1. Введение

Актуальность данного исследования обусловлена значительным ростом внимания к такому феномену, как киберспорт. На ниве лингвистического познания наибольший интерес вызывает малоизученная терминология киберспорта. В данном же исследовании была проанализирована структура киберспортивных терминов.

Цель работы — определить модели терминов подфрейма «Esports game equipment» слота «Statistics» в киберспортивных дисциплинах Footbal Clubs 24, World of Tanks и League of Legends. Для достижения цели поставлены ряд задач, в частности: определить концепт как возможный ключевой связующий элемент при построении фреймовой модели терминологии киберспорта; выявить терминологические единицы подфрейма «Esports game equipment» слота «Statistics»; проанализировать структуру выявленных терминологических единиц киберспортивных дисциплинах Footbal Clubs 24, World of Tanks и League of Legends.

Новизна заключена в исследовании терминологических единиц киберспортивных дисциплин и обозначении звеньев фреймовой модели терминологии киберспорта.

Теоретическая значимость исследования состоит в том, что оно вносит вклад в развитие когнитивного терминоведения в рамках исследования терминологии киберспортивного дискурсивного пространства: определяются основные фреймы терминологии киберспортивного дискурсивного пространства, анализируется структура терминов подфрейма «Esports game equipment» слота «Statistics» в киберспортивных дисциплинах Footbal Clubs 24, World of Tanks и League of Legends.

Практическая значимость заключается в возможности использования полученных результатов в научных и образовательных целях при проведении курса по терминоведению, также для участников киберспортивного дискурса Footbal Clubs 24, World of Tanks и League of Legends.

2. Методы и принципы исследования

В ходе работы были применены следующие методы исследования: системный подход для определения основных концептов киберспортивного дискурсивного пространства, выступающих в качестве фреймов «верхнего» уровня фреймовой модели терминологии киберспортивного пространства, описательный метод для выявления структурных особенностей исследуемых терминологических единиц, сравнительного анализа, при помощи которого было возможно сравнить структуры терминологических единиц разных киберспортивных дисциплин.

3. Основные результаты

Современное терминоведение все более предрасполагает к рассмотрению понятия «термин» с позиций когнитивизма. В интерпретации, предложенной Н.Б. Гвишиани, трактовка семантики претерпела эволюцию: значение слова теперь интерпретируется не как замкнутая система внутриязыковых связей, а как феномен, неразрывно связанный с когнитивными процессами, мыслительными операциями и эпистемологическим потенциалом человека

[3, С. 140][7, С. 12][4, С. 11][5, С. 28]

При когнитивном подходе к изучению терминологии, стоит уверенно говорить о взаимосвязи термина и концепта. Концепт в научной парадигме исследовался с разных точек зрения. В отечественной лингвистической традиции концепт трактуется как базовая когнитивная единица, функционирующая в структуре памяти

[1, С. 28][2, С. 16][8][4, С. 36]

Функцией терминологии, по мнению О. Вюстера, является создание и стандартизация наименований для концептов. Синтаксис же в интересы исследования не попадает. Главное же отличие терминов от общелитературной лексики выражено в моносемности отношений между терминами и концептами

[12, С. 4]

Анализ специализированных текстов демонстрирует, что для терминологических единиц достаточно частой особенностью является их семантическая вариативность, что связано со специфической параметризацией профессиональной коммуникации. Данная вариативность проявляется в том, что концепт может обозначаться одним термином, однако это термин в его лингвистической форме может коррелироваться не только с этим концептом. По мнению П. Фабер, термины имеют определенные «синтаксические проекции» и могут по-разному вести себя в текстах, в зависимости от их «концептуального фокуса»

[11]именно это возможно в системе фреймового моделирования

Согласно концепции М. Минского, фрейм представляет собой сетевую структуру, состоящей из узлов и связей между ними. Автор подчеркивает иерархичность данной модели, состоящую из четко детерминированных «верхних» уровней фрейма, дающих конкретное представление об описываемом явлении или ситуации, и «низких» уровней, предназначенных для наполнения конкретными данными или частными примерами

[9, С. 7]

Таким образом, представляя, что концепты выступают своего рода связующими звеньями сетевой структуры фреймовой модели терминологии, предлагается следующие подфреймы, основанные на концептах киберспорта, верхнего уровня терминов киберспорта фрейма «Esports»: «Esports athlete», «Esports equipment», «Esports game», «Esports techniques», «Esports game equipment». Стоит отметить, что каждый подфрейм имеет свои собственные ответвления — слоты. В данном исследовании рассмотрены уникальные термины киберспортивного дискурсивного пространства верхнего уровня подфрейма «Esports game equipment» и его слота «Statistics».

Уникальные термины являются базой для формирования терминологии определенной киберспортивной дисциплины, входящей в особое киберспортивное дискурсивное пространство

[10, С. 3697]

Терминологические единицы киберспортивной дисциплины Footbal Clubs 24 характеризуются набором лексических единиц, взятых из спортивного дискурса футбола. Данная группа терминов имеет собственное разделение в зависимости от основных параметров футболиста и его физических способностей. Таким образом, в киберспортивной дисциплине выделяют шесть основных параметров, конкретизированных в определенных аспектах этих параметров:

В соответствии со структурой данных терминов, среди них встречаются однокомпонентные, двухкомпонентные и трехкомпонентные терминологические единицы:

1. Слот «Statistics» класса «

- однокомпонентные: Acceleration (модель N);

- двухкомпонентные: Sprint Speed (модель N+ N).

2. Слот «Statistics» класса «

- однокомпонентные: Volleys, Penalties (модель N);

- двухкомпонентные: Attacking Position, Long Shots (модель Adj.+ N);

- трехкомпонентные: Finishing Shot Power (модель Part. I+N+N).

3. Слот «Statistics» класса «

- однокомпонентные: Vision, Curve, Crossing (модель N);

- двухкомпонентные: Short Pass, Long Pass (модель Adj.+ N);

- трехкомпонентные: Free Kick Accuracy (модель Adj.+N+N).

4. Слот «Statistics» класса «

- однокомпонентные: Agility, Balance, Reactions, Dribbling, Composure (модель N);

- двухкомпонентные: Ball Control (модель N+ N).

5. Слот «Statistics» класса «Defending» (модель G):

- однокомпонентные: Interceptions (модель N);

- двухкомпонентные: Heading Accuracy (модель Part. I+N), Defensive Awareness (модель Adj.+N), Stand Tackle, Slide Tackle (модель Inf.+ N).

6. Слот «Statistics» класса «Physical» (модель Adj.):

- однокомпонентные: Jumping, Stamina, Strength, Aggression (модель N).

Рассмотрев структуру терминологических единиц класса слота «Statistics» киберспортивной дисциплины Football Clubs 24 были выявлены следующие модели: однокомпонентные термины (22 терминологические единицы — 65%), двухкомпонентные (10 терминологических единиц — 29%) и трехкомпонентные (2 терминологические единицы — 6%). Среди однокомпонентных терминов по структуре преобладает модель N — 90%, модели G и Adj. составляют 5% и 5% соответственно. Двухкомпонентные термины: модель N+ N 20% модель Adj.+ N 50% модель Part. I+N 10% модель Inf.+ N 20%. Трехкомпонентные термины: модель Adj.+N+N — 50% модель Part. I+N+N — 50%.

Далее рассмотрим терминологические единицы слота «Statistics» киберспортивной дисциплины World of Tanks (

- двухкомпонентные: модель N+N: Hit Points, Load limit, Engine Power, Speed limit, Traverse Speed, Hull armor, Turret armor, View Range, Signal Range;

- трехкомпонентные: модель N+N+N: Standard Shell Damage, Standard Shell Penetration, Turret Traverse Speed; модель N+of+N: Rate of Fire.

Структура терминологических единиц слота «Statistics» характеризуется отсутствием однокомпонентных терминов. В свою очередь, двухкомпонентные термины представлены моделью N+N (9 терминологических единиц — 69%), трехкомпонентные термины (31%) представлены моделями N+N+N (3 терминологические единицы — 23%) и N+of+N (1 терминологическая единица — 8%).

Слот «Statistics» киберспортивной дисциплины «League of Legends» подразделяются на три основных класса в соответствии с денотативным признаком представленных лексических единиц, входящих в эти классы: «

1. Слот «Statistics» класса «

- однокомпонентные: «Health» (варианты: двухкомпонентный по модели N+N: «Health Points», сокращение: «HP»), «Armor» (сокращение: «AR»), «Tenacity» (варианты: трехкомпонентный по модели N+N+N: «Crowd Control Reduction»);

- двухкомпонентные: модель N+N: «Health Regeneration» (варианты: четырехкомпонентный по модели N+Prep.+Num.+N: «Health per 5 Seconds», сокращение «HP5»), «Heal Power» «Shield Power», «Magic Resist» (варианты: «Magic Resistance»); модель Adj.+N: «Slow Resist» (варианты: «Slow Resistance»).

2. Слот «Statistics» класса «

- двухкомпонентные: модель N+N: «Attack Speed» (сокращение: «AS»), «Attack Damage» (варианты: двухкомпонентный по модели Adj.+N: «Basic Attack», сокращение: «AD»), «Ability Power» (сокращение: «AP»), «Armor Penetration» (варианты: однокомпонентный «Lethality»), «Magic Penetration» (сокращение: «Mpen»); модель Adl.+N: «Critical Strike»; модель N+V: «Life Steal» (варианты: двухкомпонентный по модели Adj.+N: «Physical Vamp»; двухкомпонентный по модели N+N: «Spell Vamp»; однокомпонентный: «Omnivamp»);

- трехкомпонентные: модель Adj.+N+N: «Critical strike damage».

3. Слот «Statistics» класса «

- двухкомпонентные: модель N+N: «Ability Haste» (варианты: двухкомпонентный: «Cooldown reduction», однокомпонентный: «Haste») «Ability Resource» (варианты: «Mana», «MP», «Energy», «Health», «HP», «Ferocity», «Fury», «Heat»), «Mana regeneration» (сокращение: «MP5») «Energy regeneration», «Attack range», «Movement speed» (сокращение: «MS»), «Gold generation».

После анализа структуры терминов слота «Statistics» киберспортивной дисциплины «League of Legends», выявлены следующие положения:

1. Термины слота «Statistics» киберспортивной дисциплины «League of Legends», общим количеством 45 единиц, представлены в виде однокомпонентных (15 единиц — 34%), двухкомпонентных (26 единиц — 58%), трехкомпонентных (2 единиц — 4%), четырехкомпонентных (2 единиц — 4%) терминологических единиц;

2. Однокомпонентные термины представлены моделью N (100%), двухкомпонентные — моделями N+N (20 единиц — 77%), Adj.+N (5 единиц — 19%), N+V (1 единица — 4%), трехкомпонентные — моделями N+N+N (1 единица — 50%) и Adj.+N+N (1 единица — 50%), четырехкомпонентные компонентные моделью N+Prep.+Num.+N (2 единицы — 100%).

Завершив анализ 92 терминологических единиц слота «Statistics» исследуемых киберспортивных дисциплин, можно сделать следующие выводы:

1. Термины исследуемых киберспортивных дисциплин разных жанров слота «Statistics» характеризуются обилием моделей построения терминологических единиц, представленные однокомпонентными, двухкомпонентными, трехкомпонентными и четырехкомпонентными структурами: Footbal Clubs 24, World of Tanks и League of Legends.

2. Среди однокомпонентных терминов (37 единиц – 40%) разных жанров преобладает модель N, встречающаяся в 94% случаях (35 единиц), наименее частотные модели — модель G (1 единица — 3%) и модель Adj. (1 единица — 3%), киберспортивная дисциплина Footbal Clubs 24 обладает наиболее широким спектром моделей однокомпонентных терминологических единиц (модель N, модель G, модель Adj.), киберспортивная дисциплина League of Legends наименее широким (модель N), в киберспортивной дисциплине World of Tanks однокомпонентные терминологические единицы не выявлены.

3. Двухкомпонентные термины встречаются чаще остальных в киберспортивных дисциплинах (45 единиц — 49%), среди которых модель N+ N встречается в 69% случаях (31 единица), модель Adj.+ N в 23% случаях (10 единиц), модель Inf.+ N в 4% случаях (2 единицы), модель Part. I+N в 2% случаях (1 единица), модель N+V в 2% случаях (1 единица), киберспортивная дисциплина Footbal Clubs 24 характеризуется наиболее вариативным выбором моделей двухкомпонентных терминологических единиц (модель N+ N, модель Adj.+ N, модель Part. I+N, модель Inf.+ N), киберспортивная дисциплина League of Legends менее вариативным (модель N+ N, модель Adj.+ N, модель N+V), киберспортивная дисциплина World of Tanks наименее вариативным (модель N+N).

4. Трехкомпонентные термины встречаются в 9% случаев (8 единиц) и представлены моделью N+N+N (4 единицы — 50%), моделью Adj.+N+N (2 единицы — 25%), моделью Part. I+N+N (1 единицы — 12,5%), моделью N+of+N (1 единицы — 12,5%), в каждой из исследуемых киберспортивной дисциплине выявлен по две модели трехкомпонентных терминологических единиц: Footbal Clubs 24 — модель Adj.+N+N и модель Part. I+N+N; League of Legends — модель N+N+N и модель Adj.+N+N; World of Tanks — модель N+N+N и модель N+of+N.

5. Четырехкомпонентные термины выявлены только в киберспортивной дисциплине League of Legends, представленные моделью N+Prep.+Num.+N.

4. Заключение

В результате обобщения исследования, было установлено, что когнитивный подход в терминологии позволил выявить базовые концепты киберспортивного дискурсивного пространства, возложенные в фундамент построения фреймовой модели терминологии киберспорта. Терминологические единицы подфрейма «Esports game equipment» слота «Statistics» киберспортивных дисциплин Footbal Clubs 24, World of Tanks и League of Legends имеют различную структуру и представлены большой выборкой моделей построения терминологических единиц: однокомпонентные термины (модель N, модель G, модель Adj.), двухкомпонентные термины (модель N+ N, модель Adj.+ N, модель Part. I+N, модель Inf.+ N, модель N+V), трехкомпонентные термины (модель Adj.+N+N, модель Part. I+N+N, модель N+N+N, модель N+of+N) и четырехкомпонентные термины (модель N+Prep.+Num.+N). Для разных киберспортивных дисциплин характерно наиболее частотное использование определенных моделей, что подчеркивает уникальность терминологических единиц в зависимости от киберспортивной дисциплины. Перспектива дальнейшего исследования терминов киберспортивного дискурсивного исследования видится в дальнейшем их описании, а также более подробном рассмотрении терминов других фреймов терминологии киберспорта.

The additional file for this article can be found as follows: