Sketch Engine as an instrument of corpus-based linguistic analysis

Abstract

The relevance of the study is determined by the rapid growth of the role of digital corpus tools in contemporary lin-guistic analytics and the need for critical reflection on their methodological potential. The aim of the article is to provide a comprehensive investigation of the functional capabilities and limitations of the Sketch Engine platform in the context of corpus-driven and digital approaches to the analysis of linguistic data. The methodological framework is based on methods of corpus analysis, contrastive interpretation, and automated explication of lexico-grammatical characteristics, which are used to assess the performance of the key modules of Sketch Engine and to verify their relevance for working with differ-ent types of corpora. The study identifies specific features of the tool’s operation with grammatical and semantic profiles of word usage, automatic collocational models, and frequency characteristics of lexical units. The effectiveness of Word Sketch, Sketch Diff, and Concordance is analysed in the investigation of lexico-semantic, syntactic, and pragmatic phenomena, in particu-lar in the study of emotionally coloured vocabulary in contemporary English. A number of technical and methodological limitations affecting the interpretation of results are identified, including the need for corpus data filtering, the complexity of processing polysemy and homonymy, and the dependence of the quality of automatically generated data on corpus specificity. Examples of the practical application of the tool for analysing linguistic categories that are difficult to formalise, in particular metaphorical models and emotional states, are generalised. An approach is developed that combines automated procedures with critical linguistic interpretation in order to increase the reliability of large-scale textual data analysis. It is concluded that Sketch Engine is a powerful tool for analysing large volumes of textual data (Big Data); however, its use requires a high level of professional competence, methodological cau-tion, and a clear awareness of the linguistic context and epistemological goals of scientific inquiry. The practical significance of the study lies in the possibility of using its results by specialists in corpus linguistics, digital humanities, and applied linguistics to optimise research procedures and enhance analytical accuracy when working with different types of corpora. Актуальність дослідження зумовлена стрімким зростанням ролі цифрових корпусних інструментів у сучасній лінгвістичній аналітиці та необхідністю критичного осмислення їхнього методологічного потенціалу. Метою статті є комплексне дослідження функціональних можливостей і обмежень платформи Sketch Engine у контексті корпусно-цифрових підходів до аналізу мовних даних. Методологічну основу становлять методи корпусного аналізу, зіставної інтерпретації та автоматизованого експлікуваня лексико-граматичних характеристик, за допомогою яких здійснено оцінювання продуктивності ключових модулів Sketch Engine та перевірено їхню релевантність для роботи з різними типами корпусів. Встановлено особливості роботи інструменту з граматико-семантичними профілями слововживання, автоматичними колокаційними моделями та частотними характеристиками лексичних одиниць. Проаналізовано ефективність застосування Word Sketch, Sketch Diff та Concordance у вивченні лексико-семантичних, синтаксичних і прагматичних явищ, зокрема у вивченні емоційно забарвленої лексики сучасної англійської мови. Виявлено низку технічних та методологічних обмежень, що впливають на інтерпретацію результатів: необхідність фільтрації корпусного матеріалу, складність обробки полісемії та омонімії, а також залежність якості автоматично згенерованих даних від специфіки корпусу. Узагальнено приклади практичного використання інструменту для аналізу мовних категорій, що погано піддаються формалізації, зокрема метафоричних моделей та емоційних станів. Розроблено підхід до поєднання автоматизованих процедур із критичною лінгвістичною інтерпретацією для підвищення достовірності аналізу великих масивів текстових даних. Робиться висновок, що Sketch Engine є потужним інструментом для аналізу великих масивів текстових даних (Big Data), проте його використання вимагає високої фахової компетентності, методологічної обережності та чіткого усвідомлення лінгвістичного контексту й епістемологічних цілей наукового пошуку. Практична цінність полягає у можливості використання результатів фахівцями з корпусної лінгвістики, цифрової гуманітаристики та прикладної лінгвістики для оптимізації дослідницьких процедур і підвищення аналітичної точності під час роботи з корпусами різних типів.