AplikaceAplikace
Nastavení

Toto je starší verze dokumentu!


Korpus akademické češtiny

Korpus akademické češtiny je komplementem Frázové banky akademické češtiny a zahrnuje pouze česky psané nepřekladové texty vydané po roce 2010 ve vědeckých časopisech indexovaných v databázích Web of Science, Scopus nebo EBSCO. Dalším kritériem je žánr textu: do korpusu jsou zařazeny jen studie a přehledové články, nikoli tedy například recenze nebo zprávy z konferencí. Texty jsou ve většině případů v prefinální úpravě, tj. neprošly závěrečnou redakční úpravou ani autorskými korekturami. Korpus obsahuje články z celkem 21 titulů česky psaných vědeckých časopisů a je v něm zastoupeno všech šest oborů širší klasifikace podle Frascatského manuálu. Přesnější složení korpusu je uvedeno v tabulkách. Převaha společenských a humanitních věd je dána tím, že česky psaných vědeckých článků vychází v ostatních oborech relativně málo.

Obor Titul Počet slov
1 Přírodní vědy 1 951 029
Geografie 733 885
Chemické listy 1 217 144
2 Inženýrství a technologie 534 739
Paliva 534 739
3 Lékařské a zdravotnické vědy 1 811 902
Cor et Vasa 643 254
Česká a slovenská neurologie a neurochirurgie 1 168 648
4 Zemědělské a veterinární vědy 406 257
Zprávy lesnického výzkumu 406 257
5 Společenské vědy 5 120 839
Československá psychologie 856 683
Český lid 778 212
Obrana a strategie 309 725
Orbis scholae 578 303
Revue církevního práva 665 229
Sociologický časopis 1 053 680
Studia paedagogica 673 108
Vojenské rozhledy 205 899
6 Humanitní vědy a umění 5 434 650
Archeologické rozhledy 1 289 072
Cornova 304 773
Česká literatura 1 446 707
Musicologica Brunensia 455 712
Památky archeologické 409 157
Slovo a slovesnost 760 468
Studia theologica 768 761

Celkový počet článků v korpusu činí 3 394, celkový rozsah korpusu pak téměř 20 milionů tokenů. Technické zpracování korpusu vychází z korpusů řady SYN. Hlavní rozdíl oproti řadě SYN spočívá v tom, že dokumenty zde odpovídají jednotlivým článkům, nikoli číslům. Dokumenty (články) jsou navíc dále členěny na jednotlivé sekce (<div>) odpovídající oddílům textů s explicitním označením třídy (class), která nabývá hodnot úvod, diskuse, závěr a neznámá. Toto členění bylo získáno heuristickými postupy, a není tedy vždy spolehlivé. Ke všem dokumentům jsou k dispozici metadata (autoři, název článku, číslo, rok vydání apod.), která prošla rozsáhlou manuální revizí. Lemmatizace a morfologické značkování korpusu odpovídají SYN2020.

Autorský tým děkuje redakcím časopisů zařazených do korpusu, bez jejichž vstřícnosti by korpus nemohl vzniknout.

Korpus akademické češtiny

Vondřička, P. – Kaderka, P. – Hoffmannová, J. – Homoláč, J. – Kocek, J. – Kopecký, J. – Křen, M. – Sherman, T.: Korpus akademické češtiny, verze 1 z 20. 1. 2024. Praha: Ústav Českého národního korpusu FF UK – Ústav pro jazyk český AV ČR, Praha 2024. Dostupný z WWW: http://www.korpus.cz

Homoláč, J. – Křen, M. – Kašpárková, A. – Etchegoyen Rosolová, K. – Hoffmannová, J. – Kaderka, P. – Kopecký, J. – Sherman, T. – Vondřička, P.: Akademické psaní a frázové banky. Slovo a slovesnost 84(4), 2023, 303-321. https://doi.org/10.58756/s4348418.