Sběr dat pro mluvený korpus
Dana Hlaváčková
hlavack@fi.muni.cz
FI MU
2. patro, budova B
laboratoř B206 (prostřední)
Co probereme
 Technické vybavení
 Administrativa
 Nahrávání
 Přepis
Technické vybavení
 počítač s připojením k internetu
 nahrávač s USB připojením k počítači
 sluchátka
 Transcriber (ucnk.ff.cuni.cz/oral)!!!
 MConvertor (ucnk.ff.cuni.cz/oral)
Administrativa
 Prohlášení nahrávajícího 1x
 Dohoda o provedení práce (osobní údaje, číslo účtu,
podpis) – každý měsíc, kdy odevzdáváte sondu
 Protokol o zapůjčení přístroje
 Přihlášení do databáze – heslo (žádost o heslo na
mail)
 Vyplňování databáze
http://trnka.ff.cuni.cz/mluvka/corpus – manuál
 Kontrola a schválení práce
 Výplata – pevná částka za nahrávku, pohyblivá za
počet přepsaných znaků
Nahrávání
 přirozená, neformální situace
 informovat mluvčí o nahrávání
 dialog (2-3 mluvčí)
 dospělí od 18 let
 vyvážené sociolingvistické kategorie – muži, nad 30 let, ZŠ/SŠ
vzdělání
 oblast nahrávání – celá Morava
 1 mluvčí – pouze 15 000 slov
 délka nahrávky 20-30 min
 oříznutí nahrávky http://audacity.sourceforge.net
 ne děti, cizinci, telefonní hovor, poloformální a formální
rozhovory, monolog
Přepis – obecné zásady
 přepisovat věrně, co slyšíte, nic nevynechat
 segmenty v Transcriberu (max. 15 slov)
 pauzová interpunkce – krátká pauza (.), střední pauza
(..), (odmlčení) – žádný mluvčí
 otazník (?), vykřičník (!), neukončená (...:) nebo
přerušená výpověď (...)
 poznámky – (smích), (se smíchem), (mluví dítě),
(zpěv)...
 nesrozumitelný úsek ---
 anonymizační zkratky – samostatný segment
 simultánní úseky
Vlastní přepis
 co nejvíce se držte standardního zápisu
 varianty spisovné výslovnosti
 výslovnost v rozporu s českou výslovnostní normou
 příznakové rysy běžné mluvy, včetně regionálních
 ustálené varianty běžné mluvy
 znělostní asimilace – skupina sh [sch], [zh], předložka s, se
 nářeční asimilace – tfůj, zme, gvůli...
 artikulační asimilace – hežčí, ešče, pracovišče...
 odlišná kvantita – viš, brat, nějaky...
 moravské realizace komparativů a superlativů – pěkňéší,
hlópjéší...
Vlastní přepis
 cizí slova a cizí vlastní jména – původní pravopis,
pokud existuje – počeštěná podoba
 nedořečené slovo – hvězdička – to bylo vče*
 příklonné s – *s tam byl?
 citoslovce – přesně tak, jak zazní
 responzní zvuky – přitakací hmm, odporovací emem
 hezitační zvuky – souhláskové mmm, vokalické eee
 zkratky – tak, jak byly vysloveny – dé vé dé, aids, v š e
Shrnutí
 nahrát
 přepsat (poslat vzorek)
 požádat o heslo
 vložit do databáze
 pokud je to nutné, opravit
 podepsat smlouvu a prohlášení
 čekat na výplatu a pořizovat další sondy