Korpus

Korpus (latinan sanasta corpus, kokoelma tai kirjaimellisesti 'keho') on kielitieteen alalla käytetty, tarkoin määrätty ja koottu joukko kirjoitetun kielen tekstejä (tekstikorpus) tai puhutun kielen nauhoitteita (puhekorpus), jotka on poimittu aidoista teksteistä ja tilanteista. Niitä käytetään kieltä koskevien hypoteesien testaamiseen yhdestä tai useammasta kielestä tai joistakin niiden ominaisuuksista.[1][2]

Korpuksia voidaan käyttää tietokoneella. Korpus on siis sähköinen varasto tekstejä tai nauhoitteita. Korpuksia käytetään, kun tutkitaan ilmaisujen käyttöä, lasketaan niiden yleisyyksiä tai arvioidaan tutkimusoletuksia. Kun kielitieteilijä haluaa selvittää jonkin sanan tai rakenteen käyttäytymistä, hän voi hakea korpuksesta sanan esiintymismuotoja, sen naapurisanoja ja hyviä esimerkkejä sanan käytöstä. Korpuksia voidaan käyttää myös muihin kielentutkimuksen kannalta olennaisiin tarkoituksiin. Suurin osa maailman korpuksista on tekstikorpuksia, vaikka kielitieteen perinteessä puhuttua kieltä pidetään usein kirjoitettua alkuperäisempänä.[2]

Korpustutkimuksessa tarkastelun kohteina voivat olla esimerkiksi seuraavanlaiset kysymykset:

  1. kuinka usein sana esiintyy tekstissä, (frekvenssi eli taajuus)?
  2. missä yhteydessä se esiintyy tai mitkä sanat tai fraasit esiintyvät usein sen lähellä, (konkordanssi)?[3]
  3. mitä sanaa tai fraasia yhdellä kielellä käytetään yleisimmin toisen kielen sanan tai fraasin vastineena?

Korpusten sisältö ei välttämättä sovi täsmälleen kaikkeen kielitieteen tutkimukseen. Sähköisten aineistojen merkitys kielen tutkimisessa vahvistuu jatkuvasti.[2]

Suomessa

Kotimaisten kielten keskus on jatkuvasti mukana keräämässä erilaisia kieliaineistoja tutkijoiden käyttöön. Näihin kuuluu muun muassa sanalippuja, puhetilanteiden nauhoituksia ja eri tavoin rikastettuja sähköisiä tekstiaineistoja. Kotus on esimerkiksi koostanut korpuksen 1900-luvun suomenkielisistä aikakauslehtiteksteistä. Lisäksi keskuksessa on suomen ja suomenruotsin rinnakkaiskorpus. Tutkimuskeskuksessa on muun muassa kirjalliseen muotoon saatettuja murrehaastatteluja, eri murrealueiden sananparsia ja vanhoja tekstejä kirjakielen syntyajalta 1500-luvulta 1800-luvun lopulle saakka. Suomen suurinta sähköistä korpusta, Kielipankkia, hallinnoi kuitenkin Tieteen tietotekniikan keskus, CSC. Kielipankki sisältää noin 230 miljoonaa sanaa suomen ja suomenruotsin aineistoja.[2]

Monet Kotuksen aineistoista ovat sellaisia, että niitä ei voi tarjota vapaasti kansalaisten käyttöön. Tämä johtuu muun muassa tekijänoikeuslainsäädännöstä ja tarpeesta suojata haastateltujen ja heidän lähipiirinsä yksityisyyttä. Näin on esimerkiksi yksityishenkilöiden haastatteluihin perustuvissa murreaineistoissa.[2]

Lähteet

  1. Antti Arppe: Korpukset ja kieli (Powerpoint) ling.helsinki.fi. Arkistoitu 17.7.2007. Viitattu 31.12.2008.
  2. a b c d e Korpukset ja kielen tutkiminen Kotimaisten kielten keskus. Viitattu 15.12.2023.
  3. Mikko Lounela: Konkordanssi UNIXin alkeet ja tekstikorpusten tietojenkäsittely. KIT. Arkistoitu 11.6.2007. Viitattu 04.12.2009.

Aiheesta muualla

Read other articles:

Ahmad Fuad Rahmany Direktur Jenderal PajakMasa jabatan21 Januari 2011 – 1 Desember 2014 PendahuluMochammad TjiptardjoPenggantiSigit Priadi Pramudito Informasi pribadiLahir11 November 1954 (umur 69) SingapuraKebangsaanIndonesiaAlma materUniversitas IndonesiaSunting kotak info • L • B Ahmad Fuad Rahmany atau yang biasa dikenal hanya dengan nama Fuad Rahmany (lahir 11 November 1954) adalah Direktur Jenderal Pajak Kementerian Keuangan Indonesia ke-14 yang menjabat da...

 

ePrix New YorkSirkuit Jalan Raya BrooklynInformasi lombaJumlah gelaran4Pertama digelar2017Terbanyak menang (pembalap) Sam Bird (2)Terbanyak menang (konstruktor) Virgin Racing (3)Panjang sirkuit2.374 km (1.475 mi)Jarak tempuh102.039 km (63.404 mi)Lap43Balapan terakhir (2019 Race 2)Pole position A. SimsAndretti-BMW1:09.61Podium 1. R. FrijnsVirgin-Audi47:22.289 2. A. SimsAndretti-BMW+ 3.200 3. S. Buemie.Dams-Nissan+ 3.912 Lap tercepat D. AbtAudi1:11.305 ePrix New York adalah...

 

الكويكب ماثيلد 253 وهو من النوع سي. كويكب من النوع سي أو (C-type) ، هو كويكب كربوني من أكثر الأنواع توافراً حيث يشكل ما نسبته 75% من مجموع الكويكبات المعروفة [1]، وقد يشكل نسباً أكبر من هذه الأخيرة في الجزء الخارجي من حزام الكويكبات خصوصاً أبعد من 2.7 وحدة فلكية ، حيث تخضع تلك المن...

Regional play-by-play radio network The Ohio State Sports Network from Learfield  TypeRadio networkCountryUnited StatesHeadquartersColumbus, OhioBroadcast areaOhioWest VirginiaOwnerIMG CollegeAffiliation(s)Ohio State BuckeyesTegna, Inc.Affiliates62, including 2 flagshipsOfficial websiteohiostatebuckeyes.com/sportsnetwork/ The Ohio State Sports Network from Learfield is an American radio network consisting of 62 radio stations which carry coverage of Ohio State Buckeyes football and ...

 

American physician and politician This biography of a living person relies too much on references to primary sources. Please help by adding secondary or tertiary sources. Contentious material about living persons that is unsourced or poorly sourced must be removed immediately, especially if potentially libelous or harmful.Find sources: Sam Page politician – news · newspapers · books · scholar · JSTOR (March 2021) (Learn how and when to remove this...

 

Cet article possède des paronymes, voir Lifshitz, Lipschitz et Livchitz. Evgueni Mikhaïlovitch LifchitsBiographieNaissance 21 février 1915KharkivDécès 29 octobre 1985 (à 70 ans)MoscouSépulture Cimetière de KountsevoNom de naissance Евгений Михайлович ЛифшицNationalité russe → soviétiqueFormation Institut national de physique et de technologie de Kharkiv (1931-1933)Institut polytechnique de Kharkov (en) (1933-1934)Activités Physicien, universitaire, pr...

Kambing liar Periode 2.6–0 jtyl PreЄ Є O S D C P T J K Pg N ↓ Pleistosen - Sekarang Capra aegagrus Status konservasiHampir terancamIUCN[1] TaksonomiKerajaanAnimaliaFilumChordataKelasMammaliaOrdoArtiodactylaFamiliBovidaeGenusCapraSpesiesCapra aegagrus Erxleben, 1777 SubspesiesCapra aegagrus aegagrus Capra aegagrus blythi Capra aegagrus chialtanensis Capra aegagrus cretica Capra aegagrus hircus Capra aegagrus turcmenicalbs Kambing liar (Capra aegagrus) adalah spesies kamb...

 

Immunological test Diagnosis of HIV/AIDSRandall L. Tobias, former U.S. Global AIDS Coordinator, being publicly tested for HIV in Ethiopia in an effort to reduce the stigma of being tested[1] HIV tests are used to detect the presence of the human immunodeficiency virus (HIV), the virus that causes acquired immunodeficiency syndrome (AIDS), in serum, saliva, or urine. Such tests may detect antibodies, antigens, or RNA. AIDS diagnosis Main article: AIDS-defining clinical condition AIDS i...

 

Chiesa rettoria di San Giovannino dei CavalieriFacciataStato Italia RegioneToscana LocalitàFirenze Coordinate43°46′48.32″N 11°15′31.68″E / 43.78009°N 11.2588°E43.78009; 11.2588Coordinate: 43°46′48.32″N 11°15′31.68″E / 43.78009°N 11.2588°E43.78009; 11.2588 Religionecattolica di rito romano TitolareSan Giovanni Battista decollato Arcidiocesi Firenze Stile architettonicorinascimentale Modifica dati su Wikidata · Manuale San Giov...

Ивановский трамвай Описание Тип пассажирская Страна  Россия Расположение  Иваново Дата открытия 6 ноября 1934 года Дата закрытия 2 июня 2008 года Эксплуатант МУП ИвТТУ Сайт ipt37.ru Маршрутная сеть Число маршрутов 0 Самый длинный маршрут № 3 (13,4 км) Самый длинный маршрут з...

 

Website FundlyType of siteCrowdfundingAvailable inEnglishURLfundly.comLaunched2009 Fundly is a crowdfunding site for online fundraising. It allows non-profits, charities, politics, clubs, schools, teams, churches, and other causes to raise money online from friends, family, colleagues, donors, and other supporters via email, Facebook, Twitter, LinkedIn, Google, and social media networks. It is also an app for social networks like Facebook and LinkedIn. It uses WePay to process donations....

 

متجر يعرض سجاد تقليدي بالقيروان. بائعو السجاد في سوق بمدينة فاس معرض سجاد تقليدي بآفلو بـالأغواط. لوحة بائع السجاد في القاهرة. السجاد أو البساط هو نوع من الفرش، الذي تفرش به أرضيات المنازل والمكاتب، وتعلق أيضاً على الجدران للزينة والمحافظة على نظافتها. ومن أشهر أنواعه السج...

National Board of Higher MathematicsAgency overviewFormed1983 (1983)TypeBoardParent departmentDepartment of Atomic EnergyParent agencyGovernment of IndiaWebsitewww.nbhm.dae.gov.in The National Board for Higher Mathematics (NBHM), founded in 1983 by the Indian Government, is a board in India intended to foster the development of higher mathematics, help in the establishment and development of mathematics centres, and give financial assistance to research projects and to doctoral and post...

 

1953 novelty song by Jimmy Kennedy and Nat Simon Constantinople (song) redirects here. For the Decemberists song, see Picaresqueties. For the Al Stewart song, see 24 Carrots. Canadian singing quartet The Four Lads, original artists of the song Istanbul with lyrics by Irish songwriter Jimmy Kennedy. Istanbul (Not Constantinople) is a 1953 novelty song, with lyrics by Jimmy Kennedy and music by Nat Simon. It was written on the 500th anniversary of the fall of Constantinople to the Ottomans. The...

 

Imamat 11Kemah Suci, Biblical illustrations, Sweet Media, 1984KitabKitab ImamatKategoriTauratBagian Alkitab KristenPerjanjian LamaUrutan dalamKitab Kristen3← pasal 10 pasal 12 → Imamat 11 (disingkat Im 11) adalah bagian dari Kitab Imamat yaitu kitab ke-3 dalam Alkitab Ibrani dan Perjanjian Lama di Alkitab Kristen. Termasuk dalam kumpulan kitab Taurat yang disusun oleh Musa.[1][2] Teks Naskah sumber utama: Masoretik, Taurat Samaria, Septuaginta dan Naskah Laut Mati....

Selma, California kota Tempat Negara berdaulatAmerika SerikatNegara bagian di Amerika SerikatCalifornia (mul) County of California (en) Fresno County (en) NegaraAmerika Serikat PendudukTotal24.674  (2020 )Tempat tinggal7.225  (2020 )GeografiLuas wilayah13,307176 km² [convert: unit tak dikenal]• Air0 % Ketinggian94 m Organisasi politikAnggota dariFresno County Rural Transit Agency (en) Informasi tambahanKode pos93662 Kode telepon559 Lain-lainSitus webLaman resmi...

 

Gedung Harrods di London Harrods adalah sebuah toko serba ada kelas atas yang terletak di Brompton Road, Knightsbridge, London. Toko ini menempati lahan sekitar 18 ribu m² dengan lebih dari 92 ribu m² ruang untuk penjualan. Motto Harrods adalah Omnia Omnibus Ubique, yang berarti Semua Barang, Untuk Semua Orang, Di Mana Saja. Pemilik Harrods saat ini adalah pengusaha asal Mesir Mohammad Al-Fayed yang membelinya pada tahun 1985 seharga £615 juta. Sejarah Perusahaan ini didirikan pada tahun 1...

 

この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。 出典を追加して記事の信頼性向上にご協力ください。(このテンプレートの使い方)出典検索?: ショックコーン – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL (2011年7月) Mig-21のショックコーン ショックコーンとは...

هذه المقالة يتيمة إذ تصل إليها مقالات أخرى قليلة جدًا. فضلًا، ساعد بإضافة وصلة إليها في مقالات متعلقة بها. (نوفمبر 2019) ديفيد إل. غرينغ   معلومات شخصية الميلاد 29 ديسمبر 1947 (77 سنة)  لونغ آيلند  مواطنة الولايات المتحدة  الأب ديفيد إي. غرينغ الابن  الحياة العملية المدر...

 

Cet article est une ébauche concernant une rencontre de football, le Chili, le Brésil et la Tchécoslovaquie. Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants. Finale de la Coupe du monde de football de 1962 L'Estadio Nacional de Santiago, hôte de la finale. Contexte Compétition Coupe du monde de football de 1962 Date 17 juin 1962 (62 ans) Stade Estadio Nacional Lieu Santiago Chili Affluence 68 679 s...