AplikaceAplikace
Nastavení

Rozdíly

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

Odkaz na výstup diff

Obě strany předchozí revizePředchozí verze
Následující verze
Předchozí verze
cnk:jerome [2013/12/20 14:44] luciechlumskacnk:jerome [2015/08/04 16:43] (aktuální) – [Jak citovat korpus JEROME] michalkren
Řádek 1: Řádek 1:
 ====== Korpus JEROME ====== ====== Korpus JEROME ======
  
-Korpus Jerome je **jednojazyčný srovnatelný korpus** (//monolingual comparable corpus//) speciálně sestavený pro zkoumání překladové češtiny (tedy textů přeložených do češtiny z jiných jazyků) v porovnání s češtinou nepřekladovou (původní česky psanou). Pozor, nejedná se o korpus paralelní, jenž obsahuje překlady a k nim zarovnané originály neboli zdrojové texty; nepřekladová čeština zde tedy hraje roli referenčního korpusu. Korpus je primárně určen translatologům a lingvistům, kteří se chtějí zabývat zkoumáním překladového jazyka -- jeho vlastnostmi a charakteristikami. Korpus je možné využít i k ověřování teorií o platnosti tzv. překladových univerzálií.+Korpus Jerome je **jednojazyčný [[pojmy:srovnatelny|srovnatelný]] korpus** (//monolingual comparable corpus//) speciálně sestavený pro zkoumání překladové češtiny (tedy textů přeložených do češtiny z jiných jazyků) v porovnání s češtinou nepřekladovou (původní česky psanou). Pozor, nejedná se o korpus paralelní, jenž obsahuje překlady a k nim zarovnané originály neboli zdrojové texty; nepřekladová čeština zde tedy hraje roli referenčního korpusu. Korpus je primárně určen translatologům a lingvistům, kteří se chtějí zabývat zkoumáním překladového jazyka -- jeho vlastnostmi a charakteristikami. Korpus je možné využít i k ověřování teorií o platnosti tzv. překladových univerzálií.
  
-Korpus vznikl na základě databáze textů Českého národního korpusu, konkrétně pak řady SYN (synchronní čeština), z nichž byly ručně vybrány konkrétní texty na základě specifických, __translatologicky relevantních kritérií__. Mezi hlavní kritéria patří zásada, že v korpusu Jerome nemůže být žádný autor zastoupen více než třikrát, aby se předešlo vlivu autorského idiolektu. Podobné pravidlo platí i pro překladatele s tím rozdílem, že překladatel se může v korpusu objevit také max. třikrát, ovšem pokaždé s překladem jiného autora. Tím byla zajištěna dostatečná heterogennost korpusu. Dalším kritériem byla doba vydání textu – do korpusu jsou zařazeny překlady a původní díla vydaná v období posledních dvaceti let (1992–2009), aby mohla být zkoumána současná překladová čeština.+Korpus vznikl((Tento korpus vznikl v roce 2013 v rámci vnitřního grantu FF UK VG027 (Chlumská -- Richterová).)) na základě databáze textů Českého národního korpusu, konkrétně pak řady SYN (synchronní čeština), z nichž byly ručně vybrány konkrétní texty na základě specifických, **translatologicky relevantních kritérií**. Mezi hlavní kritéria patří zásada, že v korpusu Jerome nemůže být žádný autor zastoupen více než třikrát, aby se předešlo vlivu autorského idiolektu. Podobné pravidlo platí i pro překladatele s tím rozdílem, že překladatel se může v korpusu objevit také max. třikrát, ovšem pokaždé s překladem jiného autora. Tím byla zajištěna dostatečná heterogennost korpusu. Dalším kritériem byla doba vydání textu – do korpusu jsou zařazeny překlady a původní díla vydaná v období posledních dvaceti let (1992–2009), aby mohla být zkoumána současná překladová čeština.
  
-Korpus je lemmatizován a morfologicky značkován obdobně jako korpusy řady SYN. Kromě standardních informací o textu, jako je název, autor, rok a místo vydání, překladatel a zdrojový jazyk, byla **anotace** doplněna o údaje o tom, zda se jedná o překlad nebo ne (status), o prvním vydání textu (prvnivyd), o pohlaví autora (autor_pohlavi) i překladatele (preklad_pohlavi). Na korpusu lze tedy např. provádět výzkum jazyka překladatelů a překladatelek, příp. kolektivu. +Korpus je lemmatizován a morfologicky značkován obdobně jako korpusy řady SYN. Kromě standardních informací o textu, jako je název, autor, rok a místo vydání, překladatel a zdrojový jazyk, byla **anotace** doplněna o údaje o tom, zda se jedná o překlad nebo ne (status), o prvním vydání textu (prvnivyd), o pohlaví autora (autor_pohlavi) i překladatele (preklad_pohlavi). Na korpusu lze tedy např. provádět výzkum jazyka překladatelů a překladatelek, příp. kolektivu.
  
-Korpus Jerome byl sestaven tak, aby odrážel **skutečnou situaci překladové literatury** u nás. Neobsahuje tedy stejné množství textů ze všech jazyků – což by bylo při této velikosti korpusu nereálné –, nýbrž odpovídá zhruba poměru překládaných jazyků, jak jej uvádí statistiky Národní knihovny a MŠMT ([[http://new.nipos-mk.cz/?cat=126]]). Z toho vyplývá, že např. knih přeložených z angličtiny se u nás vydá přibližně třikrát více než z druhého nejčastějšího jazyka; korpus Jerome tuto skutečnost svým složením reflektuje.+Korpus Jerome byl sestaven tak, aby odrážel **skutečnou situaci překladové literatury** u nás. Neobsahuje tedy stejné množství textů ze všech jazyků – což by bylo při této velikosti korpusu neuskutečnitelné –, nýbrž zhruba odpovídá poměru překládaných jazyků, jak jej uvádí statistiky Národní knihovny a MŠMT ([[http://new.nipos-mk.cz/?cat=126]]). Z toho vyplývá, že např. knih přeložených z angličtiny se u nás vydá přibližně třikrát více než z druhého nejčastějšího jazyka; korpus Jerome tuto skutečnost svým složením reflektuje.
  
-Aby však bylo možné korpus využít i pro výzkum překladových univerzálií, jenž vyžaduje vyvážený korpus z hlediska zdrojového jazyka, byl v rámci korpusu Jerome vytvořen **subkorpus**, který obsahuje přibližně stejný počet tokenů (cca 100 000) ze všech zahrnutých jazyků. Jeho velikost je nevyhnutelně menší, 5 mil. tokenů. Opět zahrnuje jak beletrii, tak odbornou literaturu. V beletristické části nalezneme texty přeložené ze 14 jazyků (vč. románských, germánských, slovanských i ugrofinských), v odborné literatuře jsou texty přeložené z 6 jazyků (EN, GE, FR, IT, PO, RU).  K překladové části subkorpusu byla současně vybrána i srovnatelná část nepřekladová. Subkorpus (překladovou i nepřekladovou část) lze zobrazit jednoduchým vyfiltrováním textů, jež mají v anotaci vyplněnou hodnotu sub_balance (beletrie, odborná). +Aby však bylo možné korpus využít i pro výzkum překladových univerzálií, který vyžaduje vyvážený korpus z hlediska zdrojového jazyka, byl v rámci korpusu Jerome vytvořen **subkorpus**, který obsahuje přibližně stejný počet tokenů (cca 100 000) ze všech zahrnutých jazyků. Jeho velikost je nevyhnutelně menší, 5 mil. tokenů. Opět zahrnuje jak beletrii, tak odbornou literaturu. V beletristické části nalezneme texty přeložené ze 14 jazyků (vč. románských, germánských, slovanských i ugrofinských), v odborné literatuře jsou texty přeložené z 6 jazyků (EN, GE, FR, IT, PO, RU).  K překladové části subkorpusu byla současně vybrána i srovnatelná část nepřekladová. Subkorpus (překladovou i nepřekladovou část) lze zobrazit jednoduchým vyfiltrováním textů, jež mají v anotaci vyplněnou hodnotu sub_balance (beletrie, odborná). 
  
-  * korpus **orwell**, který je značkován [[pojmy:tag|standardními značkami]], tj. těmi, jimiž je značkován i např. korpus [[cnk:syn2000|SYN2000]], +===== Jak citovat korpus JEROME =====
-  * korpus **orw-mte**, který je značkován původními značkami vytvořenými v +
  
 +<WRAP round tip 60%>
 +Chlumská, L.: //JEROME: jednojazyčný srovnatelný korpus pro výzkum překladové češtiny//. Ústav Českého národního korpusu FF UK, Praha 2013. Dostupný z WWW: http://www.korpus.cz
 +</WRAP>
  
-Pro práci s korpusem JEROME se používá standardní vyhledávací [[pojmy:korpusovy_manazer|manažer]]. 
  
-Tento korpus vznikl v roce 2013 v rámci vnitřního grantu FF UK VG027 (Chlumská -- Richterová).