| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verze |
| cnk:ortofon [2025/04/15 10:42] – [Jak citovat] michalkren | cnk:ortofon [2026/06/30 11:59] (aktuální) – [Korpus neformální mluvené češtiny s víceúrovňovým přepisem: ORTOFON] martinawaclawicova |
|---|
| ====== Korpus neformální mluvené češtiny s víceúrovňovým přepisem: ORTOFON ====== | ====== Korpus neformální mluvené češtiny s víceúrovňovým přepisem: ORTOFON ====== |
| |
| Korpus ORTOFON zachycuje spontánní mluvený jazyk používaný v neformálních situacích mezi mluvčími, kteří se znají. Navazuje svou koncepcí sběru dat na korpusy neformální mluvené češtiny řady [[cnk:oral|ORAL]]. Nahrávky jsou přepisovány ve dvou stopách – ortografické a fonetické. Společně s korpusem [[cnk:dialekt|DIALEKT]] se jedná o první dva mluvené korpusy češtiny, které disponují víceúrovňovým přepisem. Podobně jako v korpusu [[cnk:oral2013|ORAL2013]] pocházejí mluvčí z celé České republiky a jsou o nich shromažďovány vybrané sociologické informace. Korpus je lemmatizován a morfologicky značkován. Přepis je propojen se zvukovou stopou a v korpusovém rozhraní KonText si lze zvukový záznam přehrát. | Korpus ORTOFON zachycuje spontánní mluvený jazyk používaný v neformálních situacích mezi mluvčími, kteří se znají. Navazuje svou koncepcí sběru dat na korpusy neformální mluvené češtiny řady [[cnk:oral|ORAL]]. Nahrávky jsou přepisovány za pomoci nástroje [[https://archive.mpi.nl/tla/elan|ELAN]], vyvinutého v Max Planck Institute for Psycholinguistics v Nijmegen((ELAN (Version 7.1) [Computer software]. (2026). Nijmegen: Max Planck Institute for Psycholinguistics. Retrieved from https://archive.mpi.nl/tla/elan |
| | )), ve dvou stopách – ortografické a fonetické. Společně s korpusem [[cnk:dialekt|DIALEKT]] se jedná o první dva mluvené korpusy češtiny, které disponují víceúrovňovým přepisem. Podobně jako v korpusu [[cnk:oral2013|ORAL2013]] pocházejí mluvčí z celé České republiky a jsou o nich shromažďovány vybrané sociologické informace. Korpus je lemmatizován a morfologicky značkován. Přepis je propojen se zvukovou stopou a v korpusovém rozhraní KonText si lze zvukový záznam přehrát. |
| |
| Korpus ORTOFON umožňuje zkoumat různé aspekty mluveného jazyka, tj. lexikon, morfologii, syntax, pragmatiku, výstavbu dialogu. Korpus není primárně určen pro dialektologický((Pro tento typ výzkumu je určen korpus [[cnk:dialekt|DIALEKT]].)) či fonetický výzkum, ale přesto zjednodušený fonetický přepis umožňuje ověřit existenci výslovnostních či regionálních variant nebo jevů souvisejících s výslovností. | Korpus ORTOFON umožňuje zkoumat různé aspekty mluveného jazyka, tj. lexikon, morfologii, syntax, pragmatiku, výstavbu dialogu. Korpus není primárně určen pro dialektologický((Pro tento typ výzkumu je určen korpus [[cnk:dialekt|DIALEKT]].)) či fonetický výzkum, ale přesto zjednodušený fonetický přepis umožňuje ověřit existenci výslovnostních či regionálních variant nebo jevů souvisejících s výslovností. |
| ===== Morfologické značkování korpusu ORTOFON ===== | ===== Morfologické značkování korpusu ORTOFON ===== |
| |
| Korpus ORTOFON v3 je automaticky [[pojmy:anotace|anotován]], a to [[seznamy:tagy|novou morfologickou značkou]] podle standardu SYN2020. Jsou v něm mj. rozpoznány [[pojmy:agregat|agregáty]] (např. //vidělas//, //zač//), využívá se [[cnk:syn2020:lemmatizace|dvojúrovňové lemmatizace]] a k dispozici je i slovesná značka ([[pojmy:verbtag|verbtag]]). | Korpus ORTOFON v3 je automaticky [[pojmy:anotace|anotován]], a to [[seznamy:tagy|novou morfologickou značkou]] podle [[cnk:anotacni_standard_cnk|anotačního standardu ČNK]]. Jsou v něm mj. rozpoznány [[pojmy:agregat|agregáty]] (např. //vidělas//, //zač//), využívá se [[cnk:syn2020:lemmatizace|dvojúrovňové lemmatizace]] a k dispozici je i slovesná značka ([[pojmy:verbtag|verbtag]]). |
| |
| V korpusu jsou označkovány i substandardní varianty a tvary typické pro nářečí a spontánní mluvenou řeč. Zvláštní varianty slov jsou odlišené vlastním sublemmatem (např. //poslúchat// pod lemmatem //poslouchat//), zvláštní tvary značkované jen v mluveném korpusu mají na poslední pozici tagu číslo ''%%9%%'' (např. tvar //jezdijó// má tag ''%%VB-P---3P-AAI-9%%''). | V korpusu jsou označkovány i substandardní varianty a tvary typické pro nářečí a spontánní mluvenou řeč. Zvláštní varianty slov jsou odlišené vlastním sublemmatem (např. //poslúchat// pod lemmatem //poslouchat//), zvláštní tvary značkované jen v mluveném korpusu mají na poslední pozici tagu číslo ''%%9%%'' (např. tvar //jezdijó// má tag ''%%VB-P---3P-AAI-9%%''). |
| Kopřivová M. – Goláňová H. – Klimešová P. – Lukeš D. (2014): Mapping Diatopic and Diachronic Variation in Spoken Czech: the ORTOFON and DIALEKT Corpora. In //Proceedings of the 9th International Conference on Language Resources and Evaluation (LREC 2014)//. Reykjavík, Iceland, European Language Resources Association, 376-382. | Kopřivová M. – Goláňová H. – Klimešová P. – Lukeš D. (2014): Mapping Diatopic and Diachronic Variation in Spoken Czech: the ORTOFON and DIALEKT Corpora. In //Proceedings of the 9th International Conference on Language Resources and Evaluation (LREC 2014)//. Reykjavík, Iceland, European Language Resources Association, 376-382. |
| </WRAP> | </WRAP> |
| | |
| |
| ===== Související odkazy ===== | ===== Související odkazy ===== |
