AplikaceAplikace
Nastavení

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revisionPrevious revision
Next revision
Previous revision
en:manualy:syd [2016/12/07 20:27] – [The Synchronic part] veronikapojarovaen:manualy:syd [2021/03/09 15:10] (current) jankocek
Line 1: Line 1:
 ====== SyD ====== ====== SyD ======
  
-{{ kurz:syd-logo.png?direct&200|}}+{{ :manualy:syd_logo.png?nolink&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:  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: 
Line 22: Line 22:
   * [[en:cnk:oral2006|Oral2006]] + [[en:cnk:oral2008|Oral2008]] + [[en:cnk:oral2013|Oral2013]] for spoken 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]] (tjdotazovat se na celý lexém včetně všech jeho tvarů), při vyhodnocování výsledků je však třeba obezřetnostiZatímco 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).+In the synchronic part of the analysis it is possible to use [[en:pojmy:lemma|lemmatization]] (i.eto search for an entire lexeme including all of its possible forms), however extra care must be taken when assessing the resultsWhile the SYN series corpora use standard lemmatization, data for spoken Czech and for correspondence are not lemmatized, and therefore the extent of the lemma is estimated based on the written language (the query is first assessed in the SYN2010 corpus and based on the forms identified query for the non-lemmatized corpora is constructed.
  
-Synchronní část poskytuje informaci o rozložení jevů v psaných textech (na základě [[pojmy:atributy_strukturni|strukturních atributů]] [[pojmy:txtype|txtype]] [[pojmy:genre|genre]]) i v mluveném jazyce (na základě atribtutů pohlavívěkvždělání a regionální příslušnost). Všechny údaje jsou relativizovány s ohledem na velikost dané kategorie v korpusech.+The synchronic part provides information about the distribution of phenomena in written texts (based on the [[en:pojmy:atributy_strukturni|structural attributes]] //[[en:pojmy:txtype|txtype]]// and //[[en:pojmy:genre|genre]]//and in spoken language (based on the attributes of genderageeducation and region). All data are made relative with regard to the size of the given category in the corpora.
  
-Pro analýzu lexikálních odlišností zkoumaných variant poskytuje aplikace SyD i zjednodušenou verzi [[pojmy:kolokace|kolokačních]] paradigmat k jednotlivým dotazům.+For the analysis of the lexical differences of the examined variants, the SyD application offers a simplified version of [[en:pojmy:kolokace|collocational]] paradigms to the individual queries.
  
 ===== The Diachronic part ===== ===== The Diachronic part =====
  
-The basis for the diachronic analysis is the Diakon corpus which is composed of the [[en:cnk:diakorp|Diakorp]] corpus texts, expanded upon with data from earlier forms of Czech which have not yet been reviewed manually. A makeshift list of source texts before the year 1989 is available in the [[en:seznamy:index#zdrojove_texty_diachronnich_korpusu|lists]] section. The most modern period is represented by a selection from the synchronic corpora of the [[en:cnk:syn|SYN]] series. Due to the fact that the older texts are not yet [[wp>Lemma_(psycholinguistics)|lemmatized]], it is possible to use only the [[en:pojmy:word|word]] attribute (word form) for queries.+The basis for the diachronic analysis is the Diakon corpus which is composed of the [[en:cnk:diakorp|Diakorp]] corpus texts, expanded upon with data from earlier forms of Czech which have not yet been reviewed manually. A makeshift list of source texts before the year 1989 is available in the [[en:seznamy:index#zdrojove_texty_diachronnich_korpusu|lists]] section. The most modern period is represented by a selection from the synchronic corpora of the [[en:cnk:syn|SYN]] series. Due to the fact that the older texts are not yet [[en:pojmy:lemma|lemmatized]], it is possible to use only the [[en:pojmy:word|word]] attribute (word form) for queries.
  
-Aplikace SyD všechny zadané dotazy vyhodnotí a zjistí jejich relativní frekvenci v různých letechVzhledem k tomuže pokrytí časové osy stále není optimálníje třeba brát časové údaje spíše orientačně 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+The SyD application will evaluate all queries and find their relative frequencies in various timer periodsBecause the coverage of all the time periods is not optimalit is advisable to understand the temporal information to be more of an approximationand to use moving average (with an adjustable windowfor displaying trendsThe portrayal on the timeline also includes an error rate which should also be taken into account when analyzing data
  
 ===== Application images ===== ===== Application images =====