم افزارهاي استفاده شد. زنجيرهها با استفاده از طبقهبنديهاي موجود و براساس ساختار و عملكرد در متن دستهبندي Reader to professional edition شدهاند. يافتهها: در نتيجه اين تحقيق 102 زنجيره واژگاني پر كاربرد با ساختارها و عملكردهاي متفاوت در حوزه هاي پزشكي شناسايي شدند. بيشتر نويسندگان مقالات تحقيقاتي پزشكي از زنجيرههاي واژگاني از نوع متن محور استفاده ميكنند. نتيجهگيري: اين مطالعه ديدگاههاي جديدي در زمينه فهم بهتر مقالات پژوهشي پزشكي مربوط به زمينهاي خاص و نيز تحقيقات بيشتر در زمينه مطالعات پيكره اي در نوشتار دانشگاهي و انگليسي براي اهداف ويژه فراهم مي آورد. همچنين افق جديدي را در حوزه تحليل محتواي متون و سنجش آماري متون ميگشايد. واژههاي كليدي: تحليل، زبانشناسي كامپيوتري، مقالات مجلات، پيكره زباني

Introduction: Content analysis applied for comparing texts, a writer’s works with others or the same author, the texts written in a natural language with texts in other languages literature and review of specialized field. The present study aims to analyze the articles to extract the sentences structure in order to support medical researchers. Methods: This study investigates 4-word lexical bundles in medical research articles. To this end, a corpus of 2,400,000 words was established based on 33 subject areas in medicine and frequency of 20 and distribution numbers of at least 5 were considered as criterion. Word smith tools 5, Antconc3.23, ABBYY Fine Reader to professional edition were used for the identification of lexical bundles. Then, identified lexical bundles were classified according to their functions and structures in the medical research articles. Results: Totally, 102 lexical bundles with different structures and functions were identified in medical articles. The findings of the current study showed that most of the medical writers use text-oriented bundles in their articles. Conclusion: This study presents new insights in better understanding of medical research articles related to specific area and further researches in written academic discourse and English for Academic Purposes. It also broadens new horizon on areas of text analysis and text statistical assessment. Keywords: Analysis; Computerized linguistics; Journal Article; Corpus .