cnk:oral2006 - Příručka ČNK

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.
~~NOTOC~~
====== Český mluvený korpus ORAL2006 ======


Mluvený korpus **ORAL2006** je v pořadí třetím [[pojmy:mluveny|mluveným]] korpusem, který je dostupný v rámci projektu [[cnk:struktura|Český národní korpus]]. Zachycuje mluvenou češtinu z celé oblasti českých nářečí v užším slova smyslu (tj. pouze z Čech, **ne z Moravy a Slezska**). Jedná se o přepis více než dvou set nahrávek z let 2002--2006. Všechny nahrávky vznikaly výhradně v neformálních situacích, což znamená, že se mluvčí vzájemně znali a měli k sobě přátelský vztah. Celkem bylo nahráno 6 693 minut, tj. asi 111 a půl hodiny rozhovorů, a v jejich rámci bylo zaznamenáno 1 000 798 slov. Navázal na něj korpus [[cnk:oral2008|ORAL2008]].

<WRAP right 35%>
^ <fs medium>Název</fs> | <fs medium>[[cnk:oral2006|ORAL2006]]</fs> |
^ Počet [[pojmy:token|pozic (tokenů)]] |  1 312 282 |  
^ Počet [[pojmy:token|pozic (tokenů)]] bez interpunkce a dalších značek |   1 000 798 |
^ Počet [[pojmy:word| slovních tvarů (wordů)]] |  64 495 |  
^ Počet [[pojmy:atributy_strukturni#struktura_korpusu_mluvene_cestiny|nahrávek rozhovorů]] |  221 |
^ Počet [[pojmy:atributy_strukturni#struktura_korpusu_mluvene_cestiny|promluv]] |  97 112 |
^ Počet mluvčích |  754 |  
</WRAP>

===== ORAL2006 a PMK a BMK - v čem se shodují =====


Způsob pořizování nahrávek, jejich přepis a označování probíhalo v souladu s [[seznamy:pravidla_2006|pravidly a zásadami]] předchozích mluvených korpusů, jimiž byl [[cnk:pmk|Pražský mluvený korpus]] –- PMK (z jeho pravidel se vycházelo především) a [[cnk:bmk|Brněnský mluvený korpus]] –- BMK. Z tohoto důvodu bylo zachováno označování sociolingvistických kategorií mluvčích:

^ Kategorie ^ zkratky ^
^ Pohlaví | M (muž) a Z (žena) |
^ Věk | I (iunior, mladší, do 35 let) a V (vetus, starší, 35 let a více) |
^ Vzdělání | B (basis, základní a středoškolské) a A (altus, vysokoškolské včetně pouze započatého) |


===== ORAL2006 a PMK a BMK - v čem se liší =====

U všech mluvčích jsou (stejně jako v korpusu ORAL2008) navíc zpřístupněny i informace o:
  * jejich přesném věku
  * konkrétním dosaženém stupni vzdělání (ZŠ, SŠ, VŠ)
  * oblasti jejich převažujícího pobytu do 15 let  

=== Oblast převažujícího pobytu do 15 let ===
Věk 15 let je stanoven jako hranice, kdy se formoval základ individuálního jazykového úzu. Tyto oblasti jsou vymezeny na základě tradičního nářečního členění podle Jaromíra Běliče (Nástin české dialektologie, SPN, Praha 1972). Území Čech je tedy rozděleno na **oblast středočeskou, severovýchodočeskou, jihozápadočeskou, přechodnou oblast česko-moravskou a české pohraničí**. U každého přepisu je zaznamenán počet mluvčích účastnících se hovoru, rok pořízení nahrávky a neformálnost situace. Poslední označení se zachovává kvůli srovnatelnosti s ostatními korpusy i přesto, že korpus ORAL2006 obsahuje pouze nahrávky neformálních situací. 

===== Složení korpusu ORAL2006 =====
FIXME: Grafy ze stránky [[http://ucnk.ff.cuni.cz/struktura_oral06.php]]

[{{ :cnk:o06.png?600 | Relativní zastoupení mluvčích z různých míst ČR (počty mluvčích podle místa narození). }}]

Absolutní počty mluvčích podle místa narození i s údaji o zeměpisné šířce a délce jsou k dispozici {{:cnk:o06_win.csv|ke stažení ve formátu .csv}}.
===== Struktura korpusu ORAL2006 =====

Mezi [[pojmy:atributy_strukturni|strukturní jednotky]] používané v tomto korpusu patří ''<doc>'' a ''<sp>'', tedy dokument a mluvčí (//speaker//), a pak každá jednotlivá [[pojmy:atributy_strukturni#pozice_jako_strukturni_jednotka|pozice]].

{{:cnk:oral2006_strukturni_znacky.png?300|}}

K těmto strukturním jednotkám náležejí [[pojmy:atributy_strukturni#strukturni_atributy_korpusu_rady_oral|následující atributy]], na obrázku patrné pod nadpisem Reference.

==== Zachycování a zobrazování metainformací ====

Všechny nahrávky pocházejí z neformálních situací, přesto, jak již bylo řečeno výše, se zachovává označení neformálnosti jako v předchozích korpusech ([[cnk:pmk|PMK]] a [[cnk:bmk|BMK]]) -- je vyjádřeno posledním písmenem v označení sondy, N. První dvojčíslí v názvu sondy označuje rok pořízení nahrávky, další kombinace písmene a čísel je vlastním číslem sondy. Ovšem ID (identifikační číslo) sondy nám toho zas mnoho neřekne, zato po dvojkliku na něj se zobrazí podrobné sociolingvistické informace o mluvčím a další údaje o sondě. Chcete-li mít tyto informace zobrazené automaticky, upravte si [[kurz:zobrazeni_dotazu#moznosti_zobrazeni|Možnosti nastavení]].



===== Jak citovat ORAL2006 =====

<WRAP round tip 70%>
Kopřivová, M. – Waclawičová, M.: //ORAL2006: korpus neformální mluvené češtiny//. Ústav Českého národního korpusu FF UK, Praha 2006. Dostupný z WWW: http://www.korpus.cz
</WRAP>

==== Poděkování ====

Na pořizování nahrávek, jejich přepisu a dalších úpravách se podíleli především studenti pražských vysokých škol a další spolupracovníci ÚČNK.


 --- //Martina Waclawičová, Marie Kopřivová, Olga Richterová//

===== Související odkazy =====

<WRAP round box 70%>
[[seznamy:index#pravidla_pro_prepis|Pravidla pro přepis nahrávek]] • [[ORAL2008]] • [[ORAL2013]] • [[PMK]] • [[BMK]] • [[SCHOLA2010]] • [[cnk:dialekt|Dialekt]] • [[pojmy:mluveny|Korpus mluveného jazyka]]
 </WRAP>
Historie: • index • onomos • p_tag • ortofon • abc_seznamy • schola2010 • czesl-man • skript_vyhledavani_a_subkorpusy • frwac • frazemy