pojmy:reprezentativnost - Příručka ČNK

Tato stránka je pouze pro čtení. Můžete si pouze prohlédnout zdrojový kód, ale ne ho měnit. Zeptejte se správce, pokud si myslíte, že něco není v pořádku.

====== Reprezentativnost korpusu ======

//Reprezentativnost// a //vyváženost// jsou v korpusové lingvistice často používané, ale nejednoznačně definované pojmy dotýkající se vztahu mezi [[pojmy:korpus|korpusem]] (jako vybraným vzorkem jazyka) a jazykovou realitou (jako celou populací). Je třeba stále znovu zdůrazňovat, že žádný korpus nepokrývá kompletní spektrum užití žádného jazyka a že problém reprezentativnosti dosud nebyl uspokojivě vyřešen. V porovnání s metodami [[pojmy:introspekce|introspekce]] či náhodným výběrem dokladů určitého jevu ovšem jde o výrazné přiblížení požadavku replikovatelnosti a ověřitelnosti výzkumů.

Obecně lze říci, že korpus je vzhledem k jazyku (v realitě tedy vzhledem k jeho části, např. jazyku psanému) **reprezentativní**, obsahuje-li v dostatečném množství texty všech jeho variet. Odpovídají-li poměry mezi varietami v korpusu jejich poměrům v reálném úzu, jedná se navíc o korpus **vyvážený** právě z hlediska užívání (v řadě [[cnk:syn|SYN]] definovaného jako recepce textů určitého typu v určitém poměru). V jiných pohledech se však pojmy //reprezentativnost// a //vyváženost// zaměňují.

Tyto definice přinášejí řadu otázek: jaké množství textů je dostatečné, jak vymezit jednotlivé variety, a hlavně jak zjistit poměry jejich zastoupení v úzu. Motivace je však zřejmá: korpus by měl být věrným odrazem jazyka, malým vzorkem, který však v maximální možné míře odpovídá celku. Zásadním problémem je ovšem nemožnost skutečně objektivně měřit míru, v níž korpus jazyku odpovídá. 

Na druhé straně je však reprezentativnost a vyváženost korpusů nezbytná proto, že bez nich nelze korpusová data interpretovat ve vztahu k jazyku, tj. udělat nutný krok od popisu dat v korpusu k popisu jazyka: ten umožňují právě principy reprezentativnosti a vyváženosti. Mezi korpusem a jazykovou realitou je tedy vztah, který nezbývá než korigovat (nutně subjektivní) intuicí.

Reprezentativnost a vyváženost psaných korpusů řady SYN v ČNK se zakládá na řadě průzkumů, které se pokoušely různými způsoby kvantifikovat výše zmíněnou recepci (ne tedy např. produkci) psaných textů běžnými čtenáři. Přestože je výsledné složení těchto korpusů v některých ohledech diskutabilní, jde o pokus uchopit reprezentativnost a vyváženost obecných, nespecializovaných jazykových korpusů na solidním základě.

====== Specializované korpusy ======

Nereprezentují větší část jazykového úzu, ale podávají obraz o velmi specifickém užití jazyka.

Příklady: 
  * [[cnk:czesl-plain|Korpus CzeSL-plain]]
  * [[cnk:ksk-dopisy|Korpus soukromé korespondence]]
  * [[cnk:link|Korpus LINK]]
  * [[cnk:orwell|Korpus ORWELL]]

 --- //Michal Křen, Olga Richterová//

==== Související odkazy ====

[[pojmy:struktura_korpusu|Struktura korpusu]]

[[pojmy:atributy_strukturni|Strukturní atributy]]

[[cnk:struktura#korpusy_psane_soucasne_cestiny_rada_syn|Obecné a specializované korpusy řady SYN]]

[[cnk:struktura|Struktura Českého národního korpusu]]

[[pojmy:introspekce|Introspekce]]

Historie: • zaciname • verbtagy_detail • anonymizace • txtype_group • akvizicni_korpus • strukturni_atributy_mluvene • verbtagy • lexikalni_hustota • pravidla_2008 • konkordance