AplikaceAplikace
Nastavení

Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

Odkaz na výstup diff

Obě strany předchozí revizePředchozí verze
Následující verze		Předchozí verze
seznamy:strukturni_atributy_mluvene [2022/06/14 11:39] – jankrivanseznamy:strukturni_atributy_mluvene [2023/02/26 21:36] (aktuální) – jankrivan
Řádek 11: Řádek 11:
 ^ Dotaz ^ Vyhodnocení ^ ^ Dotaz ^ Vyhodnocení ^
 | ''[word=<nowiki>"</nowiki>ne<nowiki>"</nowiki>]</doc>'' | výskyty slova //ne// na konci sondy | | ''[word=<nowiki>"</nowiki>ne<nowiki>"</nowiki>]</doc>'' | výskyty slova //ne// na konci sondy |
-| ''<sp> [word=<nowiki>"</nowiki>hm<nowiki>"</nowiki>]'' | výskyty slova //hm// na začátku promluvy |+| ''<sp> [word=<nowiki>"</nowiki>hmm<nowiki>"</nowiki>]'' | výskyty slova //hmm// na začátku promluvy |
  
 Strukturním jednotkám (strukturám) mohou být přiřazeny další údaje (tzv. [[pojmy:metadata|metadata]]), a to prostřednictvím strukturních atributů. Přehled těchto atributů a jejich možné hodnoty u jednotlivých korpusů uvádíme níže. Společně s tím uvádíme i další, tzv. nehierarchické struktury, které jsou u některých korpusů použity. Strukturním jednotkám (strukturám) mohou být přiřazeny další údaje (tzv. [[pojmy:metadata|metadata]]), a to prostřednictvím strukturních atributů. Přehled těchto atributů a jejich možné hodnoty u jednotlivých korpusů uvádíme níže. Společně s tím uvádíme i další, tzv. nehierarchické struktury, které jsou u některých korpusů použity.
Řádek 67: Řádek 67:
 | overlap | - | - | struktura obaluje pozice řečené v překryvu s jiným mluvčím | - |  | overlap | - | - | struktura obaluje pozice řečené v překryvu s jiným mluvčím | - | 
 | unclear | - | - | struktura obaluje pozice, u nichž si přepisující nebyl jist obsahem řečeného | - |  | unclear | - | - | struktura obaluje pozice, u nichž si přepisující nebyl jist obsahem řečeného | - | 
 +
 +
 +==== Strukturní atributy korpusu ORATOR ====
 +
 +Korpus [[cnk:orator|ORATOR]] obsahuje tyto údaje:
 +
 +^ Struktura ^ Atribut ^ Popis ^ Možné hodnoty (položky jsou řazeny podle abecedy) ^
 +| doc | id                | jednoznačný identifikátor sondy | |
 +| ::: | year              | rok pořízení nahrávky           | |
 +| ::: | location          | místo nahrávky                  | obce ČR |
 +| ::: | situation         | typ situace | ''{ceremoniál, instruktáž, jednání, kázání, prohlídka, přednáška, slavnostní projev, školení, uvedení uměleckého díla, veřejné shromáždění, zahájení, zakončení}'' |
 +| ::: | framing           | zaměření projevu                | ''{oficiální, popularizační, politické, profesní, vědecké}'' |
 +| ::: | genre             | žánr projevu                    | hodnoty shodné s atributem [[cnk:klasifikace_textu_syn2015?s[]=genre|genre]] u psaných korpusů |
 +| ::: | audience_present  | přítomnost publika              | ''{ano, ne}'' |
 +| ::: | intended_audience | jakému publiku je projev určen  | ''{skupina, veřejnost}'' |
 +| ::: | special           | speciální příznak projevu       | ''{čtené, pro děti, Y}'' (''Y'' pro projevy bez příznaku) |
 +| ::: | source            | zdroj                           | ''{vlastní sběr, volně dostupná nahrávka}'' |
 +| ::: | speakers          | počet mluvčích v nahrávce       | |
 +| ::: | length            | délka nahrávky v minutách       | |
 +| ::: | tokens            | počet všech tokenů v nahrávce   | |
 +| sp | id          | identifikátor segmentu                                      | unikátní číslo pro každý segment |
 +| ::: | nickname    | přezdívka mluvčího                                          | náhodně přidělená příjmení |
 +| ::: | speaker_id  | číslo doplňující přezdívku mluvčího                         | stejně jako příjmení bude toto číslo stejné u každé promluvy od stejného mluvčího|
 +| ::: | gender      | pohlaví                                                     |  |
 +| ::: | proportion  | procentuální zastoupení řeči mluvčího v rámci celé nahrávky |  |
 +| ::: | soundfile   | číslo a formát nahrávky                                     |  |
  
  
Řádek 112: Řádek 138:
 | ::: | noblastdet     | východomoravská      | pobyt mluvčího v dětství (do 15 let) - nářeční oblast | ''{českomoravská, jihočeská, pohraničí české, severovýchodočeská, slezská, sředočeská, středomoravská, východomoravská, západočeská}'' | pouze hodnoty, pro které se v korpusu nachází nářeční materiál | | ::: | noblastdet     | východomoravská      | pobyt mluvčího v dětství (do 15 let) - nářeční oblast | ''{českomoravská, jihočeská, pohraničí české, severovýchodočeská, slezská, sředočeská, středomoravská, východomoravská, západočeská}'' | pouze hodnoty, pro které se v korpusu nachází nářeční materiál |
  
-==== Strukturní atributy korpusu ORATOR ==== 
  
-Korpus [[cnk:orator|ORATOR]] obsahuje tyto údaje:+==== Strukturní atributy korpusu Jazyky v migraci ==== 
 + 
 +Korpus [[cnk:jazyky-v-migraci|Jazyky v migraci]] obsahuje následující údaje: 
 + 
 +^ Struktura ^ Atribut ^ Příklad ^ Vysvětlení ^ Možné hodnoty ^ 
 +| doc | id | A1CS11 | unikátní identifikátor nahrávky | ''<řetězec čísel a velkých písmen>'' | 
 +| ::: | language | cs | hlavní jazyk | ''{cs, de}'' | 
 +| ::: | speakers | 1 | počet mluvčích, vyjma explorátory | ''<číslo>'' | 
 +| ::: | situation_cs | doma | popis situace česky | ''{doma, kancelář, veřejný prostor}'' | 
 +| ::: | situation_de | zu Hause | popis situace německy | ''{Büro, zu Hause, öffentlicher Raum}'' | 
 +| ::: | topics_cs | emigrace%%|%%známí%%|%%škola | témata česky | více možností, vč. multihodnot | 
 +| ::: | topics_de | Auswanderung%%|%%Bekannte%%|%%Schule | témata německy | více možností, vč. multihodnot | 
 +| sp  | id | A1CS11:187 | unikátní identifikátor segmentu | ''<doc.id>:<pořadové číslo v rámci nahrávky>'' | 
 +| ::: | nickname | Erika B. | přezdívka mluvčího | | 
 +| ::: | gender | F | pohlaví mluvčího | ''{F, M}'' | 
 +| ::: | born | 1956 | rok narození mluvčího | ''<číslo>'' | 
 +| ::: | immigrated | 1968 | rok emigrace mluvčího do Německa | ''<číslo>'' | 
 +| ::: | reg_birth | Liberecký kraj | region narození mluvčího | ''{Hlavní město Praha, Jihočeský kraj, Karlovarský kraj, Královéhradecký kraj, Liberecký kraj, Moravskoslezský kraj, Olomoucký kraj, Plzeňský kraj, západní Čechy, Ústecký kraj}'' | 
 +| ::: | reg_current | Bayern | region současného pobytu mluvčího | ''{Baden-Württemberg, Bayern, Hessen}'' | 
 +| ::: | loctype_birth_cs | venkov | typ místa narození mluvčího česky| ''{město, venkov}'' | 
 +| ::: | loctype_birth_de | ländlich | typ místa narození mluvčího německy | ''{ländlich, städtisch}'' | 
 +| ::: | loctype_current_cs | venkov | typ místa současného pobytu mluvčího česky| ''{město, venkov}'' | 
 +| ::: | loctype_current_de | ländlich | typ místa současného pobytu mluvčího německy | ''{ländlich, städtisch}'' | 
 +| ::: | generation_cs | pozdní vysídlenci | generace mluvčího česky | ''{migranti, pozdní vysídlenci}'' | 
 +| ::: | generation_de | Spätaussiedler:innen | generace mluvčího německy | ''{Migrant:innen, Spätaussiedler:innen}'' | 
 +| ::: | education_cs | VŠ | vzdělání mluvčího česky | ''{SŠ, VŠ}'' | 
 +| ::: | education_de | Hochschulabschluss | vzdělání mluvčího německy | ''{Abitur/Berufsbildende Schule, Hochschulabschluss}'' | 
 +| ::: | langgener_category | PAT%%|%%AA | viz první tabulka [[cnk:jazyky-v-migraci#znackovani|v sekci Značkování v popisu korpusu]] | hodnoty z tabulky jako multihodnoty dle pořadí výskytu v segmentu (mohou se i opakovat) | 
 +| ::: | syntactic_phrase | VP%%|%%NP | viz druhá tabulka [[cnk:jazyky-v-migraci#znackovani|v sekci Značkování v popisu korpusu]] | hodnoty z tabulky jako multihodnoty dle pořadí výskytu v segmentu (mohou se i opakovat) | 
 +| ::: | soundfile | 7/f/66466a1f.mp3 | soubor s odpovídající zvukovou nahrávkou | |
  
-^ Struktura ^ Atribut ^ Popis ^ Možné hodnoty (položky jsou řazeny podle abecedy) ^ 
-| doc | id                | jednoznačný identifikátor sondy | | 
-| ::: | year              | rok pořízení nahrávky           | | 
-| ::: | location          | místo nahrávky                  | obce ČR | 
-| ::: | situation         | typ situace | ''{ceremoniál, instruktáž, jednání, kázání, prohlídka, přednáška, slavnostní projev, školení, uvedení uměleckého díla, veřejné shromáždění, zahájení, zakončení}'' | 
-| ::: | framing           | zaměření projevu                | ''{oficiální, popularizační, politické, profesní, vědecké}'' | 
-| ::: | genre             | žánr projevu                    | hodnoty shodné s atributem [[cnk:klasifikace_textu_syn2015?s[]=genre|genre]] u psaných korpusů | 
-| ::: | audience_present  | přítomnost publika              | ''{ano, ne}'' | 
-| ::: | intended_audience | jakému publiku je projev určen  | ''{skupina, veřejnost}'' | 
-| ::: | special           | speciální příznak projevu       | ''{čtené, pro děti, Y}'' (''Y'' pro projevy bez příznaku) | 
-| ::: | source            | zdroj                           | ''{vlastní sběr, volně dostupná nahrávka}'' | 
-| ::: | speakers          | počet mluvčích v nahrávce       | | 
-| ::: | length            | délka nahrávky v minutách       | | 
-| ::: | tokens            | počet všech tokenů v nahrávce   | | 
-| sp | id          | identifikátor segmentu                                      | unikátní číslo pro každý segment | 
-| ::: | nickname    | přezdívka mluvčího                                          | náhodně přidělená příjmení | 
-| ::: | speaker_id  | číslo doplňující přezdívku mluvčího                         | stejně jako příjmení bude toto číslo stejné u každé promluvy od stejného mluvčího| 
-| ::: | gender      | pohlaví                                                     |  | 
-| ::: | proportion  | procentuální zastoupení řeči mluvčího v rámci celé nahrávky |  | 
-| ::: | soundfile   | číslo a formát nahrávky                                     |  | 
  
 ==== Strukturní atributy korpusů ORAL2006, ORAL2008 a ORAL2013 ==== ==== Strukturní atributy korpusů ORAL2006, ORAL2008 a ORAL2013 ====
Řádek 162: Řádek 196:
  
 Pozn. Některé atributy mluvených korpusů připouštějí hodnotu ''Y'', která značí, že údaj není znám. Bývá uveden u mluvčích, kteří se v rozhovoru objevují krátce (např. servírka v rozhovoru vedeném v restauraci). Pozn. Některé atributy mluvených korpusů připouštějí hodnotu ''Y'', která značí, že údaj není znám. Bývá uveden u mluvčích, kteří se v rozhovoru objevují krátce (např. servírka v rozhovoru vedeném v restauraci).
- 

Historie: