Korpus prezidentských projevů Speeches

Korpus oficiálních prezidentských projevů Speeches byl vytvořen na základě spolupráce ČNK s Universitou v Oslo. Svým zaměřením na připravené written-to-be-spoken texty, v nichž funkčně převažuje psaná čeština a k mluveným textům se dají řadit pouze na základě použitého média, vyplňuje prostor mezi řadou Oral a řadou SYN.

Cílem korpusu je pokrývat období let 1918 až 2015 a to na základě mapování prezidentských projevů (příp. projevů jiných politiků mluvících v zastoupení prezidenta) pronesených u příležitosti periodicky se opakujících výročí a svátků (Nový rok, 28. října apod.). Svým rozsahem se řadí mezi malé a relativně úzce specializované korpusy.

Zdrojem textů pro korpus Speeches byly jednak sebrané spisy jednotlivých prezidentů, dále pak denní tisk, který projevy otiskoval v plném znění a u novějších textů také webové stránky politiků. K mluvené podobě projevů se ve větší míře nepřihlíželo; v případě, že se pronesený projev ve své autentické mluvené podobě (je-li dostupná) odlišuje od tištěné verze (např. přeřeknutí), do korpusu byl včleněn text v takové verzi, kterou je možné považovat za oficiální.

Korpus je vybaven podrobnou strukturní anotací (popisující jednotlivé projevy) a anotací poziční (lemmatizace a tagování).

Z hlediska metadat je korpus označkován na úrovni jednotlivých projevů <doc>, a to následujícími strukturními atributy:

• id - unikátní identifikátor projevu
• speaker - jméno mluvčího projevu
• year - rok pronesení projevu
• date - datum pronesení projevu
• title - titulek projevu (většinou přidaný až pro tištěné vydání)
• office - úřad zastávaný mluvčím
• occasion - příležitost, při níž byl projev pronesen
• medium - médium, jakým byl projev přenášen (vysílán)
• source - zdroj, z něhož byl text získán
• link - odkaz na dostupný internetový zdroj (neuvádí se, pokud je totožný se source)
• altsource - alternativní zdroj
• notes - poznámky a různočtení
• status - stupeň ruční kontroly textu

Korpus Speeches se soustředí pouze na projevy, které vznikaly u příležitosti periodicky se opakujících svátků (viz atribut doc.occasion):

• novoroční projev (New Year's Address)
• výročí republiky (Republic day)
• vánoční poselství (Christmas mesaage)
• výročí protektorátu (Protectorate Anniversary)

Z mluvčích jsou v korpusu Speeches zastoupeni tito politici:

• Beneš, Edvard
• Gottwald, Klement
• Havel, Václav
• Husák, Gustáv
• Hácha, Emil
• Klaus, Václav
• Masaryk, Tomáš Garrigue
• Novotný, Antonín
• Svoboda, Ludvík
• Uhde, Milan
• X (nezjištěný)¹⁾
• Y (nezjistitelný)²⁾
• Zeman, Miloš
• Zápotocký, Antonín

Korpus Speeches je lemmatizován a tagován aktuálními nástroji užívanými pro korpusy řady SYN. Použitý tagset je shodný s tím, který se užívá např. pro korpus SYN2010, přičemž nebylo specificky přihlíženo k dobovému způsobu psaní, který je v textech pokud možno zachováván.