Introduction to working with language corpora - AKORPUS01

• Title: Úvod do práce s jazykovými korpusy
• Guaranteed by: Institute of the Czech National Corpus (21-UCNK)
• Faculty: Faculty of Arts
• Actual: from 2024
• Semester: both
• Points: 3
• E-Credits: 3
• Number of self-study hours: 20 [hours/semester]
• Hours per week, examination: 1/1, C [HS]
• Capacity: winter:unknown / 200 (200); summer:unknown / unknown (200)
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: taught
• Language: Czech
• Teaching methods: combined
• Teaching methods: combined
• Additional information: https://dl3.cuni.cz/course/view.php?id=447
• Note: you can enroll for the course repeatedly; course can be enrolled in outside the study plan; enabled for web enrollment; can be fulfilled in the future; you can enroll for the course in winter and in summer semester
• Guarantor: prof. Mgr. Václav Cvrček, Ph.D.
• Teacher(s): prof. Mgr. Václav Cvrček, Ph.D.; Mgr. Dominika Kováříková, M.A., Ph.D.; Mgr. Michal Křen, Ph.D.; PhDr. Jiří Milička, Ph.D.; Mgr. Michal Škrabal, Ph.D.

Annotation

English

Introductory seminar for every student who wants to learn how to work with language corpora.

OBJECTIVE
The main objective of this seminar is to provide students with necessary background in the topics of Corpus Linguistics, to explain the principles of the design and annotation of different kinds of language corpora, and to introduce available concordancers and corpus-based tools, incl. basic and complex querying.

Last update: Lukešová Lucie, Mgr., Ph.D. (27.06.2019)

Czech

 Kurz propojuje teoretické poznatky z korpusové lingvistiky s praktickým nácvikem využívání jazykových korpusů ve filologickém i nefilologickém výzkumu. Po jeho absolvování budou studenti schopni samostatně využívat jazykové korpusy (ČNK i dalších jazyků) pro svůj vlastní výzkum. Seznámí se s běžně užívanými nástroji pro práci s korpusem a základními metodami vyhodnocování výsledků.



Osnova předmětu po jednotlivých týdnech:

Úvod: co je jazykový korpus a jeho využití v empirickém výzkumu jazyka; korpusová lingvistika a její stručná historie

Korpusové nástroje a portály; druhy korpusů; základy práce s korpusovým vyhledávačem KonText

Možnosti práce s konkordancí; absolutní, relativní a redukovaná frekvence; filtrování

Anotace korpusů (lemmatizace, morfologické a syntaktické značkování); specifika anotace korpusů mluveného jazyka, korpusů diachronních a specializovaných (akvizičních, autorských atp.)

Frekvenční distribuce podle pozičních i strukturních atributů a její interpretace; Zipfovy zákony a další statistické vlastnosti textů a korpusů; základní metody statistického vyhodnocování korpusových výsledků

Dotazování pomocí regulárních výrazů

Dotazovací jazyk CQL, kombinace různých atributů při dotazování; sestavování složitějších dotazů s využitím strukturních značek

Reprezentativnost a žánrové složení korpusu; vytváření subkorpusů; jazyková variabilita v korpusu

Korpusový přístup ke gramatice

Využití korpusů v lexikologii/lexikografii; kolokace, koligace a sémantická prozódie; asociační míry

Paralelní korpusy; možnosti kontrastivního korpusového výzkumu; korpusy světových jazyků

Korpusová analýza diskurzu v současné i historické perspektivě (nástroje KWords, SyD)

Prezentace studentského výzkumu s využitím korpusových dat

Last update: Paštěka Václav, Mgr. (17.08.2023)

Course completion requirements

English

The course is taught mainly in Czech and therefore requires sufficient proficiency in order to attend.

Last update: Kováříková Dominika, Mgr., M.A., Ph.D. (08.12.2019)

Czech

ATESTACE
Atestace proběhne formou dvou testů (v polovině a na konci semestru), jejichž
cílem bude ověřit, zda student pochopil základní pojmy korpusové lingvistiky a umí spolehlivě vyhledávat v jazykových
korpusech a nástrojích.

Nutným předpokladem získání atestace je také splnění všech dílčích povinností v rámci e-learningu v Moodlu.

Last update: Pastyříková Iveta, Mgr. (04.04.2023)

Literature

English

Readings will be available in Moodle during the semester.

Last update: Kováříková Dominika, Mgr., M.A., Ph.D. (08.12.2019)

Czech

 Povinná literatura:

Baker, P.(2006): Using Corpora in Discourse Analysis. Continuum, London. (úvodní kapitola)

Cvrček, V. – Kováříková, D. (2011): Možnosti a meze korpusové lingvistiky. Naše řeč 94/3, s. 113-133.

McEnery, T. – Hardie, A. (2012): Corpus linguistics: method, theory and practice. Cambridge University Press.

Kurz práce s ČNK. Dostupný z https://wiki.korpus.cz/doku.php/kurz:uvod

Manuál rozhraní KonText. Dostupný z https://wiki.korpus.cz/doku.php/manualy:kontext:index.

 

Doporučená literatura:

Aijmer, K. (ed.) (2009). Corpora and Language Teaching. Amsterdam/Philadeplhia: John Benjamins.

Baayen, H. R. (2008): Analyzing Linguistic Data. Cambridge University Press, Cambridge.

Biber, D. (1993): Representativeness in Corpus Design. Literary and Linguistic Computing Vol. 8, No. 4, s. 243–258.

Biber, D. – Conrad S. – Reppen R. (1998): Corpus Linguistics. Investigating Language Structure and Use. Cambridge University Press, Cambridge.

Biber. D. – Reppen, R. (2015): The Cambridge Handbook of English Corpus Linguistics.Cambridge University Press, Cambridge.

Biber, D. – Conrad, S. (2009): Real Grammar. Pearson Longman. NY.

Sampson, G. – McCarthy, D. (eds) (2004): Corpus Linguistics: Readings in a Widening Perspective. Continuum London.

Cvrček, V. (2013): Kvantitativní analýza kontextu. NLN, Praha.

Cvrček, V. et al. (2010): Mluvnice současné češtiny. Karolinum, Praha.

Cvrček, V. – Čermáková, A. – Křen, M. (2016): Nová koncepce synchronních korpusů psané češtiny. Slovo a slovesnost, 77 (2), (s. 83–101).

Čermák, F. – Blatná, R. (eds) (2006): Korpusová lingvistika: Stav a modelové přístupy. NLN, Praha.

Čermáková, A. (2009): Valence českých substantiv. NLN, Praha. (úvodní kapitola)

Čermáková, A. – Chlumská, L. – Malá, M. (eds) (2016): Jazykové paralely. NLN, Praha.

Evert, S: How Random is a Corpus? The Library Metaphor. Zeitschrift für Anglistik und Amerikanistik 54(2), s. 177-190.

Gries, S. Th. – Wulff, S. – Davies, M. (eds) (2010): Corpus-linguistic Applications, Rodopi.

Gries, S. Th. (2009): Quantitative Corpus Linguistics with R, Routledge.

Hunston, S. (2002): Corpora in Applied Linguistics. Cambridge University Press.

Cheng, W. (2012): Exploring Corpus Linguistics: Language in Action. Routledge.

Chlumská, L. (2014). Není korpus jako korpus. Korpusy v kontrastivní lingvistice a translatologii. In Časopis pro moderní filologii, 96, 2/2014, 221-232.

Jelínek, T. (2008): Nové značkování v Českém národním korpusu. Naše řeč, 91, 1, s. 13–20.

Kováříková, D. (2017): Kvantitativní charakteristiky termínů. NLN, Praha.

Kopřivová, M. – Waclawičová, M. (2008): Čeština v mluveném korpusu. NLN, Praha.  

Kopřivová, M. (2006): Valence českých adjektiv. NLN, Praha.

Křen, M. (2013): Odraz jazykových změn v synchronních korpusech. NLN, Praha.  

Levshina, N. (2015). How to do Linguistics with R. Data exploration and statistical analysis. John Benjamins.

Lindquist, H. (2009): Corpus Linguistics and the Description of English. Edinburgh University Press, Edinburgh.

McEnery, T. – Xiao, R. – Tono, Y. (2006): Corpus-based Language Studies. Routledge, London.

Oakes, M. P. (1998): Statistics for Corpus Linguistics. Edinburgh University Press, Edinburgh.

Osolsobě, K. (2014): Česká morfologie a korpusy. Karolinum, Praha.

Petkevič, V. (2014): Problémy automatické morfologické disambiguace češtiny. Naše řeč, 97, 4, s. 194–207.

Sinclair J. (2003): Reading Concordances. An Introduction. Pearsons Longman London

Sinclair J. (1991): Corpus Concordance Collocation. Oxford, Oxford University Press.

Sinclair, J. (2004): Trust the text. Routledge, London.

Stubbs M. (2001): Words and Phrases. Blackwell, Oxford.

Teubert W., – Čermáková, A. (2007): Corpus Linguistics. A Short Introduction. Continuum London.

Teubert, W. - Krishnamurthy, R. (eds.) (2007): Corpus Linguistics Vol. I-VI, Critical Concepts in Linguistics, Routledge 2007.  

Tognini-Bonelli E. (2004): Corpus Linguistics at Work. John Benjamins, Amsterdam.

 

 

 

Last update: Andrlová Jarmila, Mgr. (22.08.2023)

Teaching methods

FORMA VÝUKY

Seminář je vyučován kombinovanou formou: bloková výuka zahrnuje dvě setkání (úvodní přednášku a procvičovací seminář v polovině semestru) a každotýdenní e-learningové materiály v Moodlu, rozdělené do tematických lekcí. Heslo do kurzu v Moodlu se dozvíte na úvodní přednášce.

Studentům jsou také k dispozici individuální konzultace s pedagogy kurzu (více informací v Moodlu).

 

Last update: Lukešová Lucie, Mgr., Ph.D. (27.06.2019)

Syllabus

Sylabus předmětu:

1. Využití jazykových korpusů

2. Typy korpusů a korpusových nástrojů

3. Základní pojmy korpusové lingvistiky

4. Hledání v korpusech a regulární výrazy

5. Anotace korpusu

6. Dotazovací jazyky se zaměřením na CQL

7. Pokročilé dotazy (blokový seminář)

Polosemestrální test

8. Kolokace a asociační míry

9. Vícejazyčné korpusy

10. Práce se subkorpusy a vlastními daty

11. Další korpusové zdroje (2 lekce s volitelným obsahem)

11a. Specializovaná lekce (nejen) pro bohemisty o dalších zdrojích pro češtinu

11b. Specializovaná lekce (nejen) pro anglisty o dalších zdrojích pro angličtinu

11c. Specializovaná lekce (nejen) pro translatology věnovaná překladové translatologii

11d. Specializovaná lekce o korpusové lexikologii a lexikografii

11e. Korpusy znakových jazyků

Last update: Pastyříková Iveta, Mgr. (04.04.2023)