| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verze |
| cnk:online [2022/12/22 10:53] – vaclavcvrcek | cnk:online [2022/12/22 15:23] (aktuální) – [Generace korpusů ONLINE] vaclavcvrcek |
|---|
| ====== Korpusy ONLINE ====== | ====== Korpusy ONLINE ====== |
| |
| Korpusy ONLINE dohromady tvoří monitorovací korpus, který se snaží mapovat dynamický obsah českého internetu, tj. primárně internetovou žurnalistiku, v menším měřítku a bez nároku na kontinuálnost pokrytí pak také diskuse a sociální sítě, od roku 2017 do současnosti. Pro korpusy ONLINE je typická jejich [[pojmy:referencni|nereferenčnost]] (jejich obsah se neustále mění), jsou aktualizovány každý den v ranních hodinách tak, aby poskytovaly co nejčerstvější data (z předchozího dne). | Korpusy ONLINE dohromady tvoří monitorovací korpus, který se snaží mapovat dynamický obsah českého internetu, tj. primárně internetovou žurnalistiku, v menším měřítku a bez nároku na kontinuálnost pokrytí pak také diskuse a sociální sítě, od roku 2017 do současnosti. |
| | |
| | Klíčovou vlastností korpusů ONLINE je to, že jsou pravidelně aktualizovány. To znamená, že se jejich obsah **neustále mění**, a není možné se vracet k předchozím podobám korpusu. Vzhledem k tomu, že se můžou měnit i vstupní data (zdroje), nelze zaručit, že se nebude měnit ani struktura či způsob anotace korpusu. Jako [[pojmy:referencni|referenční]] zdroj dat pro výzkum specifik internetové komunikace lze použít verzovaný [[cnk:net|korpus NET]]. |
| |
| Korpusy jsou [[pojmy:lemma|lemmatizovány]] a [[pojmy:morfologicka_analyza|morfologicky značkovány]] pomocí aktuálních nástrojů, které se užívají pro analýzu korpusů řady [[cnk:syn|SYN]]. | Korpusy jsou [[pojmy:lemma|lemmatizovány]] a [[pojmy:morfologicka_analyza|morfologicky značkovány]] pomocí aktuálních nástrojů, které se užívají pro analýzu korpusů řady [[cnk:syn|SYN]]. |
| ===== Generace korpusů ONLINE ===== | ===== Generace korpusů ONLINE ===== |
| |
| Korpus ONLINE se vyskytuje ve dvou generacích. | Korpus ONLINE se vyskytuje ve dvou generacích: |
| | |
| | ^ Generace ^ Název korpusu ^ Období ^ Složení ^ Rok zveřejnění ^ |
| | | 1. | [[cnk:online:gen1|ONLINE1]] | leden 2017 – březen 2021 | online žurnalistika, soc. sítě, diskuse, fóra | 2020 | |
| | | 2. | [[cnk:online:gen2|ONLINE2_NOW, ONLINE2_ARCHIVE]] | duben 2021 – současnost | online žurnalistika | 2022 | |
| | |
| |
| První generace korpusů (ONLINE1) byla vytvořena v ČNK na základě dat, která laskavě poskytovala společnost **[[https://www.dataweps.com|Dataweps]]**. Tato generace obsahuje data z období od ledna 2017 do března 2021, a to je nejen v oblasti online zpravodajství, ale výběrově také sociální sítě, diskuse a fóra. | Korpusy se v pokrytých časových obdobích nepřekrývají, pro hledání v celém časovém rozsahu tak stačí sloučit výsledky dotazů do obou korpusů a další manuální úpravy k odstranění průniku nejsou nutné. Korpusy jsou identické ve své struktuře a značkování, následující popis tedy mezi nimi nerozlišuje. |
| |
| Druhá generace korpusů (ONLINE2) je vytvářena v ČNK na základě dat od společnosti [[https://monitora.cz|Monitora]] a pokrývá období od března 2021 do současnosti. Svým složením je korpus méně pestrý, zaměřuje se výhradně na online žurnalistiku, v tomto segmentu však poskytuje širší pokrytí. | <WRAP round info 80%> |
| | **Poznámka ke zpětné kompatibilitě:** |
| |
| | Uložené dotazy na 1. generaci korpusů ONLINE (tj. ONLINE_NOW a ONLINE_ARCHIVE) po zveřejnění 2. generace nemusí fungovat (mj. i v důsledku změny jména korpusů). Korpus ONLINE1 obsahuje nicméně všechny texty této předchozí generace a replikací dotazů na něm by mělo být možné dospět ke stejným výsledkům. |
| | </WRAP> |
| |
