Korpuspõhine kvantitatiivne dialektoloogia

Teaduse arenguloos on kirjeldatud mitmeid etappe, mis põhinevad oma ajas olemas olnud teadmistel ja oskustel ning nende põhjal tekkinud uuendustel. Nii on näiteks Thomas Kuhn, füüsik ja teaduse ajaloo uurija, eristanud 1962. aastal kolme suurt teaduse paradigmat või staadiumi, mis on seotud teaduse üldise kulu ning olemasolevate teadmiste kasutamisega. Neid staadiume võib pidada arenguetappideks, kuivõrd nad seostuvad mingi ajaperioodiga: 1) eksperimentaalne (empiiriline) teadus, mis kirjeldab reaalse maailma nähtusi ja protsesse ning loob esmase teadmiste baasi, seostub eelkõige renessansieelse teadusega, mil tehti enamik nendest avastustest, mida tänapäeval peame koolihariduses iseenesestmõistetavateks baasteadmisteks; 2) teoreetiline teadus, mis modelleerib ja üldistab olemasolevaid teadmisi ning loob selle põhjal teooriaid, oli eriti aktuaalne arvutieelsel ajastul; 3) arvutuslik teadus, mis modelleerib ja simuleerib kompleksseid nähtusi arvutil, on olnud väga oluline suund kuni suurandmete kasutuselevõtuni (vt nt Kitchin 2014: 129). Sellele on lisatud neljas paradigma, mis on tänapäeval valdav: eksploratiivne teadus, mis põhineb suurtel andmehulkadel, modelleerib ja ühendab eri tüüpi andmeid (Hey jt 2009). Muutus andmekeskse lähenemise suunas on tänapäeva teaduses sedavõrd suur, et räägitakse ka andmerevolutsioonist (Kitchin 2014).

Humanitaarteadused, mis on klassikaliselt otsinud pigem inimkultuuriga seotud nähtuste t ä h e n d u s t ja mitte üritanud seda m õ õ t a (Hoyningen-­Huene 2018), ei ole oma uurimisobjekti üldjuhul nimetanud a n d m e t e k s. Seoses digitaalsete vahendite ja uute meetodite plahvatusliku kasvuga on siiski ka humanitaarteadustes üha enam seda, mida on võimalik koguda, mõõta ja kokku lugeda, ning selle põhjal saada uuritavast nähtusest hoopis teistsugune pilt. Seetõttu räägime ka humanitaarteadustes üha enam andmetest. Andmekesksus ning meetodid nende andmete töötlemiseks ja analüüsiks on üks olulisemaid parameetreid, mille põhjal digihumanitaaria eristub klassikalisest humanitaariast.

Keeleteadus on läbi teinud teaduse üldised arenguastmed, võib-olla muidugi mitte päris samal viisil kui loodusteadused, mis olid Kuhni mudeli keskmes. Empiirilisel perioodil, mis kestis ca XIX sajandi keskpaigani, kirjeldati keeli ja nende struktuuri. Meetod tekkis keeleteadusesse esmakordselt seoses võrdlev-ajaloolise meetodi sünniga, kui hakati süstemaatiliselt võrdlema sugulaskeeli ning neis toimunud häälikumuutusi ja modelleeriti (rekonstrueeriti) nende põhjal keel(t)e varasemad arenguetapid ning algkeel. Seda võib pidada ka teooria sünniks. Teooriakesksed olid ka strukturalism ja ­hiljem generatiivne grammatika, viimasele vastureaktsioonina tekkinud kognitiivne ­keeleteadus ja paljud muud lähenemised. Tänapäeval on keeleteadus aga oluliselt kvantitatiivsem ning andmekesksem kui muud humanitaar­teadused; selle põhjuseks on tõenäoliselt arvutilingvistika kui arvutiteaduse ja keeleteaduse hübriidvaldkonna esiletõus ja areng alates 1960.–1970. aastatest ning keele­korpuste loomine. Korpuspõhiste ja kvantitatiivsete meetodite kasutamine on saanud tänapäeval nii üldiseks, et räägitakse kvantitatiivsest pöördest (vt Janda 2013; Levshina 2015). Kuivõrd muutus on seotud eelkõige suurte andmete käsitlemise ja analüüsiga, siis võiks seda nimetada ka andme­põhise keele­teaduse õitsele puhkemiseks. Andmepõhisel keeleteadusel on palju pioneere ja eestkõnelejaid, kes on koostanud ka vastavaid õpikuid, näiteks R. Harald Baayen (2008), Stefan Th. Gries (2009), noorematest Natalia ­Levshina (2015).

Kui küsida, kuhu selles pildis paigutub murrete uurimine, siis huvitaval kombel võib vastata, et murdeuurimine on olnud alati andmetel põhinev. Välitööd ning murdekeele dokumenteerimine on olnud vähemalt eesti dialektoloogias väga olulisel kohal alates 1920-ndatest, mil Emakeele Selts käivitas toonase Tartu Ülikooli õppejõu Lauri Kettuneni eestvõttel eesti murrete kogumise aktsiooni (Rätsep 2003). Need materjalid, millele hiljem on tulnud väga palju lisa, on tänini hoiul Eesti Keele Instituudi arhiivis ning Tartu Ülikooli eesti murrete ja sugulaskeelte arhiivis. Küll aga on suuri koolkondlikke erinevusi selles osas, mida nende kogutud andmetega peale on hakatud või kuidas neid andmeid analüüsitud. Järgnev püüab anda ülevaate meetoditest ning suundadest dialektoloogias nii Eestis kui ka mujal. Seejuures on põhirõhk andmetega ümberkäimisel ning sellel, mida uut on kvantitatiivsed meetodid dialektoloogiale pakkunud.

1. Võrdlev-ajalooline paradigma ja murdeuurimise algus Eestis

Eesti murdeuurimise traditsioonid on välja kasvanud võrdlev-ajaloolisest meetodist, mille põhieesmärk on võrrelda sugulaskeeli ja murdeid, leida neis toimunud regulaarsed häälikumuutused ning selle põhjal rekonstrueerida keele varasem etapp ehk algkeel (vt nt ülevaadet Rankin 2003). Võrdlev-ajaloolise meetodi tähelepanu oli eelkõige vormi rekonstrueerimisel ning lähtuti häälikumuutuste seaduspärasustest. Keele sünkrooniline kasutus oli teise­järguline ning sellele läheneti pigem muutuste uurimise perspektiivist. Samamoodi läheneti ka murretele: kui vaatame XX sajandil Eestis koostatud klassi­kalisi murdeülevaateid, leiame sealt peatükid „Vokalism”, „Konsonantism”, „Noomen”, „Verb”, mis viitavad vastavalt vokaalide ja konsonantidega toimunud häälikumuutustele ning noomeni ja verbi muutmisega seotud detailidele ning muuteparadigmadele. Selle heaks näiteks on Aili Univere kirjutatud idamurde ülevaade (1988), aga sama skeemi järgivad teisedki samalaadsed tööd. Murrete kohta on koostatud ka detailsemaid üksikkäsitlusi, mis puudutavad vastavaid alaosi, näiteks Salme Nigoli kandidaaditöö Hargla murraku konsonantismi kohta, mis anti hiljem välja ka raamatuna (Nigol 1994). Eesti Keele Instituudi eesti murrete ja soome-ugri keelte arhiivis (EMSUKA) ning Tartu Ülikooli eesti murrete ja sugulaskeelte arhiivis (EMSA) hoitavad käsikirjalised murdeülevaated on reeglina koostatud samadel printsiipidel. Süntaksini eesti murrete uurimise kuldajastul XX sajandil reeglina ei jõutud, vaid üksikutes töödes leiame märkmeid süntaktiliste nähtuste kohta (nt Must 1987; Juhkam 2012). Erandina väärivad märkimist Rein Nurkse põhjalik töö adjektiiviühildumise kohta (Nurkse 1937) ning Helmi Neetari käsitlused aluse ja öeldise ühildumise kohta eesti murretes (Neetar 1964, 1965a, 1965b).

Võrdlev-ajaloolise meetodi domineerimine eesti murdeuurimises on jätnud jälje üldisemalt sellele, kuidas murdeid kirjeldatakse või neist räägitakse. Nii näiteks on murrete kirjeldamises traditsiooniks lähtuda muutusest võrreldes varasema keelevormiga, ilma selgitamata, missugune see varasem vorm on. Nii leiame murdekirjeldustest sageli lauseid, nagu järgmises läänemurde ülevaates: „Enamikus Läänemaa kihelkondades on sõnaalgulisele j-ile järgnev a sõnuti asendunud ä-ga (jänu, jäBur, jäǹDama, jät̀k, jäùrama jt.)” või „Põhja-Eestis, sealhulgas Läänemaal on toimunud häälikumuutus er > är (pärà, pärast, äralDi)” (Juhkam, Sepp 2000: 16). Implitsiitselt viidatakse neis kirjeldustes muutusele võrdluses algkeelega või keele varasema etapiga ning kirjelduse mõistmiseks peab seda teadma. Probleemiks võib taoline esitus olla lugejale, kes keeleajalugu võrdlev-ajaloolises raamistikus õppinud ei ole, sest tänapäeva lugeja jaoks oleks loogilisem võrdlusalus, mille suhtes keelt võrreldakse, tänapäeva standardkeel, mitte rekonstrueeritud algkeel.

Võrdlev-ajalooline meetod vajas algkeele rekonstrueerimiseks ohtralt andmeid eri murretest ja murrakutest ning selleks tehti süstemaatilist kogumistööd. Tänu sellele on meil tänapäeval kasutada väga palju murdeülevaateid, aga ka murdetekstide kirjapanekuid ja salvestusi, mida on võimalik kasutada ka teistsugustel eesmärkidel ning teisi uurimisküsimusi silmas pidades. Kuna murrete kogumist, talletamist ja uurimist peeti ka nõukogude perioodil väga oluliseks, on meie õnneks eesti keele kohta olemas väga suured kollektsioonid juba nimetatud Eesti Keele Instituudi ja Tartu Ülikooli arhiivides. Nende kahe kogu baasil on koostatud eesti murrete korpus (EMK), mis võimaldab uurida ka nähtusi, mis jäävad välja võrdlev-ajaloolise meetodi huvidest, nt jälgida keele nivelleerumist või teha kvantitatiivseid ­korpuspõhiseid uurimusi.

2. Atlastest dialektomeetriani

XX sajandi esimesel poolel levis Euroopas üha enam keelegeograafiline meetod, mille eesmärk oli koostada murdeatlasi. Murdeatlas esitab keele geograafilist varieerumist kaartidel. Eestis esindas seda suunda Andrus Saareste „Eesti murdeatlas” (I osa 1938, II osa 1941), „Väike eesti murdeatlas” (1955) ja tema suur käsikirjaline murdekaartide kogu Uppsala ülikooli arhiivis (RuRaKe).

Murdeatlaste koostamine eeldas hoopis teistsuguste andmete olemasolu: kaartidel saab esitada võrreldavaid andmeid, st sama nähtus peab olema fikseeritud laialt alalt erinevatest punktidest. Selline andmekogumine on nõudnud pikaajalist süstemaatilist tööd ning hulgaliselt kogumispunkte üle kogu vaadeldava ala. Saareste on „Väikeses eesti murdeatlases” välja toonud, et ta kasutas umbes 1600 küsimusest koosnenud küsitluskava ning andmed pärinesid umbes 500–550 küsitluskohast, millest kaartidele on jõudnud kuni 250 (Saareste 1955: 6). Saareste atlastes võib leida peamiselt (sõna)vormide ja sõnade kaarte, vähesel määral on ka muud. Seega põhineb iga kaart väga suurel andmekogul, mis ei ole oma väärtust kaotanud tänapäevalgi. Osa kaartidest, sh Uppsala ülikoolis hoitavatest käsikirjalistest kaartidest on digiteeritud (RuRaKe).

Keeleatlasi (murdeatlasi) kasutatakse ka tänapäeval. Ühelt poolt pakuvad vanad atlased, millega kaasnevad hiiglaslikud andmekogud, palju võimalusi uuteks uurimusteks, millele omakorda annab tuge geoinfosüsteemide (GIS) areng: vanu kaarte saab digitaliseerida ja georefereerida (st siduda koordinaatidega ja seeläbi näiteks mõne teise kaardiga ning täpsemalt mõõta geograafilisi kaugusi punktide vahel), siduda uute või teist tüüpi (meta)andmetega, aga ka täiendada näiteks audio- või videomaterjalidega; samuti võib teha spetsiifilisi statistilisi analüüse, mis võtavad arvesse ruumiandmeid jne (Kretzschmar 2018). Näiteks Lauri Kettuneni koostatud Soome murdekaartide põhjal on tehtud katse modelleerida murrete kujunemist populatsiooni­geneetikas kasutatavate meetoditega, mis võimaldavad hinnata murrete omavahelist sarnasust või erinevust (Syrjänen jt 2016). Terhi Honkola on oma väitekirjas sidunud sama soome murrete andmestiku teist tüüpi andmetega: kultuuriliste, keskkonna- ja administratiivandmetega ning geograafilise kaugusega, ning leidnud, et murretevahelised keelelised erinevused on tihedamalt seotud keskkonna- ja kultuuriliste mõjuritega kui geograafilise kaugusega (Honkola 2016: 155).

Murdeatlased on dialektomeetriliste uurimuste oluliseks sisendiks (vt nt ülevaadet Goebl 2018). Dialektomeetrilise meetodiga võrreldakse paljude üksiknähtuste alusel murrete omavahelisi keelelisi sarnasusi ja keelelist kaugust ning vaadeldakse üksikute murdejoonte asemel pigem üldist pilti, piltlikult öeldes puude asemel metsa (Nerbonne, Kleiweg 2007; Nerbonne, ­Kretzschmar 2013). Dialektomeetria teerajajaks peetakse Jean Séguy’d, täpsemalt tema uurimust gaskooni murretest (Séguy 1973). Arvutiajastul on valdkonda arendanud väga tugevalt Hans Goebl (vt ülevaadet Goebl 2018), hiljem ka John Nerbonne, William A. Kretzschmar, Jack Grieve jt. Dialekto­meetria eeldab erinevate nähtuste koosvaatlust ning kvantitatiivsete meetodite rakendamist. Dialektomeetrilisi uurimusi võib läbi viia mis tahes keele­tasandil (foneetika, fonoloogia, morfoloogia, süntaks, leksika, pragmaatika, semantika), kui vaid on olemas piisaval hulgal andmeid. (Nerbonne, Kleiweg 2007) Ka metoodika, kuidas keelelist kaugust mõõta, on mitmekesine ja võib lähtuda nii sarnasustest kui ka erinevustest (kauguse mõõtmise ja ruumi­andmetele rakendatavate statistiliste meetodite kohta vt Grieve 2018; komplekssemate dialektomeetria meetodite kohta vt nt Grieve 2014; Nerbonne, Wieling 2018; Heeringa, Prokić 2018).

Eesti esimeste dialektomeetriliste uurimuste hulka kuulub Sirje Murumetsa kaheosaline artikkel, mis mõõdab eesti murrete sarnasusi ja erinevusi „Väikese murdesõnastiku” levikuandmete põhjal (Murumets 1982–1983). See põhineb suuresti Goebli väljatöötatud meetodil ning mõõdab Eesti kihel­kondade vahelisi sõnavarasuhteid ja sõnavara ühisosa. Samas vaimus vaadeldakse sõnavarasuhteid ka Arvo Krikmanni ja Karl Pajusalu artiklis „Kus on keskmurde keskpunkt” (2000), mis põhineb samuti „Väikese murdesõnastiku” andmetel.

3. Variatiivsuse analüüs: sotsiolingvistiline murdeuurimine

Läänemaailmas pöörati 1950-ndatel üha enam pilke linnamurrete uurimisele, ehkki esialgu pigem hariduslike vajaduste võtmes. Üha enam märgati sotsiaalsete tegurite mõju urbaansete murrete keelekasutusele ning selles toimuvatele muutustele. (Le Page 1997) Variatiivsuse analüüs meetodina saigi alguse sotsiaalteaduste uurimismeetodite rakendamisest keelelise varieerumise uurimises ning selle suuna juhtfiguuriks sai William Labov.

Sotsiolingvistilise variatiivsuse uurimises vaadeldakse peamiselt keeleväliste sotsiaalsete ning keelesiseste variaablite mõju uuritava keelenähtuse varieerumisele: mis mõjutab ühe või teise keelevariandi eelistamist? Oluline on analüüsiks sobiva materjali olemasolu. Labovist alates on sotsiolingvistilise variatiivsuse uurimuste aluseks olnud spontaanne kõne, kus varieerumine ilmneb kõige loomulikumal kujul. Meetodi esmaseks sammuks on välja selgitada, missugused üldse võivad olla ühe uuritava keelelise nähtuse variandid: kas x ja y on sama nähtuse variandid või siiski erinevad nähtused? Varieerumisest saame rääkida vaid siis, kui x ja y võivad vastastikku üksteist asendada ilma muutusteta tähenduses või kasutuskontekstis (näiteks Audru murrakus varieerub b ja v kasutamine sõna sees: kibi ~ kivi, leba ~ leva ’leiva’). Järgmise sammuna kirjeldatakse konteksti, milles varieerumine võib aset leida (näiteks teatud struktuuriga sõnades; teatud süntaktilises konstruktsioonis jne). Seejärel formuleeritakse hüpoteesid tegurite kohta, mis võiksid varieerumist mõjutada (vt meetodi kohta nt Walker 2013; Paolillo 2002). Meetodi järgmine oluline samm on võimalike tegurite operatsionaliseerimine (analüüsitavaks tegemine) ning andmete süstemaatiline kodeerimine sellele vastavalt. Alles seejärel on võimalik läbi viia statistiline analüüs.

Peamiseks varieerumise statistilise analüüsi vahendiks on alates 1970-ndatest olnud programm VARBRUL (Cedergren, Sankoff 1974), mis võimaldab mõõta ja kontrollida eri tegurite tõenäosuslikku kaalu varieerumise mudelis. Eesmärk on välja selgitada, mis tegurid mõjutavad uuritava tunnuse ühe või teise variandi eelistamist ning missugune on tegurite koosmõju. VARBRUL kasutab arvutusliku meetodina logistilist regressioon­analüüsi, mis on ka tänapäeval asendamatu varieerumise uurimise meetod (vt nt meetodite võrdlust Tagliamonte, Baayen 2012). VARBRUL ja selle uuemad versioonid (GoldVarb) on kasutusel ka tänapäeval. VARBRUL-i edu saladus on kindlasti selle suhteliselt hõlpsas kasutatavuses: see ei nõua suuri eelteadmisi programmeerimisest ja statistikast ning sobib seetõttu hästi ka algajatele (Tagliamonte 2013). Tänapäeval on suurte andmekogude lisandumise, andme­teaduse hüppelise leviku ning vabavaraliste programmide (nt R ja Python) kasutusele­võtu ja kiire arenguga seoses suurenenud ka statistiliste meetodite hulk, mida variatiivsuse analüüsis kasutatakse: näiteks on laialt levinud klassi­fitseerimispuud ja juhumetsad, mis sobivad hästi ka juhul, kui andmestikus on „auke” ja kui andmed on ebaühtlaselt jaotunud (Tagliamonte, Baayen 2012), ning segamudelid, mis aitavad analüüsil arvestada ka juhuslike teguritega (vt lähemalt 4. ptk).

Eestisse jõudis varieerumise analüüs 1990-ndatel Karl Pajusalu eestvedamisel. Selle meetodiga on uuritud eelkõige murrete nivelleerumisest tingitud varieerumist: kuidas varieerumine toimub ning mis seda mõjutab, kui traditsiooniline regionaalne murre on kontaktis eesti ühiskeelega ja/või mingi teise keelekujuga. Meetodit järgides on uuritud näiteks Võrumaal Sute külas n– ja h-inessiivi vaheldumist (Pajusalu jt 1999; Velsker 2000; Mets 2010), tud-partitsiibi tunnuse, olema-verbi 3. pöörde mitmusvormi ning partikli ikka varieerumist (Mets 2010). Kui need uurimused põhinevad kitsa piirkonna keele­kasutuse sotsiolingvistilisel analüüsil ning selles toimuvate muutuste jälgimisel, siis Lindström jt (2009) vaatasid 1. isiku pronoomeni kasutuse analüüsis laiemat eesti murrete ala ning võtsid ühe varieerumist mõjutava tegurina arvesse ka kihelkonda. See lähenemine seostub tugevamini juba korpuspõhise dialektoloogia peamise eesmärgiga murdeid omavahel võrrelda.

4. Korpuspõhine dialektoloogia

Keeleteaduses on korpuste loomine ning korpuslingvistika olnud produktiivne suund juba alates 1960.–1970. aastatest, mil loodi esimesed suuremad inglise keele korpused Brown ja LOB (vt McEnery, Hardie 2013). Eestis on keele­korpusi loodud alates 1980-ndate lõpust, mil asuti Browni korpuse eeskujul koostama eesti kirjakeele korpust (Hennoste, Muischnek 2000).

Lisaks kirjakeelele on loodud ridamisi ka spetsiifilisemaid eesti keele korpusi, nt vana kirjakeele korpus, suulise kõne korpus, suulise kõne foneetiline korpus, eesti murrete korpus jne. Korpuse moodustavad sarnastel alustel valitud tekstid, mis on tehtud elektrooniliselt kättesaadavaks, süstemaatiliselt töödeldud ja esitatud ning varustatud vajaliku metainfoga. Korpuse eesmärk on eelkõige teha andmed uurijale kättesaadavaks.

Eesti murrete korpust (EMK) on koostatud alates 1998. aastast Eesti Keele Instituudi ja Tartu Ülikooli arhiivide materjali baasil. See esindab kõige paremini 1870.–1890. aastatel sündinute suulist keelekasutust, mida on süstemaatiliselt kogutud ja salvestatud alates 1950-ndate teisest poolest välitööde käigus, hiljem transkribeeritud ning korpuse koostamise käigus viidud elektroonilisele kujule, märgendatud morfoloogiliselt ja osalt ka süntaktiliselt ning tehtud veebis kättesaadavaks (EMK koostamispõhimõtete kohta jms vt Lindström 2001, 2015).

Eesti on heas seisus, et sellise kollektsiooni kogumine ning taolise korpuse tegemine on olnud võimalik. Arvestades eesti murrete kiiret nivelleerumist XX sajandil ei oleks ilma EKI ja TÜ arhiivis säilitatud süstemaatiliste materjalideta paljude murrete kohta võimalik enam esinduslikke andmeid saada. Kui vaatame ringi laias maailmas, siis murdekorpusi on praegusel hetkel üsna väheste keelte kohta ning olemasolevad on omakorda koostatud mõnevõrra erinevatel alustel ning eesmärkidel. Nimetada võiks inglise (nt FRED), hollandi (DynaSAND), Skandinaavia keelte (Johannessen jt 2009), gruusia (GDC), portugali (Carrilho 2010), soome (Lauseopin arkisto), itaalia (ASIt) ja saksa (nt ArchiMob, REDE) keele murrete korpusi. Siiski korpuste arendamine jätkub ning tõenäoliselt lisandub lähiaastatel süstematiseeritud korpusi ka teiste keelte murrete kohta. Murdekorpuste teke on ühelt poolt seotud vastavate kollektsioonide olemasolu ning tehniliste võimaluste kiire arenguga, ent teisalt ka suurenenud huviga murdesüntaksi vastu, mida on varasemate meetoditega olnud raske uurida.

Korpuspõhisel dialektoloogial on mitmeid eeliseid võrreldes klassikalise atlasepõhise või ka sõnastikupõhise lähenemisega.

1. Korpus põhineb loomulikul keelekasutusel, murdekorpused enamasti suulisel loomulikul keelekasutusel. Korpustest saadavad keeleandmed on seega autentsed ning usaldusväärsed; atlasandmed võivad olla kallutatud, sest neid on enamasti kogutud küsitluste abil ning need iseloomustavad seega pigem teadvustatud keelekasutust. Küsitlustel põhinevad andmestikud võivad olla mõjutatud küsitleja keelekasutusest või küsitluse läbiviimise keelest ning risk, et tulemused on sellest tugevalt mõjutatud, on suurem kui korpuste puhul (vt nt ülevaadet Carrilho 2010), ehkki päriselt välistada ei saa seda ka korpustes (näiteks juhul, kui küsitleja keeleline taust on kõneleja omast väga erinev).

2. Korpus on universaalne andmekogu, mille põhjal saab analüüsida keele kõiki tasandeid (foneetikat, morfoloogiat, süntaksit, sõnavara jne), ehkki praktikas sõltuvad analüüsivõimalused suuresti korpuse koostamis- ja märgenduspõhimõtetest.

3. Korpuspõhine dialektoloogia võimaldab arvesse võtta varieeruvust ning eri variantide sagedust. Kui atlasandmed on tavaliselt esitatud viisil „Murdes X esineb variant a, murdes Y variant b, murdes Z esinevad nii a kui ka b”, siis korpuspõhine lähenemine võimaldab esitada eri variantide sagedusi täpsemalt: „murdes Z esineb variant a 6 korda, variant b 24 korda”. Korpusandmed esindavad lingvistilist reaalsust seega täpsemalt kui atlasandmed, kuivõrd need ei ole kategoorilised. „Korpuspõhine dialektomeetria on sageduspõhine dialektomeetria selle kõige puhtamas vormis” (Szmrecsanyi 2014: 92).

4. Korpuspõhise lähenemise eeliseks on uuritava nähtuse vahetu keelelise ümbruse kättesaadavus, mis loob võimalused analüüsida nähtuse semantilisi, pragmaatilisi, tekstilingvistilisi jm omadusi.

5. Korpuspõhise dialektoloogia abil saab uurida ka selliseid keelelisi nähtusi, mis atlastest tavaliselt välja jäävad kas nähtuse keerukuse, uurijate huvide või üldisema teadusliku mõtte arengu muutuste tõttu. Nii näiteks ei leia me Saareste atlastest tavaliselt infot erinevate pragmaatiliste partiklite (nt noh, no, jah, ikka jne) kohta, sest need ei olnud sel ajal keeleuurijate huvi fookuses. Samal ajal võivad murded sagedasemate partiklite kasutamise osas küllalt palju erineda (Lindström jt 2001).

6. Korpus sisaldab reeglina metainfot informantide kohta: nende vanus või sünniaeg, sugu, haridustase, tegevusala jne. See metainfo võimaldab uurida varieerumist ka sotsiolingvistiliste parameetrite põhjal.

7. Korpus võimaldab uurida eelkõige sagedasi nähtusi, mis traditsioonilistes uurimustes (ja ka atlastes) jäävad sageli tähelepanuta. Näiteks varasemad murdealased tööd on keskendunud pigem neile joontele, mis murretes erinevad kirjakeelest, ja vähem neile, mis on ka kirjakeeles sagedased. Kvantitatiivne lähenemine annab võtme, kuidas sagedastele nähtustele läheneda. Näiteks on meie uurimisrühma töödest välja tulnud, et murrete võrdluses võib ka n-ö tavaline nähtus kvantitatiivses perspektiivis huvitavaid tulemusi anda (vt nt mineviku liit­aegadega seonduvat Lindström jt 2015, 2018).

Mis laadi uurimusi on võimalik läbi viia murrete korpuse põhjal? Järgnevas ülevaates toetume osalt Benedikt Szmrecsanyi ja Lieselotte Anderwaldi (2018) artiklile ning teisalt eesti murrete korpuse põhjal tehtud töödele, milles oleme olnud ise osalised või millega oleme muidu hästi kursis. Sellest tulenevalt on näited murrete grammatika alased ning kirjeldatud meetodid sobivad pigem loendusandmete ning kategoriaalsete tunnuste analüüsiks.

4.1. Kvalitatiivne analüüs

Murdekorpuse üks kasutusvõimalusi on üksiknäidete analüüs eesmärgiga osutada murrete varieerumise kvalitatiivsele küljele: milliseid variante üldse murdematerjalides esineb ning mille poolest need üksteisest või standard­keelest erinevad, missuguseid tähendusi/funktsioone kannavad jne. Korpus sobib selleks hästi seetõttu, et see on veebi kaudu hõlpsasti kättesaadav, analüüsitud ning mitmekesiste päringuvõimalustega. Eesti murrete korpuse veebi­põhine otsimootor (MKWEB) võimaldab otsida nii sõne, lemma, sõnaliigi kui ka morfoloogilise info põhjal ühe tunnuse kaupa. Keerukamaid otsinguid, kus võetakse arvesse korraga mitu tunnust (näiteks ühe sõna lemma ja teise sõna grammatiline vorm), on võimalik sooritada XML-failide põhjal ning see nõuab mõningast skriptimisoskust.

Kvalitatiivse analüüsi eesmärgiks võib olla nii kasutusmustrite kirjeldamine kui ka võrdlemine muu allkeelega: nt des– ja mata-konverbitarindite võrdlus (Plado 2015), mine-teonimekonstruktsioonide kasutusvõimaluste kirjeldamine (Pilvik 2017), essiivi jäänukite analüüs võrdluses kirjakeelega ning muude keeltega (Metslang, Lindström 2017). Kvalitatiivset analüüsi võib kombineerida ka kvantitatiivsega (nt partitiivsubjekti kasutusalade kohta eesti murretes (Lindström 2017).

Ehkki võib tunduda teisiti, nõuab ka kvalitatiivne analüüs piisava suurusega andmehulka, et olla representatiivne. Seda saab loomulikult teha ka väikese andmehulga põhjal, ent tõenäoliselt ei anna see adekvaatset pilti murrete tegelikust keelelisest reaalsusest – oht on näiteid üle interpreteerida, seda eriti tekstides suhteliselt harva esinevate nähtuste korral; samuti on suur tõenäosus, et paljud murdele iseloomulikud kasutusviisid ei tule väiksesest andmestikust välja.

4.2. Kvantitatiivne ühe joone analüüs

Kvantitatiivne ühe joone analüüs võimaldab vaadelda ühe nähtuse levikut ning selle sageduserinevusi murretes ehk nn mikrotasandi varieerumist. Kvantitatiivne analüüs eeldab kvantitatiivsete meetodite rakendamist ning andmete visualiseerimist. Sellel on kaks põhilist eesmärki: andmete kirjeldamine ja andmete seletamine.

Kvantitatiivse analüüsi alla liigitub eraldi s a g e d u s e l e  o r i e n t e e r i t u d  a n a l ü ü s, milles vaadeldakse eelkõige keelelise joone levikusagedust murretes. Näiteks eesti murrete põhjal on läbi viidud mineviku liitaegade esinemissageduse uurimus, mis ei vaatle mitte liitaegade vormistamise detaile, vaid esinemissagedust üldiselt. Kuna eesti keele liitajad on kujunenud pikka aega tagasi keelekontaktide kaudu (enamasti räägitakse balti ja germaani keelte mõjust minevikuaegade väljakujunemisel, vt Ariste 1956; Serebrennikov 1959; Ikola 1960; Laanest 1975; Laakso 2001), siis võib oletada, et sageduserinevused võivad olla vähemalt osalt tingitud keelekontaktidest. See tuli ka meie liitaegade uurimusest välja: germaani keeltega kontaktis olnud aladel (saared, Lääne-Eesti) oli liitaegade kasutussagedus kõrgem kui aladel, mis on olnud kontaktis vene keelega või on olnud üldiselt konservatiivsemad, vähemalt germaani mõju suhtes (vt täpsemalt Lindström jt 2015, 2018). Samas ei olnud liitaegade seos teadaolevate keelekontaktidega sugugi alati ilmne: näiteks oli liitaegade sagedus kõrge ka Mulgi alal, ent seda on raske seostada konkreetse(te) keel(t)e mõjuga; põhjuseks võib olla ka muid tegureid, näiteks ennemineviku sage kasutamine evidentsiaalse strateegiana. Liitaegade kõrge kasutussagedus saarte murdes ning osalt ka läänemurdes võib aga lisaks kontakti mõjule olla seotud üldisemate muutustega eituse vormistamises, sest andmetest tuli selgelt esile täismineviku eitavate vormide kõrge kasutussagedus koos sõnaga pole: pole + nud-konstruktsioon (pole käinud) on üle võtnud lihtmineviku eituse (vt lähemalt Lindström jt 2015, 2018). Liitaegade kasutussagedus on visualiseeritud joonisel 1.

Joonis 1. Täis- ja ennemineviku kasutussagedus eesti murrete korpuses (Lindström jt 2015).

Ühe joone sagedusele orienteeritud analüüsis peab arvestama, et on nähtusi, mille puhul erinevused on kas ebaolulised või raskesti seletatavad. Näiteks partitiivsubjekti kasutussageduse erinevused eesti murretes on raskesti seletatavad keelekontaktide mõjuga, nagu selgitas oma artiklis Liina Lind­ström (2017); seetõttu on seda kombineeritud kvalitatiivse analüüsiga, et leida pigem tüüpilisemad mustrid ja erinevad kasutusviisid ning esile tuua kirjakeele põhjal tehtud uurimustes puuduvat.

Peamiseks kvantitatiivseks meetodiks, mida sellistes sagedusele orienteeritud analüüsides rakendada, on sageduserinevuse olulisuse hindamine murrete vahel või võrreldes referentskorpusega (nt kirjakeelega), samuti muutus­trendide väljatoomine (sageduse kasvamine või kahanemine kahe erinevast ajast alamkorpuse võrdluses). Need meetodid eeldavad seega mingi võrdluseks sobiva teise (alam)korpuse või andmestiku olemasolu.

Kui vaadata sügavamalt keelematerjali sisse ning võtta arvesse keele­nähtusega seotud eri kasutus- või tähendusfunktsioone, on võimalik kasutada ka meetodeid, mis visualiseerivad keelejoone iseloomulikke kasutusviise ning aitavad esile tuua seda, mis on mingitele murretele iseloomulikum, mis vähem iseloomulik, millised murded on selle keelejoone põhjal omavahel sarnasemad jne. Selleks võib kasutada näiteks korrespondentsanalüüsi (Greenacre 2007; Lebart jt 1998), mis sobib hästi just kategoriaalsete tunnuste vaheliste sageduspõhiste seoste tuvastamiseks. Seda on rakendanud nt Kristel ­Uiboaed (2013) verbikonstruktsioonide analüüsis, Mirjam Ruutma (2016) pre- ja postpositsioonide kasutuse analüüsis. Murrete koondumist mingi(te) valitud tunnus(t)e põhjal saab kuvada ka klasteranalüüsi (Everitt jt 2011; eesti murretel rakendanud Uiboaed 2013) või mitmemõõtmelise skaleerimise abil (Meyers jt 2006). Kõik need meetodid põhinevad ühel või teisel moel (normaliseeritud) sagedustabelitel, mis peegeldavad tunnustevahelisi seoseid, ning võimaldavad esitada sarnasusi ja erinevusi, tunnustevahelisi tõmbumisi ja tõukumisi graafiliste kaugustena.

P i i r a n g u t e l e o  r i e n t e e r i t u d  ü h e  j o o n e  a n a l ü ü s keskendub murdejoone kahe (või enama) variandi varieerumist mõjutavate piirangute ja tegurite väljaselgitamisele. Sisuliselt on tegemist sama meetodiga nagu sotsio­lingvistikas kasutatud klassikaline varieerumise analüüs (vt 3. ptk), mille puhul uuritakse võrdväärsete alternatiivide kasutamismustreid, ent korpus­põhises murdeuurimises on fookus sotsiaalsetelt parameetritelt ja ühe piirkonna keele varieerumise uurimiselt liikunud grammatika, st morfosüntaksi uurimisele ning piirkondlike variantide võrdlemisele. See omakorda tekitab vajaduse ka mahukamate andmestike kasutamiseks.

Võrdväärsed variandid tähendavad reeglina seda, et need võivad esineda samas positsioonis (nt b~v varieerumine: kivi ~ kibi) või olema funktsionaalselt või semantiliselt võrdväärsed (leksikaalsed variandid: tarvis või vaja; morfoloogilised variandid: -n, -h või -s inessiivi lõpuna, nt külä-n ~ külä-h ~ küla-s; süntaksis relatiivlause moodustamise variandid: mees, kes istus pingil ~ pingil istunud mees). Variatiivsuse analüüsi kaasatakse sõltumatuid/seletavaid tunnuseid, mille mõju sõltuva/uuritava tunnuse variantide esinemisele üritatakse analüüsi käigus välja selgitada. Murdekorpuse materjalidele meetodit rakendades võib ühe sõltumatu tunnusena arvesse võtta ka murret (või murrakut), et välja selgitada, kui suur roll on murdest tingitud erinevustel võrreldes muude keelesiseste ja -väliste tunnustega.

Vaid ühe sõltumatu/seletava tunnuse mõju uurimisel sõltuva/uuritava tunnuse varieerumisele võib kasutada kas Pearsoni (arvuliste tunnuste puhul) või Spearmani korrelatsioonikordajat (arvuliste või skalaarset hinnangut näitavate tunnuste puhul) või morfoloogia- ja süntaksiuurimustes sagedamini rakendatavat hii-ruut-statistikut, mis sobib kategoriaalsete tunnuste hindamiseks (nt Hanna Pook (2018) on kasutanud hii-ruut-testi, et võrrelda elutule objektile viitava asesõna kes kasutust murretes seoses erinevate lausetüüpide ning käänetega). Hii-ruut-statistik näitab, kas kahe tunnuse jaotus andmetes on juhuslik või on alust uskuda, et ühe tunnuse või tunnuse kategooriate proportsioonid erinevad oluliselt teise tunnuse (kategooriate) jaotuses.

Sageli aga ei huvita grammatikauurijaid pelgalt üksikute tunnuste omavahelised seosed, vaid ühe tunnuse varieerumine kontekstis, kus omakorda varieeruvad mitmed tegurid. Selleks et seletada kategoriaalse tunnuse varieerumist mitme teguri ning nende võimalike koosmõjude kaudu, on pikka aega kasutatud logistilist regressiooni, mis on ka 3. peatükis mainitud ­VARBRUL-i aluseks. Logistilise regressiooni mudeli põhiväljundid on koefitsiendid, mis peegeldavad keelelise nähtuse ühe variandi esinemise šansse võrreldes teise variandiga ja nende šansside muutumist konteksti muutudes (nt 1. isiku pronoomeni esinemise vs. mitteesinemise šansse vastavalt sellele, kas sellega koos esineval verbil on pöördelõpp, kui kaugele jääb diskursuses viimane 1. isiku viide, millise murdealaga on tegemist jne).

Üha enam on korpuspõhises keeleuurimises varieerumise seletamiseks hakatud kasutama segamudeleid ehk hindama lisaks fikseeritud seletavate tunnuste mõjule ka juhuslike tunnuste mõju regressioonimudelites. Fikseeritud tunnustel on kindel arv tasemeid ning iga tase pakub uurijale omaette huvi. Sellised tunnused on enamasti näiteks grammatilised kategooriad, nagu kääne, arv, isik, pööre, polaarsus jne. Juhuslike tunnuste puhul on andmetes esindatud alati juhuslik valim kõikidest võimalikest tunnuse tasemetest ning uurijale pakub huvi pigem tunnuse üldine mõju varieerumise seletamisele. Juhuslikud tunnused on korpuspõhises murdeuurimises näiteks kõnelejad, ent grammatiliste nähtuste uurimisel võib juhuslikeks tunnusteks pidada ka lekseemid, mida mingis grammatilises vormis realiseeritakse. Segamudelid aitavad seega arvestada näiteks tõsiasjaga, et mõned sõnad on korpustes sagedamad ja mõned kõnelejad räägivad rohkem. Murdealasid, mille jaotused on tekkinud eelkõige haldusüksuste põhjal (murrakud enamasti kattuvad kihelkondadega) ja millel puuduvad ranged üleminekud, võib siinjuures vaadelda nii fikseeritud kui ka juhuslike tunnustena.

Eelkõige viimasel kümnendil on keele varieerumise uurimustes regressiooni kõrval või suisa selle asemel lisaks teistele masinõppemeetoditele jõuliselt kanda kinnitanud klassifitseerimispuud (ingl conditional inference tree) ja juhumetsad (ingl random forest) ehk nn puude ja metsade mudelid (Breiman jt 1984; Strobl jt 2009). Nende meetodite suureks eeliseks on see, et need ei esita andmete adekvaatseks analüüsiks niivõrd suuri piiranguid andmete jaotusele kui näiteks regressioonimudelid, olles samal ajal meetoditena sama võimsad, meetodi rakendamisel kasutaja suhtes vähemnõudlikud ning väljundi poolest intuitiivsemalt tõlgendatavad. Puude ja metsade mudelid annavad informatsiooni nii uuritava tunnuse ennustatava väärtuse kohta mingis kontekstis kui ka mudelisse kaasatud tunnuste suhtelise olulisuse kohta uuritava tunnuse varieerumise seletamisel. Eesti murdeuurimises on klassifitseerimispuid rakendanud nt Ruutma jt (2016), analüüsides nii ees- kui ka tagasõnadena esinevate kaassõnade paiknemist, Lindström ja Uiboaed (2017), analüüsides varieerumist tarvis/vaja-konstruktsioonides, ning Lindström jt (2018), analüüsides nimetamiskonstruktsioone (nt Seda kutsutakse Hobusekiviks). Metodo­loogilise pluralismi näiteks murdeandmete kasutamisel võib aga pidada Jane Klavani jt (2015) uurimust kaassõna peal ja adessiivi varieerumisest, kus logistilise regressiooni segamudel ning puude ja metsade mudelid üksteist andmetes esinevate varieerumismustrite seletamisel hästi täiendasid, seletades varieerumise erinevaid aspekte.

Mõnevõrra uue suunana nn tõenäosuslike grammatikate kasutamisel murdeuurimises on kõikide keelevariantide (nt murrete) korraga mudeldamise asemel hakatud tähelepanu pöörama sellele, kui hästi seletavad mingid tegurid uuritavat nähtust murretes eraldi ja kuivõrd sarnased või erinevad on murded tegurite olulisuse osas. Sellist keelevariantide „oma grammatikate” võrdlust on tehtud nt inglise keele piirkondlike variantide põhjal (nt Grafmiller jt 2017; Szmrecsanyi jt 2016, 2017), ent meetodit sobiks rakendada ka väiksema piirkonna keelevariantide võrdluseks, samuti murrete ning nende kontaktkeelte konvergentsi ulatuse ja põhjuste tuvastamiseks.

4.3. Korpuspõhine dialektomeetria

Kvantitatiivne mitme joone analüüs ehk korpuspõhine dialektomeetria (ka: kobardialektoloogia, vt Uiboaed 2013) hõlmab ühtaegu paljusid keelelisi jooni ning nende varieerumist murretes. Erinevus klassikalisest dialektomeetriast seisneb selles, et andmed pärinevad korpusest ning see võimaldab arvesse võtta ka nähtuse/variantide esinemissagedust. Eristatakse ülalt-alla ja alt-üles korpuspõhist dialektomeetriat. Ülalt-alla dialektomeetria puhul on eelnevalt välja valitud analüüsi kaasatavad jooned, nende sagedused ­ja/või tõenäosused ning joonte põhjal arvutatud murrete lingvistilised kaugused. Alt-üles dialekto­meetriline analüüs ei põhine mitte etteantud joontel, vaid korpusest mingil viisil ekstraheeritud andmetel, näiteks N-grammidel (bi- või tri­grammidel) vms. (Wolk, Szmrecsanyi 2016; Szmrecsanyi, Anderwald 2018)

Korpuspõhise uurimuse hea näide on Benedikt Szmrecsanyi briti murrete süntaksi uurimus. See põhineb 57 morfosüntaktilise joone sagedusinfol, mis on saadud Freiburgi inglise murrete korpusest (FRED). Andmed on pärit 368 murdeintervjuust, mis on saadud 427 informandilt 158 geograafilisest punktist. Saadud sagedused on parema võrreldavuse huvides normaliseeritud. Analüüsi kaasatud joonte kohta on moodustatud N x p sagedusmaatriksid (milles N = 34 murret ridadena ja p = 57 joont tulpadena). Sagedusmaatriksi kaasatud 57 joone põhjal on seejärel arvutatud iga kahe murde vahelised eukleidilised kaugused. (Szmrecsanyi 2013) Analüüsi olemus on metodoloogiliselt sama nagu eelmises alapeatükis kirjeldatud sageduspõhise murrete klassifitseerimise puhul, ent siin on tegemist lihtsalt nähtuste kuhjamisega (ingl aggregation): kaht uuritavat objekti (murret) iseloomustavate tunnusekomplektide alusel on saadud mõõdikud, mis võimaldavad hinnata lingvistilisi kaugusi. (Eukleidilise kauguse arvutamise kohta eesti keeles vt nt Tooding 2015: 363–366.) Eukleidiliste kauguste põhjal on võimalik moodustada kauguste maatriks, mis iseloomustab iga kahe mõõtmispunkti (murde) vahelist lingvistilist kaugust. Seda on omakorda lihtne võrrelda geograafiliste kaugustega. Eukleidilised kaugused sobivad meetodina korpuspõhiseks analüüsiks hästi ka seetõttu, et need võtavad arvesse erinevate joonte sageduserinevusi: suuremad sageduserinevused saavad suurema kaalu kui väikesed sagedus­erinevused (vt meetodi kohta täpsemalt Szmrecsanyi 2013: 24–31).

Sagedusmaatriksit, mis oli eukleidiliste kauguste arvutamise aluseks, on võimalik kasutada ka muude statistiliste meetodite sisendina, mis samuti võimaldavad analüüsida murrete omavahelist (keelelist) lähedust või kaugust suure hulga tunnuste põhjal. Sellised meetodid on näiteks peakomponent­analüüs (mida kasutas Szmrecsanyi 2013), klasteranalüüs ja korrespondentsanalüüs (vt ka ptk 4.2). Kobardialektoloogias (dialektomeetrias) kasutatavate statistiliste meetodite kohta vt lähemalt nt Grieve (2014) ning Nerbonne ja Wieling (2018).

Eestis on kobardialektoloogia meetodeid kasutanud Kristel Uiboaed (2013) oma doktoritöös eesti murrete verbiühendite uurimisel eesti murrete korpuse põhjal (vt ka Uiboaed jt 2013). Selles töös käsitles ta sagedasemate finiitsete verbide ühendeid koos kindlate infinitiivsete verbivormidega (nagu näiteks sai teha, sai tehtud, käis söömas jne) eesmärgiga välja selgitada, kas murretes on olulisi kasutuserinevusi. Verbiühendite analüüsil tuli välja, et Eesti lääne- ja põhjapoolsed murded kasutavad verbiühendeid enam kui lõuna- ja idapoolsed; samuti oli erinevusi eri ühendite kasutuses.

Kobardialektoloogiliste meetodite rakendamise peamiseks raskuspunktiks on adekvaatse murdejoonte komplekti väljaselgitamine ning andmete ekstraheerimine ning lingvistiline analüüs: eesti murrete varieerumine on väga suur ning mitmetasandiline, eriti kui pöörata pilk (morfo)süntaktilisele varieerumisele. Näiteks eesti murrete vajadust või kohustust väljendavate tarvis– ja ­vaja-konstruktsioonide analüüsil selgus, et murretes varieerub konstruktsiooni iga osa (võtmata arvesse ka häälikulist varieerumist): [mul/mulle/0] [on/tuleb/läheb/0] [vaja/tarvis] [uus arvuti/uut arvutit/kooli minna]. Seejuures mõjutas valikut nii tähendus, murdeala kui ka konstruktsiooni mõni teine osa. (Lindström jt 2014; Lindström, Uiboaed 2017) Kobar­dialektoloogiline lähenemine eeldab suurt eeltööd varieerumise ulatuse ja variantide väljaselgitamisel; toodud näide tarvis-/vaja-konstruktsioonide varieerumisest võimaldaks juba omakorda kobardialektoloogilisi meetodeid rakendada.

5. Kokkuvõte

Tänapäeva dialektoloogia kasutab väga palju erinevaid meetodeid, mis nõuavad murdeuurijalt teadlikkust olemas­olevatest metodoloogilistest võimalustest ja piirangutest. Meetodi valik sõltub ennekõike andmestikust ning eesmärgist; samuti sellest, kas ja kui palju võetakse lisaks keelelisele kaugusele arvesse geograafilist kaugust (geoinfot laiemalt) või muud tüüpi andmeid, mis võivad olla täiesti mittekeelelised. Kuna ruumiandmed on murdeandmete lahutamatu osa ning geograafiline mõõde tihtipeale oluline tegur keelenähtuste varieerumise seletamisel, on oluline ka andmete ja analüüsitulemuste kaartidel visualiseerimine.

Artiklis tutvustasime meetodeid, mis on otsapidi jõudnud ka eesti murde­uurimisse. Kui mõelda tulevikuperspektiividele, võib arvata, et huvi keele­lise varieerumise ning (koha)murrete vastu keeleteaduses ei vaibu. Seda vaatamata sellele, et traditsiooniliste kohamurrete nivelleerumine toimub ­globaliseerumise tõttu praegu pea kõikjal maailmas ning ka keeleteaduses on sotsiaalsete murrete uurimine mõnevõrra väljapaistvamal positsioonil. Peab lootma, et ühes üldise huviga keele varieerumise vastu jääb püsima huvi varasema keelelise ja kultuurilise ajaloo vastu ning sellega seoses püsivad ja arenevad edasi ka artiklis mainitud meetodid ja suunad. Lisanduvad tõenäoliselt meetodid ja tehnikad, mis võimaldavad paremini analüüsida urbaniseeruvas või virtuaalses keskkonnas aset leidvaid muutusi ning kujunevaid allkeeli, n-ö uusi murdeid.

Andmekeskne suund teaduses püsib ja kasvab ning vajadus nii vanade kui ka uute murrete andmete järele vaid suureneb. Üha enam vajame suhteliselt hõlpsalt kättesaadavaid digitaalsele kujule viidud andmeid, mida eri tüüpi analüüsides kasutada. Murdeerinevuste selgitamiseks ning murrete kujunemise modelleerimiseks vajame täienduseks kindlasti ka muud tüüpi infot: geograafilisi, kultuurilisi, rahvastikuandmeid jne, mis nõuavad interdistsiplinaarset koostööd. Nii andmete loomine, säilitamine, kogumine kui ka analüüs, sellega kaasnevad uued tehnilised oskused ja muutuvad mõtteviisid on väljakutseks nii dialektoloogiale, keeleteadusele kui ka (digi)humanitaariale laiemalt.

Artikli valmimist on toetanud Euroopa Liidu Regionaalarengu Fond (Eesti-uuringute Tippkeskus).

Liina Lindström (snd 1973), PhD, Tartu Ülikool, eesti ja üldkeeleteaduse instituut, eesti keele dotsent, liina.lindstrom@ut.ee

Maarja-Liisa Pilvik (snd 1989), doktorant, Tartu Ülikool, eesti ja üldkeele­teaduse instituut, rakendusliku dialektoloogia nooremteadur, maarja-liisa.pilvik@ut.ee