En GRUNNLEGGENDE innføring i bruk av

Transkript

1 En GRUNNLEGGENDE innføring i bruk av Skrevet av Hilde Johansen 2011, noe revidert av Silje Ragnhildstveit 2012 Link til ASK: Liten ordliste: Korrektkorpuset: Grammatisk korrekte utgaver av innlærertekstene generert på grunnlag av korreksjoner som er foreslått under feilkodingen. Kontrollkorpuset: Korpus av tekster skrevet av folk med norsk som morsmål. Konkordans: Liste over treff ved søk. Korpusposisjon: En plass i korpuset. Kan bestå av både ord, tegn, eller strukturelle posisjoner (tagger, som <sic>, <p>, <text>). ASK er forhåndsinnstilt til å ignorere strukturelle posisjoner i søkene (mer om dette under forhåndsinnstillinger), men de vil vises i setningene i konkordansen, der de er røde. Kan fjernes fra visningen med å velge <> fra skjul-menyen. Dokumentrelaterte attributter: Variabler knyttet til teksten eller personen som har skrevet teksten. Posisjonsrelaterte attributter: Variabler knyttet til hver og en av korpusposisjonene (ordklasse, lemma etc.) Strukturelle posisjoner: Se korpusposisjon. Enkelt og avansert søk: Den første siden man kommer til i korpuset, gir valget mellom Enkelt søk og Avansert søk. I boksen for enkle søk kan man søke etter ord eller strenger av ord. Ved enkelt søk får man treff på akkurat det vi skriver i søkeboksen, dersom det forekommer i korpuset. 1

2 Avanserte søk Det er mulig å søke i korpuset på to måter: Enten ved hjelp av søkespråk, eller ved å bruke en søkemeny. Søkemenyen må bygges ut ved å velge de attributtene man er interessert i. Søkespråket vil ikke bli særlig omtalt her, men er beskrevet på denne siden: Søkemenyen består av to bokser: En for valg av delkorpus, og en for valg av språklige trekk. Valg av delkorpus innebærer å avgrense materialet som søket utføres i, ved hjelp av dokumentrelaterte attributter. De ulike attributtene er beskrevet i ASK, kurshefte (som kan lastes ned fra ASKeladdens hjemmeside). Begge menyene bygges ut etter eget behov ved å velge attributter fra listen attributt. Ulike måter å bygge ut menyen på er beskrevet lenger ned. Dokumentrelaterte attributter: Velg delkorpus Posisjonsrelaterte attributter: Velg språklige trekk (En gul hjelpetekst med forklaring vil komme til syne om du holder markøren over de ulike stedene i menyen.) 2

3 :: Forhåndsinnstillinger En rekke forhåndsinnstillinger er satt i boksen for søkeuttrykk: Disse gjør at man ignorerer strukturelle posisjoner i søkene (for eksempel <sic>, <p>, <del>, <add>), og at elementer som er strøket ut av kandidaten heller ikke teller med som treff. Om disse tegnene fjernes i boksen for søkeuttrykk, får det konsekvenser for søket. Avhukingen av Ignorer strukturelle posisjoner lenger ned på siden, bør derfor ikke fjernes. Litt om Ignorer strukturelle posisjoner: Funksjonen har kun betydning når et søk går over flere korpusposisjoner. For eksempel ved et søk som dette, hvor man søker etter forekomster av ubestemt artikkel en umiddelbart etterfulgt av et substantiv: Dersom Ignorer strukturelle posisjoner ikke er huket av, vil ikke substantiv med strukturelle posisjoner foran seg komme med (som på bildet under), fordi det er en strukturell posisjon som umiddelbart etterfølger den ubestemte artikkelen. I tillegg er søket forhåndsinnstilt på at tekster fra det norske kontrollkorpuset ikke er med. Om du vil ha dem med, fjern morsmålsattributtet helt ved å trykke på et usynlig minus-tegn like til venstre for ordet morsmål: 3

4 Bygge ut søkemenyen Søkemenyen bygges ut etter eget behov ved å velge attributter fra listen attributt. Valg av dokumentrelaterte attributter: Valg av posisjonsrelaterte attributter: For posisjonelle attributter er det også en annen meny struct. Her kan man velge ulike strukturelle attributter. Enkelte av attributtene vil komme opp som lister du kan velge fra, mens andre har åpne felt som du selv skriver inn i. I illustrasjonen under ser vi at Lemma og Ord er felter som skal fylles inn, mens Morfologiske trekk kommer opp som menyer som man skal velge fra. 4

5 Om du vil velge flere alternativer for de attributtene som kommer i lister, holder du nede ctrl (på PC) og ctrl + cmd/severdighet (på Mac-maskin) samtidig som du velger fra listen: Åpne felter tillater bruk av regulære søkeuttrykk, for eksempel jokertegnet.*. Dette står for vilkårlige tegn, og kan for eksempel brukes for å søke etter alle ord som slutter på het, eller begynner på be: Ord som slutter på het Ord som begynner på be (For flere regulære uttrykk som kan brukes i åpne felter, se ASK, kurshefte. 5

6 :: Fjerning av attributter og usynlige knapper Fjerning av attributter skjer enten ved egen knapp for tilbakestilling av hele menyen, eller ved å trykke på et usynlig minustegn like foran attributtet. Det finnes en rekke andre usynlige kapper, som kommer til syne når du holder markøren over dem. Disse blir beskrevet etter hvert som de blir relevante under. :: Søkeuttrykk og meny Søkeuttrykket øverst på siden blir oppdatert med en gang du gjør et valg i menyen. Det er mulig å gjøre endringer direkte i søkeuttrykket, både når du er på startsiden og når du er inne i de andre sidene i korpuset (Konkordans, Ordliste, Distribusjon etc). Ved hjelp av knappen Bygg et grafisk søk, kan man generere en søkemeny ut fra et regulært søkeuttrykk. :: Lagring av søk Alle utbygde søk kan lagres ved å skrive inn et navn og trykke Lagre søk. Disse kan bygges ut videre når de er hentet frem. 6

7 Ordsøk og konkordanser I det følgende beskrives et søk på ordet språk, deretter vises de ulike visningsalternativene med ulike funksjoner. :: Valg av trekk og delkorpus Søket under viser søk på Ord = språk i tekster fra Språkprøven på B1-nivå. Når du trykker på Søk, vil treffene komme opp som en KWIC-konkordans: :: KWIC-konkordans (Key Word in Context) 7

8 :: Størrelsen på konkordansen KWIC-konkordansen viser treffordet i midten med en viss mengde kontekst på hver side. Lengden på konteksten kan endres i menyen Kontekststørrelse. I tillegg kan man velge antall linjer per side i konkordansen med å angi en mengde i boksen Linjer per side. :: Kolonner I tillegg til selve treffsetningen, vises en del informasjon i kolonner bak setningene. Her kan det være både posisjonsrelaterte attributter (som gjelder det enkelte ord) eller dokumentrelaterte attributter (som gjelder teksten ordet er hentet fra). Her kan du selv velge hvilke attributter som skal vises ved å bruke menyene Vis og Skjul. Innstillingene du lager vil bevares til neste gang du logger inn. Noen attributter i disse menyene krever forklaring: <> skjuler eller viser alle strukturelle posisjoner fra konkordansen (for eksempel <sic>, <add>, <text>) <<del>> skjuler alle slettede/utviskede elementer fra setningene. Disse kan være greie å se i enkelte tilfeller, men om man ikke vil se dem kan man fjerne dem via menyen Skjul. :: Sortering Konkordansene kan sorteres ved å trykke på kolonneoverskrifter. Ved å trykke på treff sorteres konkordansen alfabetisk etter treffordet. Legg merke til følgende kolonner: Tekst-id: Tekstens identitetsnummer. Cpos: korpusposisjon: treffets plassering i korpuset. De øvrige attributter/variabler, er beskrevet i ASK, kurshefte. :: Linjefilter Når denne er krysset av får du avkrysningsbokser til venstre for hver eneste setning. Disse kan du bruke til å filtrere treffene og luke ut de treffene du ikke er interessert i. Bare de som har kryss vil bli tatt med videre til Distribusjon eller lastes ned. (Se bilde neste side). 8

9 :: Annotasjon Når denne er krysset av kommer det en ekstra kolonne like til høyre for treffet, hvor du kan legge inn din egen annotasjon eller kommentarer til treffet. Alt du skriver her vil være søkbart fra søkemenyen gjennom attributtet annotasjon. (Se bilde under). Linjefilter Annotasjon :: Visning av hel tekst Når du holder markøren over et trefford (eller et hvilket som helst annet ord i setningene), kommer det opp en gul boks med alle attributtene for denne posisjonen i. Om du trykker på et trefford, vil teksten det står i vises i sin helhet: Det fins ingen måte å søke seg direkte frem til en hel tekst, så om du ønsker å lese hele tekster, er det beste å utføre et søk og deretter klikke på et trefford for å få frem hele teksten. 9

10 Det er også mulig å søke etter bestemte tekster i søkemenyens attributt Tekst-id, om du vet tekstens nummer fra før. :: Andre konkordanser Velg andre konkordanstyper via menyen Type over konkordansen. Et mye brukt visningsalternativ er parallell-kontekst, hvor innlærerens setning kan ses sammen med den grammatisk korrekte rekonstruksjonen. Her gjelder de samme funksjonene som i KWIC-konkordansen. 10

11 Flere søk på språklige trekk :: Ord eller lemma? Det er viktig å være oppmerksom på at attributtet Ord gjelder slik noe faktisk er skrevet i teksten. Om du søker på dessuten i feltet Ord, vil du bare få de tilfellene som er skrevet akkurat slik, og ikke de som har en ortografisk feil eller har stor forbokstav. Ved å krysse av for %c er ikke søket lenger sensitivt for små og store bokstaver. Om du vil ha med alle forekomster, også de med annen skrivemåte, er det bedre å bruke Lemma, som i stedet for å søke i selve teksten, søker i taggerens tildeling av lemma til ordet. Men vær oppmerksom på at for ord som har flere bøyningsformer vil du få treff på alle former av ordet. Om du bare vil ha én av ordformene, må du begrense ytterligere ved hjelp av attributtene Ordklasse og Morfologiske trekk. Eksemplet under viser søk på Lemma = få med avgrensning til adjektiv og komparativ. Dette utelater andre forekomster av adjektivet og dessuten forekomster av verbet få. 11

12 :: Unntak av attributter (negering) Det er også mulig å unnta trekk innen de ulike attributtene. Unntak markeres ved tegnet! (utropstegn), og ved å trykke på =, forandrer dette seg til! = og det gitte trekket vil da unntas fra søket. I eksemplet under (bildet til høyre på siden) er alle former av få som er adjektiv unntatt: NB! Morfologiske trekk tatt vekk ved å klikke på usynlig minustegn. 12

13 For å unnta trekk fra attributter som kommer opp som lister, velger du fra den høyre delen av menyen, negated. Eksemplet under viser søk på Lemma = få, Ordklasse = verb, unntatt Syntaktisk kategori: infinitte verb (@iv): 13

14 Feilsøk Feilkodene er beskrevet i kodeboka på ASKs nettside og i ASK, kurshefte. Feiltype kan kombineres med andre attributter, for eksempel Lemma og Korreksjon. I korreksjonsfeltet angir man hva ordet er korrigert til, og det gjelder bare ord som har en feilkode. Lemma + Feiltype Lemma + Feiltype + Korreksjon Eksemplet over til venstre viser søk på Lemma = på, med Feilkode = W (galt valg av ord), som gir alle tilfeller der på skulle vært et annet ord. Eksemplet til høyre gir en ytterligere spesifisering av hva på er korrigert til, ved å bruke attributtet Korreksjon = i. Altså bare de forekomstene av på som er korrigert til i. Viktig merknad angående korreksjonsfeltet: Korreksjonsfeltet er sensitivt for små og store bokstaver, så for å få med korreksjoner med både stor og liten bokstav i søket over, kan man bruke eller-tegnet: (mer om eller-tegnet følger under). Dette betyr korreksjoner som er enten liten i eller stor I. 14

15 Generelle regler og merknader for søk på feiltyper: FOR SØK PÅ ALLE ANDRE FEILTYPER ENN M: à Sett stuct <sic> og feiltypen på korpusposisjonen, [klammeparentesen], foran resten av søkeuttrykket. Eksempel: [<sic> & type = "W"] [lemma = "i på til fra" %c] \ <> \\ <del> :: language!= "norsk" FOR SØK PÅ FEILTYPE M: à Sett struct <sic> inne i samme korpusposisjon, [altså inne i samme klammeparentesen], som resten av søkeuttrykket. Eksempel: [<sic> & type = "M" & corr = "på På"] \ <> \\ <del> :: language!= "norsk" Viktig merknad ved søk på feiltyper: Ved rene feiltype-søk, hvor ingen andre trekk er spesifisert, bør man altså lage en posisjon foran hvor man legger til det strukturelle trekket <sic>. Det man oppnår med dette er treff på akkurat den feiltypen man søker etter, for eksempel feiltypen INFL. Dersom man ikke legger til <sic>, får man også treff på feiltyper som eventuelt er tilknyttet, eller innebygd i, feiltypen INFL. For feiltyper som involverer mer en ett ord, bør man gjøre dette alltid, selv om man har spesifisert andre trekk. Dette gjelder for eksempel SPL og O, og dessuten undetypene: INV, OINV, SCA, MCA. Viktig merknad ved søk på feiltypen M: Feiltypen M (manglende ord), representerer et tomrom i innlærerens tekst, og er derfor ikke tagget av Oslo-Bergen-taggeren. Denne feiltypen kan derfor kun kombineres med attributtet Korreksjon, og ikke med Ord, Lemma, Ordklasse etc. 15

16 Altså, dersom man for eksempel vil søke frem tilfeller der preposisjonen på mangler i innlærertekstene, kan man ikke søke på Ord = på og Feiltype = M. Det man må gjøre er å søke på Korreksjon = på og Feiltype = M. Da får man frem tilfeller som i denne parallell-konteksten: 16

17 Nyttige funksjoner og utbygging av søk :: Alternativer for en korpusposisjon (eller) Én boks i søkemenyen representerer én posisjon i korpuset, og som vi har sett, kan man kombinere flere attributter for å spesifisere hva som fyller en korpusposisjon. Det er også mulig å operere med flere alternativer for én korpusposisjon. Dette kan gjøres på to måter, enten ved å bygge ut med flere bokser vertikalt og legge inn alternativene i hver sin søkeboks, eller ved å bruke det regulære uttrykket, som står for eller. fn + alt + 7 = (på Mac-maskin). Å lage en ekstra søkeboks under den opprinnelige, gjør man ved å trykke nederst i søkeboksen, hvor det ligger en usynlig blå tekst or. Hver vertikale boks representerer da ett alternativ. Ved bruk av eller-tegnet har man én søkeboks med mellom alternativene. Eksemplene under viser de to måtene å søke på flere alternativer for en korpusposisjon. Enten med å lage en ekstra boks, eller ved å bruke eller-tegnet. Eksemplet viser søk på alle forekomster av Lemma = på, eller Lemma = i. To alternative søkebokser Bruk av eller-tegn 17

18 Om du vil fjerne en boks, trykk på usynlig knapp øverst i venstre hjørne: :: Flere korpusposisjoner etter hverandre Ved å lage flere bokser horisontalt kan man spesifisere trekk for flere ord/posisjoner etter hverandre. Hver boks representerer da én korpusposisjon. Du får opp flere bokser ved å klikke på det usynlige plusstegnet. Her kan man kombinere ulike attributter i de to boksene, og begge treffordene vil bli sentrert i konkordansen. 18

19 Søket under viser søk på preposisjoner med etterfølgende substantiv i bestemt form: Konkordansen vil se slik ut med begge ordene uthevet: Om du skulle ønske å bare ha ett av ordene du har søkt på sentrert i konkordansen, kan du gå inn i boksen for søkeuttrykk og legge {krølleparenteser} rundt den gitte korpusposisjonen: shift + alt + parentes = krølleparentes (på Mac-maskin) [pos = "prep"] {[pos = "subst" & morph = ("be")]} \ <> \\ <del> :: language!= "norsk" Hver korpusposisjon ligger inni [klammeparanteser], {krølleparanteser} utenpå dette igjen, angir denne korpusposisjonen som hovedsøk, og gir følgende konkordans, hvor bare substantivet er skilt ut som treff: 19

20 :: Tomme posisjoner Ved å danne en korpusposisjon, men ikke spesifisere attributter, vil dette stå for et hvilket som helst element. Eksemplet under angir sekvenser av preposisjon + uspesifisert posisjon + substantiv. :: Gjentakelse Ved hjelp av funksjonen gjentakelse kan du angi hvor mange ganger spesifiseringene for en boks skal gjelde. I søket over er gjentakelse satt til 1. Det betyr at man vil få treff på de forekomstene der den uspesifiserte mellomliggende posisjon er fylt med et eller annet. Dersom gjentakelse settes til 0-1, altså null eller en gang, betyr det at den uspesifiserte posisjonen mellom preposisjonen og substantivet kan være fylt eller ikke fylt med et eller annet. Hva de ulike gjentakelsene betyr: 1: en gang 0-1: null eller en gang > 0: null eller flere ganger > 1: en eller flere ganger 20

21 Andre funksjoner: Ordliste og Distribusjon Alle søk kan videreføres til funksjonene Ordliste, Kollokasjoner og Distribusjon. Man blar mellom funksjonene ved å trykke på fanene helt til venstre i korpuset. Den fanen som er markert med grønt, er den funksjonen man befinner seg i. Frem til nå har vi vært innom Søk, Konkordans og Tekst. Videre skal vi se litt på Ordliste og Distribusjon. Funksjonene Kollokasjoner, Oversikt og Variabler gjennomgås ikke i denne grunnleggende innføringen. :: Ordliste Ordlisten viser distribusjoner av treffene fordelt etter ulike attributter. Attributtet velges i menyen, sammen med valg av sortering etter frekvens eller alfabetisk. Følgende ordliste tar utgangspunkt i søk på Feiltype = ORT (ortografiske feil), og viser antall av denne feiltypen fordelt over hver enkelt tekst (Tekst-id). Prosentene i parentes er en prosentvis fordeling av treffene, for eksempel er 0,41 % av treffene fra Tekst-id s0335. Legg merke til at listen går over åtte sider. SØK: <sic> [type = "ORT"] \ <> \\ <del> :: language!= "norsk" 21

22 Det samme søket kan fordeles etter Lemma, for å se hvilket ord som oftest skrives feil i korpuset (ordlisten går over 14 sider): Om man videre ønsker en spesifisering av de ulike skrivemåtene som er brukt for ordet forskjellig som ligger på topp i den forrige listen, endrer man søket til å gjelde ORT-feil bare ved Lemma = forskjellig: Om en da velger attributtet Ord i ordlisten, kan man se de ulike skrivemåtene for dette lemmaet. Her er et utdrag fra listen som viser at forskjellig skrives på 45 ulike måter i korpuset, med forskellige og forskjelige på topp: 22

23 :: Distribusjon Distribusjon er en mer avansert måte å vise statistiske distribusjoner på. Eksempelsøket under, viser søk etter alle forekomster av Lemma = i, på, fra eller til, med Feiltype = W (galt valg av ord): På distribusjonssiden angir man først hva en vil distribuere (som gir de horisontale kolonnene i tabellen). Deretter velger man hva dette trekket skal ses relativt til, og eventuelle andre attributter en ønsker å gruppere resultatene etter. Om man velger å sortere Lemma, (de fire preposisjonene), etter Morsmål og CEFR-nivå, vil tabellen vise frekvensen av hver og en av de fire preposisjonene, fordelt først i grupper etter CEFR-nivå, og deretter i morsmålsgrupper: Frekvenstypen som er valgt er relativ, og angir hver frekvensmengde i antall forekomster per korpusposisjoner i parentes. For nærmere beskrivelse av tolking av de statistiske 23

24 beregningene, se ASK Brukerveiledning: De horisontale kolonnene kan slås sammen ved å dra en av overskriftene over til en annen. En kolonne kan også slettes ved å ta vekk avhukingen over kolonnen. Summen av forekomster vil da justeres etter hvor mange som er fjernet. Bruk av filter er en annen måte å gruppere attributter enten horisontalt eller vertikalt. Jokertegnet.* vil gruppere preposisjonene, som på bildet under. Heller enn å ha en kolonne for hver av preposisjonene er de nå samlet som en kolonne: 24

25 Et annet alternativ vil være å gruppere CEFR-score i større grupper, for eksempel alle A, B og C for seg. Det kan også gjøres ved hjelp av et filter som spesifiserer hvilken bokstav i navnet trekkene skal grupperes etter:.* indikerer hvor det kan være en vilkårlig tekst, og punktumene i parentesen indikerer hvor mange bokstaver som skal tas med i vurderingen, for eksempel: (.).* Grupperer etter første bokstav. (..).* Grupperer etter de to første bokstavene..*(.) Grupperer etter siste bokstav. 25

26 I parentesen kan man ha spesifikke attributtnavn, eller deler av attributtnavn, for eksempel A2 og B1, som vil gi distribusjon av tekster på bare A2- og B1-nivå. 26

27 Nedlastning Konkordanser, Kollokasjoner, Distribusjoner og Ordlister kan lastes ned og importeres til et regneark eller lignende. Veiledningen under tar utgangspunkt i søk på Ord = hjerte, og nedlastning av konkordansen til Excel. FOR MAC-BRUKERE: For at bokstavene æ, ø og å kan leses, gjør følgende i programmet TextEdit før første nedlastning fra ASK: Gå til TextEdit, og velg Valg: Pass på at innstillingene i Valg ser slik ut: 27

28 PROSEDYRE FOR MAC-BRUKERE: 1. Trykk Last ned i konkordansen. 2. Dobbeltklikk på dokumentet som nå er til stede i Nedlastinger, dokumentet åpner seg i TextEdit. 28

29 3. Trykk cmd/severdighet + A for å markere alt i TextEdit-dokumentet: 4. Trykk cmd/severdighet + C for å kopiere alt i TextEdit-dokumentet. 5. Åpne Excel. 6. Marker celle A1 på Excel-arket: 7. Trykk cmd/severdighet + V for å lime inn de kopierte dataene fra TextEdit til Excel. 8. Gå til Format, Kolonne og Beste tilpassing for å tilpasse kolonnene til innholdet: 29

30 PROSEDYRE FOR PC-BRUKERE: 1. Trykk Last ned i konkordansen (se bilde under pkt. 1 for Mac-brukere). 2. Lagre dette dokumentet. 3. Åpne Excel og velg Importer data for å hente den lagrede filen: 4. En importveiviser vil vise seg. 5. I trinn 1 må du velge Filopprinnelse = Unicode (UTF-8) 30

31 6. I trinn 2 velger du Tekstkvalifikator = ingen 7. Trykk Fullfør, og konkordansen er importert til Excel. 31