Toto je starší verze dokumentu!
Korpus vyučovacích hodin SCHOLA2010
Korpus SCHOLA2010 vytvořil v rámci výzkumného záměru MSM 0021620825 (Jazyk jako lidská činnost, její produkt a faktor) Ústav českého jazyka a teorie komunikace (ÚČJTK) z FF UK. Jedná se o sociologicky i didakticky jedinečný korpus, protože vychází ze školního prostředí a zaznamenává mluvený jazyk vyučovacích hodin (především standardních vyučovacích hodin s délkou cca 45 min.). Uživatelům se tak nabízí jazykový materiál, v němž je zachycena mluva učitelů i žáků během vyučování. Zatím je to jediný veřejně přístupný korpus tohoto typu. Uvedený korpus se od ostatních mluvených korpusů zveřejněných v Českém národním korpusu liší také tím, že neobsahuje jen mluvu dospělých, ale i dětí a mládeže. Jde o referenční sociolingvisticky nevyvážený korpus poloformální a formální mluvené češtiny o velikosti zhruba 1 milion pozic.
Tento korpus je sice určený především lingvistům a pedagogům, ale protože je pojímán interdisciplinárně, může poskytnout užitečné informace také speciálním pedagogům, psychologům, sociologům a dalším uživatelům. Potřebám výzkumu rovněž slouží databanka Akces na ÚČJTK UK FF 1), kde jsou zpřístupněny přepisy ve finální verzi (v přepisech zveřejněných v korpusu SCHOLA2010 byly kvůli prohlížeči provedeny drobné úpravy, viz Zásady pro přepis vyučovacích hodin).
| Název | SCHOLA2010 |
|---|---|
| Počet pozic (tokenů) | 1 046 600 |
| Počet pozic (tokenů) bez interpunkce a dalších značek | 828 038 nebo 792 764 2) |
| Počet slovních tvarů (wordů) | 64 329 |
| Počet nahrávek rozhovorů | 204 |
| Počet promluv | 61 285 |
| Počet mluvčích | 2410 |
| Délka nahrávek v min. | 8605 |
Složení korpusu SCHOLA2010 a získávání dat
Korpus SCHOLA2010 tvoří 204 přepisů nahrávek vyučovacích hodin pořízených v letech 2005–2008 na různých místech České republiky, viz oddíl Statistiky ke korpusu Schola2010. 131 nahrávek bylo nahráno ve středočeské nářeční oblasti, 57 nahrávek ve východomoravské nářeční oblasti 3), jde tedy i o teritoriálně různorodý jazykový materiál. Přestože nahrávání probíhalo víceméně ve formálním prostředí, v korpusu SCHOLA2010 se vyskytují i rysy běžně mluveného jazyka. V přepisech vyučovacích hodin je vedle spisovné češtiny poměrně často přítomna obecná čeština a objevují se i regionální prvky. V projevech zaznamenaných ve východní části České republiky je zřejmý vliv dialektu (jsou zde i některé archaické nářeční prvky, např. infinitiv s ť – zkúšať aj.). Učitelé i žáci o nahrávání dopředu věděli, žáci (případně jejich rodiče) souhlasili s nahráváním i s využitím těchto nahrávek pro potřeby Českého národního korpusu a pro výzkumné účely. V korpusu vyučovacích hodin se vyskytuje 2410 jedinečných mluvčích (osob). Celková délka zaznamenaného zvukového materiálu činí 143 h 25 min. Korpus obsahuje 1 046 600 pozic, z toho je 792 764 slov (bez interpunkce a bez komentářů, které jsou v různých závorkách).
Výběr škol a vyučovacích předmětů
Pro budování korpusu SCHOLA2010 byly vybrány základní školy, gymnázia a střední odborné školy. Projektu se účastnilo celkem 27 škol (16 pražských a 11 mimopražských) a 115 tříd/skupin. Pokud jde o pedagogy, na nahrávání se podílelo 47 učitelů (20 mužů a 27 žen). V projevech bylo rozpoznáno 2347 jedinečných žáků (jsou v tom zahrnuti i 4 cizí žáci) a 16 cizích dospělých osob (převážně učitelů). U žáků byl zaznamenán věk od 6 do 23 let, věk učitelů se pohybuje od 23 let do 53 let, u cizích dospělých osob do 69 let, podrobněji viz oddíl Statistiky ke korpusu Schola2010.
V korpusu jsou zastoupeny všechny třídy ZŠ kromě 4. třídy (nahrávání se zde nepodařilo zajistit), všechny třídy víceletých gymnázií a všechny ročníky čtyřletých gymnázií a středních odborných škol. Podle rámcových vzdělávacích plánů (RVP) do něj byly zařazeny všechny základní vyučovací předměty (kromě cizích jazyků a tělocviku) a výběrově i odborné předměty vyučované na středních odborných školách, viz Sociolingvistické značky a charakteristiky v korpusu SCHOLA2010. Korpus SCHOLA2010 je vyvážený především vzhledem ke skupinám vyučovacích předmětů k počtu sond:
| 1. skupina | ||
|---|---|---|
| skupina A | český jazyk a literatura | 60 sond |
| skupina B | matematické a přírodovědné předměty | 62 sond |
| 2. skupina | ||
| skupina C | společenskovědní a výchovné předměty | 45 sond |
| skupina D | informatika, technické a profesně–pracovního vyučování | 37 sond |
podrobněji viz oddíl Statistiky ke korpusu Schola2010.
Statistiky ke korpusu Schola2010
Korpus SCHOLA2010 se s ostatními mluvenými korpusy shoduje v základních sociolingvistických proměnných. Kvůli srovnatelnosti s ostatními korpusy uvádíme situaci při nahrávání:
| Kategorie | zkratky |
|---|---|
| Situace při nahrávání | F (formální) |
| Pohlaví | M (muž) a Z (žena) |
| Věk | I (do 35 let) a V (35 let a více) |
| Vzdělání | B (základní a středoškolské) a A (vysokoškolské včetně pouze započatého) |
U všech mluvčích jsou taktéž zpřístupněny informace o jejich přesném věku a konkrétním dosahovaném stupni vzdělání (ZŠ, SŠ, VŠ). Korpus SCHOLA2010 navíc díky svému speciálnímu zaměření obsahuje další užitečné sociolingvistické charakteristiky: informace o sondě, o škole, o třídě, o vyučovacím předmětu, o vyučovací hodině, doplňující údaje o mluvčím, podrobněji viz Sociolingvistické značky a charakteristiky v korpusu SCHOLA2010.
Zásady pro přepis vyučovacích hodin
Zpracování nahrávek vyučovacích hodin a jejich přepisování vycházelo ze zásad uplatňovaných při přípravě předchozích mluvených korpusů v rámci Českého národního korpusu, zejména korpusu ORAL2006. Pravidla pro přepis vyučovacích hodin však byla upravena v závislosti na charakteru a koncepci tohoto projektu, viz Zásady pro přepis vyučovacích hodin.
Odkazy:
Mapa nářečních oblasní ČR
Poděkování
Korpus SCHOLA2010 by nemohl vzniknout bez výrazné pomoci učitelů a jejich cenné účasti v tomto projektu. Na přepisech vyučovacích hodin, na úpravách a jiných specifických úkolech se podíleli studenti z FF a z PedF Univerzity Karlovy v Praze a další spolupracovníci z ÚČJTK FF UK a z Ústavu českého národního korpusu (ÚČNK). Celému pracovnímu týmu tímto děkujeme.
Jak citovat
— Karel Šebesta, Hana Goláňová, Olga Richterová
