+Mgr. Vladislav Belev:Analysis of power dynamics through speech acts in the video
game Detroit: Become Human and Mass Effect series
Mgr. Bc. Jana Hallová:Multimodální kreativita na sociálních médiích
https://www.clarin.eu/resource-families/multimodal-corpora
Multimodal corpora
Introduction
Multimodal corpora are data collections used to study how two or more modalities interface
with one another in human communication. In this sense, multimodal corpora are often
collections of video and speech recordings accompanied with transcriptions and gesture
annotations, although multimodal corpora of textual data supplemented with images exist as
well. Such corpora can be used for “the exploration of a range of lexical, prosodic and
gestural features of conversation, and for investigations of the ways in which these features
interact in real, everyday speech (Abuczki and Baiat Ghazaleh 2013: 88).
The CLARIN infrastructure offers 17 multimodal corpora, 13 of which are monolingual
(English, Estonian, Finnish, French, German, Greek, Hungarian, Italian, Slovenian, and
Zulu). These corpora are richly annotated for various verbal and non-verbal elements of
communication, such as body gesture, gaze direction, and head, eye, and lip movement.
For comments, changes of the existing content or inclusion of new corpora, send us an
email.
Akviziční korpusy
Akviziční korpusy představují speciální typ jazykových korpusů, které slouží primárně pro
studium procesů spojených s osvojováním řeči a s jejím vyučováním jako prvního i druhého
jazyka. Poskytuje informace o užívání jazyka mluvčími (různého věku), kteří si ho dosud
neosvojili na úrovni dospělého rodilého mluvčího.
Akviziční korpusy můžou mít podobu psaného korpusu i korpusu mluveného, jsou zaměřené
na rodilé i nerodilé mluvčí (viz žákovské korpusy). Specifickým rysem některých akvizičních
korpusů je tzv. chybová anotace naznačující, v jakých místech se mluvčí nebo pisatel
odchýlil od běžného úzu nebo normy. Tyto odchylky jsou v rámci systému anotace
klasifikovány a je podle nich pak možné vyhledávat.
V rámci ČNK jsou k dispozici korpusy SCHOLA2010, CzeSL-plain a CzeSL-SGT.
http://akces.ff.cuni.cz/
http://akces.ff.cuni.cz/node/155
Žákovský korpus
Žákovské korpusy (learner corpora) obsahují texty většinou nerodilých mluvčích, kteří se
jazyk teprve učí. Povětšinou se jedná o psané (školní) práce, zřídka nacházíme mluvené
žákovské korpusy.
Význam žákovských korpusů vzrůstá nejen s jejich rozsahem ale také s jejich anotací.
Pokud je součástí jejich metadat také tzv. chybová anotace, je možné klasifikovat jednotlivé
odchylky od běžného úzu, zjišťovat jejich četnost, příp. i motivaci. Součástí metadat bývá
také rozšířená informace o pisateli, která je často obohacena o relevantní údaje vztahující se
k jeho věku, mateřskému jazyku, úrovni jeho znalostí cílového jazyka apod.
Žákovské korpusy zachycují jazyk mluvčích/pisatelů, kteří dosud nezvládají cílový jazyk
dokonale; v tomto smyslu je možné je chápat jako specifický případ korpusů akvizičních. V
rámci ČNK jsou k dispozici žákovské korpusy CzeSL-plain a CzeSL-SGT.
Mgr. Alžběta Bohme Ryšková:E studio de caso de bilinguismo temprano
Co se týče korpusů, měla byste se podívat na články zaměřené na tzv. akviziční korpusy.
Mgr. Kristýna Lorenzová: Lo sviluppo dei marcatori discorsivi nelle interlingue di
apprendenti cechi e slovacchi L2: uno studio longitudinale
Žákovské korpusy
https://www.sketchengine.eu/merlin-learner-corpus/
https://www.merlin-platform.eu/
https://www.youtube.com/watch?v=aaECpYdeqaQ
Mgr. Yurii Chybras: Výslovnost a identita: Fonologie a vnímání v angličtině se
slovanským přízvukem
Mgr. Pavel Čanecký: Vztah mezi percepcí a produkcí fonologického inventáře
univerzitních studentů anglického jazyka s využitím digitální technologie ve výuce
Mgr. Laurent Georges Canal:La notion d'argot dans les corpus électroniques et dans les
réactions spontanées des locuteurs francophones
Domnívám se, že buď nějaký korpus, z něhož byste mohl čerpat, chcete vytvořit, nebo že
víte, že nějaký specializovaný korpus vytvořen je. Ve druhém případě bych si dovolila
poznamenat, že z korpusů, které jsou přístupné volně, lze pomocí korpusových nástrojů
pomocí funkce “vytvoř subkorpus”/create subcorpus/ vytvořit vhodný korpus pro konkrétní
potřebu, a sice pomocí metadat (žánr, ….).
Mgr. Matyáš Foltýn: Analýza rozsahu vlivu liturgických a okolních jazyků na lexikum
židovských diasporních jazyků
Tohle je velmi zajímavé téma. Korpusy se pro výzkum lexika používali. Liturgické jazyky
jsou zase jazyky psaných památek, takže z hlediska KL není tak obtížné je vytvořit
(nechybějí data). Horší je to s nástroji, tam je třeba překonat obtíže, které souvisejí s
převedením textů do počítačově čitelné podoby (transkripce, transliterace, … různočtení, …
až po to, že by badatel měl mít informace o nástrojích OCR a dalších, které podporují proces
převedení textu do počítačově čitelného formátu. Také, pokud jde o nelatinkové texty, třeba i
vědomost o tom, jaké jsou možnosti - iniciativa TEI).
Mgr. Emma Jackovičová:Functional sentence perspective theory: cross-linguistic
analysis of information structure and its perception
Měla byste si promyslet: a) existují korpusy (syntakticky značkované treebanky - PDT https://ufal.mff.cuni.cz/courses/npfl082
), v nichž lze hledat struktury, které odhalí vlastnosti
funkční větné perspektivy a b) víte, jak se v nich hledá/jak se kladou dotazy.
Mgr. Martin Juřen: Česká abstraktní nepočitatelná substantiva
Českých korpusů je k dispozici dost. Data máte. Vzhledem k tomu, že nemůžete využít
značkování vlastnosti počitatelnost/nepočitatelnost, tak budete muset jít jednak po klíčových
slovech, jednak po lexikálních jednotkách v kolokačních profilech klíčových nepočitatelných
substantiv.
Mgr. Kristýna Mottlová: Postavení humoru v barokní homiletické tvorbě v kontextu
historického modelu vývoje komična
Zaměřila bych se na využití subkorpusu. Ten lze sestavit pomocí nástroje kontext přes
Vokabulář webový, středočeskou banku, vyhledat texty, které jsou v metadatech označeny
jako “kázání” a ty pak dále podle potřeby filtrovat.
Funkce:
Korpus/Vytvoř subkorpus
zadat v metadatech kázání
https://korpus.vokabular.ujc.cas.cz/first_form?corpname=SSTB-1.1.23.1&usesubcorp=KAZA
NI
V Diachronním odd. ÚJČ se lze obrátit na našeho absolventa PLIN Mgr. Ondřeje Svobodu
(e-mail: svoboda@ujc.cas.cz).
Mgr. Lucia Šalagová:Kontrastivní analýza slovesných časů v litevštině a finštině se
zřetelem k analytickým formám časů minulých (perfektum a plusquamperfektum)
Pokud budete pracovat s korpusy, pak pro vyhledávání bude Vaším problémem naučit se
pracovat s tagy, přes které budete chtít hledat analytické formy. Mám s tím zkušenosti z
českých korpusů. V jazycích s jednoduššími pravidly slovosledu je práce na sestavení
dotazu jednodušší než u jazyků s pravidly složitějšími. Takže lingvisticky bych vyšla z této
startovní čáry a zkoumala bych, jak se správně ptát (cql jazyk).
Mgr. et Mgr. Adéla Kereková:Generační posuny v běžné mluvě na Uničovsku
Mgr. Šimon Temer: Jazyk Čechů v srbském Banátu
Disertační projekt je velmi obecně formulovaný. Ze zkušenosti víme, že studentovi nejvíc
pomůže, když se zaměří na jevy, které lze uchopit. Korpusová lingvistika je empirická
disciplína. Pokud jste dosud nezvolil jevy, na které se chcete zaměřit, mějte na paměti,
abyste je volil se zřetelem k tomu, a) jak rychle (časový horizont napsání disertace) získáte
data (existují data / musíte je získat), b) jste-li schopen (vzhledem k jevu) mít dost dat
(kvantita dat má vliv na kvalitu výzkumu) na to, abyste mohl něco vyzkoumat.
Až pak je možné uvažovat o korpusovém výzkumu.
Bartłomiej Wieczorek: MUF
Hugo Kuhl: DU/FR