Skrýt
Nastavení

Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

Odkaz na výstup diff

Následující verze
Předchozí verze
cnk:pmk [2013/06/20 20:48]
Olga Richterova vytvořeno
cnk:pmk [2018/08/13 15:09] (aktuální)
Václav Cvrček [Související odkazy]
Řádek 2: Řádek 2:
 ====== Pražský mluvený korpus ====== ====== 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.
  
-Pražský mluvený korpus ​(PMKje prvním korpusem mluvené ​češtiny ​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 ​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>​N/​A</​fc>​ |   
 +^ Délka nahrávek v min|  <fc #​FF0000>​N/​A</​fc>​ |   
 +</​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 programu Bonito zobrazit pomocí menu Zobrazení > Zdroje. ​Pohlaví ​označují zkratky ​M-Z (Mužena)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.+===== 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 ​(muž) a Z (žena) ​
 +Věk I (iunior, mladší: ca 20--35 let) V (vetus, ​starší: 35 let a více) | 
 +^ Vzdělání | B (basiszákladní 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. 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.
  
-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 němjako 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 Bonito (viz menu Korpus > Souhrnné informace) uvádí pro PMK počet pozic 819267, což je počet všech jeho slovních tvarů a interpunkčních znamének; z toho je 674992 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.+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]] [[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. 
 + 
 +==== 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. 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 
  
 +===== Jak citovat PMK =====
 +
 +<WRAP round tip 70%>
 +Čermák, F. – Adamovičová,​ A. – Pešička, J.: //PMK (Pražský mluvený korpus): přepisy nahrávek pražské mluvy z 90. let 20//. století. Ústav Českého národního korpusu FF UK, Praha 2001. Dostupný z WWW: http://​www.korpus.cz
 +</​WRAP>​
 +
 + --- //​František Čermák//, vedoucí projektu
 +
 +===== Související odkazy =====
 +
 +<WRAP round box 49%>
 +[[seznamy:​index#​pravidla_pro_prepis|Pravidla pro přepis nahrávek]] • [[ORAL2006]] • [[ORAL2008]] • [[ORAL2013]] • [[BMK]] • [[SCHOLA2010]] • [[pojmy:​mluveny|Korpus mluveného jazyka]]
 + </​WRAP>​