| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verzeNásledující verzeObě strany příští revize |
| seznamy:strukturni_atributy_mluvene [2022/06/14 11:39] – jankrivan | seznamy:strukturni_atributy_mluvene [2023/02/24 17:08] – 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. |
| | overlap | - | - | struktura obaluje pozice řečené v překryvu s jiným mluvčím | - | | | overlap | - | - | struktura obaluje pozice řečené v překryvu s jiným mluvčím | - | |
| | 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 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 | | |
| |
| |
| | ::: | 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: | |
| |
| ^ 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 | | | |
| |
| ==== Strukturní atributy korpusů ORAL2006, ORAL2008 a ORAL2013 ==== | ==== Strukturní atributy korpusů ORAL2006, ORAL2008 a ORAL2013 ==== |
| |
| 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: |
| | |
| | |
| |
