TED2007
Erin McKean: The joy of lexicography
Erina Makīna: Leksikogrāfijas prieki
Filmed:
Readability: 3.3
1,271,097 views
Vai iecienītajai papīra vārdnīcai draud iznīcība? Šajā lipīgi saistošajā runā vadošā leksikogrāfe Erina Makīna apskata daudzos veidus, kā mūsdienu drukāto vārdnīcu gaida pārvērtības.
Erin McKean - Dictionary editor
As the co-founder of Reverb Technologies, the maker of the online dictionary Wordnik, Erin McKean is reshaping how we interact with language itself. Full bio
As the co-founder of Reverb Technologies, the maker of the online dictionary Wordnik, Erin McKean is reshaping how we interact with language itself. Full bio
Double-click the English transcript below to play the video.
00:25
Now, have any of y'all ever looked up this word?
0
0
4000
Vai kāds no jums kādreiz ir sameklējis šo vārdu?
00:29
You know, in a dictionary? (Laughter) Yeah, that's what I thought.
1
4000
4000
Nu, vārdnīcā? (Smiekli)
Jā, tā jau man likās.
Jā, tā jau man likās.
00:33
How about this word?
2
8000
2000
Un kā ar šo vārdu?
00:35
Here, I'll show it to you.
3
10000
1000
Re, es parādīšu:
00:36
Lexicography: the practice of compiling dictionaries.
4
11000
3000
Leksikogrāfija: vārdnīcu sastādīšanas prakse
00:39
Notice -- we're very specific -- that word "compile."
5
14000
3000
Ievērojiet, mēs esam ļoti konkrēti.
Vārds „sastādīt”.
Vārds „sastādīt”.
00:42
The dictionary is not carved out of a piece of granite,
6
17000
3000
Vārdnīcu neizgrebj no granīta gabala,
00:45
out of a lump of rock. It's made up of lots of little bits.
7
20000
3000
no akmens kluča.
To veido no daudzām mazām daļiņām.
To veido no daudzām mazām daļiņām.
00:48
It's little discrete --
8
23000
1000
Mazām nošķirtām,
00:49
that's spelled D-I-S-C-R-E-T-E -- bits.
9
24000
4000
rakstās N-O-Š-Ķ-I-R-T-Ā-M, daļiņām.
00:53
And those bits are words.
10
28000
2000
Šīs daļiņas ir vārdi.
00:55
Now one of the perks of being a lexicographer --
11
30000
4000
Viena no leksikogrāfa priekšrocībām,
00:59
besides getting to come to TED -- is that you get to say really fun words,
12
34000
3000
atskaitot iespēju nākt uz TED,
ir iespēja izrunāt patiesi jokainus vārdus,
ir iespēja izrunāt patiesi jokainus vārdus,
01:02
like lexicographical.
13
37000
3000
piemēram, leksikogrāfisks.
01:05
Lexicographical has this great pattern:
14
40000
2000
Leksikogrāfiskam ir tāds lielisks ritms:
01:07
it's called a double dactyl. And just by saying double dactyl,
15
42000
2000
to sauc par divkāršo daktilu.
Vien pasakot „divkāršais daktils”,
Vien pasakot „divkāršais daktils”,
01:09
I've sent the geek needle all the way into the red. (Laughter) (Applause)
16
44000
3000
nūģu skalas rādītājs aizšaujas
uz pašu galu. (Smiekli) (Aplausi)
uz pašu galu. (Smiekli) (Aplausi)
01:12
But "lexicographical" is the same pattern as "higgledy-piggledy."
17
47000
4000
Bet vārdam „leksikogrāfisks”
ir tāds pats ritms kā „tūdaliņ tāgadiņ”.
ir tāds pats ritms kā „tūdaliņ tāgadiņ”.
01:16
Right? It's a fun word to say,
18
51000
2000
Vai ne? To izrunāt ir ļoti jokaini
01:18
and I get to say it a lot.
19
53000
3000
un man to sanāk teikt bieži.
01:21
Now, one of the non-perks of being a lexicographer
20
56000
3000
Viens no leksikogrāfa trūkumiem
01:24
is that people don't usually have a kind of warm, fuzzy, snuggly image of the dictionary.
21
59000
5000
ir, ka cilvēkiem par vārdnīcu parasti nav
tāda jauka, pūkaina un mīlīga iespaida.
tāda jauka, pūkaina un mīlīga iespaida.
01:29
Right? Nobody hugs their dictionaries.
22
64000
3000
Vai ne? Neviens nesamīļo savas vārdnīcas.
01:32
But what people really often think about the dictionary is, they think more like this.
23
67000
7000
Cilvēki par vārdnīcām biežāk domā ko šādu.
01:39
Just to let you know, I do not have a lexicographical whistle.
24
74000
3000
Tīri jūsu zināšanai,
man nav leksikogrāfiskās svilpes.
man nav leksikogrāfiskās svilpes.
01:42
But people think that my job is to let the good words
25
77000
2000
Bet cilvēki domā, ka mans darbs
ir ļaut labajiem vārdiem
ir ļaut labajiem vārdiem
01:44
make that difficult left-hand turn into the dictionary,
26
79000
3000
veikt šo grūto kreiso pagriezienu uz vārdnīcu,
01:47
and keep the bad words out.
27
82000
2000
un nelaist iekšā sliktos vārdus.
01:49
But the thing is, I don't want to be a traffic cop.
28
84000
3000
Bet lieta tāda, ka es
negribu būt satiksmes regulētāja.
negribu būt satiksmes regulētāja.
01:52
For one thing, I just do not do uniforms.
29
87000
4000
Kaut vai tāpēc,
ka man nepiestāv formas tērps.
ka man nepiestāv formas tērps.
01:56
And for another, deciding what words are good
30
91000
4000
Turklāt arī lemšana par to,
kuri vārdi ir labi
kuri vārdi ir labi
02:00
and what words are bad is actually not very easy.
31
95000
2000
un kuri ir slikti, nav nemaz tik viegla.
02:02
And it's not very fun. And when parts of your job are not easy or fun,
32
97000
4000
Tas arī nav diez ko interesanti.
Kad daļa darba nav ne viegla, ne patīkama,
Kad daļa darba nav ne viegla, ne patīkama,
02:06
you kind of look for an excuse not to do them.
33
101000
3000
jūs sākat meklēt attaisnojumus to nedarīt.
02:09
So if I had to think of some kind of occupation
34
104000
5000
Tāpēc, ja man būtu jāizdomā kāda nodarbošanās
02:14
as a metaphor for my work, I would much rather be a fisherman.
35
109000
6000
kā metafora manam darbam,
es daudz labprātāk būtu zvejniece.
es daudz labprātāk būtu zvejniece.
02:20
I want to throw my big net into the deep, blue ocean of English
36
115000
3000
Es vēlos iesviest savu lielo tīklu
dziļajā un zilajā angļu valodas okeānā
dziļajā un zilajā angļu valodas okeānā
02:23
and see what marvelous creatures I can drag up from the bottom.
37
118000
4000
un skatīties, kādus brīnumainus radījumus
varu izvilkt no dzelmes.
varu izvilkt no dzelmes.
02:27
But why do people want me to direct traffic, when I would much rather go fishing?
38
122000
5000
Bet kāpēc cilvēki grib, lai es regulēju satiksmi,
ja es daudz labprātāk dotos zvejot?
ja es daudz labprātāk dotos zvejot?
02:32
Well, I blame the Queen.
39
127000
2000
Es vainoju karalieni.
02:34
Why do I blame the Queen?
40
129000
2000
Kāpēc es vainoju karalieni?
02:36
Well, first of all, I blame the Queen because it's funny.
41
131000
2000
Pirmkārt, es vainoju karalieni, jo tas ir smieklīgi.
02:38
But secondly, I blame the Queen because
42
133000
3000
Bet otrkārt, es vainoju karalieni, jo
02:41
dictionaries have really not changed.
43
136000
2000
vārdnīcas nav īsti mainījušās.
02:43
Our idea of what a dictionary is has not changed since her reign.
44
138000
2000
Mūsu uzskati par to, kas ir vārdnīca,
nav mainījušies kopš viņas valdīšanas.
nav mainījušies kopš viņas valdīšanas.
02:45
The only thing that Queen Victoria would not be amused by in modern dictionaries
45
140000
6000
Vienīgais, kas Karalieni Viktoriju mūsdienu vārdnīcās neiepriecinātu
02:51
is our inclusion of the F-word, which has happened
46
146000
3000
ir tas, ka mēs iekļaujam f-vārdu,
kas amerikāņu vārdnīcās
kas amerikāņu vārdnīcās
02:54
in American dictionaries since 1965.
47
149000
2000
notiek jau kopš 1965. gada.
02:56
So, there's this guy, right? Victorian era.
48
151000
3000
Mums ir šis čalis, ja? Viktorijas ēra.
02:59
James Murray, first editor of the Oxford English Dictionary.
49
154000
2000
Džeimss Murejs, pirmais Oksfordas angļu valodas vārdnīcas redaktors.
03:01
I do not have that hat. I wish I had that hat.
50
156000
3000
Man nav tās cepures.
Kaut man tāda būtu. (Smiekli)
Kaut man tāda būtu. (Smiekli)
03:04
So he's really responsible for a lot of
51
159000
4000
Viņš ir atbildīgs par lielu daļu tā,
03:08
what we consider modern in dictionaries today.
52
163000
2000
ko mēs vārdnīcās uzskatām par mūsdienīgu.
03:10
When a guy who looks like that, in that hat,
53
165000
3000
Kad čalis, kas izskatās tā un valkā šādu cepuri,
03:13
is the face of modernity, you have a problem.
54
168000
7000
ir mūsdienīguma seja, mums ir problēma.
03:20
And so, James Murray could get a job on any dictionary today.
55
175000
2000
Džeimss Murejs varētu strādāt
jebkuras šodienas vārdnīcas izveidē.
jebkuras šodienas vārdnīcas izveidē.
03:22
There'd be virtually no learning curve.
56
177000
3000
Nebūtu tikpat kā nekas jauns, ko apgūt.
03:25
And of course, a few of us are saying: okay, computers!
57
180000
2000
Protams, daži no mums saka: Datori!
03:27
Computers! What about computers?
58
182000
2000
Datori! Kā ir ar datoriem?
03:29
The thing about computers is, I love computers.
59
184000
2000
Ar datoriem ir lieta tāda, es mīlu datorus.
03:31
I mean, I'm a huge geek, I love computers.
60
186000
2000
Esmu milzīga nūģe, es dievinu datorus.
03:33
I would go on a hunger strike before I let them take away Google Book Search from me.
61
188000
4000
Es sāktu badastreiku pirms kādam
ļautu man atņemt Google grāmatu meklētāju.
ļautu man atņemt Google grāmatu meklētāju.
03:37
But computers don't do much else other than
62
192000
2000
Bet datori nedara daudz ko citu, kā tikai
03:39
speed up the process of compiling dictionaries.
63
194000
4000
paātrina vārdnīcu sastādīšanas procesu.
03:43
They don't change the end result.
64
198000
4000
Tie nemaina gala rezultātu.
03:47
Because what a dictionary is,
65
202000
3000
Jo vārdnīca ir kas?
03:50
is it's Victorian design merged with a little bit of modern propulsion.
66
205000
3000
Tā ir Viktorijas laika dizains ar mazliet mūsdienu piesitienu.
03:53
It's steampunk. What we have is an electric velocipede.
67
208000
6000
Tā ir stīmpanks. Mums ir elektrisks velosipēds.
03:59
You know, we have Victorian design with an engine on it. That's all!
68
214000
3000
Viktorijas dizains ar tam piekabinātu dzinēju. Viss!
04:02
The design has not changed.
69
217000
3000
Dizains nav mainījies.
04:05
And OK, what about online dictionaries, right?
70
220000
2000
Labi, kā tad ir ar Interneta vārdnīcām, vai ne?
04:07
Online dictionaries must be different.
71
222000
3000
Tām taču jābūt citādākām.
04:10
This is the Oxford English Dictionary Online, one of the best online dictionaries.
72
225000
2000
Lūk, Oksfordas tiešsaistes angļu valodas vārdnīca,
viena no labākajām tiešsaistes vārdnīcām.
viena no labākajām tiešsaistes vārdnīcām.
04:12
This is my favorite word, by the way.
73
227000
1000
Šis ir mans mīļākais vārds, starp citu:
04:13
Erinaceous: pertaining to the hedgehog family; of the nature of a hedgehog.
74
228000
5000
Ežveidīgs (Erinaceous): saistīts ar ežu dzimtu; ezim līdzīgs.
04:18
Very useful word. So, look at that.
75
233000
6000
Ļoti noderīgs vārds. Paskatieties!
04:24
Online dictionaries right now are paper thrown up on a screen.
76
239000
2000
Interneta vārdnīcas ir uz ekrāna uzsviests papīrs.
04:26
This is flat. Look how many links there are in the actual entry: two!
77
241000
5000
Plakanas. Re, cik saites ir pašā ierakstā: divas!
04:31
Right? Those little buttons,
78
246000
2000
Vai ne? Tās mazās podziņa,
04:33
I had them all expanded except for the date chart.
79
248000
3000
man tās visas ir izplestas izņemot datumu grafiku.
04:36
So there's not very much going on here.
80
251000
2000
Tur nekas daudz nenotiek.
04:38
There's not a lot of clickiness.
81
253000
2000
Nav daudz klikšķināmības.
04:40
And in fact, online dictionaries replicate
82
255000
3000
Interneta vārdnīcas faktiski atkārto
04:43
almost all the problems of print, except for searchability.
83
258000
3000
gandrīz visas drukas problēmas, izņemot meklējamību.
04:46
And when you improve searchability,
84
261000
2000
Uzlabojot meklējamību,
04:48
you actually take away the one advantage of print, which is serendipity.
85
263000
3000
tiek atņemta vienīgā drukas priekšrocība, kas ir atklātspēja.
04:51
Serendipity is when you find things you weren't looking for,
86
266000
3000
atklātspēja ir tad, kad atrodi lietas, ko nemeklēji,
04:54
because finding what you are looking for is so damned difficult.
87
269000
3000
jo tas, ko meklēji, ir tik sasodīti neatrodams.
04:57
So -- (Laughter) (Applause) -- now, when you think about this,
88
272000
9000
Tātad... (Smiekli) (Aplausi) ... ja tā padomā,
05:06
what we have here is a ham butt problem.
89
281000
3000
mums te ir stilba gala problēma.
05:09
Does everyone know the ham butt problem?
90
284000
2000
Vai visi zina stilba gala problēmu?
05:11
Woman's making a ham for a big, family dinner.
91
286000
2000
Sieviete cep cūkas stilbu lielajām ģimenes vakariņām.
05:13
She goes to cut the butt off the ham and throw it away,
92
288000
2000
Viņa nogriež galu un izmet to,
05:15
and she looks at this piece of ham and she's like,
93
290000
1000
tad paskatās uz to gabalu un domā:
05:16
"This is a perfectly good piece of ham. Why am I throwing this away?"
94
291000
2000
„Pavisam laba gaļiņa. Kāpēc es to metu ārā?”
05:18
She thought, "Well, my mom always did this."
95
293000
2000
„Nu, mana māte tā vienmēr darīja,” viņa nodomā.
05:20
So she calls up mom, and she says,
96
295000
1000
Tā nu viņa piezvana mammai un prasa:
05:21
"Mom, why'd you cut the butt off the ham, when you're making a ham?"
97
296000
2000
„Mamm, kāpēc tu griez nost stilbam galu, kad cep gaļu?”
05:23
She says, "I don't know, my mom always did it!"
98
298000
3000
Mamma atbild: „Es nezinu, tā vienmēr darīja mana mamma!”
05:26
So they call grandma, and grandma says,
99
301000
2000
Tā nu viņas piezvana vecmammai, un vecmamma saka:
05:28
"My pan was too small!" (Laughter)
100
303000
4000
„Man panna bija par mazu!” (Smiekli)
05:32
So, it's not that we have good words and bad words.
101
307000
4000
Nav tā, ka mums būtu labi un slikti vārdi.
05:36
We have a pan that's too small!
102
311000
3000
Mums vienkārši ir pārāk maza panna!
05:39
You know, that ham butt is delicious! There's no reason to throw it away.
103
314000
2000
Tas gaļas gabals ir gards! Nav nekāda iemesla to izmest.
05:41
The bad words -- see, when people think about a place
104
316000
3000
Sliktie vārdi. Redziet, cilvēkiem domājot par kādu vietu,
05:44
and they don't find a place on the map,
105
319000
2000
ko viņi nevar atrast kartē,
05:46
they think, "This map sucks!"
106
321000
2000
viņi domā: „Šī karte nekam neder!”
05:48
When they find a nightspot or a bar, and it's not in the guidebook,
107
323000
2000
Viņiem atrodot kādu klubu vai bāru, kas nav ceļvedī,
05:50
they're like, "Ooh, this place must be cool! It's not in the guidebook."
108
325000
3000
tie nodomā: „Oo, noteikti stilīga vieta! Tās nav ceļvedī.”
05:53
When they find a word that's not in the dictionary, they think,
109
328000
3000
Atrodot kādu vārdu, kas nav vārdnīcā, cilvēki domā:
05:56
"This must be a bad word." Why? It's more likely to be a bad dictionary.
110
331000
5000
„Tas noteikti ir slikts vārds.” Kāpēc? Tā drīzāk ir slikta vārdnīca.
06:01
Why are you blaming the ham for being too big for the pan?
111
336000
5000
Kāpēc jāvaino gaļa par to, ka tā ir pārāk liela, lai ietilptu pannā?
06:06
So, you can't get a smaller ham.
112
341000
3000
Nevar dabūt mazāku gabalu.
06:09
The English language is as big as it is.
113
344000
3000
Angļu valoda ir tik, cik liela tā ir.
06:12
So, if you have a ham butt problem,
114
347000
2000
Ja jums ir stilba gala problēma,
06:14
and you're thinking about the ham butt problem,
115
349000
2000
un jūs domājat par stilba gala problēmu,
06:16
the conclusion that it leads you to is inexorable and counterintuitive:
116
351000
5000
tad secinājums, kurš izriet, ir nenovēršams un pretintuitīvs:
06:21
paper is the enemy of words.
117
356000
3000
papīrs ir vārdu ienaidnieks.
06:24
How can this be? I mean, I love books. I really love books.
118
359000
4000
Kā tas var būt? Man patīk grāmatas. Man ļoti patīk grāmatas.
06:28
Some of my best friends are books.
119
363000
2000
Daži no maniem labākajiem draugiem ir grāmatas.
06:30
But the book is not the best shape for the dictionary.
120
365000
5000
Bet grāmata nav labākā forma vārdnīcai.
06:35
Now they're going to think "Oh, boy.
121
370000
2000
Tagad kāds padomās: „Jēziņ.
06:37
People are going to take away my beautiful, paper dictionaries?"
122
372000
3000
Kāds man atņems manas skaistās papīra vārdnīcas?”
06:40
No. There will still be paper dictionaries.
123
375000
2000
Nē. Arvien vēl būs papīra vārdnīcas.
06:42
When we had cars -- when cars became the dominant mode of transportation,
124
377000
4000
Kad mums bija mašīnas, kad mašīnas
kļuva par galveno pārvietošanās līdzekli,
kļuva par galveno pārvietošanās līdzekli,
06:46
we didn't round up all the horses and shoot them.
125
381000
3000
mēs taču nesadzinām kopā visus zirgus un nenošāvām.
06:49
You know, there're still going to be paper dictionaries,
126
384000
2000
Protams, ka vēl būs papīra vārdnīcas,
06:51
but it's not going to be the dominant dictionary.
127
386000
3000
bet tas nebūs galvenais vārdnīcas formāts.
06:54
The book-shaped dictionary is not going to be the only shape
128
389000
3000
Grāmatveida vārdnīca nebūs vienīgais veids,
06:57
dictionaries come in. And it's not going to be
129
392000
2000
kādā pastāvēs vārdnīcas. Un tā nekalpos par
06:59
the prototype for the shapes dictionaries come in.
130
394000
4000
prototipu visām citām vārdnīcu formām.
07:03
So, think about it this way: if you've got an artificial constraint,
131
398000
4000
Padomājiet par to šādi: jums ir mākslīgs ierobežojums,
07:07
artificial constraints lead to
132
402000
4000
mākslīgi ierobežojumi noved pie
07:11
arbitrary distinctions and a skewed worldview.
133
406000
4000
arbitrārām atšķirībām un greizu pasaules skatījumu.
07:15
What if biologists could only study animals
134
410000
3000
Kā būtu, ja biologi varētu pētīt tikai dzīvniekus,
07:18
that made people go, "Aww." Right?
135
413000
2000
kas liek cilvēkiem teikt, „Ouu.” Vai ne?
07:20
What if we made aesthetic judgments about animals,
136
415000
2000
Ja nu mēs veiktu estētiskus spriedumus par dzīvniekiem,
07:22
and only the ones we thought were cute were the ones that we could study?
137
417000
5000
un tikai tie, kas mums šķiet piemīlīgi, būtu tie, ko drīkst pētīt?
07:27
We'd know a whole lot about charismatic megafauna,
138
422000
4000
Mēs zinātu ļoti daudz par harizmātisko megafaunu,
07:31
and not very much about much else.
139
426000
2000
un ļoti maz par visu pārējo.
07:33
And I think this is a problem.
140
428000
2000
Manuprāt, tā ir problēma.
07:35
I think we should study all the words,
141
430000
2000
Es uzskatu, ka mums būtu jāpēta visi vārdi,
07:37
because when you think about words, you can make beautiful expressions
142
432000
5000
jo, domājot par vārdiem, var veidot skaistas izpausmes
07:42
from very humble parts.
143
437000
4000
no ļoti pieticīgām daļām.
07:46
Lexicography is really more about material science.
144
441000
4000
Leksikogrāfija ir drīzāk līdzīgāka materiālzinātnei.
07:50
We are studying the tolerances of the materials
145
445000
3000
Mēs pētam materiālu izturību,
07:53
that you use to build the structure of your expression:
146
448000
3000
no kuriem cilvēki veido savas izteiksmes struktūru:
07:56
your speeches and your writing. And then, often people say to me,
147
451000
7000
savas runas un savu rakstību. Ļaudis bieži man saka:
08:03
"Well, OK, how do I know that this word is real?"
148
458000
5000
„Nu, labi, kā lai es zinu, ka šis vārds ir īsts?”
08:08
They think, "OK, if we think words are the tools
149
463000
7000
Viņi domā: „Labi, ja domājam, ka vārdi ir darbarīki,
08:15
that we use to build the expressions of our thoughts,
150
470000
2000
ar ko mēs veidojam savu domu izteiksmes,
08:17
how can you say that screwdrivers are better than hammers?
151
472000
3000
kā var teikt, ka skrūvgrieži ir labāki par āmuriem?
08:20
How can you say that a sledgehammer is better than a ball-peen hammer?"
152
475000
3000
Kā var teikt, ka veseris ir labāks par atslēdznieka āmuru?
08:23
They're just the right tools for the job.
153
478000
3000
Tiem katram ir savs pielietojums.”
08:26
And so people say to me, "How do I know if a word is real?"
154
481000
3000
Un tad nu man prasa, kā zināt, vai vārds ir īsts.
08:29
You know, anybody who's read a children's book
155
484000
3000
Katrs, kurš ir lasījis kādu bērnu grāmatu
08:32
knows that love makes things real.
156
487000
4000
zina, ka mīlestība padara lietas īstas.
08:36
If you love a word, use it. That makes it real.
157
491000
5000
Ja mīli kādu vārdu, lieto to. Tas to padara īstu.
08:41
Being in the dictionary is an artificial distinction.
158
496000
3000
Būšana vārdnīcā ir mākslīga pazīme.
08:44
It doesn't make a word any more real than any other way.
159
499000
3000
Tā nepadara vārdu īstāku kā jebkurš cits veids.
08:47
If you love a word, it becomes real.
160
502000
4000
Ja vārds ir mīlēts, tas kļūst īsts.
08:51
So if we're not worrying about directing traffic,
161
506000
3000
Tātad, ja mēs neregulējam satksmi,
08:54
if we've transcended paper, if we are worrying less
162
509000
5000
ja esam tikuši pāri papīram, ja uztraucamies mazāk
08:59
about control and more about description,
163
514000
4000
par kontroli un vairāk par aprakstu,
09:03
then we can think of the English language
164
518000
2000
mēs varam domāt par angļu valodu
09:05
as being this beautiful mobile.
165
520000
3000
kā par skaistu vējzvanu.
09:08
And any time one of those little parts of the mobile changes,
166
523000
2000
Ikreiz, kad viena no mazajām detaļām tajā mainās,
09:10
is touched, any time you touch a word,
167
525000
3000
tiek aizskarts — ikreiz, kad aizskar vārdu,
09:13
you use it in a new context, you give it a new connotation,
168
528000
2000
lieto to jaunā kontekstā, sniedz tam jaunu papildnozīmi,
09:15
you verb it, you make the mobile move.
169
530000
3000
to pārnes uz citu vārdšķiru — iekustini visu vējzvanu.
09:18
You didn't break it. It's just in a new position,
170
533000
4000
Tas nav salauzts, tikai jaunā stāvoklī,
09:22
and that new position can be just as beautiful.
171
537000
3000
un tas jaunais stāvoklis var būt tieši tik pat skaists.
09:25
Now, if you're no longer a traffic cop --
172
540000
4000
Tātad, ja jau vairs neesam satiksmes regulētāji,
09:29
the problem with being a traffic cop is
173
544000
2000
problēma ar regulētājiem ir tāda,
09:31
there can only be so many traffic cops in any one intersection,
174
546000
3000
ka vienā krustojumā nevar būt bezgala daudz regulētāju,
09:34
or the cars get confused. Right?
175
549000
3000
citādi braucēji apjūk. Vai ne?
09:37
But if your goal is no longer to direct the traffic,
176
552000
3000
Bet ja mērķis vairs nav vadīt satiksmi,
09:40
but maybe to count the cars that go by, then more eyeballs are better.
177
555000
4000
bet, varbūt, skaitīt mašīnas,
kas pabrauc garām, tad jo vairāk acu, jo labāk.
kas pabrauc garām, tad jo vairāk acu, jo labāk.
09:44
You can ask for help!
178
559000
2000
Tad var lūgt palīdzību!
09:46
If you ask for help, you get more done. And we really need help.
179
561000
4000
Palūdzot palīdzību, var izdarīt vairāk.
un mums tiešām vajag palīdzību.
un mums tiešām vajag palīdzību.
09:50
Library of Congress: 17 million books,
180
565000
3000
Kongresa bibliotēka: 17 miljoni grāmatu,
09:53
of which half are in English.
181
568000
3000
no kurām puse ir angliski.
09:56
If only one out of every 10 of those books
182
571000
4000
Ja kaut vienā no katrām desmit tām grāmatām
10:00
had a word that's not in the dictionary in it,
183
575000
2000
būtu vienu vārds, kas nav vārdnīcā,
10:02
that would be equivalent to more than two unabridged dictionaries.
184
577000
3000
tur sanāktu vairāk kā 2 nesaīsinātas vārdnīcas.
10:05
And I find an un-dictionaried word --
185
580000
3000
Es atrodu kādu neievārdnīcotu vārdu,
10:08
a word like "un-dictionaried," for example --
186
583000
2000
piemēram, „ne-ievārdnīcots”
10:10
in almost every book I read. What about newspapers?
187
585000
5000
gandrīz katrā grāmatā, ko izlasu. Kā ir ar avīzēm?
10:15
Newspaper archive goes back to 1759,
188
590000
5000
Avīžu arhīvs stiepjas līdz pat 1759. gadam,
10:20
58.1 million newspaper pages. If only one in 100
189
595000
5000
58,1 miljons avīžu lapu. Ja kaut vienā no katrām 100
10:25
of those pages had an un-dictionaried word on it,
190
600000
3000
to lapu būtu kāds neievārdnīcots vārds,
10:28
it would be an entire other OED.
191
603000
3000
sanāktu vēl viena vesela Oksfordas vārdnīca.
10:31
That's 500,000 more words. So that's a lot.
192
606000
5000
Tie ir vēl 500'000 vārdi. Tas tas ir daudz.
10:36
And I'm not even talking about magazines. I'm not talking about blogs --
193
611000
3000
Es pat nerunāju par žurnāliem, es nerunāju par emuāriem,
10:39
and I find more new words on BoingBoing in a given week
194
614000
2000
es BoingBoing jebkuru nedēļu atrodu vairāk jaunu vārdu
10:41
than I do Newsweek or Time.
195
616000
2000
nekā Newsweek vai Time.
10:43
There's a lot going on there.
196
618000
2000
Tur notiek daudz kas.
10:45
And I'm not even talking about polysemy,
197
620000
2000
Es pat nerunāju par polisēmiju,
10:47
which is the greedy habit some words have of taking
198
622000
3000
kas ir dažu vārdu alkatīgais ieradums sev savākt
10:50
more than one meaning for themselves.
199
625000
5000
vairāk kā vienu nozīmi.
10:55
So if you think of the word "set," a set can be a badger's burrow,
200
630000
4000
Piemēram vārds „set”, tas var būt āpša rakums,
10:59
a set can be one of the pleats in an Elizabethan ruff,
201
634000
3000
tā var būt viena no ielocēm Elizabetes laika apkaklē
11:02
and there's one numbered definition in the OED.
202
637000
2000
un tā ir tikai viena numurēta definīcija Oksfordas vārdnīcā.
11:04
The OED has 33 different numbered definitions for set.
203
639000
3000
Šai vārdnīcā ir 33 dažādas numurētās definīcijas vārdam „set”.
11:07
Tiny, little word, 33 numbered definitions.
204
642000
3000
Viens maziņš vārds, 33 numurētas definīcijas.
11:10
One of them is just labeled "miscellaneous technical senses."
205
645000
5000
Viena no tām ir „dažādas tehniskās nozīmes”.
11:15
Do you know what that says to me?
206
650000
1000
Zināt, ko tas man izsaka?
11:16
That says to me, it was Friday afternoon and somebody wanted to go down the pub. (Laughter)
207
651000
5000
Tas man izsaka, ka bija piektdienas vakars,
un kāds gribēja doties uz krogu. (Smiekli)
un kāds gribēja doties uz krogu. (Smiekli)
11:21
That's a lexicographical cop out,
208
656000
2000
Tā ir leksikogrāfiska izvairīšanās,
11:23
to say, "miscellaneous technical senses."
209
658000
2000
pateikt „dažādas tehniskās nozīmes”.
11:25
So, we have all these words, and we really need help!
210
660000
4000
Tātad, mums ir visi šie vārdi
un mums tiešām vajag palīdzību!
un mums tiešām vajag palīdzību!
11:29
And the thing is, we could ask for help --
211
664000
3000
Lieta tāda, mēs varētu palūgt palīdzību,
11:32
asking for help's not that hard.
212
667000
1000
lūgt palīdzību nav nemaz tik grūti.
11:33
I mean, lexicography is not rocket science.
213
668000
3000
Tas ir, leksikogrāfija nav raķešzinātne.
11:36
See, I just gave you a lot of words and a lot of numbers,
214
671000
3000
Redz, es jums tikko iedevu daudzus vārdus un skaitļus,
11:39
and this is more of a visual explanation.
215
674000
2000
un šis ir vairāk vizuāls skaidrojums.
11:41
If we think of the dictionary as being the map of the English language,
216
676000
3000
Ja domājam, ka vārdnīca ir angļu valodas karte,
11:44
these bright spots are what we know about,
217
679000
2000
šie gaišie punkti ir tas, ko mēs zinām,
11:46
and the dark spots are where we are in the dark.
218
681000
3000
un tumšās vietas ir tas, kas mums ir svešs.
11:49
If that was the map of all the words in American English, we don't know very much.
219
684000
5000
Ja tā būtu visu Amerikas angļu valodas vārdu karte,
mēs nezinām diži daudz.
mēs nezinām diži daudz.
11:54
And we don't even know the shape of the language.
220
689000
3000
Mēs pat nezinām valodas formu.
11:57
If this was the dictionary -- if this was the map of American English --
221
692000
3000
Ja šī būtu vārdnīca, ja šī būtu visas valodas karte,
12:00
look, we have a kind of lumpy idea of Florida,
222
695000
3000
rau, mums ir aptuvena nojausma par Floridu,
12:03
but there's no California!
223
698000
3000
bet Kalifornijas nav vispār!
12:06
We're missing California from American English.
224
701000
3000
Mums Amerikas angļu valodā trūkst Kalifornija.
12:09
We just don't know enough, and we don't even know that we're missing California.
225
704000
5000
Mēs nezinām pietiekami, un mēs pat nenojaušam,
ka mums pietrūkst Kalifornijas.
ka mums pietrūkst Kalifornijas.
12:14
We don't even see that there's a gap on the map.
226
709000
2000
Mēs pat neredzam, ka kartē ir atstarpe.
12:16
So again, lexicography is not rocket science.
227
711000
3000
Nu tad vēlreiz, leksikogrāfija nav raķešzinātne.
12:19
But even if it were, rocket science is being done
228
714000
3000
Bet pat ja būtu, mūsdienās ar raķešzinātni
12:22
by dedicated amateurs these days. You know?
229
717000
4000
nodarbojas aizrautīgi amatieri. Vai ne?
12:26
It can't be that hard to find some words!
230
721000
4000
Nevar taču būt tik grūti atrast dažus vārdus!
12:30
So, enough scientists in other disciplines
231
725000
3000
Tātad, pietiekami daudzi zinātnieku citās disciplīnās
12:33
are really asking people to help, and they're doing a good job of it.
232
728000
3000
tiešām prasa cilvēkiem palīdzību,
un viņiem diezgan labi izdodas.
un viņiem diezgan labi izdodas.
12:36
For instance, there's eBird, where amateur birdwatchers
233
731000
2000
Piemēram: ir eBird, kur amatieri putnu vērotāji
12:38
can upload information about their bird sightings.
234
733000
2000
var ielikt informāciju par saviem novērojumiem.
12:40
And then, ornithologists can go
235
735000
2000
Tad ornitologi var tur iegriezties
12:42
and help track populations, migrations, etc.
236
737000
3000
un palīdzēt sekot populācijām, migrācijām utt.
12:45
And there's this guy, Mike Oates. Mike Oates lives in the U.K.
237
740000
3000
Tad vēl ir šis puisis Maiks Outss.
Maiks Outss dzīvo Apvienotajā Karalistē.
Maiks Outss dzīvo Apvienotajā Karalistē.
12:48
He's a director of an electroplating company.
238
743000
4000
Viņš ir elektropārkājumu firmas direktors.
12:52
He's found more than 140 comets.
239
747000
3000
Viņš ir atradis vairāk nekā 140 komētu.
12:55
He's found so many comets, they named a comet after him.
240
750000
3000
Viņš ir atradis tik daudz komētu,
ka vienu nosauca viņa vārdā.
ka vienu nosauca viņa vārdā.
12:58
It's kind of out past Mars. It's a hike.
241
753000
1000
Tā ir kaut kur aiz Marsa. Ir kāds gabaliņš.
12:59
I don't think he's getting his picture taken there anytime soon.
242
754000
2000
Nezin vai viņš tur tuvākajā laikā varēs nobildēties.
13:01
But he found 140 comets without a telescope.
243
756000
4000
Bet viņš bez teleskopa ir atradis 140 komētu.
13:05
He downloaded data from the NASA SOHO satellite,
244
760000
3000
Viņš lejuplādēja datus no NASA SOHO pavadoņa
13:08
and that's how he found them.
245
763000
2000
un tā arī tās atrada.
13:10
If we can find comets without a telescope,
246
765000
4000
Ja mēs varam atrast komētas bez teleskopa,
13:14
shouldn't we be able to find words?
247
769000
2000
kāpēc gan lai mēs nevarētu atrast vārdus?
13:16
Now, y'all know where I'm going with this.
248
771000
2000
Jūs jau zināt, kurp tas viss virzās.
13:18
Because I'm going to the Internet, which is where everybody goes.
249
773000
3000
Jo es došos Internetu, kurp dodas visi.
13:21
And the Internet is great for collecting words,
250
776000
2000
Internets ir lieliska vieta, kur vākt vārdus,
13:23
because the Internet's full of collectors.
251
778000
1000
jo Internets ir pilns kolekcionāriem.
13:24
And this is a little-known technological fact about the Internet,
252
779000
3000
Tas ir maz zināms par fakts par Internetu,
13:27
but the Internet is actually made up of words and enthusiasm.
253
782000
3000
bet Internetu praktiski veido vārdi un entuziasms.
13:30
And words and enthusiasm actually happen to be
254
785000
5000
Tā ir sagadījies, ka arī vārdi un entuziasms
13:35
the recipe for lexicography. Isn't that great?
255
790000
3000
ir leksikogrāfijas recepti. Vai tas nav lieliski?
13:38
So there are a lot of really good word-collecting sites out there right now,
256
793000
4000
Ir patiešām daudz dažādu labu vārdu vākšanas lapu,
13:42
but the problem with some of them is that they're not scientific enough.
257
797000
2000
taču problēma ar dažām no tām ir,
ka tās nav gana zinātniskas.
ka tās nav gana zinātniskas.
13:44
They show the word, but they don't show any context.
258
799000
3000
Viņa parāda vārdu, bet neparādu nekādu tā kontekstu.
13:47
Where did it come from? Who said it?
259
802000
2000
No kurienes tas ir radies? Kurš tā teica?
13:49
What newspaper was it in? What book?
260
804000
2000
Kurā laikrakstā tas bija rakstīts? Kurā grāmatā?
13:51
Because a word is like an archaeological artifact.
261
806000
4000
Jo vārds ir kā arheoloģisks artefakts.
13:55
If you don't know the provenance or the source of the artifact,
262
810000
3000
Ja nezināt pirmsākumus vai avotu,
13:58
it's not science, it's a pretty thing to look at.
263
813000
3000
tā nav zinātne, tā ir smuklietiņa.
14:01
So a word without its source is like a cut flower.
264
816000
3000
Tā nu vārds bez tā avota ir kā nogriezts zieds.
14:04
You know, it's pretty to look at for a while, but then it dies.
265
819000
4000
Kādu laiku var baudīt tā skaistumu, taču tad tas nokalst.
14:08
It dies too fast.
266
823000
1000
Tas pārāk ātri nokalst.
14:09
So, this whole time I've been saying,
267
824000
4000
Visu laiku es tik atkārtoju:
14:13
"The dictionary, the dictionary, the dictionary, the dictionary."
268
828000
2000
„Tā vārdnīca, tā vārdnīca, tā vārdnīca, tā vārdnīca.”
14:15
Not "a dictionary," or "dictionaries." And that's because,
269
830000
3000
Nevis „vārdnīca” vai „vārdnīcas”, jo
14:18
well, people use the dictionary to stand for the whole language.
270
833000
3000
cilvēki izmanto vārdnīcu kā visas valodas simbolizētāju.
14:21
They use it synecdochically.
271
836000
3000
Viņi izmanto to sindeohiski.
14:24
And one of the problems of knowing a word like "synecdochically"
272
839000
3000
Viena no vārda „sindeohiski” zināšanas problēmām
14:27
is that you really want an excuse to say "synecdochically."
273
842000
3000
ir, ka jums vajag attaisnojumu,
lai varētu teikt „sindeohiski”.
lai varētu teikt „sindeohiski”.
14:30
This whole talk has just been an excuse to get me to the point
274
845000
2000
Visa runa ir bijis attaisnojums,
lai mēs nonāktu līdz šai vietai,
lai mēs nonāktu līdz šai vietai,
14:32
where I could say "synecdochically" to all of you.
275
847000
2000
kur es jums visiem varētu pateikt „sindeohiski”.
14:34
So I'm really sorry. But when you use a part of something --
276
849000
3000
Tāpēc piedodiet. Bet izmantojot daļu kaut kā,
14:37
like the dictionary is a part of the language,
277
852000
2000
līdzīgi kā vārdnīca ir daļa valodas,
14:39
or a flag stands for the United States, it's a symbol of the country --
278
854000
5000
vai karogs simbolizē Amerikas Savienotās Valstis,
tas ir valsts simbols,
tas ir valsts simbols,
14:44
then you're using it synecdochically.
279
859000
4000
tad mēs to izmantojam sindeohiski.
14:48
But the thing is, we could make the dictionary the whole language.
280
863000
4000
Bet lieta tāda, ka mēs varētu
par vārdnīcu padarīt visu valodu.
par vārdnīcu padarīt visu valodu.
14:52
If we get a bigger pan, then we can put all the words in.
281
867000
4000
Ja dabūtu lielāku pannu,
mēs uz tās varētu salikt visus vārdus.
mēs uz tās varētu salikt visus vārdus.
14:56
We can put in all the meanings.
282
871000
4000
Mēs varētu salikt visas to nozīmes.
15:00
Doesn't everyone want more meaning in their lives?
283
875000
4000
Vai ikviens nevēlas savai dzīvei vairāk nozīmes?
15:04
And we can make the dictionary not just be a symbol of the language --
284
879000
4000
Ja mēs varētu vārdnīcu padarīt ne vien par valodas simbolu,
15:08
we can make it be the whole language.
285
883000
3000
bet gan par visu valodu.
15:11
You see, what I'm really hoping for is that my son,
286
886000
2000
Redziet, es patiešām ceru, ka mans dēls,
15:13
who turns seven this month -- I want him to barely remember
287
888000
3000
kuram šomēnes paliks septiņi gadi...
es vēlos, lai viņš tik tikko atcerētos,
es vēlos, lai viņš tik tikko atcerētos,
15:16
that this is the form factor that dictionaries used to come in.
288
891000
5000
ka šis ir galvenais veids,
kādā agrāk veidoja vārdnīcas.
kādā agrāk veidoja vārdnīcas.
15:21
This is what dictionaries used to look like.
289
896000
2000
Šādas agrāk izskatījās vārdnīcas.
15:23
I want him to think of this kind of dictionary as an eight-track tape.
290
898000
2000
Es gribu, lai viņš par šāda veida vārdnīcām domātu kā par 8 celiņu kasetēm.
15:25
It's a format that died because it wasn't useful enough.
291
900000
4000
Tas ir formāts, kas izzuda, jo nebija gana noderīgs.
15:29
It wasn't really what people needed.
292
904000
3000
Tas nebija tas, ko cilvēkiem vajadzēja.
15:32
And the thing is, if we can put in all the words,
293
907000
3000
Lieta tāda, ka, ja mēs varētu iekļaut visus vārdus,
15:35
no longer have that artificial distinction between good and bad,
294
910000
4000
vairs nesaglabāt šo labā un sliktā nošķīrumu,
15:39
we can really describe the language like scientists.
295
914000
3000
mēs patiesi varēsim aprakstīt valodu kā zinātnieki.
15:42
We can leave the aesthetic judgments to the writers and the speakers.
296
917000
2000
Mēs varam atstāt estētiskos apsvērumus rakstnieku un oratoru ziņā.
15:44
If we can do that, then I can spend all my time fishing,
297
919000
4000
Ja mēs varam to izdarīt,
mēs varam pavadīt savu laiku zvejojot
mēs varam pavadīt savu laiku zvejojot
15:48
and I don't have to be a traffic cop anymore.
298
923000
5000
un man vairs nebūs jābūt satiksmes regulētājai.
15:53
Thank you very much for your kind attention.
299
928000
2000
Liels paldies par jūsu laipno uzmanību.
ABOUT THE SPEAKER
Erin McKean - Dictionary editorAs the co-founder of Reverb Technologies, the maker of the online dictionary Wordnik, Erin McKean is reshaping how we interact with language itself.
Why you should listen
Erin McKean's job as a lexicographer involves living in a constant state of research. She searches high and low -- from books to blogs, newspapers to cocktail parties -- for new words, new meanings for old words, or signs that old words have fallen out of use. In June of this year, she involved us all in the search by launching Wordnik, an online dictionary that houses all the traditionally accepted words and definitions, but also asks users to contribute new words and new uses for old words. Wordnik pulls real-time examples of word usage from Twitter, image representations from Flickr along with many more non-traditional, and highly useful, features.
Before Wordnik, McKean was one of the youngest editors of the New Oxford American Dictionary. She continues to serve as the editor of the language quarterly Verbatim ("language and linguistics for the layperson since 1974") and is the author of multiple books, including That's Amore and the entire Weird and Wonderful Words series. All that, and she maintains multiple blogs, too: McKean is the keen observationalist behind A Dress a Day and Dictionary Evangelist. Is there anything she can't do? Surprisingly, she is notoriously bad at Scrabble.
Erin McKean | Speaker | TED.com