Definicija in primeri korpusov v jezikoslovju
Glosar slovničnih in retoričnih izrazov
Po besedah Tonyja McEneryja idr. obstaja »vse večje soglasje, da je korpus zbirka (1) strojno berljiv (dva) verodostojno besedil (vključno s prepisi govorjenih podatkov), ki je (3) vzorčeno biti (4) predstavnik določenega jezika ali jezikovne sorte' ( Jezikovne študije, ki temeljijo na korpusu , 2006). (Monty Rakusen/Getty Images)
notri jezikoslovje , a korpus je zbirka jezikovnih podatkov (običajno vsebovanih v računalniški bazi podatkov), ki se uporabljajo za raziskave, štipendije in poučevanje. Imenuje se tudi a besedilni korpus . množina: korpusi .
Prvi sistematično organiziran računalniški korpus je bil sodobni standardni korpus univerze Brown ameriška angleščina (splošno znan kot Brown Corpus), ki ga je v šestdesetih letih prejšnjega stoletja sestavil jezikoslovci Henry Kučera in W. Nelson Francis.
Pomembni angleški jezikovni korpusi vključujejo naslednje:
- Ameriški nacionalni korpus (ANC)
- Britanski nacionalni korpus (BNC)
- Korpus sodobne ameriške angleščine (COCA)
- Mednarodni korpus angleščine (ICE)
Etimologija
Iz latinščine 'telo'
Primeri in opažanja
- „Gibanje za „verodostojne materiale“ pri poučevanju jezikov, ki se je pojavilo v osemdesetih letih prejšnjega stoletja, [je zagovarjalo] večjo uporabo materialov iz resničnega sveta ali „verodostojnih“ materialov – materialov, ki niso bili posebej zasnovani za uporabo v razredu – saj so trdili, da bi takšno gradivo izpostavilo učencev na primere naravni jezik uporaba vzeta iz kontekstov resničnega sveta. V novejšem času pojav korpusnega jezikoslovja in vzpostavitev obsežnih baz podatkov oz korpusi različnih zvrsti pristnega jezika ponudila nadaljnji pristop k zagotavljanju učnih gradiv učencem, ki odražajo pristno jezikovno rabo.'
(Jack C. Richards, uvod urednika serije. Uporaba Corpora v jezikovni učilnici , avtor Randi Reppen. Cambridge University Press, 2010)
' Corpora lahko kodira jezik, proizveden v katerem koli načinu - na primer, obstajajo korpusi govorjenega jezika in obstajajo korpusi pisnega jezika. Poleg tega nekateri video korpusi snemajo paralingvistično značilnosti, kot so gesta ... in izdelani so korpusi znakovnega jezika. . ..
Korpusi, ki predstavljajo pisno obliko jezika, običajno predstavljajo najmanjši tehnični izziv pri izdelavi. . . . Unicode omogoča računalnikom zanesljivo shranjevanje, izmenjavo in prikaz besedilnega gradiva v skoraj vseh pisnih sistemih sveta, tako sedanjih kot izumrlih. . . .
„Zbiranje in prepisovanje gradiva za govorni korpus pa zahteva veliko časa. Nekatera gradiva so lahko zbrana iz virov, kot je svetovni splet. . .. Vendar transkripti, kot so ti, niso bili zasnovani kot zanesljivo gradivo za jezikovno raziskovanje govorjenega jezika. . . . [S]poken korpusni podatki se pogosteje proizvajajo s snemanjem interakcij in njihovim prepisovanjem. Pravopisni in/ali fonemični transkripcije govorjenega gradiva je mogoče sestaviti v korpus govora, ki ga je mogoče iskati z računalnikom.'
(Tony McEnery in Andrew Hardie, Korpusno jezikoslovje: metoda, teorija in praksa . Cambridge University Press, 2012)
' Usklajevanje je osrednje orodje v korpusnem jezikoslovju in preprosto pomeni uporabo korpusne programske opreme za iskanje vsake pojavitve določene besede ali fraze. . . . Z računalnikom lahko zdaj v nekaj sekundah iščemo milijone besed. Iskano besedo ali besedno zvezo pogosto imenujemo 'vozlišče' in skladne vrstice so običajno predstavljene z vozliško besedo/besedno zvezo v središču vrstice s sedmimi ali osmimi besedami, predstavljenimi na obeh straneh. Ti so znani kot prikazi ključnih besed v kontekstu (ali konkordance KWIC).'
(Anne O'Keeffe, Michael McCarthy in Ronald Carter, 'Uvod'. Od korpusa do učilnice: raba jezika in poučevanje jezika . Cambridge University Press, 2007)
„Leta 1992 je [Jan Svartvik] v predgovoru k vplivni zbirki člankov predstavil prednosti korpusnega jezikoslovja. Njegove argumente podajamo v skrajšani obliki:
- Korpusni podatki so bolj objektivni kot podatki, ki temeljijo na introspekciji.
- Podatke korpusa lahko preprosto preverijo drugi raziskovalci in raziskovalci si lahko izmenjujejo iste podatke, namesto da vedno zbirajo svoje.
- Korpusni podatki so potrebni za študije variacije med narečja , registri in stilov .
- Korpusni podatki zagotavljajo pogostost pojavljanja jezikovnih enot.
- Korpusni podatki niso samo ilustrativni primeri, ampak so teoretični vir.
- Korpusni podatki dajejo bistvene informacije za številna aplikativna področja, kot sta poučevanje jezikov in jezikovna tehnologija (strojno prevajanje, sinteza govora itd.).
- Korpusi zagotavljajo možnost popolne odgovornosti za jezikovne značilnosti - analitik mora upoštevati vse v podatkih, ne le izbranih značilnosti.
- Računalniško podprti korpusi omogočajo raziskovalcem po vsem svetu dostop do podatkov.
- Korpusni podatki so idealni za tiste, ki ne govorijo maternega jezika.
(Svarvik 1992:8-10) Vendar Svartvik tudi poudarja, da je ključno, da se korpusni jezikoslovec loti tudi skrbne ročne analize: zgolj številke so redko dovolj. Poudarja tudi, da je pomembna kakovost korpusa.«
(Hans Lindquist, Korpusno jezikoslovje in opis angleščine . Edinburgh University Press, 2009)
„Poleg uporabe v jezikoslovnih raziskavah per se , lahko omenimo naslednje praktične aplikacije.
Leksikografija
Iz korpusa izpeljani frekvenčni seznami in še posebej konkordance se uveljavljajo kot osnovna orodja za leksikograf . . . .
Jezik Poučevanje
. . . Uporaba konkordanc kot orodij za učenje jezikov je trenutno zelo zanimiva za računalniško podprto učenje jezikov (CALL; glej Johns 1986). . . .
Govor Obravnavati
Stroj prevod je en primer uporabe korpusov za to, čemur pravijo računalniški znanstveniki obdelava naravnega jezika . Poleg strojnega prevajanja je glavni raziskovalni cilj NLP obdelava govora , to je razvoj računalniških sistemov, ki so sposobni izpisati samodejno proizveden govor iz pisnega vnosa ( sinteza govora ) ali pretvorbo govornega vnosa v pisno obliko ( prepoznavanje govora ).' (Geoffrey N. Leech, 'Corpora.' Jezikoslovna enciklopedija , ur. avtorja Kirsten Malmkjaer. Routledge, 1995)