Definicja i przykłady korpusu w językoznawstwie

Słowniczek terminów gramatycznych i retorycznych

Według Tony'ego McEnery i wsp. istnieje „coraz większa zgoda, że ​​korpus jest zbiorem (1) do odczytu maszynowego (dwa) autentyczny teksty (w tym transkrypcje danych mówionych), czyli (3) próbkowane być (4) przedstawiciel określonego języka lub odmiany języka” ( Korpusowe studia językowe , 2006). (Monty Rakusen/Getty Images)

W językoznawstwo , a ciało to zbiór danych językowych (zazwyczaj zawartych w komputerowej bazie danych) wykorzystywanych do badań, stypendiów i nauczania. Nazywany również korpus tekstu . Mnogi: korpusy .

Pierwszym systematycznie zorganizowanym korpusem komputerowym był Standardowy Korpus Współczesny Uniwersytetu Browna amerykański angielski (powszechnie znany jako Brown Corpus), skompilowany w latach 60. przez językoznawcy Henry Kučera i W. Nelson Francis.

Wybitne korpusy języka angielskiego obejmują:

• Amerykański Korpus Narodowy (ANC)
• Brytyjski Korpus Narodowy (BNC)
• Korpus Współczesnego Amerykańskiego Angielskiego (COCA)
• Międzynarodowy Korpus Języka Angielskiego (ICE)

Etymologia
Z łaciny „ciało”

Przykłady i obserwacje

• „Ruch „autentycznych materiałów” w nauczaniu języków, który pojawił się w latach 80. [popierał] większe wykorzystanie rzeczywistych lub „autentycznych” materiałów – materiałów nieprzeznaczonych specjalnie do użytku w klasie – ponieważ twierdzono, że takie materiały uczniów do przykładów język naturalny wykorzystanie zaczerpnięte z rzeczywistych kontekstów. Ostatnio pojawienie się lingwistyki korpusowej i tworzenie baz danych na dużą skalę lub korpusy różnych gatunków autentycznego języka zaoferowało dalsze podejście do dostarczania uczniom materiałów dydaktycznych, które odzwierciedlają autentyczne użycie języka”.
  (Jack C. Richards, Przedmowa redaktora serii. Korzystanie z Corpora w klasie językowej , autorstwa Randiego Reppena. Wydawnictwo Uniwersytetu Cambridge, 2010)
Sposoby komunikacji: pisanie i mowa
' Korporacja może kodować język wytworzony w dowolnym trybie – na przykład istnieją korpusy języka mówionego i są korpusy języka pisanego. Ponadto niektóre korpusy wideo nagrywają paralingwistyczny funkcje takie jak gest ... i skonstruowano korpusy języka migowego . . ...
„Corpora reprezentująca pisemną formę języka stanowi zwykle najmniejsze techniczne wyzwanie do skonstruowania. . . . Unicode umożliwia komputerom niezawodne przechowywanie, wymianę i wyświetlanie materiałów tekstowych w prawie wszystkich systemach pisma na świecie, zarówno obecnych, jak i wymarłych. . . .
„Materiał na korpus mówiony jest jednak czasochłonny, aby go zebrać i przepisać. Niektóre materiały mogą pochodzić ze źródeł takich jak sieć WWW. . .. Jednak transkrypcje takie jak te nie zostały zaprojektowane jako wiarygodne materiały do ​​językowej eksploracji języka mówionego. . . . [S]poken corpus dane są częściej tworzone przez rejestrowanie interakcji, a następnie ich transkrypcję. Pisowniany i/lub fonematyczny transkrypcje materiałów mówionych można skompilować w korpus mowy, który można przeszukiwać za pomocą komputera”.
(Tony McEnery i Andrew Hardie, Językoznawstwo korpusowe: metoda, teoria i praktyka . Wydawnictwo Uniwersytetu Cambridge, 2012) Konkordancja
' Konkordancja jest podstawowym narzędziem w lingwistyce korpusowej i oznacza po prostu używanie oprogramowania korpusowego do znajdowania każdego wystąpienia określonego słowa lub frazy. . . . Za pomocą komputera możemy teraz wyszukiwać miliony słów w kilka sekund. Wyszukiwane słowo lub fraza jest często określana jako „węzeł”, a wiersze zgodności są zwykle prezentowane ze słowem/frazą węzła pośrodku wiersza z siedmioma lub ośmioma słowami przedstawionymi po obu stronach. Są one znane jako wyświetlacze słów kluczowych w kontekście (lub konkordancje KWIC).'
(Anne O'Keeffe, Michael McCarthy i Ronald Carter, „Wprowadzenie”. Od korpusu do klasy: używanie języka i nauczanie języka . Wydawnictwo Uniwersytetu Cambridge, 2007) Zalety lingwistyki korpusowej
„W 1992 [Jan Svartvik] przedstawił zalety językoznawstwa korpusowego we wstępie do wpływowego zbioru artykułów. Jego argumenty podane są tutaj w skróconej formie:
- Dane korpusowe są bardziej obiektywne niż dane oparte na introspekcji.
- Dane korpusu mogą być łatwo weryfikowane przez innych badaczy, a badacze mogą dzielić się tymi samymi danymi, zamiast zawsze kompilować własne.
- Dane korpusu są potrzebne do badań zmienności między dialekty , rejestry oraz style .
- Dane korpusowe podają częstotliwość występowania elementów językowych.
- Dane korpusowe dostarczają nie tylko ilustracyjnych przykładów, ale są zasobem teoretycznym.
- Dane korpusowe dostarczają niezbędnych informacji dla wielu stosowanych obszarów, takich jak nauczanie języków i technologia językowa (tłumaczenie maszynowe, synteza mowy itp.).
- Corpora daje możliwość pełnej odpowiedzialności za cechy językowe – analityk powinien uwzględniać wszystko w danych, a nie tylko wybrane cechy.
- Skomputeryzowane korpusy dają naukowcom na całym świecie dostęp do danych.
- Dane korpusowe są idealne dla osób, które nie są rodzimymi użytkownikami języka.
(Svarvik 1992:8-10). Svartvik wskazuje jednak również, że kluczowe jest, aby językoznawca korpusowy angażował się również w staranną analizę manualną: same liczby rzadko wystarczają. Podkreśla też, że ważna jest jakość korpusu”.
(Hans Lindquist, Językoznawstwo korpusowe i opis języka angielskiego . Wydawnictwo Uniwersytetu w Edynburgu, 2009) Dodatkowe zastosowania badań korpusowych
„Oprócz zastosowań w badaniach językowych” jako taki , można wymienić następujące zastosowania praktyczne.
Leksykografia
Listy częstotliwości pochodzące z korpusu, a zwłaszcza konkordancje, stają się podstawowymi narzędziami leksykograf . . . .
Język Nauczanie
. . . Wykorzystywanie konkordancji jako narzędzi do nauki języków jest obecnie głównym przedmiotem zainteresowania w nauczaniu języków wspomaganym komputerowo (CALL; patrz Johns 1986). . . .
Przemówienie Przetwarzanie
Maszyna tłumaczenie to jeden z przykładów zastosowania korpusów do tego, co nazywają informatycy przetwarzanie języka naturalnego . Oprócz tłumaczenia maszynowego, głównym celem badawczym NLP jest: przetwarzanie mowy , czyli rozwój systemów komputerowych zdolnych do wyprowadzania automatycznie wytworzonej mowy z danych wejściowych pisanych ( synteza mowy ) lub konwertowanie danych wejściowych mowy na formę pisemną ( rozpoznawanie mowy ).' (Geoffrey N. Leech, „Corpora”. Encyklopedia językoznawcza , wyd. autorstwa Kirsten Malmkjaer. Routledge, 1995)