فهرست نشریات علمی دسترسی آزاد ایران

واژه‌های علمی واژه‌هایی هستند که در طیف وسیعی از رشته‌های علمی بسامد بالایی دارند و بسامدشان در متون علمی بسیار بیشتر از بسامدشان در سایر متون است. دسترسی به فهرستی بسامدی از واژه‌های علمی می‌تواند به یادگیری سریع‌تر زبان علمی کمک کند. پیش‌نیاز تهیة چنین فهرستی ایجاد پیکره‌ای متوازن از متون علمی فارسی است. برای این منظور، متون علمی منتشرشده در نشریات علمی فارسی با برنامه‌نویسی رایانه‌ای و توسعة خزندة وب جمع‌آوری شد. سرانجام، پیکره‌ای شامل بیش از ۵۱ میلیون واژه با حجم متوازنی از داده در چهار حوزة موضوعی شامل «علوم پایه و فنی و مهندسی»، «علوم انسانی و هنر و معماری»، «پزشکی و دامپزشکی» و «کشاورزی و منابع طبیعی» ساخته شد. در این پژوهش پس از بررسی ملاحظات مربوط به توسعة فهرست‌های بسامدی علمی، فهرستی از واژه‌های علمی فارسی تهیه شد که شامل ۳۰۷ بن‌واژه است و در متون علمی بسامد بالایی دارند که بسامدشان در متون علمی به ‌مراتب بیشتر از متون عمومی است و پراکندگی مناسبی در موضوعات مختلف علمی دارند. نتایج ارزیابی فهرست بسامدی تهیه‌شده نشان‌دهندة پوشش بیش از ۱۶ درصدی فهرست روی متون علمی است که این درصد با پوشش فهرست‌های جمع‌آوری‌شده برای زبان‌های دیگر مطابقت دارد. همچنین، توزیع مناسب واژه‌های فهرست جمع‌آوری‌شده در چهار حوزة موضوعی پیکره باعث شده است که میزان پوشش در هر یک از این حوزه‌های موضوعی نیز عددی قابل ‌قبول بین ۱۲ تا ۱۸ درصد باشد. فهرست واژه‌های علمی استخراج‌شده می‌تواند برای اهداف مختلف آموزشی و پژوهشی مورد استفاده قرار گیرد. همچنین، پیکرة علمی تهیه‌شده نیز منبع ارزشمندی برای مطالعات حوزة زبان‌شناسی پیکره‌ای و پژوهش‌های مرتبط با پردازش زبان است.