en:manualy:syd - Příručka ČNK

This page is read only. You can view the source, but not change it. Ask your administrator if you think this is wrong.
====== SyD ======

{{ kurz:syd-logo.png?direct&200|}}

The SyD application (for the analysis of **Sy**nchronic and **D**iachronic variants) serves primarily to study competing linguistic phenomena. It serves as a supplementation of the more universal [[en:pojmy:korpusovy_manazer|corpus managers]], and can quickly and easily provide corpus results to lay users. As its name suggests, the application has two (essentially separate) parts: 
  - synchronic, in which it is possible to compare variants based on their frequency and distribution in the texts
  - diachronic, in which it is possible to map the development tendencies in the use of the variants.



SyD is an online application (the only thing we need to use it is a web browser) and it is accessible without [[en:kurz:zaciname|registration]] to all users at **[[http://treq.korpus.cz|syd.korpus.cz]]**. 

It is currently available in the version 2.0, which was published in 2014 (the first version was launched in 2011). The application includes a concise manual, and the displayed results are accompanied by a detailed commentary. Just like in some of the other applications (e.g. in [[en:manualy:morfio|Morfio]]), a permanent link leading to the input query is available in SyDu making it appropriate for sharing and citing.

===== The Synchronic part =====

In the synchronic part the user can input two (or even more) phenomena which he wants to compare. Konkurence se může týkat jak jejich pravopisné podoby (např. //filozofie// vs. //filosofie//), tak jejich morfologie (//bychom// vs. //bysme//), lze ale zkoumat i konkurenci lexikologickou (//stále// vs. //pořád// vs. //furt//), syntaktickou či slovoslednou (//sebe sama// vs. //sama sebe//). Dotazy můžou být formulovány velmi trivialně (stačí prosté zadání hledaného slova) nebo pomocí dotazovacího jazyka [[pojmy:cql|CQL]]. Aplikace všechny zadané dotazy vyhodnotí a zobrazí výsledky ve formě tabulek a grafů.

Corpora used in the SyD application (in the 2.0 version):
  * [[en:cnk:syn2010|SYN2010]] for written (public) language
  * [[en:cnk:ksk-dopisy|KSK-Dopisy]] for written private (and informal) language
  * [[en:cnk:oral2006|Oral2006]] + [[en:cnk:oral2008|Oral2008]] + [[en:cnk:oral2013|Oral2013]] for spoken informal language

V synchronní části analýzy je možné využívat [[pojmy:lemma|lemmatizaci]] (tj. dotazovat se na celý lexém včetně všech jeho tvarů), při vyhodnocování výsledků je však třeba obezřetnosti. Zatímco v korpusech řady SYN se využívá standardní lemmatizace, data pro mluvenou češtinu a pro korespondenci lemmatizována nejsou a je zde proto rozsah lemmatu odhadován na základě psaného jazyka (dotaz je nejprve vyhodnocen v korpusu SYN2010 a na základě tvarů v něm identifikovaných je sestaven dotaz pro nelemmatizované korpusy).

Synchronní část poskytuje informaci o rozložení jevů v psaných textech (na základě [[pojmy:atributy_strukturni|strukturních atributů]] [[pojmy:txtype|txtype]] a [[pojmy:genre|genre]]) i v mluveném jazyce (na základě atribtutů pohlaví, věk, vždělání a regionální příslušnost). Všechny údaje jsou relativizovány s ohledem na velikost dané kategorie v korpusech.

Pro analýzu lexikálních odlišností zkoumaných variant poskytuje aplikace SyD i zjednodušenou verzi [[pojmy:kolokace|kolokačních]] paradigmat k jednotlivým dotazům.

===== The Diachronic part =====

Základem pro diachronní analýzu je korpus Diakon, který se skládá z textů korpusu [[cnk:diakorp|Diakorp]] rozšířených o další data z dřívějších podob češtiny, které dosud neprošly ruční kontrolou. Orientační výčet zdrojových textů do roku 1989 je k dispozici v sekci [[seznamy:index#zdrojove_texty_diachronnich_korpusu|seznamů]]. Nejmodernější období je reprezentováno výběrem ze synchronních korpusů řady [[cnk:syn|SYN]]. Vzhledem k tomu, že starší texty nejsou dosud [[pojmy:lemma|lemmatizovány]], je možné použít dotazy pouze na atribut [[pojmy:word|word]] (slovní tvar).

Aplikace SyD všechny zadané dotazy vyhodnotí a zjistí jejich relativní frekvenci v různých letech. Vzhledem k tomu, že pokrytí časové osy stále není optimální, je třeba brát časové údaje spíše orientačně a pro zobrazení trendů se užívá klouzavý průměr (s nastavitelným oknem). Zobrazení na časové ose obsahuje navíc ještě i míru chyby, s níž je třeba při analýze dat počítat. 

===== Application images =====

[{{:kurz:syd-syn.png?direct&200|Evaluation of query in synchronic part}}]
[{{:kurz:syd-syn-distr.png?direct&200|Distribution of phenomena in written texts}}]
[{{:kurz:syd-syn-kolok.png?direct&200|Collocation analysis}}]
[{{:kurz:syd-dia.png?direct&200|Evaluation of query in diachronic part}}]
[{{:kurz:syd-dia-roky.png?direct&200|Number of occurrences displayed over the years}}]

==== Related links ====

<WRAP round box 50%>
[[en:manualy:kontext:index|KonText Interface]] • [[en:manualy:morfio|Morfio]] • [[en:manualy:kwords|KWords]] • [[en:manualy:treq|Treq]] • [[en:pojmy:korpusovy_manazer|Corpus Manager]] • [[en:pojmy:nastroje|Corpus Tools]]
</WRAP>
Trace: • srclang • syntakticka_komplexita • diakorp • onomos • mda • jazyky-v-migraci • online • czesl-plain • klasifikace_textu_syn2015 • lemmatizace