Сопоставительный анализ зарубежных разработок корпусов устной речи

Компьютерные технологии прочно вошли не только в нашу повседневную жизнь, но и в область научных исследований. Трудно переоценить полезность их использования в корпусной лингвистике, особенно, функционирование которых как вида научной деятельности полностью зависит от используемого программного обеспечения.

Одной из наиболее актуальных проблем современных лингвистических исследований является проблема изучения речи в социальной среде. Как известно, каждый социальный слой отличается друг от друга, молодежь отличается своей экспрессией и грубостью, старшее поколение вежливостью и умением выражать правильно мысли. Общение является одной из важнейших сфер жизнедеятельности. От того, как складывается общение, зависит формирование личности. Порой, общаясь с представителями другого поколения, может показаться, что они говорят совершенно на разных языках [4, c. 45].

Актуальность данного исследования заключается в изучении особенностей строения корпусов устной речи, а также развития корпусной лингвистики как достаточно молодого направления в науке.

Цель данного исследования заключается в изучении зарубежных корпусов устной речи.

Для достижения данной речи были поставлены следующие задачи:

1. Определить понятие «корпус» в современной лингвистике.

2. Описать принципы построения корпусов текстов.

3. Выявить просадический, морфологический, семантический блоки.

4. Описать Британский Национальный корпус.

5. Описать Cambridge English Corpus.

6. Составить сопоставительный анализ.

Исследования в корпусной лингвистике направлены на изучение языка и его аспектов в различных проявлениях через призму текстов. Подобный подход к изучению языка позволяет сравнить идеальную модель языка с его практическим использованием. Корпусную лингвистику от традиционной отличает использование количественных характеристик и методов исследования, что позволяет собирать статистику и строить математические модели [1, с. 18].

Корпус – это собранные по определённым критериям тексты в электронном виде. Наибольшая вариативность с точки зрения функциональных стилей наблюдаются в национальных корпусах, собранных по признаку языка написания. Специализированные корпуса формируются с учетом нескольких признаков, к примеру, стиль, жанр, автор, тематика и т.д. [7, с. 3]. 

Баранов предлагает следующие определение корпуса текстов – это вид корпуса данных, единица¬ми которого являются тексты или их достаточно значительные фрагмен¬ты, включающие, например, какие-то полные фрагменты макроструктуры текстов данной проблемной области [2, с. 112].

Хранение документов определенного корпуса иногда используется как часть определения понятия «корпус».

Помимо этого, немаловажной частью корпуса является метаинформация или «разметка». Разметка – это множество единиц метаинформации, которые относятся к отдельным словам или речевым конструкциям. Одним из основных видов разметки для корпуса считается разметка, сделанная на основе морфологического анализа [2, c. 113].

Cambridge English Corpus – это электронный корпус текстов, созданный изучающими иностранный язык. Корпус в основном предназначен для анализа дискурса и статистического анализа лексики студентов, сравнительного исследования [13].

Корпуса текстов речевых произведений студентов, изучающих иностранный (английский) язык, начали создаваться в 90-х годах прошлого века. Их предшественниками были файлы ошибок, составленные методом анализа ошибок (Error Analysis), которые редко превышали размер 2000 слов, а количество информаторов не превышало десятка.

Как правильно заметила О. Н. Кашмилова, очевидное преимущество корпуса текстов студентов-иностранцев по количественным критериям – далеко не единственное его преимущество. Известные инструменты для работы с корпусами текстов позволяют не только «анализировать типичные ошибки», но и описывать текущий словарный запас и актуальную грамматику, которая фактически усваивается в процессе обучения и обеспечивает общение на иностранном языке [2, c. 101].

Поскольку родной язык учащихся, вероятно, оказывает индивидуальное влияние на формирование речи на иностранном языке, такие корпуса предоставляют возможность для качественного  сравнительного анализа: сравнения того, как они ведут себя (с точки зрения речи) на родном и чужом языке.

Таким образом, делая вывод по данной главе, можно сказать, что корпус – это собранные по определённым критериям тексты в электронном виде. Баранов предлагает следующие определение корпуса текстов – это вид корпуса данных, единицами которого являются тексты или их достаточно значительные фрагменты, включающие, например, какие-то полные фрагменты макроструктуры текстов данной проблемной области. Помимо этого, немаловажной частью корпуса является метаинформация или «разметка». Разметка – это множество единиц метаинформации, которые относятся к отдельным словам или речевым конструкциям. Из лингвистических типов разметки моно выделить следующие: морфологическая, синтаксическая, семантическая, просодическая.

Для построения корпуса применяются определенные шаги, принципы:

• Определение перечня источников.

• Оцифровка текстов (преобразование в компьютерную форму). 

• Предобработка текста. 

• Конвертирование и графематический анализ. 

• Разметка текста.

• На следующем этапе осуществляется корректировка результатов автоматической разметки.

• Конвертирование размеченных текстов в структуру специализированной лингвистической информационно-поисковой системы.

• Обеспечение доступа к корпусу. 

Задача устных корпусов изучить речевую сторону языка, произношение, интонацию, варианты темпа, варианты графической фиксации речи. Данная речь может быть представленная разными форматами: тв- и радио- передачами, подкастами, записанными разговорами на улице, видеоформатами. Важным параметрам для отборки (для исследования) такого текста является его реальность и живость.