AplikaceAplikace
Nastavení

Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

Odkaz na výstup diff

Následující verze		Předchozí verze
cnk:codit [2021/03/24 17:52] – vytvořeno michalkrencnk:codit [2021/03/29 14:16] (aktuální) – [Korpus CODIT] michalkren
Řádek 5: Řádek 5:
 {{ :en:cnk:codit-logo.png?direct&180|}} {{ :en:cnk:codit-logo.png?direct&180|}}
  
-CODIT je vyvážený diachronní korpus psané italštiny o celkové velikosti přibližně 33 mil. tokenů. Pokrývá celé období vývoje italštiny od prvních zmínek ve 13. století do roku 1947. Struktura korpusu CODIT je analogická ke korpusu [[http://www.corpusmidia.unito.it/|MIDIA]] (//Morfologia Italiana in Diacronia//, který dosahuje velikosti 7,5 mil. tokenů. Korpus CODIT není prozatím anotován, v budoucnu však počítáme s doplněním morfologického značkování a lemmatizace. +CODIT je vyvážený diachronní korpus psané italštiny o celkové velikosti přibližně 33 mil. tokenů. Korpus je v ČNK hostován díky [[https://www.unimib.it/maria-silvia-micheli|Marii Silvii Micheli]], která ho sestavila. CODIT pokrývá celé období vývoje italštiny od 13. století do roku 1947, jeho struktura je analogická ke korpusu [[http://www.corpusmidia.unito.it/|MIDIA]] (//Morfologia Italiana in Diacronia//), který dosahuje velikosti 7,5 mil. tokenů. Korpus CODIT není prozatím anotován, v budoucnu však počítáme s doplněním morfologického značkování a lemmatizace. Korpus je rozdělen do 5 hlavních částí podle období, které pokrývají. Periodizace vychází z korpusu MIDIA a je založena na důležitých historických a literárních událostech:
-Korpus je rozdělen do 5 hlavních částí podle období, které pokrývají. Periodizace vychází z korpusu MIDIA a je založena na důležitých historických a literárních událostech:+
  
-  - 13. století -- 1375: od prvních zmínek po Boccacciovu smrt. +  - 13. století -- 1375: období končí Boccacciovou smrtí. 
-  - 1376--1532: období humanismu a renesance; končí rokem 1532, kdy bylo publikováno třetí vydání //Zuřivého Rolanda// Ludovica Ariosta. +  - 1376 -- 1532: období humanismu a renesance; končí rokem 1532, kdy bylo publikováno třetí vydání //Zuřivého Rolanda// Ludovica Ariosta. 
-  - 1533--1691: období manýrismu a baroka; končí rokem 1691, kdy bylo publikováno třetí vydání //Vocabolaria// od Accademie della Crusca. +  - 1533 -- 1691: období manýrismu a baroka; končí rokem 1691, kdy Accademia della Crusca publikuje třetí vydání //Vocabolaria//. 
-  - 1692--1840: období osvícenství a romantismu; končí rokem 1840, kdy bylo publikováno revidované vydání //Snoubenců// Alessandra Manzoniho.  +  - 1692 -- 1840: období osvícenství a romantismu; končí rokem 1840, kdy bylo publikováno revidované vydání //Snoubenců// Alessandra Manzoniho.  
-  - 1841--1947: období sjednocování Itálie do konce druhé světové války; končí zveřejněním italské ústavy v roce 1947.+  - 1841 -- 1947: období sjednocování Itálie do konce druhé světové války; končí zveřejněním italské ústavy v roce 1947.
  
-Každá část korpusu CODIT obsahuje 6 hlavních typů textu: eseje, prózu, poezii, dopisy, odborné texty a divadelní hry. Jedinou výjimkou je první část, která neobsahuje odborné texty. Každý text byl do korpusu zařazen celý. +Každá část korpusu CODIT obsahuje 6 hlavních typů textu: eseje, prózu, poezii, dopisy, odborné texty a divadelní hry. Jedinou výjimkou je nejstarší období, v němž chybějí odborné texty. Všechny texty byly do korpusu zařazeny celé. Každé období je pokryto přibližně 7 mil. tokenů (viz Tabulka 1), opět s výjimkou toho nejstaršího, které je menší (4,5 mil. tokenů) kvůli obtížné dostupnosti textů. Struktura korpusu rozděleného do pěti (téměř) srovnatelných částí umožňuje provádět empiricky založený diachronní výzkum italštiny.
-Každá část obsahuje přibližně 7 mil. tokenů (viz Tabulka 1), opět s výjimkou první části, která je menší (4,5 mil. tokenů) kvůli obtížné dostupnosti textů. Struktura korpusu rozděleného na pět (téměř) srovnatelných částí umožňuje provádět diachronní empirický výzkum italštiny.+
  
 ^  ^  1  ^  2  ^  3  ^  4  ^  5  ^ ^  ^  1  ^  2  ^  3  ^  4  ^  5  ^
Řádek 24: Řádek 22:
 ^ scientifici|  0|  593,168|  716,098|  824,532|  742,856| ^ scientifici|  0|  593,168|  716,098|  824,532|  742,856|
 ^ teatro|  79,213|  478,787|  545,645|  541,389|  546,750| ^ teatro|  79,213|  478,787|  545,645|  541,389|  546,750|
-^ TOT|  4,511,873|  6,589,372|  7,496,501|  6,996,485|  7,502,574|+^ CELKEM|  4,511,873|  6,589,372|  7,496,501|  6,996,485|  7,502,574|
  
 **Tabulka 1**: Velikost jednotlivých částí korpusu CODIT **Tabulka 1**: Velikost jednotlivých částí korpusu CODIT

Historie: