AplikaceAplikace
Nastavení

Toto je starší verze dokumentu!


Český mluvený korpus ORAL2006

Mluvený korpus ORAL2006 je v pořadí třetím mluveným korpusem, který je dostupný v rámci projektu 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 ORAL2008.

Název ORAL2006
Počet pozic (tokenů) 1 312 282
Počet pozic (tokenů) bez interpunkce a dalších značek 1 000 798
Počet slovních tvarů (wordů) 64 495
Počet nahrávek rozhovorů 221
Počet promluv 97 112
Počet mluvčích 754

ORAL2006 a PMK a BMK - v čem se shodují

Způsob pořizování nahrávek, jejich přepis a označování probíhalo v souladu s pravidly a zásadami předchozích mluvených korpusů, jimiž byl Pražský mluvený korpus –- PMK (z jeho pravidel se vycházelo především) a 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

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 ke stažení ve formátu .csv.

Tab 1. Počet nahrávek podle roků

Rok Počet nahrávek
2002 18
2003 17
2004 36
2005 72
2006 78

Tab 2. Počet nahrávek podle počtu mluvčích

Počet mluvčích Počet nahrávek
2 66
3 71
4 45
5 15
6 14
7 5
8 3
9 1
10 1

Tab 3. Počet mluvčích a pozic podle vzdělání

Vzdělání Počet mluvčích Počet pozic
A 496 781089
B 258 531193
48 89102
210 442091
496 781089

Tab 4. Počet mluvčích a pozic podle pohlaví

Pohlaví Počet mluvčích Počet pozic
ženy 452 910536
muži 302 401746

Tab 5. Počet mluvčích a pozic podle věku

Věk Počet mluvčích Počet pozic
I 431 755474
V 323 556808

Tab 6. Počet mluvčích a pozic podle nářečních oblastí

Nářeční oblast Počet mluvčích Počet pozic
středočeská 452 573802
severovýchodočeská 139 447500
jihozápadočeská 73 143239
česko-moravská 3 12031
české pohraničí 87 135710

Počet mluvčích podle věku:

Struktura korpusu ORAL2006

Mezi strukturní jednotky používané v tomto korpusu patří <doc> a <sp>, tedy dokument a mluvčí (speaker), a pak každá jednotlivá pozice.

K těmto strukturním jednotkám náležejí 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 (PMK a 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 Možnosti nastavení.

Jak citovat ORAL2006

Kopřivová, M. – Waclawičová, M.: ORAL2006: korpus neformální mluvené češtiny. Ústav Českého národního korpusu FF UK, Praha 2006. Dostupný z WWW: http://www.korpus.cz

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