cnk:klasifikace_textu_syn2015

Tato stránka je pouze pro čtení. Můžete si pouze prohlédnout zdrojový kód, ale ne ho měnit. Zeptejte se správce, pokud si myslíte, že něco není v pořádku.
====== Přehled klasifikace textů v SYN2015 ======

Texty v korpusu [[cnk:syn2015|SYN2015]] jsou rozděleny do tří hlavních skupin ([[pojmy:txtype_group|txtype_group]]):
  - **FIC: beletrie**
  - **NFC: oborová literatura**
  - **NMG: publicistika**

Každá z těchto skupin tvoří v korpusu jednu třetinu textů.
===== 1. Beletrie =====

Změny oproti předchozí klasifikaci v řadě SYN:

  * Skupina **beletrie** (FIC) je na úrovni ''txtype'' dále členěna na romány a novely (NOV), povídkové soubory (COL), básně (VER), dramata (SCR) a zbylé texty (X), jež nelze zařadit k žádné z výše jmenovaných skupin. V beletrii byla zrušena explicitní klasifikace na úrovni ''genre'', neboť beletristické texty bývají často žánrově nevyhraněné či smíšené; při výběru konkrétních textů do korpusu jsme nicméně přihlíželi k pracovnímu rozdělení textů (např. detektivka, thriller/horror, sci-fi, fantasy, humor/satira atd.), aby byla nabídka beletrie co možná nejpestřejší.


Beletrie (FIC) se na úrovni [[pojmy:txtype|txtype]] nově člení na: 

  - **NOV: próza** – romány a novely
  - **COL: kratší próza** – soubory povídek a jiných krátkých prozaických útvarů
  - **VER: poezie** – básnické sbírky, okrajově písňové texty
  - **SCR: drama** - divadelní hry, okrajově filmové scénáře
  - **X: neuvedeno** – díla, jež nelze jednoznačně přiřadit k výše zmíněným kategoriím (např. žánrově smíšená díla, sbírky aforismů, anekdot apod.)



===== 2. Oborová literatura =====

Nejvýznamnější změny oproti předchozí klasifikaci řady SYN (kategorie byla dříve nazývaná "odborná literatura"):

  * **Oborová** (původně odborná) **literatura** (NFC) reflektuje míru „odbornosti“ a specializace na úrovni cílového čtenáře a zahrnuje tři hlavní typy (''txtype''): literaturu odbornou (SCI), profesní (PRO) a populárně naučnou (POP). Tuto makroskupinu je však třeba chápat také jako protipól beletrie a publicistiky: patří sem proto i texty administrativního rázu (ADM) v nejširším smyslu a skupina textů tzv. přechodového pásma mezi beletrií a odbornou literaturou (MEM), jejichž typickými představiteli jsou memoáry a autobiografie. Přejmenování této skupiny z //odborné// na obecnější //oborovou// by proto mělo přesněji odrážet její heterogenní složení, přičemž termín //odborná// zůstal nově vyhrazen pouze akademickým textům (SCI). Nově definovaná profesní literatura (PRO) zahrnuje texty charakterizované převahou praktických informací, které jsou určeny především profesionálům v oboru.
  * V oborové literatuře nově přibyla pro txtype SCI, PRO a POP další úroveň – ''genre_group'', která vznikla seskupením jednotlivých disciplín či oborů do větších skupin a umožňuje tak zkoumat texty z blízkých oborů pohromadě: humanitní vědy (HUM), společenské vědy (SSC), přírodní vědy (NAT) a formální a technické vědy (FTS). 
  * Na úrovni ''genre'', která představuje nejpodrobnější členění a odráží konkrétní obor či disciplínu, byly jednotlivé texty klasifikovány v maximální možné míře v souladu s předmětovou kategorizací používanou v [[http://text.nkp.cz/o-knihovne/odborne-cinnosti/zpracovani-fondu/vecne-zpracovani-vecne-autority/material-kon2|Národní knihovně ČR]]. Obory jsou podrobně uvedeny dále v přehledové tabulce.

Oborová literatura (NFC) se na úrovni [[pojmy:txtype|txtype]] nově dělí na:
  - **SCI: odbornou literaturu** – vědecko-naučné texty, včetně akademických publikací a vysokoškolských skript
  - **PRO: profesní literaturu** – texty určené profesionálům v oboru, včetně specializovaných časopisů (např. Logistika, Lékařské listy, Sestra, Zeměměřič, Stavitel, Konstrukce)
  - **POP: populárně naučnou literaturu** – texty určené pro nejširší laickou veřejnost se zájmem o daný obor (např. Bydlí s námi sladkovodní želva, Botanické zahrady a arboreta České republiky, Praktický houbař)
  - **ADM: administrativu** – provozní řády, zápisy z jednání, pokyny a návody, výroční zprávy apod.
  - **MEM: memoáry, autobiografie** – paměti, autobiografie (s výjimkou beletrizovaných autobiografií, které jsou řazeny do beletrie), korespondence (např. Bojoval jsem u Berlína, Chirurgovy poznámky, Meda Mládková - Můj úžasný život)

=== Genre_group ===

Skupina NFC obsahuje další novou klasifikační úroveň **[[pojmy:genre_group|genre_group]]**, která je relevantní pro texty ve skupinách SCI, PRO a POP. Vznikla seskupením jednotlivých oborů (v ČNK označovaných termínem [[pojmy:genre|genre]]) do větších skupin: humanitní vědy (HUM), společenské vědy (SSC), přírodní vědy (NAT) a formální a technické vědy (FTS), viz tabulka níže.

Na úrovni genre, tedy na úrovni nejpodrobnějšího členění textů, byly jednotlivé texty klasifikovány až na výjimky v souladu s předmětovou kategorizací používanou v Národní knihovně ČR. Sporné případy klasifikace byly řešeny prostřednictvím konsenzu několika klasifikátorů. Obory jsou podrobně uvedeny dále v přehledové tabulce.

^ HUM: humanitní vědy ^ SSC: společenské vědy ^ NAT: přírodní vědy ^ FTS: formální a technické vědy ^ ITD: interdisciplinární ^
| ANT: antropologie, etnografie\\ THE: divadlo, film, tanec\\ PHI: filozofie, náboženství\\ HIS: historie\\ LAN: filologie\\ INF: knihovnictví, informatika\\ ART: umění, architektura | ECO: ekonomika, obchod, logistika\\ POL: politika, vojenství\\ LAW: právo\\ PSY: psychologie\\ SOC: sociologie\\ REC: sport, rekreace, hobby\\ EDU: pedagogika | BIO: biologie \\ PHY: fyzika\\ GEO: geografie, geologie\\ CHE: chemie\\ MED: lékařství\\ AGR: zemědělství, chovatelství | MAT: matematika\\ TEC: technika\\ ICT: výpočetní technika | ITD: interdisciplinární |

===== 3. Publicistika =====

Nejvýznamnější změny oproti předchozím korpusům řady SYN:

  * Původně monolitická **publicistika** (NMG) se nově dělí na úrovni ''txtype'' na publicistiku **tradiční** (NEW) a **volnočasovou** (LEI). Tradiční publicistika (typicky zpravodajské deníky) se dále na úrovni ''genre'' dělí na **celostátní** (NTW) a **regionální** (REG). Volnočasovou publicistiku (především různě zaměřené zájmové časopisy) rovněž na úrovni ''genre'' rozdělujeme tematicky do následujících skupin: bydlení, zahrada, hobby (HOU), životní styl (LIF), společenský život (SCT), sport (SPO), zahraniční zajímavosti (INT) a společnost (MIX).
  * Kde to bylo možné, jsou významné publicistické tituly vydané po roce 2010 nově podrobněji členěny (na úrovni článků) do tematických **rubrik** (atribut ''[[seznamy:section|text.section]]''): zpravodajství (zahraniční, domácí, regionální), politika, ekonomika, sport, kultura, volný čas, komentáře, krimi, společenský život a titulní strana. 

[{{ :cnk:syn2015-lei-new.png?direct&450|Podíl kategorií LEI a NEW v jednotlivých letech.}}]

Publicistika (NMG) se na úrovni [[pojmy:txtype|txtype]] nově dělí na: 
  - **NEW: tradiční publicistiku** (důraz na aktuální zpravodajství, zprávy z politiky, dění doma i ve světě)
  - **LEI: volnočasovou publicistiku** (především zájmové časopisy)

==== Tradiční publicistika (NEW) ====

Tradiční publicistika (NEW) se dělí na úrovni [[pojmy:genre|genre]] na: 
  * **NTW: celostátní** (např. Lidové noviny, Hospodářské noviny, Mladá fronta DNES, Právo, Respekt, Reflex) 
  * **REG: regionální** (např. Chrudimský zpravodaj, Kopřivnické noviny, Týnecké listy)

==== Volnočasová publicistika (LEI) ====

Volnočasová publicistika (LEI) se na úrovni [[pojmy:genre|genre]] dělí tematicky na: 
  * **HOU: bydlení, zahrada hobby** (např. Bydlení, Chatař & chalupář, Blesk Hobby, Dům a zahrada)
  * **LIF: životní styl** (např. Marianne, Elle, JOY, Esprit, Žena a život, Kondice, Maxim, Vlasta)
  * **SCT: společenský život** (např. Blesk, Aha!, Story, Rytmus života)
  * **SPO: sport** (např. Sport, Nedělní sport, Sport magazín, Sport GÓÓÓL!)
  * **INT: zajímavosti ze světa** (např. 100+1 zahraniční zajímavost, ABC, Lidé a země, Geo, National Geographic Česko)
  * **MIX: společnost** (např. Instinkt, Kraus, Květy, IN Magazín, Magazín Práva, Pátek Lidových novin)

[{{ :cnk:syn2015-nmg-tituly.png?direct&500|Zastoupení hlavních titulů v rámci publicistiky.}}]

=== Rubriky ===

Rubriky u vybraných periodik (Mladá fronta Dnes, Právo, Hospodářské noviny, Lidové noviny, Deníky Bohemia, Týden, Deníky Moravia, Respekt, Regionální týdeník, Blesk, Dobrý den s kurýrem, Metro, E15, Jihlavské listy, Sedmička, Aha! neděle, Nedělní Blesk):
  * zpravodajství
  * zahraniční zpravodajství
  * domácí zpravodajství
  * regionální zpravodajství
  * politika
  * ekonomika
  * sport
  * kultura
  * volný čas
  * komentáře
  * krimi
  * společenský život
  * titulní strana

Informace o rubrice je uložena v atributu [[seznamy:section|section]], která charakterizuje strukturu ''<text>''.
===== Souhrnná klasifikace =====

Tabulka shrnuje klasifikaci textu do skupin podle atributů txtype_group, txtype, genre_group a genre.

^  txtype_group  ^  txtype  ^  genre_group  ^  genre  ^
| FIC: beletrie | NOV: próza | X: neuvedeno | X: neuvedeno |
| ::: | COL: kratší próza | ::: | ::: |
| ::: | VER: poezie | ::: | ::: |
| ::: | SCR: drama | ::: | ::: |
| ::: | X: neuvedeno | ::: | ::: |
| NFC: oborová literatura | SCI: odborná literatura\\ PRO: profesní literatura\\ POP: populárně naučná literatura | HUM: humanitní vědy | ANT: antropologie, etnografie|
| ::: | ::: | ::: | THE: divadlo, film, tanec |
| ::: | ::: | ::: | PHI: filozofie, náboženství |
| ::: | ::: | ::: | HIS: historie, biografie |
| ::: | ::: | ::: | MUS: hudba |
| ::: | ::: | ::: | LAN: filologie |
| ::: | ::: | ::: | INF: knihovnictví, informatika |
| ::: | ::: | ::: | ART: umění, architektura |
| ::: | ::: | SSC: společenské vědy | ECO: ekonomika, obchod, logistika |
| ::: | ::: | ::: | POL: politika, vojenství |
| ::: | ::: | ::: | LAW: právo |
| ::: | ::: | ::: | PSY: psychologie |
| ::: | ::: | ::: | SOC: sociologie |
| ::: | ::: | ::: | REC: sport, rekreace, hobby |
| ::: | ::: | ::: | EDU: pedagogika |
| ::: | ::: | NAT: přírodní vědy | BIO: biologie |
| ::: | ::: | ::: | PHY: fyzika |
| ::: | ::: | ::: | GEO: geografie, geologie |
| ::: | ::: | ::: | CHE: chemie |
| ::: | ::: | ::: | MED: lékařství |
| ::: | ::: | ::: | AGR: zemědělství, chovatelství |
| ::: | ::: | FTS: formální a technické vědy | MAT: matematika |
| ::: | ::: | ::: | TEC: technika |
| ::: | ::: | ::: | ICT: výpočetní technika |
| ::: | ::: | ITD : interdisciplinární | ITD: interdisciplinární |
| ::: | MEM: memoáry, autobiografie | MEM: memoáry, autobiografie | MEM: memoáry, autobiografie |
| ::: | ADM: administrativa | ADM: administrativa | ADM: administrativa |
| NMG: publicistika | NEW: tradiční publicistika | X: neuvedeno | NTW: celostátní |
| ::: | ::: | ::: | REG: regionální |
| ::: | LEI: volnočasová publicistika | X: neuvedeno | HOU: bydlení, zahrada, hobby |
| ::: | ::: | ::: | LIF: životní styl |
| ::: | ::: | ::: | SCT: společenský život |
| ::: | ::: | ::: | SPO: sport |
| ::: | ::: | ::: | INT: zajímavosti ze světa |
| ::: | ::: | ::: | MIX: společnost |
FIXME

[{{ :cnk:syn2015-periodicita.png?direct&250|Podíl periodik a neperiodik v SYN2015.}}]

Klasifikace textů je v SYN2015 doplněna o jejich další charakteristiky. Každý text má nově atribut [[seznamy:med|médium]], kde se rozlišují knihy (B), časopisy (J), noviny (NWS), referenční příručky, slovníky a encyklopedie (REF), učebnice (TXB) a zbylé tiskoviny (OTH).

Dále vznikla i zcela nová kategorie udávající [[seznamy:periodicity|periodicitu]] daného titulu a je uvedena též informace o **věku předpokládaného čtenáře** ([[seznamy:audience|audience]]) textu: rozlišujeme texty určené pro obecné publikum (GEN) a dětem a mládeži (JUN). Nově lze také u každého textu dohledat **pohlaví autora** ([[seznamy:authsex-transsex|authsex]]), případně **překladatele** ([[seznamy:authsex-transsex|transsex]]): žena (F), muž (M), neuvedeno (X).

Stejně jako v předešlých korpusech patří mezi metainformace o textu samozřejmě název díla (''title''), autor (''author''), překladatel (''translator''), rok vydání (''pubyear''), rok prvního vydání (''first_published''), zdrojový jazyk (''[[seznamy:srclang|srclang]]'') a další charakteristiky.

===== Podíly jednotlivých typů textů =====


Ačkoli se při vyvažování korpusu přihlíží ke všem kategoriím, aby byl výsledný korpus co možná nejpestřejší, základní rámec pro stanovení podílů textů tvoři pouze kategorie txtype_group, txtype a genre_group. Proporce jednotlivých kategorií byly zvoleny pragmaticky s ohledem na texty, které má ČNK k dispozici od nakladatelů a jiných poskytovatelů textů.

^  txtype  ^  genre / genre_group  ^  kategorie  ^  proporce  ^
| **Beletrie** (FIC) |||  33,33 % |
| NOV | | próza |  26 % |
| COL | | kratší próza |  5 % |
| VER | | poezie |  1 % |
| SCR | | drama |  1 % |
| X | | neuvedeno |  0,33 % |
| **Oborová literatura** (NFC) |||  33,33 % |
| SCI/PRO/POP | HUM | humanitní vědy |  7 % |
| ::: | SSC | společenské vědy |  7 % |
| ::: | NAT | přírodní vědy |  7 % |
| ::: | FTS | formální a technické vědy |  7 % |
| ::: | ITD | interdisciplinární |  1 % |
| MEM | | memoáry, autobiografie |  4 % |
| ADM | | administrativní texty |  0,33 % |
| **Publicistika** (NMG) |||  33,33 % |
| NEW | NTW | celostátní publicistika – konkrétní tituly (MF, LN, HN, Právo) |  10 % |
| ::: | NTW | celostátní publicistika – ostatní |  5 % |
| ::: | REG | regionální publicistika |  5 % |
| LEI | | volnočasová publicistika |  13,33 % |

 --- //Václav Cvrček, Michal Křen, Anna Čermáková, Lucie Chlumská, Michal Škrabal, Dominika Kováříková//
Historie: • mi-score • klasifikace_textu_syn2015 • bundles • prototypicnost • hledani_frazemy • filtr • pozice2 • ngram • syntakticka_analyza • archivhlasek