Әдістеме және деректер көздері

Бұл сайттағы барлық сан туу тізілімдерінен немесе ұлттық статистика органдарының ресми деректерінен алынған. Әр дереккөзді тазалап, бәрін бір шкалаға келтіреміз және әр есімнің түрлі тілдердегі нұсқаларын бір топқа біріктіреміз.

1. Деректерді жинау

Біз тек ресми ашық деректерді пайдаланамыз: ұлттық статистика органдары (INSEE, ONS, CSO, Statbel, BFS…), азаматтық хал актілерін тіркеу органдары (SSA, RENAPER, провинциялық тіркеу органдары) және өңірлік ашық деректер порталдары. Әр дереккөздің өз шегі бар: бір жылда 3 немесе 5 реттен аз қойылған есімдер жарияланбайды, сондықтан өте сирек есімдер ешбір елдің деректерінде жоқ. Кейбір елдер тек үздік 50 немесе 100 есімді жариялайды; олар үшін үлесті емес, тек рейтингтегі орынды көрсетеміз. Төмендегі кестеде әр дереккөз, оның жылдары, жариялаушысы мен лицензиясы берілген.

2. Елдерді бір шкалаға келтіру

Халқы 330 миллион ел мен 5 миллион елдің абсолютті сандарын салыстыруға болмайды, сондықтан графиктер әр ел мен әр жыл бойынша 100 000 нәрестеге шаққандағы туу санын (екі жыныс бірге) көрсетеді. Бөлгіш — жарияланған тізімдердегі туғандардың жиынтығы: ол туғандардың жалпы санына жақын, бірақ одан сәл аз.

Аргентина тізілімінде баланың барлық есімі бір жолға жазылады («María Florencia»), сондықтан біз тек бірінші есімді есептейміз. Тізілімде жыныс бағаны болмаса, есімнің жынысы сол тілдегі басқа тізілімдер бойынша анықталады.

3. Жазылу, есім және есімдер тобы

Біз үш деңгейде жұмыс істейміз:

• Жазылуы: Élodie мен Elodie немесе Александр мен Aleksandr — әртүрлі жазылған бір есім. Диакритикалық белгілер, бас және кіші әріптер, әліпби ескерілмейді, ал барлық жазылу нұсқасы есім бетінде көрсетіледі.
• Есім: жазылуы және жынысы. Францияда Jean — ұл есімі, ал АҚШ-та көбіне қыз есімі, сондықтан бұлар — екі түрлі есім.
• Есімдер тобы: бір есімнің түрлі тілдердегі нұсқалары. Victoria (ағылшын, испан тілдері), Victoire (француз тілі), Vittoria (итальян тілі) және Viktoriya (орыс тілі) бір топ құрайды, оның бір басты беті болады.

4. Есімдер қалай топтастырылады

Дәлелдің төрт түрін қолданамыз, ең сенімдісінен бастап. Әр топтың бетінде әр байланыстың негізі көрсетілген.

1. Қолмен тексерілген: түрлі тілдердегі 200-ге жуық есімдер тобының өзіміз құрастырған тізімі (John = Jean = Juan = Giovanni = João = Иван…). Мұндай екі топ ешқашан автоматты түрде біріктірілмейді.
2. Лингвистикалық дереккөздермен тексерілген: ережелеріміз нақты жауап бере алмағанда (Marcel / Marcelo, Laure / Laura, Eva / Evie), жұп этимологиялық анықтамалықтар бойынша тексеріліп, бір есім, туыс немесе әртүрлі деп бағаланады.
3. Жазылу нұсқалары: емле ерекшеліктері біріздендірілгеннен кейін (ph/f, th/t, y/i, қос әріптер) бірдей естілетін, бір әріптен басталатын және бір жынысқа жататын нұсқалар: Sofia / Sophia, Matteo / Mateo.
4. Wikidata: «бірдей деп саналады» деген ашық байланыстар. Олар екі нұсқа бір-біріне ұқсас болғанда ғана жеке тұрған есімді топқа қосу үшін қолданылады. Wikidata жалғыз өзі тым көп нәрсені байланыстырады (Kyle ~ Caleb), сондықтан оған бұрыннан бар екі топты біріктіруге ешқашан рұқсат етілмейді.

Өз алдына дербес қолданылатын кішірейткіш және туынды есімдердің (John есімінен Jack, Sean, Ian; Elizabeth есімінен Isabelle; Eva есімінен Evie) өз беті бар, олар туыс есімдер ретінде көрсетіледі. Ер және әйел нұсқалары (Victor / Victoria) да өзара байланыстырылған.

5. Статистика

• Есімнің ұзындығы: туғандар санына қарай өлшенген әріптердің орташа саны.
• Әртүрлілік: ең жиі кездесетін он есімнің туғандардағы үлесі, туғандардың жартысын қамту үшін қажет есімдер саны және есімдердің тиімді саны (1/Σp²).
• Дыбысталуы: есімі -a, -o, -n деп немесе «и» дыбысымен аяқталатын, Aiden есімімен ұйқасатын, құрамында Y, K немесе Z әрпі бар және т.б. нәрестелердің үлесі.
• Жақындасу: екі елдегі есімдер топтарының таралуы арасындағы косинустық ұқсастық. Топтар тілдер шекарасынан асатындықтан, Париждегі Victoire мен Лондондағы Victoria бір таңдау болып саналады.
• Ұқсас танымалдық жолы: бір елде соңғы 60 жылдағы танымалдық қисықтары бір-бірімен ең күшті корреляцияланатын есімдер.

6. Шектеулер

INSEE-нің қазіргі файлында Франция деректері 5-ке еселік санға дейін дөңгелектенген, ал SSA 5 реттен аз қойылған есімдерді жарияламайды. Тізілімдер нені тіркейтіні жағынан ерекшеленеді: тіркелу жылы ма, әлде туған жылы ма, диакритикалық белгілер сақтала ма, сызықшалы есімдер бөліне ме. Халқы аз аумақтарда қисықтар тұрақсыз болады. Есімдерді тілдер арасында топтастыру әрдайым сараптамалық шешімді талап етеді: қандай да бір байланыс қате деп ойласаңыз, бізге жазыңыз, біз дәлелдерді қайта қарап шығамыз.

Дереккөздер