| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verzePoslední revizeObě strany příští revize |
| seznamy:strukturni_atributy_mluvene [2022/06/08 16:15] – [Struktury korpusů mluvené češtiny] jankrivan | seznamy:strukturni_atributy_mluvene [2023/02/24 17:25] – [Strukturní atributy korpusu Jazyky v migraci] lukes |
|---|
| ^ Dotaz ^ Vyhodnocení ^ | ^ Dotaz ^ Vyhodnocení ^ |
| | ''[word=<nowiki>"</nowiki>ne<nowiki>"</nowiki>]</doc>'' | výskyty slova //ne// na konci sondy | | | ''[word=<nowiki>"</nowiki>ne<nowiki>"</nowiki>]</doc>'' | výskyty slova //ne// na konci sondy | |
| | ''<sp> [word=<nowiki>"</nowiki>hm<nowiki>"</nowiki>]'' | výskyty slova //hm// na začátku promluvy | | | ''<sp> [word=<nowiki>"</nowiki>hmm<nowiki>"</nowiki>]'' | výskyty slova //hmm// na začátku promluvy | |
| |
| Strukturním jednotkám (strukturám) mohou být přiřazeny další údaje (tzv. [[pojmy:metadata|metadata]]), a to prostřednictvím strukturních atributů. Přehled těchto atributů a jejich možné hodnoty u jednotlivých korpusů uvádíme níže. Společně s tím uvádíme i další, tzv. nehierarchické struktury, které jsou u některých korpusů použity. | Strukturním jednotkám (strukturám) mohou být přiřazeny další údaje (tzv. [[pojmy:metadata|metadata]]), a to prostřednictvím strukturních atributů. Přehled těchto atributů a jejich možné hodnoty u jednotlivých korpusů uvádíme níže. Společně s tím uvádíme i další, tzv. nehierarchické struktury, které jsou u některých korpusů použity. |
| ==== Strukturní atributy korpusu ORTOFON a spojeného korpusu ORAL ==== | ==== Strukturní atributy korpusu ORTOFON a spojeného korpusu ORAL ==== |
| |
| Korpusy [[cnk:oral|ORAL]] a [[cnk:ortofon|ORTOFON]] obsahují následující údaje: | Korpusy [[cnk:ortofon|ORTOFON]] a [[cnk:oral|ORAL]] obsahují následující údaje: |
| |
| ^ Struktura ^ Atribut ^ Příklad ^ Vysvětlení ^ Možné hodnoty ^ | ^ Struktura ^ Atribut ^ Příklad ^ Vysvětlení ^ Možné hodnoty ^ |
| | ::: | oral | 2006 | označuje korpus, z něhož nahrávka pochází | ''{2006, 2008, 2013, Z}''| | | ::: | oral | 2006 | označuje korpus, z něhož nahrávka pochází | ''{2006, 2008, 2013, Z}''| |
| | ::: | number | 2 | počet mluvčích v nahrávce| | | ::: | number | 2 | počet mluvčích v nahrávce| |
| | ::: | //Atributy ''generations'' a ''genders'' jsou obsažené pouze v korpusu ORTOFON:// |||| | | ::: | //Tyto atributy pod strukturou ''doc'' jsou obsažené pouze v korpusu ORTOFON:// |||| |
| | ::: | generations | 1 | počet generací mluvčích v nahrávce | ''{1'' (vrstevníci)'',2'' (mladší a starší mluvčí v nahrávce)''}'' atd. | | | ::: | generations | 1 | počet generací mluvčích v nahrávce | ''{1'' (vrstevníci)'',2'' (mladší a starší mluvčí v nahrávce)''}'' atd. | |
| | ::: | genders | smíšené | |''{jen ženy, jen muži, smíšené}'' | | | ::: | genders | smíšené | |''{jen ženy, jen muži, smíšené}'' | |
| | unclear | - | - | struktura obaluje pozice, u nichž si přepisující nebyl jist obsahem řečeného | - | | | unclear | - | - | struktura obaluje pozice, u nichž si přepisující nebyl jist obsahem řečeného | - | |
| |
| ==== Strukturní atributy korpusů ORAL2006, ORAL2008 a ORAL2013 ==== | |
| |
| Korpusy [[cnk:oral2006|ORAL2006]], [[cnk:oral2008|ORAL2008]] a [[cnk:oral2013|ORAL2013]] obsahují následující strukturní atributy: | ==== Strukturní atributy korpusu ORATOR ==== |
| | |
| | Korpus [[cnk:orator|ORATOR]] obsahuje tyto údaje: |
| | |
| | ^ Struktura ^ Atribut ^ Popis ^ Možné hodnoty (položky jsou řazeny podle abecedy) ^ |
| | | doc | id | jednoznačný identifikátor sondy | | |
| | | ::: | year | rok pořízení nahrávky | | |
| | | ::: | location | místo nahrávky | obce ČR | |
| | | ::: | situation | typ situace | ''{ceremoniál, instruktáž, jednání, kázání, prohlídka, přednáška, slavnostní projev, školení, uvedení uměleckého díla, veřejné shromáždění, zahájení, zakončení}'' | |
| | | ::: | framing | zaměření projevu | ''{oficiální, popularizační, politické, profesní, vědecké}'' | |
| | | ::: | genre | žánr projevu | hodnoty shodné s atributem [[cnk:klasifikace_textu_syn2015?s[]=genre|genre]] u psaných korpusů | |
| | | ::: | audience_present | přítomnost publika | ''{ano, ne}'' | |
| | | ::: | intended_audience | jakému publiku je projev určen | ''{skupina, veřejnost}'' | |
| | | ::: | special | speciální příznak projevu | ''{čtené, pro děti, Y}'' (''Y'' pro projevy bez příznaku) | |
| | | ::: | source | zdroj | ''{vlastní sběr, volně dostupná nahrávka}'' | |
| | | ::: | speakers | počet mluvčích v nahrávce | | |
| | | ::: | length | délka nahrávky v minutách | | |
| | | ::: | tokens | počet všech tokenů v nahrávce | | |
| | | sp | id | identifikátor segmentu | unikátní číslo pro každý segment | |
| | | ::: | nickname | přezdívka mluvčího | náhodně přidělená příjmení | |
| | | ::: | speaker_id | číslo doplňující přezdívku mluvčího | stejně jako příjmení bude toto číslo stejné u každé promluvy od stejného mluvčího| |
| | | ::: | gender | pohlaví | | |
| | | ::: | proportion | procentuální zastoupení řeči mluvčího v rámci celé nahrávky | | |
| | | ::: | soundfile | číslo a formát nahrávky | | |
| |
| ^ Struktura ^ Atribut ^ Popis ^ Možné hodnoty ^ | |
| | doc | id | jednoznačný identifikátor sondy | ''<řetězec čísel a velkých písmen>'' | | |
| | ::: | temp | rok nahrání sondy | např. ''2008'' | | |
| | ::: | pocet | počet mluvčích v sondě | ''<číslo>'' | | |
| | ::: | promluva | typ promluvy | ''N'' (neformální) | | |
| | ::: | //Atributy ''vztah'' a ''situace'' jsou obsažené pouze v korpusu ORAL2013:// ||| | |
| | ::: | vztah | vztah mezi mluvčími | ''{přátelskost,známost}'' | | |
| | ::: | situace | typ situace, v níž byla nahrávka pořízena | ''{hovor při jídle doma,hovor při společné činnosti,hovor v práci,jiné,jízda dopravním prostředkem,na chatě,na zastávce,návštěva,oslava,posezení na zahradě,procházka,restaurace,rozhovor doma,společenská hra,ve škole mimo vyučování,výlet}'' | | |
| | sp | num | číselné označení mluvčího **v rámci sondy (doc)** | od ''00'' výš (podle počtu mluvčích, přičemž ''00'' označuje mluvčího, který rozhovor nahrával); možné je i ''Y'' | | |
| | ::: | pohlavi | pohlaví mluvčího | ''{M'' (muž)'', Z'' (žena)''}'' nebo ''Y'' | | |
| | ::: | vek | věková kategorie mluvčího | ''{I'' (iunior, mladší: ca 20–35 let)'',V'' (vetus, starší: 35 let a více)''}'' nebo ''Y'' | | |
| | ::: | veknum | věk mluvčího (číselně) | ''<číslo>'' | | |
| | ::: | vzdelani | vzdělání mluvčího (hrubé rozlišení) | ''{A''(altus, vysokoškolské včetně pouze započatého)'',B''(basis, základní a středoškolské)''}'' nebo ''Y'' | | |
| | ::: | vzdelanityp | vzdělání mluvčího (jemnější rozlišení) | ''{SŠ,VŠ,ZŠ}'' nebo ''Y'' | | |
| | ::: | oblast | nářeční oblast místa pobytu mluvčího v dětství (do 15 let) | ''{česko-moravská,jihozápadočeská,pohraničí české,pohraničí moravské,severovýchodočeská,slezská,středočeská,středomoravská,východomoravská}'' nebo ''Y'' | | |
| | ::: | //Atributy ''oznacenishody'' a ''prekryv'' jsou obsažené pouze v korpusu ORAL2013:// ||| | |
| | ::: | oznacenishody | jednoznačné označení mluvčího **v rámci celého korpusu** | ''<řetězec malých písmen>'' | | |
| | ::: | prekryv | nachází se tato promluva daného mluvčího v překryvu? | ''{ano,ne}'' | | |
| | seg | - | nižší hierarchická jednotka členění mluveného textu | | |
| |
| ==== Strukturní atributy korpusu DIALEKT ==== | ==== Strukturní atributy korpusu DIALEKT ==== |
| | ::: | noblastdet | východomoravská | pobyt mluvčího v dětství (do 15 let) - nářeční oblast | ''{českomoravská, jihočeská, pohraničí české, severovýchodočeská, slezská, sředočeská, středomoravská, východomoravská, západočeská}'' | pouze hodnoty, pro které se v korpusu nachází nářeční materiál | | | ::: | noblastdet | východomoravská | pobyt mluvčího v dětství (do 15 let) - nářeční oblast | ''{českomoravská, jihočeská, pohraničí české, severovýchodočeská, slezská, sředočeská, středomoravská, východomoravská, západočeská}'' | pouze hodnoty, pro které se v korpusu nachází nářeční materiál | |
| |
| ==== Strukturní atributy korpusu ORATOR ==== | |
| |
| Korpus [[cnk:orator|ORATOR]] obsahuje tyto údaje: | ==== Strukturní atributy korpusů ORAL2006, ORAL2008 a ORAL2013 ==== |
| |
| ^ Struktura ^ Atribut ^ Popis ^ Možné hodnoty (položky jsou řazeny podle abecedy) ^ | Korpusy [[cnk:oral2006|ORAL2006]], [[cnk:oral2008|ORAL2008]] a [[cnk:oral2013|ORAL2013]] obsahují následující údaje: |
| | doc | id | jednoznačný identifikátor sondy | | | |
| | ::: | year | rok pořízení nahrávky | | | ^ Struktura ^ Atribut ^ Popis ^ Možné hodnoty ^ |
| | ::: | location | místo nahrávky | obce ČR | | | doc | id | jednoznačný identifikátor sondy | ''<řetězec čísel a velkých písmen>'' | |
| | ::: | situation | typ situace | ''ceremoniál, instruktáž, jednání, kázání, prohlídka, přednáška, slavnostní projev, školení, uvedení uměleckého díla, veřejné shromáždění, zahájení, zakončení'' | | | ::: | temp | rok nahrání sondy | např. ''2008'' | |
| | ::: | framing | zaměření projevu | ''oficiální, popularizační, politické, profesní, vědecké'' | | | ::: | pocet | počet mluvčích v sondě | ''<číslo>'' | |
| | ::: | genre | žánr projevu | hodnoty shodné s atributem [[cnk:klasifikace_textu_syn2015?s[]=genre|genre]] u psaných korpusů | | | ::: | promluva | typ promluvy | ''N'' (neformální) | |
| | ::: | audience_present | přítomnost publika | ''ano, ne'' | | | ::: | //Další atributy pod strukturou ''doc'' jsou obsažené pouze v korpusu ORAL2013:// ||| |
| | ::: | intended_audience | jakému publiku je projev určen | ''skupina, veřejnost'' | | | ::: | vztah | vztah mezi mluvčími | ''{přátelskost,známost}'' | |
| | ::: | special | speciální příznak projevu | ''čtené, pro děti, Y'' (pro projevy bez příznaku) | | | ::: | situace | typ situace, v níž byla nahrávka pořízena | ''{hovor při jídle doma,hovor při společné činnosti,hovor v práci,jiné,jízda dopravním prostředkem,na chatě,na zastávce,návštěva,oslava,posezení na zahradě,procházka,restaurace,rozhovor doma,společenská hra,ve škole mimo vyučování,výlet}'' | |
| | ::: | source | zdroj | ''vlastní sběr, volně dostupná nahrávka'' | | | sp | num | číselné označení mluvčího **v rámci sondy (doc)** | od ''00'' výš (podle počtu mluvčích, přičemž ''00'' označuje mluvčího, který rozhovor nahrával); možné je i ''Y'' | |
| | ::: | speakers | počet mluvčích v nahrávce | | | | ::: | pohlavi | pohlaví mluvčího | ''{M'' (muž)'', Z'' (žena)''}'' nebo ''Y'' | |
| | ::: | length | délka nahrávky v minutách | | | | ::: | vek | věková kategorie mluvčího | ''{I'' (iunior, mladší: ca 20–35 let)'',V'' (vetus, starší: 35 let a více)''}'' nebo ''Y'' | |
| | ::: | tokens | počet všech tokenů v nahrávce | | | | ::: | veknum | věk mluvčího (číselně) | ''<číslo>'' | |
| | sp | id | identifikátor segmentu | unikátní číslo pro každý segment | | | ::: | vzdelani | vzdělání mluvčího (hrubé rozlišení) | ''{A''(altus, vysokoškolské včetně pouze započatého)'',B''(basis, základní a středoškolské)''}'' nebo ''Y'' | |
| | ::: | nickname | přezdívka mluvčího | náhodně přidělená příjmení | | | ::: | vzdelanityp | vzdělání mluvčího (jemnější rozlišení) | ''{SŠ,VŠ,ZŠ}'' nebo ''Y'' | |
| | ::: | speaker_id | číslo doplňující přezdívku mluvčího | stejně jako příjmení bude toto číslo stejné u každé promluvy od stejného mluvčího| | | ::: | oblast | nářeční oblast místa pobytu mluvčího v dětství (do 15 let) | ''{česko-moravská,jihozápadočeská,pohraničí české,pohraničí moravské,severovýchodočeská,slezská,středočeská,středomoravská,východomoravská}'' nebo ''Y'' | |
| | ::: | gender | pohlaví | | | | ::: | //Další atributy pod strukturou ''sp'' jsou obsažené pouze v korpusu ORAL2013:// ||| |
| | ::: | proportion | procentuální zastoupení řeči mluvčího v rámci celé nahrávky | | | | ::: | oznacenishody | jednoznačné označení mluvčího **v rámci celého korpusu** | ''<řetězec malých písmen>'' | |
| | ::: | soundfile | číslo a formát nahrávky | | | | ::: | prekryv | nachází se tato promluva daného mluvčího v překryvu? | ''{ano,ne}'' | |
| | | seg | - | nižší hierarchická jednotka členění mluveného textu | |
| |
| Pozn. Některé atributy mluvených korpusů připouštějí hodnotu ''Y'', která značí, že údaj není znám. Bývá uveden u mluvčích, kteří se v rozhovoru objevují krátce (např. servírka v rozhovoru vedeném v restauraci). | Pozn. Některé atributy mluvených korpusů připouštějí hodnotu ''Y'', která značí, že údaj není znám. Bývá uveden u mluvčích, kteří se v rozhovoru objevují krátce (např. servírka v rozhovoru vedeném v restauraci). |
| |
| | ==== Strukturní atributy korpusu Jazyky v migraci ==== |
| | |
| | Korpus [[cnk:jazyky-v-migraci|Jazyky v migraci]] obsahuje následující údaje: |
| | |
| | ^ Struktura ^ Atribut ^ Příklad ^ Vysvětlení ^ Možné hodnoty ^ |
| | | doc | id | A1CS11 | unikátní identifikátor nahrávky | ''<řetězec čísel a velkých písmen>'' | |
| | | ::: | language | cs | hlavní jazyk | ''{cs, de}'' | |
| | | ::: | speakers | 1 | počet mluvčích, vyjma explorátory | ''<číslo>'' | |
| | | ::: | situation_cs | doma | popis situace česky | ''{doma, kancelář, veřejný prostor}'' | |
| | | ::: | situation_de | zu Hause | popis situace německy | ''{Büro, zu Hause, öffentlicher Raum}'' | |
| | | ::: | topics_cs | emigrace%%|%%známí%%|%%škola | témata česky | více možností, vč. multihodnot | |
| | | ::: | topics_de | Auswanderung%%|%%Bekannte%%|%%Schule | témata německy | více možností, vč. multihodnot | |
| | | sp | id | A1CS11:187 | unikátní identifikátor segmentu | ''<doc.id>:<pořadové číslo v rámci nahrávky>'' | |
| | | ::: | nickname | Erika B. | přezdívka mluvčího | | |
| | | ::: | gender | F | pohlaví mluvčího | ''{F, M}'' | |
| | | ::: | born | 1956 | rok narození mluvčího | ''<číslo>'' | |
| | | ::: | immigrated | 1968 | rok emigrace mluvčího do Německa | ''<číslo>'' | |
| | | ::: | reg_birth | Liberecký kraj | region narození mluvčího | ''{Hlavní město Praha, Jihočeský kraj, Karlovarský kraj, Královéhradecký kraj, Liberecký kraj, Moravskoslezský kraj, Olomoucký kraj, Plzeňský kraj, západní Čechy, Ústecký kraj}'' | |
| | | ::: | reg_current | Bayern | region současného pobytu mluvčího | ''{Baden-Württemberg, Bayern, Hessen}'' | |
| | | ::: | loctype_birth_cs | venkov | typ místa narození mluvčího česky| ''{město, venkov}'' | |
| | | ::: | loctype_birth_de | ländlich | typ místa narození mluvčího německy | ''{ländlich, städtisch}'' | |
| | | ::: | loctype_current_cs | venkov | typ místa současného pobytu mluvčího česky| ''{město, venkov}'' | |
| | | ::: | loctype_current_de | ländlich | typ místa současného pobytu mluvčího německy | ''{ländlich, städtisch}'' | |
| | | ::: | generation_cs | pozdní vysídlenci | generace mluvčího česky | ''{migranti, pozdní vysídlenci}'' | |
| | | ::: | generation_de | Spätaussiedler:innen | generace mluvčího německy | ''{Migrant:innen, Spätaussiedler:innen}'' | |
| | | ::: | education_cs | VŠ | vzdělání mluvčího česky | ''{SŠ, VŠ}'' | |
| | | ::: | education_de | Hochschulabschluss | vzdělání mluvčího německy | ''{Abitur/Berufsbildende Schule, Hochschulabschluss}'' | |
| | | ::: | langgener_category | PAT%%|%%AA | viz první tabulka [[cnk:jazyky-v-migraci#znackovani|v sekci Značkování v popisu korpusu]] | hodnoty z tabulky jako multihodnoty dle pořadí výskytu v segmentu (mohou se i opakovat) | |
| | | ::: | syntactic_phrase | VP%%|%%NP | viz druhá tabulka [[cnk:jazyky-v-migraci#znackovani|v sekci Značkování v popisu korpusu]] | hodnoty z tabulky jako multihodnoty dle pořadí výskytu v segmentu (mohou se i opakovat) | |
| | | ::: | soundfile | 7/f/66466a1f.mp3 | soubor s odpovídající zvukovou nahrávkou | | |
