Doktorska disertacija P. Jakopina, str. 5 - 11

2. poglavje

Viri

2.1 Besedila

Idealni vir za tako nalogo bi bila vsa doslej objavljena slovenska leposlovna dela. Tak vir bi bil popoln in na njem izmerjene vrednosti bi imele povsem trdno veljavo. Da bi se popolnosti vsaj na neki način približal, se je pisec teh vrstic odločil za dve besedilni zbirki: prvi vzorec, v katerem bi bilo kar največ del, in drugi vzorec, v katerem bi bila vsa objavljena dela priznanega avtorja. Pogoj, potreben za izpolnitev zahteve po popolnosti drugega vzorca, je tudi ta, da izbrani avtor ne bo ničesar več napisal, kar pomeni, da ga ni več med nami. Po daljšem premišljevanju in posvetovanjih je izbira padla na Cirila Kosmača (1910-1981). Sodobnejšega avtorja, ki bi ustrezal zastavljenim pogojem, žal ni bilo mogoče najti.    

2.1.1 Prvi vzorec

Vsa leposlovna besedila, ki v današnjih časih pridejo na police v knjigarnah, so že dobro desetletje pripravljena z računalnikom in tako, vsaj do tiska, obstajajo tudi v elektronski obliki. Pot do večje zbirke teoretično torej ne bi smela biti težka, omejena pa je predvsem z bojaznijo avtorjev do zlorabe avtorskih pravic. Tudi zakon o knjižničarstvu, ki bi od tiskarjev zahteval, da oddajo obvezni izvod tudi v elektronski obliki, če ga imajo, še ni bil sprejet in je zato Narodna in univerzitetna knjižnica po tej plati povsem brez virov. Tako je bila izredno dragocena Zbirka slovenskih leposlovnih besedil, ki jo od junija 1995 naprej na internetu na naslovu http://www.ijs.si/lit/leposl.html gradi Miran Hladnik (npr. Hladnik 1995). Iz nje, tudi iz besedil, ki še niso bila pripravljena za objavo na internetu, izvira več kot polovica prvega vzorca. Večina drugih del je iz sodelovanja med avtorjem in založbo Mihelač, nekaj jih je iz arhiva Inštituta za slovenski jezik Frana Ramovša ZRC SAZU, Varja Cvetko Orešnik je odstopila spomine svojega očeta, dve svoji deli Gitica Jakopin (tretje je prenesel v elektronsko obliko pisec teh vrstic), nekaj jih je avtorju posredoval Klaus Detlef Olof s celovške univerze, Orwellov 1984 pa je preskrbel Tomaž Erjavec. Natančnejši popis del z bibliografskimi podatki je naveden v prilogi A (stran 105 do 107), kratek pregled pa v spodnji tabeli.

Tabela 2: Dela prvega vzorca z letom prvega izida in številom besed

1.	Ivan Cankar	Hiša Marije Pomočnice	1904	29.702
2.	Ivan Cankar	Potepuh Marko in Kralj Matjaž	1905	26.547
3.	Ivan Cankar	Hlapec Jernej in njegova pravica	1907	18.423
4.	Ivan Cankar	Mimo življenja	1920	52.316
5.	Janez Cigler	Sreča v nesreči	1836	33.778
6.	Dragotin Cvetko	V prostoru in času	1995	97.335
7.	Fran S. Finžgar	Sama	1912	49.194
8.	Fran S. Finžgar	Strici	1927	15.673
9.	Nataša Gale	Fran Gestrin	1927	25.603
10.	Miran Hladnik	Kmečka povest (Iz polpret. časa)	1992	17.254
11.	Gitica Jakopin	Žarometi	1962	36.808
12.	Gitica Jakopin	Devet fantov in eno dekle	1963	29.136
13.	Gitica Jakopin	Slovo od deklištva	1995	57.116
14.	Josip Jurčič	Nemški valpet	1867	7.969
15.	Josip Jurčič	Sosedov sin	1868	18.680
16.	Janko Kersnik	Ponkrčev oča	1882	2.184
17.	Janko Kersnik	Mačkova očeta	1886	1.601
18.	Janko Kersnik	Jara gospoda	1893	19.015
19.	Alojz Kraigher	Peter Drozeg	1916	19.994
20.	Tomo Križnar	O iskanju ljubezni	1989	132.098
21.	Tomo Križnar	Samotne sledi	1993	81.744
22.	Fran Levstik	Martin Krpan z Vrha	1858	5.682
23.	Fran Levstik	Popotovanje iz Litije do Čateža	1858	8.214
24.	Fran Levstik	Sveti doktor Bežanec v Tožbanji vasi	1870	11.293
25.	Milan Lipovec	Čubejska prigoda	1972	7.153
26.	Florjan Lipuš	Zmote dijaka Tjaža	1972	51.203
27.	Florjan Lipuš	Srčne pege	1991	52.864
28.	Miroslav Malovrh	Opatov praporščak	1903	51.420
29.	Fran Maselj Podlimbarski	Gorski potoki	1895	33.272
30.	Ivan Pregelj	Mlada Breda	1913	84.350
31.	Ivan Pregelj	Thabiti Kumi	1933	9.362
32.	Prežihov Voranc	Boj na požiralniku	1935	10.435
33.	Prežihov Voranc	Samorastniki	1937	12.949
34.	Marijan Pusavec	Zbiralec nasmehov	1991	30.518
35.	Ivan Sivec	Kruh ponoči spi	1994	49.047
36.	Ivan Sivec	Triglavski kralj	1994	59.604
37.	Jakob Sket	Miklova Zala	1884	35.471
38.	Josip Stritar	Rosana	1877	18.344
39.	Rudi Šeligo	Triptih Agate Schwarzkobler	1968	25.739
40.	Gustav Šilih	Beli dvor	1938	131.661
41.	Damijan Šinigoj	Neizstreljeni naboj	1994	94.375
42.	Ivan Tavčar	Janez Sonce	1885	51.772
43.	Ivan Tavčar	Otok in struga	1897	16.118
44.	Ivan Tavčar	Cvetje v jeseni	1917	26.349
45.	Janez Trdina	Bajke in povesti o Gorjancih	1888	59.241
46.	Ivan Zorec	Izgnani menihi	1937	49.676
47.	Christian Andersen	Andersenove pravljice	1992	53.216	Janko Moder
48.	Lewis Carroll	Alica v ogledalu	1978	27.410	Gitica Jakopin
49.	Lewis Carroll	Aličine prigode v čudežni deželi	1983	23.443	Gitica Jakopin
50.	Robert Cringely	Naključni imperiji	1995	100.475	Primož Jakopin
51.	Alexandre Dumas	Trije mušketirji	1995	55.734	Tomo Virk
52.	Gustave Flaubert	Bouvard in Pécuchet	1995	85.702	Stane Ivanc
53.	Peter Handke	Ponovitev	1988	65.259	Silvija Borovnik
54.	Jordan Horowitz	Kako vzgojiti očeta	1994	25.188	Mira Hladnik
55.	George Mikes	Priročnik za snobe	1994	29.125	Mitja Meršol
56.	Libuše Moníková	Fasada	1994	113.764	Štefan Vevar
57.	George Orwell	1984	1983	91.022	Alenka Puhar
58.	Platon	Država	1976	92.844	Jože Košar
59.		Sveto pismo Nove zaveze	1984	149.338	več prevajalcev
60.	Jules Verne	V osemdesetih dneh okoli sveta	1996	54.003	F.Stopar, M.Medvedšek
	Skupaj			2.721.416	besed

Knjige obsegajo časovni razpon od 1858 do 1996, se pravi zadnjih 138 let, s tem da je četrtina (15) iz 19. stoletja, približno polovica (29) pa je novejša, iz časa po letu 1962. Dela so razvrščena po abecedi avtorjev, znotraj istega avtorja pa kronološko. Pri izvirnih delih je navedeno leto prve objave posameznega dela, tudi če je bil kot podlaga za prenos v elektronsko obliko uporabljen kasnejši ponatis.    

Knjige so bile v različnih formatih, od formata HTML pri večini del iz Hladnikove zbirke, do formata programa WordStar, s katerim si očitno pomaga še veliko piscev, Microsoftovega izmenjalnega formata RTF, internega formata programov Word in WordPerfect, nekaj datotek je bilo pa celo v formatih avtorjevih programov STEVE in EVA. Konverzija je bila v vseh primerih opravljena s programom EVA.

Vsa dela seveda niso leposlovna v najstrožjem pomenu. Dilema nastane predvsem pri spominski literaturi in pri potopisih, kjer je črto dostikrat težko potegniti. Vključenih je tudi 14 prevodov, tako zaradi količine kot zaradi večje zaokroženosti vzorca. Nekaj del, ki jih je avtor še imel, pa so bila že zelo esejistična, v vzorec ni vključenih. Žal tudi ni prišla v poštev precej obsežna zbirka sicer neleposlovnih besedil, ki jo je zbrala M. Zorman za izdelavo svoje disertacije (Zorman 1997).

2.1.2 Drugi vzorec

Ta vzorec vsebuje vsa objavljena dela Cirila Kosmača; od leta 1931 do 1988. Kot pri prvem vzorcu je popoln popis z vsemi bibliografskimi podatki naveden v prilogi (priloga B, stran 109 in 110), kratek pregled pa v tabeli 3 na naslednji strani. Pri zbiranju Kosmačeve bibliografije sta bila uporabljena dva vira - popisa Helge Glušičeve (Glušič 1975: 22) in Ivana Cesarja (Cesar 1981). Dela so razvrščena približno kronološko po nastanku oz. objavi zadnje različice, kadar je bilo različic (npr. pri Baladi) več.

Tabela 3: Dela drugega vzorca z letom prvega izida in številom besed

1.	Božična noč v ječi	1931	648
2.	Študenta Petra povest o materi	1932/33	2.347
3.	Potepuh Najdu	1932/33	3.170
4.	V znamenju rojstva in prerojenja	1932	1.212
5.	Božično pismo iz celice 589	1932	1.837
6.	Gornje mesto	1933	1.581
7.	Velika nedelja	1933	3.643
8.	Hodil po zemlji sem naši ...	1933	5.567
9.	Kraška simfonija	1933	2.914
10.	Cerkovnik Martin	1933	3.951
11.	Na sveti večer	1934	2.507
12.	Reka	1934	1.179
13.	Hiša št. 14	1934	12.925
14.	Ogorek	1935	3.168
15.	Obisk	1935	2.860
16.	Zločin Bernarda Tula	1935	3.027
17.	Prazna ptičnica	1935(1988)	26.476
18.	Človek na zemlji	1935	16.058
19.	Sreča	1936	5.348
20.	Gosenica	1936	4.738
21.	Kruh	1936	2.630
22.	Življenje in delo Venca Poviškaja	1937	19.539
23.	15. marec 1937	1937	2.283
24.	Tistega lepega dne	1938	7.669
25.	Zlato	1941	2.910
26.	Dragičeva smrt	1946	2.484
27.	Poletje	1947	1.759
28.	Očka Orel	1947	12.450
29.	Težka nedelja	1948	15.268
30.	Na svoji zemlji	1949	30.885
31.	Beli konj	1956	1.407
32.	V žagi	1950	4.983
33.	Hudo je, človek moj	1950	7.959
34.	Smrt nedolžnega velikana	1952	15.722
35.	Pot v Tolmin	1953	12.579
36.	Pomladni dan	1953	61.567
37.	Mož, ki ni poznal obupa	1953	1.064
38.	Žuželjč in njegova krava	1953	1.670
39.	Prvi prizor	1953	2.109
40.	Pomlad s čapljo	1953	4.443
41.	Sredi vasi	1956	1.853
42.	Kovač in hudič	1959	6.296
43.	Medvejke	1959	1.651
44.	Ozimina	1959	4.257
45.	Utrinki iz ječe	1959	1.449
46.	Klopotec	1960	2.375
47.	Tantadruj	1964	13.791
48.	Balada o trobenti in oblaku	1964	45.012
49.	V gaju	1972	2.628
50.	Ringaraja	1972	3.997
51.	Kamen in njiva	1984	5.302
52.	Pravljica o maku	1984	3.451
	Skupaj		407.938	besed

S prenosom gradiva v elektronsko obliko je avtor začel že v začetku osemdesetih let, ob pomoči Melite Ambrožič in Jureta Dimca (Pomladni dan, Balada, Tantadruj) - s pretipkavanjem na terminalih univerzitetnega računalnika DEC-10, večji del, ki je še ostal, pa je bil prenesen v letu 1997. Vnos je tokrat opravil avtor, v pretežni meri strojno (z bralnikom slike Microtek in z optičnim prepoznavanjem znakov s programom EVA), na Inštitutu za slovenski jezik ZRC SAZU. Le tiste redke predvojne tiske, ki niso smeli iz prostorov Narodne in univerzitetne knjižnice, predvsem iz časopisa Istra, je tam na prenosni računalnik pretipkala Lučka Uršič. Pri tem ji je malo pomagala Marija Jakopin, ki je tudi pretipkala dve črtici iz časopisa Delo. Vneseno besedilo je potem prebrala in popravila Lučka Uršič.

Izvzeto ni nobeno znano Kosmačevo delo - vključeni sta tudi zadnji dve deli v seznamu (51 in 52), ki sta, dopolnjeni, izšli po smrti in tudi Prazna ptičnica, ki je pisec očitno ni nameraval objaviti, pa je bila tako prvič natisnjena šele leta 1988.

2.1.3 Vzorca kot del celote

Pri vrednotenju rezultatov, ki nastanejo pri obdelavi vzorca in ne celote, se vedno pojavi tudi vprašanje, kolikšen delež celote predstavlja vzorec. Z vprašanjem števila in obsega vseh slovenskih leposlovnih del se, kot vse kaže, še nihče ni resneje ukvarjal.

Tabela 4: Popis leposlovnih izvirnih knjig in prevodov ter vseh knjig in prevodov

1919	37	16	190	20
1920	36	19	196	27
1921	38	24	232	35
1922	46	28	268	46
1923	65	40	295	55
1924	29	29	209	45
1925	34	39	249	54
1926	44	35	230	40
1927	39	27	266	29
1928	39	25	255	30
1929	56	31	265	48
1930	57	48	238	57
1931	63	69	249	81
1932	57	45	244	53
1933	58	50	232	55
1934	65	54	220	61
1935	54	36	175	45
1945-47	185	156	1116	346
1948	41	43	471	119
1949	75	40	487	88
1950	71	64	679	109
1951	64	77	854	110
1952	67	83	723	110
1953	70	62	956	87
1954	69	101	1077	116
1955	97	119	934	138
1956	109	107	811	139
1957	92	125	874	144
1958	96	108	864	152
1959	98	165	865	203
1960	97	141	981	189
1961	120	165	1036	214
1962	117	217	1040	272
1963	142	220	1007	263
1964	131	231	1201	280
1965	208	254	1265	322
1966	175	263	1098	356
1967	156	263	1102	438
1968	178	216	1304	358
1969	203	231	1194	425
1970	186	252	1446	453
1971	207	275	1633	491
1972	270	223	1649	352
1973	276	277	1802	471
1974	244	252	1855	439
1975	333	296	1759	493
1976	446	264	1838	497
1977	276	224	1784	389
1978	128	243	1669	421
1979	288	236	1859	408
Skupaj	6.132	6.608	43.246	10.173

Dobro je obdelano obdobje od 1919 do 1935 (Pivec-Stele 1936), tabele za posamezna leta v razdobju 1945-1979 pa je mogoče najti v slovenskih bibliografijah (Slovenska bibliografija 1945 ... 1979), ki jih je izdajal NUK za posamezna koledarska leta. Izvleček je naveden v tabeli 4 na prejšnji strani. Sklepamo lahko, da predstavlja časovni razpon iz tabele 4, 52 let, večji del slovenske leposlovne produkcije, saj tendenca rasti v zadnjih dveh desetletjih ni šla vedno samo navzgor (npr. Kodrič-Dačić 1997: str. 32). Približna ocena, ki jo je za celotno število slovenskih leposlovnih knjižnih del podala Anka Sollner-Perdih iz slavistične knjižnice Filozofske fakultete v Ljubljani, namreč število 12.000 (med 11.500 in 12.500), se po vsem tem ne zdi več optimistično pretirana, ampak blizu resnice. Oba vzorca skupaj potem predstavljata med 0.5 in 1 % celote, po obsegu pa, ker vsebuje celota tudi znaten delež pesniških zbirk, ki so krajše od proznih besedil, verjetno bliže 1 %. Celoto, dosedanji slovenski knjižni leposlovni opus, lahko tako ocenimo na velikostni red 300.000.000 besed. Delež obeh vzorcev skupaj med slovenskimi proznimi deli večje teže, ki jih je približno 500 (Lah 1997), je verjetno še večji.

2.2 Strojna in sistemska programska oprema

Naloga je bila izvedena predvsem na navadnem prenosnem računalniku, ki ga ima avtor na uporabo od Inštituta za slovenski jezik ZRC SAZU v Ljubljani (ISJ). Nekaj tabel je bilo izračunanih na namiznem računalniku ISJ, za vnos besedil je bil uporabljen starejši namizni računalnik na ISJ z bralnikom slike, za ročno preverjanje besedil pa isti računalnik. Pri preverjanju oblikoslovnih oznak je bil uporabljen najprej namizni računalnik na ISJ, zadnjih nekaj mesecev pa njegov novejši naslednik na ISJ.

Pri sestavljanju in preizkušanju pregibalnih shem in pri poizvedbah na internetu je bil uporabljen avtorjev računalnik na Filozofski fakulteti v Ljubljani. Za vnos knjige Devet fantov in eno dekle je služil namizni računalnik v knjižnici Oddelka za zgodovino na Filozofski fakulteti z bralnikom slike.

Izračun entropij n-terčkov obeh vzorcev je bil opravljen na strežniku Narodne in univerzitetne knjižnice v Ljubljani (Pentium Pro 2 x 400 MHz, 512 MB pomnilnika, Windows NT). Pri tem se je zelo obnesla tudi hitra povezava med NUK in ZRC SAZU (500 KB/sek). Pretipkavanje besedil v NUK je potekalo na starejšem prenosnem računalniku Marije Jakopin.

Vnos prvih treh knjig Cirila Kosmača je potekal na terminalih, priključenih na računalnik DEC-10 v Računskem centru Univerze v Ljubljani.

2.3 Programska oprema

Disertacija je bila skoraj v celoti, vključno z besedilom naloge, izdelana z urejevalnikom EVA (http://www.uni-lj.si/~ffjakopin/hp_eng.html#eva, Jakopin 1995c), ki je bil v ta namen dopolnjen z vsemi potrebnimi orodji. Uporabljeni sta bili najprej verzija za DOS, v letu 1998 pa verzija za Windows 95, obe napisani v jeziku C (Zortech C oz. Visual C). Iskalni program za pregledovanje priloge Č na internetu je EVA-CGI. Edina druga programska oprema je bil program za prepoznavanje znakov Recognita, s katerim je bil vnešen roman Devet fantov in eno dekle.