cnk:pmk - 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.
====== Pražský mluvený korpus ======


**Pražský mluvený korpus** (PMK) je prvním korpusem mluvené češtiny a zachycuje autentickou mluvenou češtinu, hlavně obecnou a tématicky nespecializovanou, resp. neomezovanou, z oblasti Prahy a jejího okolí. Vzhledem k centrálnímu a jedinečnému postavení Prahy tu jazykově dochází k velkému míšení lidí ze všech oblastí ČR a obraz jejího jazyka má tudíž do značné míry celonárodní povahu; z Prahy vychází také nejvýznamnější mediální ovlivnění celé země. Magnetofonové nahrávky (v počtu 304), které jsou plně anonymní a byly postupně přepisovány do počítače, pocházejí z let 1988-1996 a odrážejí tedy jazyk jak konce předchozího společenského období tak začátek nového.

<WRAP right 35%>
^ <fs medium>Název</fs> | <fs medium>[[cnk:pmk|PMK]]</fs> |
^ Počet [[pojmy:token|pozic (tokenů)]] | 819 267 |  
^ Počet [[pojmy:token|pozic (tokenů)]] bez interpunkce a dalších značek - slov |  674 992  |
^ Počet [[pojmy:word| slovních tvarů (wordů)]] |  49 089 |  
^ Počet [[pojmy:atributy_strukturni#struktura_korpusu_mluvene_cestiny|nahrávek rozhovorů]] |  304 |
^ Počet [[pojmy:atributy_strukturni#struktura_korpusu_mluvene_cestiny|promluv]] |  15 710 |
^ Počet mluvčích | <fc #FF0000>nevíme</fc> |  
^ Délka nahrávek v min. | nevíme|  
</WRAP>

PMK byl pořizován tak, aby ve vyvážených proporcích zachycoval čtyři sociolingvistické proměnné, pohlaví mluvčího, věk, vzdělání a typ promluvy, všechny pro jednoduchost dělené pouze binárně (na dvě hodnoty). Tyto informace o mluvčím je možné v rozhraní XX zobrazit pomocí menu **Zobrazení > Zdroje**. Pohlaví označují zkratky **M-Z (Muž-Žena)**. Věk naznačují zkratky **I-V (Iunior-Vetus)**, tj. mladší a starší, přičemž spodní hranicí bylo cca 20 let (jazyk dospívající mládeže není plně stabilizovaný) a předělem mezi nimi byl věk cca 35 let. Vzdělání signalizují zkratky **B-A (Basis-Altus)**, tj. nižší, zahrnující jak základní školu tak vzdělání maturitní, a vyšší, vztahující se ke vzdělání vysokoškolskému. Konečně poslední proměnná, zastoupená zkratkami **F-N**, označuje  promluvu **formální** proti **neformální**. Formální promluva je monolog vytvářený sledem odpovědí na otázky kladené nahrávajícím (pro zamezení ovlivnění odpovědí, ať už kódem spisovným či nespisovným, měly smíšenou povahu nespisovně-spisovnou). Týkaly se takových širokých témat jako škola, mládež, zaměstnání ap. a nahrávány ani přepisovány nebyly (byly ve všech případech stejné). Neformální promluva je vlastně dialogický soubor promluv dvou mluvčích, kteří se znají; téma jejich rozhovoru nebylo nijak předem určováno, volili ho sami. Nahrávky usilovaly o proporční vyváženost desítek sociolingvistických kombinací (typu MIBF, MIAF, MIAN apod.) takto vzniklých a jsou tedy v tomto smyslu reprezentativní pro všechny proměnné. Nepřipravenost odpovědí a dialogů zaručuje maximální možnou spontánnost užitého jazyka.

Způsob přepisu nahrávek je vidět z textu, snažil se o širší zachycení mluveného jazyka co nejvěrnější a nejsrozumitelnější, ne však způsobem dialektologickým. Proto je v něm pochopitelně také více kolísání odrážející přirozenou variabilitu a někdy i individuální přístupy přepisovatelů.

FIXME: <fc #FF0000>většina tohoto popisu je v tabulce</fc>
V současné době se dosud dokončuje rozsáhlé manuální kódování a taggovaní PMK a lze tu proto zatím pracovat jen s jeho texty čistými. Co tedy lze z PMK zjistit a jak rozsáhlý je jeho materiál? Hledat lze v něm, jako v jiných korpusech, avšak bez lemmatizace a taggování; základním výstupem k dalšímu studiu je především zadaná konkordance s hledaným tvarem nebo kombinací tvarů slova. Korpusový manažer (viz menu Korpus > Souhrnné informace) uvádí pro PMK počet pozic 819 267, což je počet všech jeho slovních tvarů a interpunkčních znamének; z toho je 674 992 slov. Poziční atribut word uvádí číslo 49089, což je počet zaznamenaných různých slovních tvarů (tj. bez jejich opakování). Dále se lze dovědět i celkový počet souborů (304) a celkový počet promluv v PMK (15710). Promluvou se zde označuje souvislý projev jednoho mluvčího (nepřerušovaný jiným mluvčím); v dialogu (označený jako N na posledním místě čtyřmístného kódu) je takto pojatých promluv vztahujících se k jednomu mluvčímu pochopitelně vždy víc.

Autory PMK jsou v různých proporcích především Anna Adamovičová, František Čermák, Jiří Pešička, Josef Šimandl, Jitka Šonková, Petr Savický a Zdena Smetanová z UK FF; s nahrávkami pomáhala ovšem i řada studentů.

 --- //František Čermák//
vedoucí projektu
Praha 2001
Historie: • veda • jazyky-v-migraci • klasifikace_textu_syn2015 • parlcorp • ortofon • gramatikat • verze3 • online • verze16 • dialekt