.tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="9d371cc4f1740103f1f3a13231de6b3b"] { border-radius: 7px;padding: 25px;border: 1px solid rgba( 166, 55, 189, 0.55 ); } .tb-field[data-toolset-blocks-field="d63a74801051d3090d414a4114fd48a8"] { font-size: 14px;color: rgba( 61, 61, 61, 1 ); }  .tb-field[data-toolset-blocks-field="1aaccac0f35d2dcbfd4eeb0d2db900be"] { font-weight: bold;color: rgba( 155, 81, 224, 1 ); }  .tb-field[data-toolset-blocks-field="1aaccac0f35d2dcbfd4eeb0d2db900be"] a { font-weight: bold; } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] { grid-template-columns: minmax(0, 0.78fr) minmax(0, 0.22fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="7fab3b54ecc84e84e44e228bf81b136d"] { background: rgba( 6, 147, 227, 1 );padding: 25px; } .tb-field[data-toolset-blocks-field="40342d89b265453b0eb1e41dc19edc71"] { font-weight: bold;text-transform: uppercase;color: rgba( 255, 255, 255, 1 ); }  .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; }     .tb-field[data-toolset-blocks-field="e31dcba0cffe97b01fb1391fd3e75aba"] a { color: rgba( 6, 147, 229, 0.58 );text-decoration: none;text-transform: uppercase; } .tb-field[data-toolset-blocks-field="ad082096fbb52a749a0892295378f993"] { text-transform: uppercase;color: rgba( 123, 220, 181, 1 ); }  .tb-field[data-toolset-blocks-field="ad082096fbb52a749a0892295378f993"] a { color: rgba( 0, 209, 132, 0.48 );text-decoration: none;text-transform: uppercase; } h1.tb-heading[data-toolset-blocks-heading="19e80d956559bebc21e8928194d671d2"]  { text-transform: uppercase; }  @media only screen and (max-width: 781px) { .tb-container .tb-container-inner{width:100%;margin:0 auto}  .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] { grid-template-columns: minmax(0, 0.5fr) minmax(0, 0.5fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; }        } @media only screen and (max-width: 599px) { .tb-container .tb-container-inner{width:100%;margin:0 auto}  .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] { grid-template-columns: minmax(0, 1fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"]  > .tb-grid-column:nth-of-type(1n+1) { grid-column: 1 } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; }        } 

Статья “Лексический минимум военного английского языка 2018-2020 гг.”

Научная статья

Английский язык

Автор: Наумов Олег Дмитриевич

Место работы/учебы: ФГКОУ "Ставрпольское президентское кадетское училище", г.Ставрополь, 8 класс

Научный руководитель: Дудкина Виктория Георгиевна, преподаватель английского языка

Аннотация

Выделение наиболее частотных и значимых слов в языке, изучение его лексического ядра всегда вызывало научный и методический интерес. Новым горизонтом для изучения языка является его изучение в аспекте частотности и ее динамики для отдельных единиц. Свод таких статистических данных о лексическом составе языка используется в ряде лингвистических и лексикографических исследованиях.

Одним из таких направлений стало создание словарей-минимумов на основе статистического подсчета частотности появления слов в специально подобранной литературе. Говоря о количественном составе таких минимумов, ученые имеют разную точку зрения: от 1000 слов, которые покрывают 80% текста (это явление имеет закономерный характер для многих языков и подъязыков, особенно для их письменной формы), до 135 наиболее ценных слов, дающих 50% статистики всех словоупотреблений.

Наше исследование посвящено военному английскому, а именно его актуальному лексическому составу в 2018-2020 годах и базируется на гипотезе о том, что глобальные события мирового масштаба находят отражение в военной сфере английского языка.

Теоретическая значимость исследования состоит в том, что оно вносит вклад в изучение английской картины мира в военной концептосфере и выделяет словарь-минимум военного английского языка в 2018-2020 годах.

Практическая значимость работы заключается в возможности использования ее результатов в лингвистических и междисциплинарных работах, посвященных изучению милитарного английского, в лексикографической и переводческой практике. Основная ценность результатов исследования видится в возможности их прикладного использования в курсах военного английского в образовательных учреждениях МО.

Объектом исследования является военный английский язык как подъязык, функционирующий в военной сфере коммуникации.

Предметом исследования является актуальный лексический состав военного английского в 2018-2020 годах.

Целью данной работы является составление лексического минимума милитарного английского языка.

Поставленная цель предполагает реализацию следующих задач:

выделить актуальный лексический состав военного английского языка путем частотного анализа;
составить лексический минимум военного английского и провести его семантический и частеречный анализ;

В работе нашли применение следующие методы:

Общенаучные методы: гипотетический, индуктивный, классификационный
Метод лингвистического наблюдения и описания конкретных языковых фактов (использовался с целью описания лексического состава военного английского в 2018-2020гг)
Сопоставительный метод
Количественный метод и метод статистической обработки данных (использовался для подсчета частотности лексем, а также при проведении параметрических исследований лексического состава военного английского и представления результатов исследования).

Научная новизна исследования заключается в выделении лексического минимума в милитарном английском и рассмотрение его частеречных и семантических характеристик.

Результаты

Отобрав и проанализировав корпус текстов военной тематики 2018-202гг, мы пришли к выводам о том, что лексический состав военного языка сохраняет стабильность в 2018 и 2019гг, однако в 2020г в связи с пандемией в военных текстах появилась медицинская лексика (с высоким уровнем частотности), также наблюдается появление новых контекстуальных значений единиц.
Нами также была проведена работа по выделению лексического минимума военного английского языка 2018-2020гг по частотному признаку и проведен его семантический и частеречный анализ, который показал, что лексический состав отражает парадигму номинации и может быть использован в качестве основы для общения в военной сфере. Здесь отметим, что считаем необходимым дополнить минимум перечнем военных званий и военно-политических организаций, также рассматриваем возможность увеличения объема минимума до 200 слов, что потребует дополнительных исследований.