1
Využití korpusů
při výuce češtiny jako cizího jazyka
PLIN022 2. ÚKOL
2
Praktický úkol – frekvenční analýza
Zipfův zákon – souvislost mezi frekvencí výskytu slova a jeho pořadím
Mluvnice současné češtiny (MSČ; 2010): Když seřadíme různá slova v určitém korpusu od
nejfrekventovanějšího po nejméně časté a přiřadíme ke každému slovu číslo označující jeho
pořadí, můžeme si všimnout, že pořadí slova krát jeho frekvence je víceméně konstantní.
→v jazyce existuje málo slov s vysokou frekvencí (gramatická slova)
→ většina lexikonu slova s nízkou frekvencí
(MSČ 2010, s.78):
• nejfrekventovanějších 100 slov pokrývá téměř 40 % textu
• 1000 slov tvoří 62 % textu
• se znalostí 3000 slov jsme schopni rozumět více než 75 % textu
3
Praktický úkol – frekvenční analýza
1) Napište slova (3–5), která mají podle vás největší frekvenci.
2) Napište slova (3–5) od slovních druhů:
substantiva
adjektiva
slovesa
předložky
spojky
3) Srovnání s frekvenčním seznamem z korpusu SYN2015.
Co vás překvapilo?
Definujte zápatí - název prezentace / pracoviště4
Tabulka frekvenční distribuce slovní zásoby
KonText, SYN2015
typ dotazu lemma = základní (slovníkový) tvar, není ovlivněn různou frekvencí výskytů (různých pád. tvarů)
vyhledávací řádek: symbol .* = vyhledání všech slov o délce alespoň jednoho písmena
omezení: pouze beletrie a publicistika (oborová literatura ne)
5