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 tematicky nespecializovanou, resp. neomezovanou, z oblasti Prahy a jejího okolí. Vzhledem k centrálnímu a jedinečnému postavení Prahy v rámci celé země 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. Více než tři sta magnetofonových nahrávek, které jsou plně anonymní a byly postupně přepisovány, pochází z let 1988--1996 a odráží tedy jak jazyk konce předchozího společenského období tak jazyk počínajícího období 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>není znám</fc> |  
^ Délka nahrávek v min. |  není známa |  
</WRAP>

===== Přepis nahrávek a další informace =====

PMK byl pořizován tak, aby ve vyvážených proporcích obsáhl čtyři sociolingvistické proměnné, všechny pro jednoduchost dělené pouze binárně (na dvě hodnoty): 

^ Kategorie ^ zkratky ^
^ Pohlaví | M (muž) a Z (žena) |
^ Věk | I (iunior, mladší: ca 20--35 let) a V (vetus, starší: 35 let a více) |
^ Vzdělání | B (basis, základní a středoškolské) a A (altus, vysokoškolské včetně pouze započatého) |
^ Typ promluvy | F (formální) a N (neformální) |

Spodní hranicí bylo cca 20 let (jazyk dospívající mládeže totiž není plně stabilizovaný) a předělem mezi nimi byl věk cca 35 let. **Formální promluva** je v pojetí PMK monolog vytvářený sledem odpovědí na otázky kladené nahrávajícím (pro zamezení ovlivnění odpovědí, ať už kódem spisovným či nespisovným, měly otázky 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.

Rozsáhlé manuální kódování a [[pojmy:tag|tagování]] PMK není dokončené a lze v něm proto zatím pracovat jen s čistými texty, bez [[pojmy:lemma|lemmatizace]] a [[pojmy:tag|morfologických značek]]; základním výstupem k dalšímu studiu je především zadaná konkordance s hledaným tvarem nebo kombinací tvarů slova. 

**Promluvou** se v PMK 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.

===== Jak citovat BMK =====
<WRAP round tip 35%>
FIXME 
</WRAP>


==== Poděkování ====

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
Historie: • gramatikat • kwords • ortofon • czesl-plain • syd • koditex • kh-dopisy • zaciname • verze15 • syn2013pub
Hledat

Navigace

Tisk/export

Nástroje

Jazyky

Licence
