Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verzeNásledující verzeObě strany příští revize |
kurz:vyhodnoceni_dotazu [2018/08/06 16:43] – [Frekvence] michalskrabal | kurz:vyhodnoceni_dotazu [2018/08/29 11:15] – jankocek |
---|
==== Frekvenční distribuce slovních tvarů ==== | ==== Frekvenční distribuce slovních tvarů ==== |
| |
[{{:kurz:frekv_slovnitvary.png?400|Frekvenční distribuce slovních tvarů (s [[pojmy:case-sensitive|rozlišováním velikosti]] FIXME)}}] | [{{:kurz:frekv_slovnitvary.png?400|Frekvenční distribuce slovních tvarů (s [[pojmy:case-sensitive|rozlišováním velikosti]] )}}] |
| |
Zkusme si nejprve společně vyhledat frekvenci jednotlivých pádových forem [[pojmy:lemma|lemmatu]] //noha//. V korpusu [[cnk:syn2010|SYN2010]] se jich nachází 29 990. V menu zvolíme volbu **Frekvence → Slovní tvary**, načež se nám ukážou všechny [[pojmy:word|slovní tvary]] (včetně všech rozdílů v psaní velkých a malých písmen). Celkový počet různých forem ([[pojmy:typ|typů]]) je zobrazen za slovem **Celkem** v horní části výsledné tabulky. | Zkusme si nejprve společně vyhledat frekvenci jednotlivých pádových forem [[pojmy:lemma|lemmatu]] //noha//. V korpusu [[cnk:syn2010|SYN2010]] se jich nachází 29 990. V menu zvolíme volbu **Frekvence → Slovní tvary**, načež se nám ukážou všechny [[pojmy:word|slovní tvary]] (včetně všech rozdílů v psaní velkých a malých písmen). Celkový počet různých forem ([[pojmy:typ|typů]]) je zobrazen za slovem **Celkem** v horní části výsledné tabulky. |
| |
[{{ :kurz:lemma_slovni_tvary_bezvelkych.png?500|Frekvenční distribuce slovních tvarů ([[pojmy:case-sensitive|case-insensitive]] FIXME)}}] | [{{ :kurz:lemma_slovni_tvary_bezvelkych.png?500|Frekvenční distribuce slovních tvarů ([[pojmy:case-sensitive|case-insensitive]] )}}] |
| |
Připadá-li nám tabulka nepřehledná, můžeme ji snadno upravit: stačí v menu vybrat volbu **Frekvence → Vlastní**, zvolit atribut **word** a zaškrtnout, že nechceme [[pojmy:case-sensitive|rozlišovat velikost]]. Z výsledné tabulky snadno vyčteme, kolikrát se slovo //noha// realizuje v "neživotném" tvaru //nohami//. Pokud vás zajímá, zda a jak se liší užití tvarů //nohama// a //nohami//, stačí prokliknout přes modře zvýrazněné <fc #4169e1>p</fc> vlevo od vybraného tvaru (<fc #4169e1>p</fc> značí pozitivní [[manualy:kontext:filtr|filtr]] dané konkordance, <fc #4169e1>n</fc> je filtr negativní a zobrazil by všechny tvary **kromě** vybraného). | Připadá-li nám tabulka nepřehledná, můžeme ji snadno upravit: stačí v menu vybrat volbu **Frekvence → Vlastní**, zvolit atribut **word** a zaškrtnout, že nechceme [[pojmy:case-sensitive|rozlišovat velikost]]. Z výsledné tabulky snadno vyčteme, kolikrát se slovo //noha// realizuje v "neživotném" tvaru //nohami//. Pokud vás zajímá, zda a jak se liší užití tvarů //nohama// a //nohami//, stačí prokliknout přes modře zvýrazněné <fc #4169e1>p</fc> vlevo od vybraného tvaru (<fc #4169e1>p</fc> značí pozitivní [[manualy:kontext:filtr|filtr]] dané konkordance, <fc #4169e1>n</fc> je filtr negativní a zobrazil by všechny tvary **kromě** vybraného). |
Stejně jako si můžeme nechat korpusovým manažerem sečíst totožné tvary, není problém aplikovat početní operace i na jiné atributy, např. //[[pojmy:tag|tag]]//. | Stejně jako si můžeme nechat korpusovým manažerem sečíst totožné tvary, není problém aplikovat početní operace i na jiné atributy, např. //[[pojmy:tag|tag]]//. |
| |
[{{:kurz:frekvdistribtag.png?600 | Výběr vlastního atributu pro frekvenční distribuci FIXME}}] | [{{:kurz:frekvdistribtag.png?600 | Výběr vlastního atributu pro frekvenční distribuci }}] |
| |
==== Frekvenční distribuce slovních druhů v okolí KWICu ==== | ==== Frekvenční distribuce slovních druhů v okolí KWICu ==== |
| |
| |
[{{:kurz:frekvdistr_tag1l.png?500| Zadání frekvenční distribuce na první pozici vlevo vedle KWICu FIXME}}] | [{{:kurz:frekvdistr_tag1l.png?500| Zadání frekvenční distribuce na první pozici vlevo vedle KWICu }}] |
| |
<WRAP clear/> | <WRAP clear/> |
Charakteristiky mluvčích v mluvených korpusech ([[pojmy:atributy_strukturni#strukturni_atributy_korpusu_rady_oral|věk, pohlaví, vzdělání, oblast]]), to vše si navolíte prostřednictvím volby **Frekvence → Vlastní → Podle typů textu**. Podobný výstup poskytuje i rychlá volba **Frekvence → Typy textů**, kterou aplikujete na konkordanci v mluveném korpusu řady Oral. | Charakteristiky mluvčích v mluvených korpusech ([[pojmy:atributy_strukturni#strukturni_atributy_korpusu_rady_oral|věk, pohlaví, vzdělání, oblast]]), to vše si navolíte prostřednictvím volby **Frekvence → Vlastní → Podle typů textu**. Podobný výstup poskytuje i rychlá volba **Frekvence → Typy textů**, kterou aplikujete na konkordanci v mluveném korpusu řady Oral. |
| |
[{{:kurz:vlastne_oral_frekdis.png?500|Frekvenční distribuce sociolingvistických proměnných FIXME}}] | [{{:kurz:vlastne_oral_frekdis.png?500|Frekvenční distribuce sociolingvistických proměnných }}] |
| |
<WRAP clear/> | <WRAP clear/> |
===== Třídění řádků ===== | ===== Třídění řádků ===== |
| |
Kvalitativní analýza konkordančních řádků může těžit z funkce **Třídění**, která je k dispozici v menu pod položkou **Konkordance**. Tuto funkci můžeme využívat, dáváme-li přednost ruční kvalitativní analýze před analýzou frekvenční (viz první část této lekce věnovaná frekvenční distribuci). | Kvalitativní analýza konkordančních řádků může těžit z funkce **Třídění**, která je k dispozici v menu pod položkou **Konkordance**. Tuto funkci lze využít, dáváme-li přednost ruční kvalitativní analýze před analýzou frekvenční (viz první část této lekce věnovaná frekvenční distribuci). |
| |
Třídit řádky má smysl jen v případě, že celá konkordance není příliš rozsáhlá -- je tedy rozumné pracovat s [[kurz:vytvareni_vzorku|náhodnými vzorky]], tj. s určitým zpracovatelným počtem náhodně vybraných řádků. Náhodný vzorek vytvoříme po zadání dotazu v menu **Konkordance → Vzorek**, kde si zadáme požadovaný rozsah vzorku. Doporučujeme vybírat spíše menší vzorky (defaultně nastavených je 250), které jsou ještě přehledné. Problematice vytváření náhodných vzorků se detailně věnuje [[kurz:vytvareni_vzorku|samostatný článek]]. | Třídit řádky má smysl jen v případě, že celá konkordance není příliš rozsáhlá -- je tedy rozumné pracovat s [[kurz:vytvareni_vzorku|náhodnými vzorky]], tj. s určitým zpracovatelným počtem náhodně vybraných řádků. Náhodný vzorek vytvoříme po zadání dotazu v menu **Konkordance → Vzorek**, kde si zadáme požadovaný rozsah vzorku. Doporučujeme vybírat spíše menší vzorky (defaultně nastavených je 250), které jsou ještě přehledné. Problematice vytváření náhodných vzorků se detailně věnuje [[kurz:vytvareni_vzorku|samostatný článek]]. |
| |
Jakmile máme připravený náhodný vzorek, můžeme v něm řádky třídit abecedně, a to buď podle prvního znaku KWICu, nebo podle levého či pravého kontextu. Chceme například pomocí kvalitativní analýzy zjistit, s jakými slovy se obvykle pojí adjektivum //červený//. V menu vybereme položku **Konkordance → Třídění**. Pokud nás zajímá pravý kontext, kde se budou pravděpodobně vyskytovat mj. substantiva rozvíjená slovem //červený//, zvolíme atribut **word** nebo **lemma**, klíč třídění **Pravý kontext** a počet tokenů k třídění **1** (to znamená, že abecedně řadit se bude jen jediné slovo vpravo od KWICu). | Jakmile máme připravený náhodný vzorek, můžeme v něm řádky abecedně seřadit, a to buď podle prvního znaku KWICu, nebo podle levého či pravého kontextu. Chceme například pomocí kvalitativní analýzy zjistit, s jakými slovy se obvykle pojí adjektivum //červený//. V menu vybereme položku **Konkordance → Třídění**. Pokud nás zajímá pravý kontext, kde se budou pravděpodobně vyskytovat mj. substantiva rozvíjená slovem //červený//, zvolíme atribut **word** nebo **lemma**, klíč třídění **Pravý kontext** a počet tokenů k třídění **1** (to znamená, že abecedně řadit se bude jen jediné slovo vpravo od KWICu). |
| |
Kvalitativní analýzou zjistíme, že po adjektivu //červený// skutečně v textu nejčastěji následují substantiva, např. //víno//, //kříž//, //barva//, //krvinka// či //karta//. Podobnou kvalitativní analýzou levého kontextu (klíč třídění změníme na **Levý kontext**) dospějeme k tomu, že adjektivum //červený// může být rozvíjeno slovy jako //jasně// či //temně//. | Kvalitativní analýzou zjistíme, že po adjektivu //červený// skutečně v textu nejčastěji následují substantiva, např. //víno//, //kříž//, //barva//, //krvinka// či //karta//. Podobnou kvalitativní analýzou levého kontextu (klíč třídění změníme na **Levý kontext**) dospějeme k tomu, že adjektivum //červený// může být rozvíjeno slovy jako //jasně// či //temně//. |
===== Uložení výsledků analýzy ===== | ===== Uložení výsledků analýzy ===== |
| |
Kromě uložení výsledku dotazu (tedy samotných konkordančních řádků) můžeme ukládat i výsledky analýz, především frekvenční distribuce či [[manualy:kontext:kolokace|kolokační]] analýzy. Ve výsledné tabulce (pokud data otevíráme v tabulkovém editoru) můžeme dále třídit, promazávat či jinak upravovat řádky podle svých představ a výzkumných záměrů. | Kromě uložení výsledku dotazu (tedy samotných konkordančních řádků) můžeme ukládat i výsledky analýz, především frekvenční a [[manualy:kontext:kolokace|kolokační]] seznamy. Ve výsledné tabulce (pokud data otevíráme v tabulkovém editoru) můžeme dále třídit, promazávat či jinak upravovat řádky podle svých představ a výzkumných záměrů. |
| |
V korpusu SYN2010 najděte všechna slova obsahující segment //krv// (typ dotazu **Část slova**). Pomocí funkce **Frekvence → Lemmata** vytvořte tabulku, která řadí lemmata obsahující v některém ze svých tvarů řetězec znaků //krv// podle frekvence. | V korpusu SYN2015 najděte všechna slova obsahující segment //krv// (typ dotazu **Část slova**). Pomocí funkce **Frekvence → Lemmata** vytvořte tabulku, která řadí lemmata obsahující v některém ze svých tvarů řetězec znaků //krv// podle frekvence. |
| |
V horní části výsledné tabulky vidíte, že takových lemmat je celkem 138. Vás ale budou zajímat jen taková lemmata, která se v daném korpusu vyskytují alespoň desetkrát. Při ukládání zvolte položku **Uložit → Vlastní**, jež vám umožní omezit počet exportovaných řádků (od 1 do 39, na řádku 40 je slovo, které je v korpusu SYN2010 pouze devětkrát). Zvolte formát XLSX a data uložte. V okně, které se vám automaticky zobrazí, stačí už jen zvolit, zda chcete soubor otevřít ve formátu Excel (pozor, v tom případě není zatím uložený!), nebo ho rovnou uložit mezi své soubory. | V horní části výsledné tabulky vidíme, že takových lemmat je celkem 129. Nás ale budou zajímat jen taková lemmata, která se v daném korpusu vyskytují alespoň desetkrát. Při ukládání zvolte položku **Uložit → Vlastní**, jež umožní omezit počet exportovaných řádků (od 1 do 38, na řádku 39 je slovo, které je v korpusu SYN2015 pouze devětkrát). Zvolte formát XLSX a data uložte. V okně, které se automaticky zobrazí, stačí už jen zvolit, zda chcete soubor otevřít ve formátu Excel (pozor, v tom případě není zatím uložený!), nebo ho rovnou uložit mezi své soubory. |
| |
===== Vyzkoušejte si na závěr ===== | ===== Vyzkoušejte si na závěr ===== |