Вестник Волгоградского государственного университета. Серия 2. Языкознание1998-99112409-197910.15688/jvolsu2.2023.6.6OtherПараметрическая таксономия учебных текстовParametric Taxonomy of Educational TextsКуприяновРоман ВладимировичKupriyanovRoman V.0000-0001-9794-9607СолнышкинаМарина ИвановнаSolnyshkinaMarina I.0000-0003-1885-3039ЛехницкаяПолина АлександровнаLekhnitskayaPolina A.0000-0002-3689-3213Kazan Federal University (Kazan, Russia;Казанский (Приволжский) федеральный университет (Казань, Россия)Kazan National Research Technological University (Kazan, Russia)Казанский национальный исследовательский технологический университет (Казань, Россия)Kazan Federal University (Kazan, Russia)Казанский (Приволжский) федеральный университет (Казань, Россия)0303202322680941305202309102023https://creativecommons.org/licenses/by/4.0/CC BY 4.0

Представленное исследование нацелено на решение проблемы типологизации текста как единицы дискурса и выполнено в рамках корпусного подхода с применением методов лингвистической статистики. Исследовательский корпус, общий объем которого превышает 90 тыс. словоформ, включает тексты на русском языке из 13 учебников для 2-го класса российских школ. В результате многофакторного дискриминантного анализа выявлены типологические характеристики текстов учебных дискурсов трех предметных областей – филологии, математики, естествознания. Рассчитаны формулы для классификации текстов по предметным областям. На основе этих формул разработана и валидирована параметрическая модель. В нее входят шесть параметров: среднее количество слов в предложении, среднее количество существительных, среднее количество глаголов и среднее количество прилагательных на предложение, локальный повтор существительного, глобальный повтор аргумента. Расчеты значений лингвистических параметров произведены при помощи автоматического анализатора текстов на русском языке RuLingva. Высокая степень классификационной точности параметрической модели – 80 % – обеспечивает ее достаточную надежность и позволяет применять полученные данные в лингвистической экспертизе, а также для автоматизации лингвистического профилирования текстов. Перспектива исследования связана с инсталляцией модели в RuLingva и разработкой аналогичных моделей для текстов учебного дискурса других предметных областей. Вклад авторов: Р.В. Куприянов – проведение дискриминантного анализа, описание результатов статистической обработки данных, анализ результатов и формулировка выводов; М.И. Солнышкина – разработка концептуального подхода исследования, анализ результатов и формулировка выводов; П.А. Лехницкая – подготовка материала исследования, обработка корпуса текстов в автоматическом анализаторе текстов, описание первичных результатов.

The article is aimed at considering the issue of the discursive text typology and developing a parametric model of the elementary school texts for the ontological domain by employing a corpus-based approach and methods of linguistic statistics. The research corpus of over 90,000 tokens comprises texts of 13 textbooks acknowledged in the 2nd grade of Russian schools. The applied multifactor discriminant analysis enabled identification and validation of typological characteristics of the texts under study, offering the formula for referring educational texts to a subject domain on Philology, Mathematics, and Natural Sciences. The discriminant analysis results confirmed the hypothesis that each type of text corresponds to a parametric model, which includes six constants: the average number of words in a sentence, the average number of nouns, the average number of verbs and the average number of adjectives per sentence, local noun overlap, global argument overlap. The assessment of linguistic parameters was performed by an automatic Russian text analyzer RuLingva. The classification accuracy of the parametric model was identified as 80%, which ensures its high reliability and allows for the data obtained to be employed in linguistic expertise, as well as for in automated linguistic profiling of texts. The prospect of the research implies installation of the model in RuLingva and development of similar models for texts of other subject domains.

дискурспредметная областьлексические параметрысинтаксические параметрыматематическая модельдискриминантный анализdiscoursesubject domainlexical parameterssyntactic parametersmathematical modeldiscriminant analysisРабота выполнена за счет средств Программы стратегического академического лидерства Казанского (Приволжского) федерального университета («ПРИОРИТЕТ-2030»), Стратегического проекта № 5.This paper has been supported by the Kazan Federal University Strategic Academic Leadership Program (‘PRIORITY-2030’), Strategic Project #5.Андреев В. С., 2010. Методы количественного исследования стиля в лингвистике: многомерный подход // Известия Смоленского государственного университета. № 3 (11). С. 100–110.Вахрушева А. Я., Солнышкина М. И., Куприянов Р. В., Гафиятова Э. В., Климагина И. О., 2021. Лингвистическая сложность учебных текстов // Вопросы журналистики, педагогики, языкознания. № 40 (1). С. 89–99. URL: http:// jpl-journal.ru/index.php/journal/article/view/78Жеребцова Ж. И., 2007. Использование информационной структуры предложения в обучении иностранных студентов-нефилологов чтению русских учебно-научных текстов : дис. ... канд. пед. наук. СПб. 252 с.Журавлев А. Ф., 1988. Опытквантитативно-типологического исследования разновидностей устной речи // Разновидности городской устной речи : сб. науч. тр. М. : Наука. С. 84–150.Мартынова Е., Солнышкина М. И., Мерзлякова А., Гизатулина Д., 2020. Лексические параметры учебного текста (на материале текстов учебного корпуса русскогоязыка) // Филология и куль тура. Philology and Culture : электрон. журн. № 3 (61). С. 72–80. URL: http://www.philology-and-culture.kpfu.ru/?q=node/2728Оборнева И. В., 2006. Автоматизированная оценка сложности учебных текстов на основе статистических параметров : автореф. дис. ... канд. пед. наук. М. 20 c.Разговорная речь в системе функциональных стилей современного русского литературного языка. Лексика, 2009 / [О. Б. Сиротинина и др.]. М. : Либроком. 251 с.Солнышкина М. И., Казачкова М. Б., Харькова Е. В., 2020. Инструменты измерения сложности текстов на английском языке // Иностранные языки в школе: электрон. журн. № 3. С. 15–21. URL: https://www.elibrary.ru/item.asp?id=42609743Солнышкина М. И., Кисельников А. С., 2015. Сложность текста: этапы изучения в отечественном прикладном языкознании // Вестник Томского государственного университета. Филология. №. 6 (38). С. 86–89.Baayen R. H., van Halteren H., Tweedie F. J., 1996. Outside the Cave of Shadows: Using Syntactic Annotation to Enhance Authorship Attribution // Literary and Linguistic Computing. Vol. 11, № 3. P. 121–132.Biber D., 2006. University Language: ACorpus-Based Study of Spoken and Written Registers. Amsterdam : John Benjamins. VIII, 261 p.Bulté B., Housen A., 2012. Defining and Operationalising L2 Complexity // Dimensions of L2 Performance and Proficiency. Amsterdam : John Benjamins. P. 21–46. DOI: 10.1075/lllt.32.02bulCorlatescu D., Ruseti Ş., Dascalu M., 2022. ReaderBench: Multilevel Analysis of Russian Text Characteristics // Russian Journal of Linguistics. Vol. 26, № 2, P. 342–370. DOI: https:// doi.org/10.22363/2687-0088-30145Crossley S. A., Varner L. K., Roscoe R. D., McNamara D. S., 2013. Using Automated Indices of Cohesion to Evaluate an Intelligent Tutoring System and an Automated Writing Evaluation System // Artificial Intelligence in Education. 16th International Conference, AIED 2013, Memphis, TN, USA, July 9–13. Berlin ; Heidelberg : Springer. P. 269–278. DOI: https:// doi.org/10.1007/978-3-642-39112-5_28Ermakova L., Solovyev V., Sidorov G., Gelbukh A., 2023. Editorial: Text Complexity and Simplification // Frontiers in Artificial Intelligence. Vol. 6.P. 01–03. DOI: https://doi.org/10.3389/frai.2023.1128446Flesch R., 1948. ANew ReadabilityYardstick // Journal of Applied Psychology. Vol. 32, № 3. P. 221–233. DOI: http://doi.org/10.1037/h0057532Gatiyatullina G., Solnyshkina M., SolovyevV., DanilovA., Martynova E., Yarmakeev I., 2020. Computing Russian Morphological Distribution Patterns Using RusACOnlineServer// 13th InternationalConference on Developmentsin eSystems Engineering(DeSE). Liverpool : IEEE. P. 393–398. DOI: http://doi.org/ 10.1109/DeSE51703.2020.9450753Graesser A. C., McNamara D. S., Louwerse M. M., Cai Z., 2004. Coh-Metrix: Analysis of Text on Cohesion and Language // Behavior Research Methods, Instruments, & Computers. Vol. 36, iss. 2. P. 193– 202. DOI: http://doi.org/10.3758/bf03195564Holmes D., Forsyth R., 1995. The Federalist Revisited: New Directions in Authorship Attribution // Literary and Linguistic Computing. Vol. 10, iss. 2. P. 111–127.Kupriyanov R. V., Solnyshkina M. I., Dascalu M., Soldatkina T. A., 2022. Lexical and Syntactic Features of Academic Russian Texts: A Discriminant Analysis // Research Result. Theoretical and Applied Linguistics. Vol. 8, № 4. P. 105–122. DOI: http://doi.org/10.18413/2313-8912-2022-8-4-0-8Kupriyanov R. V., Bukach O. V., Aleksandrova O. I., 2023. Cognitive Complexity Measures for Educational Texts: Empirical Validation of Linguistic Parameters // Russian Journal of Linguistics. Vol. 27, № 3. P. 641–662. DOI: http:// doi.org/10.22363/2687-0088-35817Malvern D., Richards B., Chipere N., Durán P., 2004. Traditional Approaches to Measuring Lexical Diversity // Lexical Diversity and Language Development. L. : Palgrave Macmillan. P. 16–30. DOI: https://doi.org/10.1057/9780230511804McNamara D. S., Graesser A. C., Louwerse M. M., 2012. Sources of Text Difficulty: Across Genres and Grades // Measuring Up: Advances in How We Assess Reading Ability. Lanham : R & L Education. P. 89-116.McNamara D., Graesser A., McCarthy P., Cai Z., 2014. Automated Evaluation of Text and Discourse with Coh-Metrix. Cambridge : Cambridge University Press. XIV, 278 p. DOI: http://doi.org/10.1017/CBO9780511894664Östen D., 2004. The Growth and Maintenance of Linguistic Complexity. Amsterdam, John Benjamins Publishing. X, 333 p.Pallotti G., 2015. ASimpleView of Linguistic Complexity // Second Language Research. Vol. 31, № 1. P. 117–134.Seifart F., Danielsen S., Meyer R., Nordhoff S., PakendorfB.,Witzlack-Makarevich A., ZakharkoT., 2012. The Relative Frequencies of Nouns, Pronouns, and Verbs Cross-Linguistically Applicant. URL: https://www.semanticscholar. org/paper/The-relative-frequencies-of-nouns%2C-pronouns-%2C-and-Seifart-Danielsen/ cd52cd7091fee4b1781c16a51fe58f87ba642c1cSolnyshkina M. I., Harkova E. V., Kazachkova M. B., 2020. The Structure of Cross-Linguistic Differences: Meaning and Context of ‘Readability’ and Its Russian Equivalent ‘Chitabelnost’ // Journal of Language and Education. Vol. 6, iss. 1. P. 103–119.Solnyshkina M., McNamara D., Zamaletdinov R., 2022. Natural Language Processing and Discourse Complexity Studies // Russian Journal of Linguistics. Vol. 26, № 2. P. 317–341.Solovyev V., Andreeva M., Solnyshkina M., Zamaletdinov R., Danilov A., Gaynutdinova D., 2019. Computing Concreteness Ratings of Russian and English Most Frequent Words: Contrastive Approach // Proceedings – International Conference on Developments in eSystems Engineering, DeSE. October 2019. Kazan : IEEE. Art. № 9073272. P. 403–408.Solovyev V. D., Ivanov V. V., Akhtiamov R. B., 2019. Dictionary of Abstract and Concrete Words of the Russian Language: A Methodology for Creation and Application // Journal of Research in Applied Linguistics. Vol. 10, № S. P. 215–227.Solovyev V., Ivanov V., Solnyshkina M., 2018. Assessment of Reading Difficulty Levels in Russian Academic Texts: Approaches and Metrics // Journal of Intelligent & Fuzzy Systems. Vol. 34, № 5. DOI: http://doi.org/10.3233/JIFS-169489Solovyev V., Solnyshkina M., McNamara D., 2022. Computational Linguistics and Discourse Complexology: Paradigms and Research Methods // Russian Journal of Linguistics. Vol. 26, № 2. P. 275–316.Stamatatos E., Fakotakis N., Kokkinakis G., 2001. Computer-Based Authorship Attribution Without Lexical Measures // Computers and the Humanities. Vol. 35, № 2. P. 193–214.Дмитриева Н. Я., Казаков А. Н. Окружающий мир. В 2 ч. Ч. 1 : учеб. для 2 кл. 8-е изд. Самара : Учеб. лит. : Федоров, 2012. 112 с.Дмитриева Н. Я., Казаков А. Н. Окружающий мир. В 2 ч. Ч. 2 : учеб. для 2 кл. 7-е изд. Самара : Учеб. лит. : Федоров, 2011. 112 с.Ивченкова Г. Г., Потапов И. В. Окружающий мир. В 2 ч. Ч. 1 : учеб. для 2 кл. М. : АСТ : Астрель, 2012. 78, [2] с.Ивченкова Г. Г., Потапов И. В. Окружающий мир. В 2 ч. Ч. 2 : учеб. для 2 кл. М. : АСТ : Астрель, 2012. 93, [3] с.Моро М. И., Бантова М. А., Бельтюкова Г. В. и др. Математика. 2 класс. В 2 ч. Ч. 1 : учеб. для общеобразоват. орг. 6-е изд. М. : Просвещение, 2015. 96 с.Моро М. И., Бантова М. А., Бельтюкова Г. В. и др. Математика. 2 класс. В 2 ч. Ч. 2 : учеб. для общеобразоват. орг. 6-е изд. М. : Просвещение, 2015. 112 с.Петерсон Л. Г. Математика «Учусь учиться». 2 класс. Ч. 1 : учеб. комплекта «Учебник + рабочие тетради». Изд. 5-е, перераб. М. : Ювента, 2013. 80 с.Петерсон Л. Г. Математика «Учусь учиться». 2 класс. Ч. 2 : учеб. комплекта «Учебник + рабочие тетради». Изд. 5-е, перераб. М. : Ювента, 2013. 112 с.Петерсон Л. Г. Математика «Учусь учиться». 2 класс. Ч. 3 : учеб. комплекта «Учебник + рабочие тетради». Изд. 5-е, перераб. М. : Ювента, 2013. 112 с.Рамзаева Т. Г. Русский язык. 2 кл. В 2 ч. Ч. 1. 12-е изд., дораб. М. : Дрофа, 2011. 126, [2] с.Рамзаева Т. Г. Русский язык. 2 кл. В 2 ч. Ч. 2. 12-е изд., дораб. М. : Дрофа, 2011. 94, [2] с.Соловейчик М. С., Кузьменко Н. С. Русский язык : К тайнам нашего языка. В 2 ч. Ч. 1 : учеб. для 2 кл. общеобразоват. учреждений. 8-е изд. Смоленск : Ассоциация XXI век, 2013. 160 с.Соловейчик М. С., Кузьменко Н. С. Русский язык : К тайнам нашего языка. В 2 ч. Ч. 2 : учеб. для 2 кл. общеобразоват. учреждений. 8-е изд. Смоленск : Ассоциация XXI век, 2013. 160 с.Andreev V.S., 2010. Metody kolichestvennogo issledovaniya stilya v lingvistike: mnogomernyy podkhod [Methods of Quantitative Style Research in Linguistics: A Multidimensional Approach]. Izvestiya Smolenskogo gosudarstvennogo universiteta, no. 3 (11), pp. 100-110.Vakhrusheva A.Ya., Solnyshkina M.I., Kupriyanov R.V., Gafiyatova E.V., Klimagina I.O., 2021. Lingvisticheskaya slozhnost uchebnykh tekstov [Linguistic Complexity of Academic Texts]. Voprosy zhurnalistiki, pedagogiki, yazykoznaniya [Issues in Journalism, Education, Linguistics], no. 40 (1), pp. 89-99. URL: http://jpl-journal.ru/index.php/journal/article/view/78Zherebtsova Zh.I., 2007. Ispolzovanie informatsionnoy struktury predlozheniya v obuchenii inostrannykh studentov-nefilologov chteniyu russkikh uchebno-nauchnykh tekstov: dis. ... kand. ped. nauk [The Use of Information Structure of the Sentence in Teaching Foreign Non-Philological Students to Read Russian Academic and Research Texts. Cand. pedagog. sci. diss.]. Saint Petersburg. 252 p.Zhuravlev A.F., 1988. Opyt kvantitativno tipologicheskogo issledovaniya raznovidnostey ustnoyrechi [An Experience of Quantitative and Typological Investigation of Spoken Registers]. Raznovidnosti gorodskoy ustnoy rechi: sb. nauch. tr. [Varieties of Urban Oral Speech. Collection of Scientific Papers]. Moscow, Nauka Publ., pp. 84-150.Martynova E., Solnyshkina M.I., Merzlyakova A., Gizatulina D., 2020. Leksicheskie parametry uchebnogo teksta (na materiale tekstov uchebnogo korpusa russkogo yazyka) [Lexical Parameters of Academic Text (Based on the Texts of Academic Corpus of the Russian Language)]. Filologiya i kultura. Philology and Culture: electron. zhurn., no. 3 (61), pp. 72-80. URL: http:// www.philology-and-culture.kpfu.ru/?q=node/2728Oborneva I.V., 2006. Avtomatizirovannaya otsenka slozhnosti uchebnykh tekstov na osnove statisticheskikh parametrov: avtoref. dis. ... kand. ped. nauk [Automated Assessment of the Complexityof Educational Texts Basedon Statistics. Cand. pedagog. sci. abs. diss.]. Moscow. 20 p.Sirotinina O.B. et al., 2009. Razgovornayarechv sisteme funktsionalnykh stiley sovremennogo russkogo literaturnogo yazyka. Leksika [Colloquial Speech in the System of Functional Styles of the Modern Russian Literary Language. Vocabulary]. Moscow, Librokom Publ. 251 p.Solnyshkina M.I., Kazachkova M.B., Kharkova E.V., 2020. Instrumentyizmereniya slozhnosti tekstov na angliyskom yazyke [Tools for Measuring English Texts Complexity]. Inostrannye yazyki v shkole: electron. zhurn. [Foreign Languages in School. Electronic Journal], no. 3, pp. 15-21. URL: https://www.elibrary.ru/item.asp?id=42609743Solnyshkina M.I., Kiselnikov A.S., 2015. Slozhnost teksta: etapy izucheniya v otechestvennom prikladnom yazykoznanii [Text Complexity: Chronology of Russian Applied Linguistics Studies]. Vestnik Tomskogo gosudarstvennogo universiteta. Filologiya, no. 6 (38), pp. 86-89.Baayen R.H., van Halteren H., Tweedie F.J., 1996. Outside the Cave of Shadows: Using Syntactic Annotation to Enhance Authorship Attribution. Literary and Linguistic Computing, vol. 11, no. 3, pp. 121-132.Biber D., 2006. University Language: A Corpus-Based Study of Spoken and Written Registers. Amsterdam, John Benjamins. VIII, 261 p.Bulté B., Housen A., 2012. Defining and Operationalising L2 Complexity. Dimensions of L2 Performance and Proficiency. Amsterdam, John Benjamins, pp. 21-46. DOI: https://doi.org/10.1075/lllt.32.02bulCorlatescu D., Ruseti Ş., Dascalu M., 2022. ReaderBench: Multilevel Analysis of Russian Text Characteristics. Russian Journal of Linguistics, vol. 26, no. 2, pp. 342-370. DOI: https://doi.org/10.22363/2687-0088-30145Crossley S.A., Varner L.K., Roscoe R.D., McNamara D.S., 2013. Using Automated Indices of Cohesion to Evaluate an Intelligent Tutoring System and an Automated Writing Evaluation System. Artificial Intelligence in Education. 16th International Conference, AIED 2013, Memphis, TN, USA, July 9–13. Berlin, Heidelberg, Springer, pp. 269-278. DOI: https:// doi.org/10.1007/978-3-642-39112-5_28Ermakova L., Solovyev V., Sidorov G., Gelbukh A., 2023. Editorial: Text Complexity and Simplification. Frontiers in Artificial Intelligence, vol. 6, pp. 01-03. DOI: https://doi.org/10.3389/frai.2023. 1128446Flesch R., 1948. ANew Readability Yardstick. Journal of Applied Psychology, vol. 32, no. 3, pp. 221-233. DOI: http://doi.org/10.1037/h0057532Gatiyatullina G., Solnyshkina M., Solovyev V., Danilov A., Martynova E., Yarmakeev I., 2020. Computing Russian Morphological Distribution Patterns Using RusAC Online Server. 13th International Conference on Developments in eSystems Engineering (DeSE). Liverpool, IEEE, pp. 393-398. DOI: http://doi.org/10.1109/DeSE51703.2020.9450753Graesser A.C., McNamara D.S., Louwerse M.M., Cai Z., 2004. Coh-Metrix: Analysis of Text on Cohesion and Language. Behavior Research Methods, Instruments, & Computers, vol. 36, iss. 2, pp. 193-202. DOI: http://doi.org/10.3758/bf03195564Holmes D., Forsyth R., 1995. The Federalist Revisited: New Directions in Authorship Attribution. Literary and Linguistic Computing, vol. 10, iss. 2, pp. 111-127.Kupriyanov R.V., Solnyshkina M.I., Dascalu M., Soldatkina T.A., 2022. Lexical and Syntactic Features of Academic Russian Texts: A Discriminant Analysis. Research Result. Theoretical and Applied Linguistics, vol. 8, no. 4, pp. 105-122. DOI: http://doi.org/10.18413/2313-8912-2022-8-4-0-8Kupriyanov R.V., Bukach O.V.,Aleksandrova O.I., 2023. Cognitive Complexity Measures for Educational Texts: Empirical Validation of Linguistic Parameters. Russian Journal of Linguistics, vol. 27, no. 3, pp. 641-662. DOI: http://doi.org/ 10.22363/2687-0088-35817Malvern D., Richards B., Chipere N., Durán P., 2004. Traditional Approaches to Measuring Lexical Diversity. Lexical Diversity and Language Development. London, Palgrave Macmillan, pp. 16-30. DOI: https://doi.org/10.1057/ 9780230511804McNamara D.S., Graesser A.C., Louwerse M.M., 2012. Sources of Text Difficulty: Across Genres and Grades. Measuring Up: Advances in How We Assess Reading Ability. Lanham, R& LEducation, pp. 89-116.McNamara D., Graesser A., McCarthy P., Cai Z., 2014. Automated Evaluation of Text and Discourse with Coh-Metrix. Cambridge, Cambridge University Press. XIV, 278 p. DOI: http://doi.org/ 10.1017/CBO9780511894664Östen D., 2004. The Growth and Maintenance of Linguistic Complexity. Amsterdam, John Benjamins Publishing. X, 333 p.Pallotti G., 2015. ASimpleView of Linguistic Complexity. Second Language Research, vol. 31, no. 1, pp. 117-134.Seifart F., Danielsen S., Meyer R., Nordhoff S., Pakendorf B., Witzlack-Makarevich A., Zakharko T., 2012. The Relative Frequencies of Nouns, Pronouns, and Verbs Cross-Linguistically Applicant. URL: https:// www.semanticscholar.org/paper/The-relative- frequencies-of-nouns-%2C-pronouns-%2C-and-Seifart-Danielsen/cd52cd7091fee4b1781c 16a51fe58f87ba642c1cSolnyshkina M.I., Harkova E.V., Kazachkova M.B., 2020. The Structure of Cross-Linguistic Differences: Meaning and Context of Readability and Its Russian Equivalent “Chitabelnost”. Journal of Language and Education, vol. 6, iss. 1, pp. 103-119.Solnyshkina M., McNamara D., Zamaletdinov R., 2022. Natural Language Processing and Discourse Complexity Studies. Russian Journal of Linguistics, vol. 26, no. 2, pp. 317-341.Solovyev V., Andreeva M., Solnyshkina M., Zamaletdinov R., Danilov A., Gaynutdinova D., 2019. Computing Concreteness Ratings of Russian and English Most Frequent Words: Con t rasti ve Approach . Proceedings – International Conference on Developments in eSystems Engineering, DeSE. October 2019. Kazan, IEEE. Art. no. 9073272, pp. 403-408.Solovyev V.D., Ivanov V.V., Akhtiamov R.B., 2019. Dictionary of Abstract and Concrete Words of the Russian Language: A Methodology for Creation and Application. Journal of Research in Applied Linguistics, vol. 10, no. S, pp. 215-227.Solovyev V., Ivanov V., Solnyshkina M., 2018. Assessment of Reading Difficulty Levels in Russian Academic Texts: Approaches and Metrics. Journal of Intelligent & Fuzzy Systems, vol. 34, no. 5. DOI: http://doi.org/10.3233/JIFS-169489Solovyev V., Solnyshkina M., McNamara D., 2022. Computational Linguistics and Discourse Complexology: Paradigms and Research Methods. Russian Journal of Linguistics, vol. 26, no. 2, pp. 275-316.Stamatatos E., Fakotakis N., Kokkinakis G., 2001. Computer-Based Authorship Attribution Without Lexical Measures. Computers and the Humanities, vol. 35, no. 2, pp. 193-214.Dmitrieva N.Ya., Kazakov A.N. Okruzhayushchiy mir. V 2 ch. Ch. 1: ucheb. dlya 2 kl. [The World Around Us. In 2 Parts. Pt. 1. Textbook for 2nd Grade]. Samara, Ucheb. lit. Publ., Fedorov Publ., 2012. 112 p.Dmitrieva N.Ja., Kazakov A.N., 2011. Okruzhayushchiy mir. V 2 ch. Ch. 2: ucheb. dlya 2 kl. [The World Around Us. In 2 Parts. Pt. 2. Textbook for 2nd Grade]. Samara, Ucheb. lit. Publ., Fedorov Publ., 2011. 112 p.Ivchenkova G.G., Potapov I.V. Okruzhayushchiy mir. V 2 ch. Ch. 1: ucheb. dlya 2 kl. [The World Around Us. In 2 Parts. Pt. 1. Textbook for 2nd Grade]. Moscow, AST Publ., Astrel Publ., 2012. 78, 2 p.Ivchenkova G.G., Potapov I.V. Okruzhayushchiy mir. V 2 ch. Ch. 2: ucheb. dlya 2 kl. [The World Around Us. In 2 Parts. Pt. 2. Textbook for 2nd Grade]. Moscow, AST Publ., Astrel Publ., 2012. 93, 3 p.Moro M.I., Bantova M.A., Beltyukova G.V. et al. Matematika. 2 klass. V 2 ch. Ch. 1: ucheb. dlya obshcheobrazovat. org. [Mathematics. 2nd Grade. In 2 Parts. Part 1. Textbook for General Education Organizations]. Moscow, Prosveshchenie Publ., 2015. 96 p.Moro M.I., Bantova M.A., Beltyukova G.V. et al. Matematika. 2 klass. V 2 ch. Ch. 2: ucheb. dlya obshcheobrazovat. org. [Mathematics. 2nd Grade. In 2 Parts. Part 2. Textbook for General Education Organizations]. Moscow, Prosveshchenie Publ., 2015. 112 p.Peterson L.G. Matematika «Uchus uchitsya». 2 klass. Ch. 1: ucheb. komplekta «Uchebnik + rabochie tetradi» [Mathematics “Learning to Learn.” 2nd Grade. Part 1. Textbook of the “Textbook + Workbooks” Kit]. Moscow, Yuventa Publ., 2013. 80 p.Peterson L.G. Matematika «Uchus uchitsya». 2 klass. Ch. 2: ucheb. komplekta «Uchebnik + rabochie tetradi» [Mathematics “Learning to Learn.” 2nd Grade. Part 2. Textbook of the “Textbook + Workbooks” Kit]. Moscow, Yuventa Publ., 2013. 112 p.Peterson L.G. Matematika «Uchus uchitsya». 2 klass. Ch. 3: ucheb. komplekta «Uchebnik + rabochie tetradi» [Mathematics “Learning to Learn.” 2nd Grade. Part 3. Textbook of the “Textbook + Workbooks” Kit.]. Moscow, Yuventa Publ., 2013. 112 p.Ramzaeva T.G. Russkiy yazyk. 2 kl. V 2 ch. Ch. 1 [Russian Language. 2nd Grade. In 2 Parts. Part 1]. Moscow, Drofa Publ., 2011. 126, 2 p.Ramzaeva T.G. Russkiy yazyk. 2 kl. V 2 ch. Ch. 2 [Russian Language. 2nd Grade. In 2 Parts. Part 2]. Moscow, Drofa Publ., 2011. 94, 2 p.Soloveychik M.S., Kuzmenko N.S. Russkiy yazyk: K taynam nashego yazyka. V 2 ch. Ch. 1: ucheb. dlya 2 kl. obshcheobrazovat. uchrezhdeniy [Russian Language: To the Secrets of Our Language. In 2 Parts. Part 1. Textbook for 2nd Grade of General Education Institutions]. Smolensk, Assotsiatsiya XXI vek Publ., 2013. 160 p.Soloveychik M.S., Kuzmenko N.S. Russkiy yazyk: K taynam nashego yazyka. V 2 ch. Ch. 2: ucheb. dlya 2 kl. obshcheobrazovat. uchrezhdeniy [Russian Language: To the Secrets of Our Language. In 2 Parts. Part 2. Textbook for 2nd Grade of General Education Institutions]. Smolensk, Assotsiatsiya XXI vek Publ., 2013. 160 p.