Fellestjenestene Tekstlaboratoriet Oktober 2013

Transkript

1 Fellestjenestene Tekstlaboratoriet Oktober 2013

2 Årsverk (knyttet til fellestjenester): Nøkkeltall Tekstlaboratoriet 2009: fast ekst. finans.(+ prosjektansatte) 2010: fast ekst. finans. ( + prosjektansatte) 2011: fast ekst. finans. (+ prosjektansatte) 2012: fast ekst. finans. (+ prosjektansatte) 2013: fast ekst. finans. (+ prosjektansatte) Øremerket fra HF : 2,1 mill pr år Betaling for interne oppdrag: eks: PROIEL (IFIKK), UPUS (ILN). 1 3 månedsverk på hvert prosjekt. Vanligst: andre institutter står for material-bearbeiding og får teknisk sluttassistanse fra Tekstlaben (uten spesiell finansiering). Andre inntekter: Gj.sn. ca. 2,4 mill pr år ( NFR-prosjekt, Inkluderer PhD NTNU og forsker på UiT), CLARINO Ledelse: - Inst.leder og adm.leder ILN Faglig leder, professor Janne Bondi Johannessen senioringeniørene Anders Nøklestad, Kristin Hagen, Joel Priestley (sistnevnte fast ekst.finans.), dessuten øvrige prosjektansatte

3 Hva kjennetegner virksomheten ved Tekstlaboratoriet 1) Mål for virksomheten: Forskning og utvikling av programvare og verktøy for språkog tekstforskning, 1) - utvikling av databaser og korpus for talespråk, skriftspråk og flerspråklige, parallelle tekster 2) - språkteknologisk og lingvistisk forskning, 3) - veiledning og kurs. 2) Vi tilbyr: - språkteknologiske løsninger til språkforskere, stipendiater og masterstudenter ved HF (Kilde:

4 Kjennetegn, forts. 2) Avgrensning av virksomheten (ifht. andre tjenester, som USIT, EDD, DMLF, ev andre): Stikkord: forskningsnærhet - forskningsinitierte verktøy (initiert av andre forskere og forskningsprosjekter eller av faglig leder). Tilknyttet MultiLing (SFF), Spesialiteter som Tekstlaben er så å si alene om: a) endel verktøy - planlegging og oppbygging av korpus av alle typer (spesialister på talespråkskorpus) - korpussøkesystem (Glossa) - utvikling av språkanalyseverktøy (grammatiske og statistiske taggere, navneanalysatorer, sammensetningsanalysator) - rask implementering av tilpassede løsninger for bestemte forskningsformål - fokus på utvikling av programvare med åpen kildekode, integrering av fritt tilgjengelige verktøy (for eksempel MySQL, Google translate, Google maps) - spesiallagde verktøy, og med et spesielt ansvar for norsk b) teknisk assistanse til enkeltforskere: prosessere tekster, lage ordlister o.a. løsninger basert på tilgjengelige verktøy eller enklere programmering

5 Kjennetegn, forts. c) kurs/veiledning av ansatte og studenter -kurs med opplæring og informasjon -teknisk veiledning til enkeltforskere (inkl. stipendiater og studenter) -vitenskapelig veiledning (PhD, MA v/faglig leder) kontinuerlig opplæring er viktig d) Ledelse og deltakelse i forskningsprosjekter og nettverk (NFR, EU, NordForsk, Nordplus Språk, pluss interne prosjekter, se vedlegg 6, slide 66 ) forskningsverktøyene blir brukt og er relevante e) Utstrakt inkludering av studenter til vitenskapelig arbeid fører til interesse og rekruttering for vitenskapelig arbeid / PhD (7 de siste årene). Oppgaver som Tekstlaben delvis deler med andre: -Utvikling av frittstående databaser for forskningsdata (som DMLF, EDD, USIT) -Drift av egne servere (som DMLF, EDD, USIT) -Generell brukerstøtte på HF (som DMLF)

6 Kjennetegn, forts. 3) Hva mener Tekstlab er de viktigste kvalitetskriteriene for å vurdere prosjektene: a) at det kommer gode, vitenskapelige resultater ut av bruken av Tekstlabens verktøy og prosjekter. Noen utvalgte bøker, artikler, PhD- og MA-avhandlinger, se vedlegg, fra slide 53. b) At verktøy (feks korpus) brukes aktivt i undervisningen, i bachelor-oppgaver og i MA- og PhD-avhandlinger (se vedlegg 1, s 53) Eksempler: SPR4140, NOR1107, ENG4100. c) at prosjekter og verktøy ferdigstilles i tide. Eksempler: Nordic Dialect Corpus (slide 14), NoTa-Oslo (slide 24), Nordic Atlas of Language Structures Online (NALS) (slide 31) d) at verktøyene er raske og brukervennlige for forskere flest lette og raske å sette seg inn i (bruk av menyer, knapper, avkryssing ikke kryptiske søkespråk med regulære uttrykk) e) at verktøyene er gjenbrukbare for eksempel søkesystemet Glossa, som nå brukes i 18 korpus

7 Kjennetegn, forts. f) at verktøyene er etterspurt lokalt, nasjonalt og internasjonalt Søkesystemet Glossa: Egne installasjoner: Island, Spania, CLARIN-nettverket (EU), snart Etiopia Korpusene: 3300 brukere fra hele verden. Se vedlegg 7, slide 67 for brukerstatistikk over innlogging på tekstlab.uio.no i en nylig treukers-periode ( ) g) at man bruker nyeste teknologi (web-rammeverk, programmeringsspråk, databaseverktøy) h) at verktøyene er gjenstand for interesse fra teknologimiljøene i verden For eksempel: Tekstlaboratoriet blir invitert til å holde foredrag og blir forøvrig antatt på konferanser med publikasjoner, se et utvalg i vedlegg 1 og 3, fra slide 53 i) at verktøyene har interesse fra samfunnet presse og massemedia (se vedlegg 4, slide 64) lokalhistorikere, bygdelag o.a. (se vedlegg 3, slide 63 )

8 Prosjekt (malen) Beskrivelse: Tidsrom for utvikling: Oppdragsgiver: Brukere Hvem (forskere internt, studenter, eksterne sluttbrukere ): Antall (anslagsvis): Ressursbruk (månedsverk og person): Anslag videre driftsbehov (årsverk pr år + midler til drift + antatt varighet): Tekniske løsninger: Hvilke(n) teknologiplattform(er)/ programvare/databaseløsninger brukes?

9 Om de neste slidene: Tekstlaboratoriet har mange store og små prosjekter i porteføljen Vi presenterer først navet i den ene store delen av Tekstlabens virksomhet, nemlig korpussøkegrensesnittet Glossa, og korpusene Slidene Deretter andre prosjekter og kurs/formidling/forskning Slidene Til slutt i presentasjonen presenterer vi den samlede ressursbruken Slide Helt til slutt: vedlegg m/publikasjoner, invitasjoner, media, veiledning o.a. Slidene 53-67

10 Talespråkskorpus GLOSSA 1 Nordisk Dialektkorpus (ILN - NFR) Norsk i Amerika (ILN) SLS-korpuset (Svenska Litteraturselskapet) Lege-pasientkorpuset (ILN, Ahus, Klinisk medisin,uio Ruija (ILN) EngL2 (ILN, UV) BigBrother (ILN) NoTa-Oslo (ILN) TAUS (ILN) UPUS (ILN) Skriftspråkskorpus Flerspråklige korpus RuN (ILOS) Oslo Parallel Corpus (HF) OMC (ILOS) The French Newspaper Corpus (ILOS) Korpus med musikkanmeldelser (IMV) Leksikografisk bokmålskorpus (ILN) SKRIV-korpus (ILN) NORM-korpuset (ILN, HiST) KORPUS I GLOSSA 1 (Rødt = oppbygd etter 2009)

11 Noen søke- og resultatsider fra Glossa-verktøyet

12 Prosjekt: Glossa 1 ( Gamle Glossa ) Beskrivelse: Avansert, men brukervennlig søkeverktøy med resultathåndtering for lingvistisk annoterte korpus. I sentrum for Tekstlaboratoriets tilbud. Enkelt å legge inn nye korpus. (Se de neste slidene.) Se: Tidsrom for utvikling: Oppdragsgiver: Tekstlaboratoriet selv Brukere Hvem: Korpusene hos Tekstlaboratoriet samt UiT, Universitetet på Island og Jaume Universidad (Spania) Antall: ca 3300 registrerte brukere (dvs. korpusbrukerne) Ressursbruk Fra 2009: Hovedutvikling: Anders Nøklestad, Joel Priestley (24 mnd 12 finansiert av NFR-prosjekt) Delprosjektutvikling: Rune Lain Knudsen, Michal Kosek, André Lynum (6 mnd) Idéutvikling og testing: Kristin Hagen og Janne Bondi Johannessen (6 mnd) Anslag videre driftsbehov: Bare mindre vedlikehold framover pga satsing på Glossa 2 ( Nye Glossa ), se slide 13 Tekniske løsninger: Corpus Workbench, MySQL, Google Maps, Google Translate, QuickTime, Flash, egenutviklede moduler og rammeverk (programmert i Perl, Ruby, JavaScript med jquery), skriftspråks- og talespråkstaggere for alle skrift- og talespråk i korpusene (dels tilgjengelige statistiske og regelbaserte taggere, og dels egenutviklede: Oslo-Bergen-Taggeren, OBT+Stat, NoTa-taggeren for talespråk)

13 Prosjekt: Glossa 2 ( Nye Glossa ) Beskrivelse: Forbedra versjon av Glossa 1. Mer brukervennlig. Lettere å installere på egen datamaskin. Lettere å legge inn nye korpus. Tilpasset til den europeiske CLARIN-standarden. Mindre krevende å vedlikeholde korpus i Glossa2. Se: Tidsrom for utvikling: Oppdragsgiver: CLARINO-prosjektet Brukere Hvem: Korpusene hos Tekstlaboratoriet, korpus i EU-land (gjennom CLARIN), korpus i Etiopia (gjennom Norad-prosjekt) Antall: ca 3300 nåværende brukere + nye brukere Ressursbruk (månedsverk og person): Hovedutvikling og innlegging av nye korpus: Anders Nøklestad, Joel Priestley: 21 månedsverk i perioden fra CLARINO + 20 mnd Idéutvikling, testing, innlegging av nye korpus: Kristin Hagen og Janne Bondi Johannessen (6 mnd) Anslag videre driftsbehov: 2 måneder per år fra 2017 Tekniske løsninger: Ruby on Rails, databaseagnostisk, Ember.js, Twitter Bootstrap, R (statistikk). Samt mange av løsningene fra Glossa 1 (slide 12)

14 Prosjekt: NorDiaSyn (inkl Nordisk dialektkorpus) Beskrivelse: Teknisk oppbygging av talespråkskorpus for 5 språk (Nordisk dialektkorpus NDK), innsamling av materiale fra Norge (4 informanter fra 100 steder), fonetisk og ortografisk transkripsjon, tagging Lenke: Tidsrom for utvikling: Oppdragsgiver: NFR-prosjekt. Transkripsjon av målførearkivopptak: NO2014 Brukere Hvem: Studenter og forskere ved ILN og HF, nordiskinstitutter i Norden og ellers i verden Antall: Ressursbruk: - Hovedutvikling av Glossa for NDK, bearbeiding av talemålsmateriale fra 5 nordiske land: Joel Priestley 48 mnd - Bearbeiding av talemålsmateriale, koordinering av prosjekt og ansatte, idéutvikling, testing: Kristin Hagen 18 mnd - Vit.ledelse av prosjektet, forskning, idéutvikling, testing: Janne Bondi Johannessen 24 mnd - Opptak, digitalisering, fonetisk transkripsjon + oversettelse: 90 mnd (19 personer har vært med fra Oslo) Anslag videre driftsbehov: 2 måneder per år fra 2014 Tekniske løsninger: Se Glossa 1. Talemålsdelen er videreutviklet spesielt for NDK. Oversettelse med Google translate og dialektkart med Google maps spesielt utviklet for prosjektet samt løsning for parallellstilling av fonetisk og ortografisk transkripsjon og en transliterator.

15 Prosjekt: Oppbygging/vedlikehold/ utvidelse av de enkelte korpusene i Glossa (-NDK) Beskrivelse: Bygd opp 10 nye korpus i Glossa siden 2009 (se de neste slidene) Vedlikeholdt nye og eksisterende korpus (se de neste slidene) Lagt inn tilleggsmateriale Tidsrom for utvikling: (se de enkelte slidene) Oppdragsgiver: forskere/forskergrupper på HF Brukere Hvem: forskere, stipendiater og studenter på HF og andre universiteter og høgskoler i Norge, Norden og internasjonalt Antall: Glossa har ca 3300 registrerte brukere Ressursbruk (månedsverk og person): Anders Nøklestad, Kristin Hagen, Joel Priestley, Janne Bondi Johannessen 56,5 mnd til sammen. Se slide 26. Anslag videre driftsbehov: Vedlikehold av og innlegging av mer materiale i 17 korpus. 11,5 mnd. Plan: flytte alle korpus over i Glossa 2. Se slide 26. Tekniske løsninger: Se Glossa 1, slide 12

16 I det følgende vises enkeltkorpusene (minus Nordisk dialektkorpus) med den informasjonen som gjelder spesielt for hvert korpus. Informasjon om ressursbruk og varig drift samles til slutt.

17 RUN Beskrivelse: Parallellkorpus med setningsparallellstilte tekster på norsk, russisk, engelsk og 7 andre språk Lenke: Tidsrom for utvikling: (drift 2010-) Oppdragsgiver: Atle Grønn (ILOS) Brukere: Særlig slavisk-studenter og forskere ved ILOS, samt mange forskere internasjonalt (for resultater, se vedlegg 1, slide 53) Ressursbruk: Ukjent antall månedsverk av oppdragsgiver. Tekstlabs innsats: 4 mnd oppbygging, 5 mnd videreutvikling. Anders Nøklestad. OMC Beskrivelse: Parallellkorpus med setningsparallellstilte tekster på norsk, engelsk, tysk, nederlandsk og portugisisk Lenke: Tidsrom for utvikling: Første fase Lagt inn i Glossa omkring Oppdragsgiver: SPRIK-prosjektet og ILOS Brukere: Særlig studenter og forskere på engelsk, tysk og fransk Ressursbruk: Ukjent antall månedsverk av oppdragsgiver. Tekstlabs innsats i perioden: 5 mnd etterarbeid. Anders Nøklestad.

18 Oslo Parallellkorpus Beskrivelse: Korpus under oppbygging. Parallellkorpus med setningsparallellstilte tekster på norsk og fremmedspråkene ved HF. Lenke: Tidsrom for utvikling: Oppdragsgiver: Initiert av Tekstlab for norsk og fremmedspråkene på HF Brukere: Særlig språkstudenter og forskere på HF Ressursbruk: 6 månedsverk bevilget av HF gjennom infrastruktursøknad for mnd. Noe parallellstilling finansiert av Forskningskomiteen på ILN og ILOS, mest Tekstlab. André Lynum, Ingebjørg Før Gjermundsen, Kristin Hagen. The French Newspaper Corpus (ILOS) Beskrivelse: Nyhetstekster fra the Linguistic Data Consortium og the Association for Computational Linguistics. Lenke: Tidsrom for utvikling: 2009 Oppdragsgiver: ILOS Brukere: Særlig franskstudenter og forskere på HF Ressursbruk: Tekst fra LDC. Tekstlabs innsats: 1 mnd. Anders Nøklestad.

19 Korpus med musikkanmeldelser Beskrivelse: 2 korpus med musikkanmeldelser fra A-tekst. Det ene inneholder også musikkterapisesjoner. Lenke: Tidsrom for utvikling: Oppdragsgiver: To prosjekter ved IMV Brukere: Særlig studenter og ansatte ved IMV, men også andre språk- og tekstforskere Ressursbruk: Tekstlabs innsats: 2 mnd. Anders Nøklestad Leksikografisk Bokmålskorpus Beskrivelse: Leksikografisk bokmålskorpus (LBK) er et representativt, vektet korpus på ca 100 mill. ord Lenke: Tidsrom for utvikling: tidlig 2000-tall - Oppdragsgiver: Leksikografi bokmål, ILN Brukere: Leksikografer, studenter og forskere ved ILN og andre nordiske institutter Ressursbruk: Korpuset er stort sett egenfinansiert av leksikografi, bokmål. Tekstlab har bidratt med Glossa, noe brukerstøtte gjennom årene (1 mnd) og vil være med på å vedlikeholde korpuset. 3 mnd finansiering fra LBK til Tekstlab planlagt i 2014

20 SKRIV Beskrivelse: SKRIV-korpuset (Skriving i videregående skole) består av tekster skrevet av elever i videregående opplæring på yrkesfaglige utdanningsprogrammer. Det er spesielt tilrettelagt for analyse av tekster skrevet av elever som har norsk som sitt andrespråk. Lenke: Tidsrom for utvikling: Oppdragsgiver: Elisabeth Selj og Else Ryen, ILN Brukere: Studenter og forskere ved ILN og andre som jobber med elevtekster og andrespråksforskning Ressursbruk: 2 mnd. Kristin Hagen, Michal Kosek. NORM Beskrivelse: Bygge opp korpus av elevtekster fra barneskolen Lenke: Tidsrom for utvikling: Oppdragsgiver: NORM-prosjektet (Kjell Lars Berge, ILN, + Høgskolen i Sør- Trøndelag HiST) Brukere: Forskningsprosjektet NORM, senere alle som jobber med elevtekster Ressursbruk: 1 mnd. Anders Nøklestad har lagd demokorpus. NORMprosjektet ved Synnøve Matre, HiST jobber med å finansiere korpuset.

21 Norsk i Amerika Beskrivelse: Talespråkskorpus med opptak og transkripsjoner av norskamerikanske informanter. Under oppbygging. Både transkripsjon og teknisk utvikling ved Tekstlab. Lenke: Tidsrom for utvikling: Oppdragsgiver: NFR-støttet biprosjekt av NorDiaSyn, MultiLing Brukere: Studenter og forskere ved ILN, MultiLing og andre som forsker på flerspråklige informanter Ressursbruk: Transkripsjon (6 mnd), Kristin Hagen og Joel Priestley teknisk bearbeiding (3 mnd) SLS Beskrivelse: Oppbygging av talespråkskorpus med finlandssvenske informanter Lenke: Tidsrom for utvikling: Oppdragsgiver: Svenska litteratursälskapet i Finland Brukere: Brukere av Nordisk dialektkorpus, finlandssvenske forskere og studenter Ressursbruk: 2 mnd. Joel Priestley og Kristin Hagen teknisk bearbeiding, Anders Nøklestad transliterator

22 Lege-pasient Beskrivelse: Korpus med transkriberte lege-pasientsamtaler fra Akershus universitetssykehus. Publiseres høsten Lenke: tekstlab.uio.no/glossa-michalkk-dev/glossa/html/?corpus=legepasient Tidsrom for utvikling: Oppdragsgiver: Pål Gulbrandsen, Inst. f. Klinisk medisin + Ahus, og Jan Svennevig ILN Brukere: Språkforskere, samtaleforskere, helseforskere Ressursbruk: Transkripsjoner finansiert av Ahus. Teknisk bearbeiding og tagging: 3 mnd. Kristin Hagen og Michal Kosek. Ruija Beskrivelse: Ruija-korpuset er et talespråkskorpus fra kvensk- og finskspråklige områder. Lenke: Tidsrom for utvikling: Oppdragsgiver: Pia Lane, ILN, nå MultiLing Brukere: Studenter og forskere i finsk, kvensk og flerspråklighet Ressursbruk: Transkripsjoner finansiert av LICHEN-prosjektet mm. Teknisk bearbeiding, tidskoding med mer: 4 mnd. Joel Priestley og Kristin Hagen.

23 Engl2 Beskrivelse: Talespråkskorpus med norske elever som snakker engelsk Lenke: Tidsrom for utvikling: Oppdragsgiver: Ulrikke Rindal, ILN og UV Brukere: Foreløpig bare brukt til doktorgradsprosjekt. Jobber med å tilgjengeliggjøre det for flere. Ressursbruk: 2 mnd. Joel Priestley BigBrother Beskrivelse: Talespråkskorpus med video og transkripsjoner fra TV-serien Big Brother, første sesong. Lenke: Tidsrom for utvikling: Oppdragsgiver: Tekstlab selv Brukere: Studenter og forskere ved ILN og HF, nordiskinstitutter i Norden og ellers i verden Ressursbruk: Bare vedlikehold i perioden.

24 Nota-Oslo Beskrivelse: Talespråkskorpus med samtaler og intervju med sosiolingvistisk balansert utvalg av 166 informanter fra Oslo. Lenke: Tidsrom for utvikling: Oppdragsgiver: NoTa-prosjektet (NFR-prosjekt) Brukere: Studenter og forskere ved ILN og HF, nordiskinstitutter i Norden og ellers i verden Ressursbruk: Bare vedlikehold i perioden. TAUS Beskrivelse: Talespråkskorpus med digitaliserte og nytranskriberte intervju fra Talemålsundersøkelsen i Oslo fra begynnelsen av 1970-tallet Lenke: ndex.html Tidsrom for utvikling: Oppdragsgiver: Brukere: Studenter og forskere ved ILN og HF, nordiskinstitutter i Norden og ellers i verden Ressursbruk: Bare vedlikehold i perioden.

25 UPUS Beskrivelse: Talespråkskorpus med samtaler og intervju med ungdom i multikulturelle ungdomsmiljø i Oslo Lenke: Tidsrom for utvikling: Oppdragsgiver: UPUS-prosjektet Brukere: Sensitivt materiale som krever spesiell godkjennelse fra NSD. Studenter og forskere ved ILN og HF, nordiskinstitutter i Norden og ellers i verden Ressursbruk: Kun vedlikehold i perioden

26 Glossa-korpus Oppbygg. år Utvikling Vedli.hold Vedl.h RuN mnd 5 mnd 1 mnd ** OMC mnd 1 mnd OPC mnd 2 mnd * ** French N C mnd 0,5 mnd 0,5 mnd Musikk mnd LBK Eget prosjekt 1 mnd Eget prosjekt i 2014 SKRIV mnd 1 mnd ** NORM mnd 1 mnd * ** Norsk i Amerika mnd 2 mnd ** SLS mnd 1 mnd * ** Lege-pasient mnd 1 mnd ** Ruija mnd EngL mnd BigBrother (2004-5) - 6 mnd vedlikehold 1 mnd vedlikehold talespråks- NoTa-Oslo (2004-5) - korpus uten innlegging av nytt TAUS (2004-5) - materiale UPUS (2004-5) - SUM 39 mnd 17,5 mnd 11,5 mnd * Avhengig av ekstern finansiering ** Innlegging av nytt materiale Denne tabellen viser korpusene i Glossa

27 På de følgende slidene vises andre korpus, verktøy og ressurser /databaser, prosesseringsoppgaver osv

28 Prosjekt: Andre korpus Beskrivelse: Enkelt vedlikehold av Tekstlaboratoriets eldste korpus: Oslokorpuset av taggede norske tekster (bokmål og nynorsk), KALkorpuset (elevtekster med evalueringer), Bosniskkorpuset Tidsrom for utvikling: hele perioden Oppdragsgiver: Brukere: studenter og forskere ved HF (spesielt ILN og IFIKK), nordiskinstitutter. Mange henvendelser fra brukere på Balkan. Ressursbruk: 2 mnd i perioden, Anders Nøklestad og Michal Kosek (KAL-korpuset) Anslag videre driftsbehov: 1 mnd i 2014 for å tagge Oslokorpusene på nytt og gjøre det Glossa-kompatibelt. Tekniske løsninger: CWB, Perl, MySQL, JavaScript

29 Prosjekt: NoWaC, webkorpus Beskrivelse: Laste ned, rense, tagge og bygge opp korpus over alle bokmålstekster fra.no-domenet i perioden november 2009 til januar millioner ord. Tidsrom for utvikling: 2010, 2013 Oppdragsgiver: Brukere: forskere og studenter ved ILN, HF, og andre nordiskinstitutter Ressursbruk: Emiliano Guevara (ukjent antall mnd i PhD-prosjekt). 2 mnd til tagging med OBT + Stat, lage frekvenslister, innlegging i Glossa 2 ved Anders Nøklestad i Anslag videre driftsbehov: Sannsynligvis ikke driftsbehov i 2014 fordi det nylig er lagt inn i Glossa2. Tekniske løsninger: Gammelt grensesnitt: CWB, Perl. Nytt grensesnitt, se Glossa2, slide 13.

30 Prosjekt: Nordisk syntaksdatabase Beskrivelse: Database med setningsvurderinger fra et spørreskjema utviklet for å kartlegge grammatisk variasjon i nordiske dialekter. Inneholder vurderinger fra 924 informanter fra 207 steder i Norden. Lenke: Tidsrom for utvikling: Oppdragsgiver: NorDiaSyn, NFR-prosjekt Brukere: Særlig språkstudenter og forskere på ILN samt fra nordiskinstitutter nasjonalt og internasjonalt Ressursbruk: Finansiert delvis med NFR-midler, delvis med midler fra hvert enkelt land (innsamling). Dessuten utvikling av database og søkegrensesnitt og bearbeiding av data. Personer: Janne Bondi Johannessen og Anders Nøklestad. Tekstlab-finansiert: 4 mnd. Anslag videre driftsbehov: 1 mnd Tekniske løsninger: SQLite, Ruby on Rails, ExtJS (JavaScript)

31 Prosjekt: NALS online (The Nordic Atlas of Language Structures Online) Beskrivelse: Nettsted med vitenskapelige artikler og dialektkart Lenke: Tidsrom for utvikling: Oppdragsgiver: Prosjektene NorDiaSyn (NFR) og delvis NorDiaCorp (Nordisk) Brukere: Som Nordisk syntaksdatabase Ressursbruk: Finansiert noe med NFR-midler, mesteparten med NorDiaCorp (Nordisk prosjekt adm. fra UiT). Personer: Anders Nøklestad og Janne Bondi Johannessen. Tekstlab-finansiert 3 mnd. Anslag videre driftsbehov: 0,5 mnd Tekniske løsninger: MySQL, Ruby on Rails, jquery og Ember.js (JavaScript)

32 Prosjekt: Tilpasse verktøy og korpus til CLARIN-standard Beskrivelse: Tilpasse Tekstlaboratoriets taggere til LAP-portalen (WP 9) og metainformasjon i Tekstlaboratoriets korpus til CLARINstandard (WP 10) Tidsrom for utvikling: Oppdragsgiver: CLARINO-prosjektet Brukere: Endringene kommer alle brukere til gode i Norge og EU gjennom CLARIN (EU-prosjekt) Ressursbruk: 9 mnd (WP 10)+ 3 (WP 9) mnd Kristin Hagen, Anders Nøklestad, Joel Priestley, Andre Lynum fordelt over 2014 og 2015 Anslag videre driftsbehov: Skal gjennomføres før 2016 Tekniske løsninger: Tilpasse til LAP-portalen (LAF-format, ISOstandard) pluss korpus-metainformasjon til CLARIN-standard

33 Prosjekt: Etiopia-prosjekt Beskrivelse: NORHED-prosjekt: Linguistic Capacity Building Tools for the inclusive development of Ethiopia. Tekstlaboratoriet skal undervise i språkteknologi og bidra til oppbygging av skriftspråkskorpus og talespråkskorpus I Etiopia. Samarbeidsprosjekt mellom ILN, IFIKK, NTNU. Tidsrom for utvikling: Oppdragsgiver: prosjekt Brukere: Sluttproduktene (ordbøker, grammatikker og korpus) skal brukes av studenter og forskere i Etiopia. Også til bruk i Norge på for eksempel IKOS. Ressursbruk: 1 mnd planlegging. 4 måneder per år for Tekstlab Anslag videre driftsbehov: Tekniske løsninger: Tilpasse Tekstlabs eksisterende verktøy

34 Prosjekt: Verktøy (OBT, OBT+stat, talemålstaggere) Beskrivelse: Videreutvikling av Oslo-Bergen-taggeren (CG-del), utvikling av statistisk tilleggsmodul Tidsrom for utvikling: Oppdragsgiver: Norsk aviskorpus-prosjekt (UiB) + noe egenfinansiert Brukere: Språkteknologer, tagging av egne og andres korpus Ressursbruk: 6 mnd (finansiert av Norsk aviskorpus) + 3 mnd. Kristin Hagen og Andre Lynum Anslag videre driftsbehov: Avhengig av finansiering (behov for å videreutvikle multitaggeren) Tekniske løsninger: VISL-CG3, Hunpos, Common Lisp

35 Prosjekt: Ordforrådet Beskrivelse: Søkbar leksikalsk database over ca 1650 norske substantiver, verb og adjektiver med opplysninger om egenskaper ved disse ordene som kan påvirke tilegnelse, lagring og prosessering hos personer med språk- og talevansker så vel som hos personer uten slike vansker. Lenke: Tidsrom for utvikling: 2012 Oppdragsgiver: Forskergruppe for klinisk lingvistikk og språktilegnelse, ILN Brukere: Særlig forskere i klinisk lingvistikk, ILN + helsevesenet Ressursbruk: Michał Kosek og Anders Nøklestad. 3 mnd. Tekstlabtid. Innholdet finansiert av forskergruppa. Anslag videre driftsbehov: 1 mnd Tekniske løsninger: SQLite, Ruby on Rails, jquery, Twitter Bootstrap

36 Prosjekt: Horace - Repertory of conjectures Beskrivelse: Søkbar database over manuskripter og bibliografi Lenke: Tidsrom for utvikling: Oppdragsgiver: Monika Asztalos, IFIKK Brukere: Særlig språkstudenter og forskere på IFIKK Ressursbruk: 3 mnd Tekstlab-tid for teknisk utvikling av grensesnitt. Michał Kosek. Innholdet fra IFIKK. Anslag videre driftsbehov: 0,5 Tekniske løsninger: SQLite, Ruby on Rails, jquery, Twitter Bootstrap

37 Prosjekt: Ordbok med Peking-dialekt Beskrivelse: Webgrensnitt for arkiv med lydordbok over Pekingdialekt (MIAD: The Mandarin Idiolect Audio Dictionary) timers tale. Tidsrom for utvikling: Oppdragsgiver: Christoph Harbsmeier, IKOS Brukere: Spesielt IKOS-forskere og studenter Ressursbruk: 2 mnd Michal Kosek Anslag videre driftsbehov: 1 mnd, avhengig av finansiering Tekniske løsninger: SQLite, Ruby on Rails, jquery, Twitter Bootstrap

38 Prosjekt: Sidaama-database Beskrivelse: Utvikling av webgrensesnitt og database for Sidaama Tidsrom for utvikling: Oppdragsgiver: Kjell Magne Yri, ILN Brukere: lingvister Ressursbruk: 4 mnd. Anders Nøklestad Anslag videre driftsbehov: 0,5 mnd Tekniske løsninger: jquery og Ember.js (JavaScript), Ruby on Rails, MySQL

39 Prosjekt: Norsk Ordbank Beskrivelse: Styringsgruppe (fra 2013 rådgivende organ) for ILN og Språkrådet for ressurser som eies sammen. (Bokmålsordboka, Nynorskordboka og Norsk ordbank.) Tekstlab har leder av gruppa og har ansvar for kontakt med brukere/næringsliv, utarbeide kontrakter for salg, administrere postliste, koordinere utviklingsarbeid. Tidsrom for utvikling: hele perioden Oppdragsgiver: ILN og Språkrådet Brukere: en rekke enkeltpersoner + teknologifirmaer Ressursbruk: 5 mnd. Kristin Hagen Anslag videre driftsbehov: 1 mnd per år Tekniske løsninger:

40 Prosjekt: Norsk dependenstrebank ( Gullkorpuset ) Beskrivelse: Dependenstrebank for bokmål og nynorsk som kan brukes til å utvikle parsere og taggere for norsk. Tekstlab har vært med på utredning, satt opp arbeidsprosessen og tilpasset verktøy og programvare samt lagd guidelines i samarbeid med ansatte ved Språkbanken Lenke: Tidsrom for utvikling: Oppdragsgiver: Språkbanken ved Nasjonalbiblioteket Brukere: språkforskere og språkteknologer Ressursbruk: 4 mnd. Kristin Hagen, Janne Bondi Johannessen, Anders Nøklestad og Andre Lynum Anslag videre driftsbehov: Avsluttet Tekniske løsninger: Egenutviklet webgrensesnitt for manuell korrigering av tagging, OBT+Stat, Malt-parser, TRED (verktøy utviklet av Prague Dependency Treebank)

41 Prosjekt: Proiel (Pragmatic Resources in Old Indo-European Languages) Beskrivelse: Tekstlaboratoriet var med på utviklingen av webgrensesnitt for søking og annotering av dataene i prosjektet (informasjonsstrukturdelen), og drifter dessuten databasen og webgrensesnittet Lenke: Tidsrom for utvikling: Oppdragsgiver: Dag Haug, IFIKK Brukere: spesielt forskere på IFIKK Ressursbruk: Anders Nøklestad 3 mnd Anslag videre driftsbehov: 0,5 Tekniske løsninger: Ruby on Rails, Prototype (JavaScript)

42 Prosjekt: NP-prosjekt Beskrivelse: Distribution and meaning of nominal forms in Norwegian; a cross-linguistic perspective utvikling av database og grensesnitt Lenke: Tidsrom for utvikling: Oppdragsgiver: prosjekt ved UiT Brukere: Særlig språkstudenter og forskere Ressursbruk: 2 mnd etter 2009: Tekstlab-tid for teknisk utvikling av grensesnitt, Anders Nøklestad Anslag videre driftsbehov: Avsluttet Tekniske løsninger: Ruby on Rails, ExtJS (JavaScript), MySQL

43 Prosjekt: Akademiske ordlister Beskrivelse: Bygge et korpus med akademiske tekster for bokmål og nynorsk og ut i dette lage en akademisk ordliste. Tidsrom for utvikling: Oppdragsgiver: LUNAS-nettverket (Language Use in Nordic Academic Settings) Brukere: Særlig studenter Ressursbruk: Janne Bondi Johannessen og Kristin Hagen deltar i nettverk. Nettverket finansiert av NordPlus Språk Anslag videre driftsbehov: Avhengig av ressurser og finansiering Tekniske løsninger:

44 Prosjekt: KELLY (EU-prosjekt) Beskrivelse: Keywords for Language Learning for Young and adults alike (KELLY). Lage digitale ordkort for 9 språk. Tekstlab ansvarlig for norsk versjon samt deltakelse i nettverk Tidsrom for utvikling: Oppdragsgiver: EU-prosjekt koordinert fra Stockholm universitet Brukere: Ressursbruk: Janne Bondi Johannessen og Live Håberg, 2 mnd Anslag videre driftsbehov: Avsluttet Tekniske løsninger:

45 Prosjekt: Teknisk assistanse Beskrivelse: Teknisk assistanse til enkeltforskere og studenter (prosessere tekster, lage ordlister, frekvenslister, trekke ut informasjon oa) Tidsrom for utvikling: hele perioden Oppdragsgiver: enkeltforskere og studenter på HF, se vedlegg 5, slide 65 Brukere Hvem Antall Ressursbruk: Hovedsakelig Anders Nøklestad i perioden. Ca 4 mnd ++ per år. Anslag videre driftsbehov: Tekniske løsninger:

46 Prosjekt: Kurs, teknisk veiledning og formidling Beskrivelse: - Tekstlab-kurs for HFs forskere og studenter, - Teknisk veiledning i bruk av korpus og verktøy, - Henvendelser fra allmennheten, - Forskningstorget, - Faglig-pedagogisk dag, Media (se vedlegg4, slide 64) Tidsrom for utvikling: Oppdragsgiver: Brukere Hvem: studenter og forskere på HF, Almennheten Antall (anslagsvis): Ressursbruk: 2 mnd. per år. Alle ansatte på Tekstlaboratoriet. Anslag videre driftsbehov: Tekniske løsninger:

47 Prosjekt: Vitenskapelig arbeid Beskrivelse: - Forskning, - Vitenskapelig publisering og deltakelse på konferanser, workshoper osv, - Vitenskapelig veiledning (se vedlegg fra slide 53), - Deltakelse i forskningsnettverk og prosjekter, - Deltakelse i MultiLing (SFF) og tidligere NORMS (Nordisk SFF) Tidsrom for utvikling: hele perioden Oppdragsgiver: Egen Brukere Hvem Egen forskning og deltakelse I forskersamfunnet skaper bedre og mer brukervennlig verktøy! Antall Ressursbruk: Hovedsakelig Tekstlaboratoriets professor, Janne Bondi Johannessen, men alle ansatte deltar på konferanser, forskningsnettverk og publiserer. 6 mnd ++ per år. (De siste årene har mye av forskningen vært bundet opp til NFR-prosjektet NorDiaSyn) Anslag videre driftsbehov: 6 ++ per år Tekniske løsninger:

48 Prosjekt: Drift, administrasjon og websider Beskrivelse: - Administrasjon, - Kontrakter (salg og tillatelser), - Arrangere konferanser og seminar. (Eksempel: Dialektseminar i januar 2013, bedt om å arrangere NoDaLiDa mai 2013), - Søknader til nye prosjekter (NFR, infrastruktursøknader osv (Eksempel: LIA-prosjektet, som nettopp har blitt innvilget av NFR), - Drift av Tekstlaboratoriets servere Tidsrom for utvikling: hele Oppdragsgiver: Brukere Hvem (forskere internt, studenter, eksterne sluttbrukere ): Antall (anslagsvis): Ressursbruk: Serverdrift: Anders Nøklestad 1 mnd per år. Flytting til ny server med oppgraderinger og tilpasning til nye tekniske løsninger: 3 mnd. Øvrig: Kristin Hagen og Janne Bondi Johannessen 2 mnd per år. Dugnad av alle på arrangementer! 2013: 2 mnd Nodalida og Dialektseminar Anslag videre driftsbehov: 1 mnd drift, 2 ++ resten Tekniske løsninger: Ny server: Red Hat Enterprise Linux 6 med SELinux (pålagt av USIT, har skapt veldig mange tekniske utfordringer den siste er ennå ikke løst av USIT)

49 Om tidsbruk: de neste tre slidene Slide 50 (fordelt over to kolonner) viser tidsbruk fram t.o.m Slide 51 omhandler tidsbruk over antatt vedlikehold (inkl. Innlegging av nytt materiale i eksisterende korpus) og drift i 2014 (som eksempel på anslag videre driftsbehov ) Slide 52 omhandler tidsbruk for antatte nye oppgaver, prosjekter, kurs, forskning, teknisk assistanse osv I 2014 NB! Her inngår det tid til nye prosjekt/korpus på HF

50 ANTALL TEKSTLAB-MÅNEDSVERK i PERIODEN (3 faste + 1 fast ekstern = 4 ansatte * 12 mnd * 5 år) + (NFR 24 mnd * 3år) + (div prosjekt 12 * 5 år) = 372 mnd PROSJEKT OG ARBEIDSOPPGAVER I PERIODEN PROSJEKT OG ARBEIDSOPPGAVER I PERIODEN, forts. Glossa 1 24 Ordbok med pekingdialekt 2 CLARINO Glossa 2 11 Sidaama-ordliste 4 NorDiaSyn Nordisk dialektkorpus (NFR-prosj) 180 Norsk ordbank 5 Korpusbygging i Glossa (mest tekn., minus NDK) 37 Norsk dependenstrebank ( Gullkorpus ) 4 Korpusvedl (minus NDK) 17,5 Proiel 3 NoWaC + Andre korpus 4 NP-prosjekt 2 Nordisk syntaksdatabase 4 KELLY 2 NALS online 3 Teknisk assistanse til enkeltpersoner 20 Etiopia (Norhed-prosjektet) 1 Kurs, teknisk veiledning og formidling 10 OBT, OBT+stat 9 Vit. Forskning, veiledning, publikasjoner og formidling (ekskl. NorDiaSyn) Ordforrådet 3 Drift: Servervedlikehold Horace 3 Drift: Administrasjon (konf), websider, kontrakter og søknader 12 SUM 378,5

51 VEDLIKEHOLD (INKL INNLEGGING AV NYTT MATERIALE) OG DRIFT AV EKSISTERENDE RESSURSER 2014 NorDiaSyn Nordisk dialektkorpus (NFR-prosjekt) 2 ** Korpusvedlikehold (minus NDK) 11,5 ** NoWaC + Andre korpus 1 Nordisk syntaksdatabase 1 ** NALS online 0,5 ** Ordforrådet 1 ** Horace 0,5 Ordbok med pekingdialekt 1 ** Sidaama-ordliste 0,5 ** Servervedlikehold 1 SUM 20 ** Levende korpus/database: Drift og vedlikehold inkluderer innlegging av nytt materiale

52 NYE, IKKE FASTSATTE UTVIKLINGSOPPGAVER, PROSJEKTER, FORSKNING, VEILEDNING MM 2014 Nye korpus i Glossa Teknisk assistanse til enkeltpersoner 4 + Kurs, teknisk veiledning og formidling 2 Vit. Forskning, veiledning, publikasjoner og formidling Administrasjon (konf), websider, kontrakter og søknader, publikumskontakt CLARINO Glossa 2 12 Norsk ordbank 1 Tilpasse verktøy og korpus til CLARIN-standard) 6 Etiopia (Norhed-prosjektet) 4 mnd per år til 2018 Utvikling for Leksikalsk bokmålskorpus 3 Akademiske ordlister * OBT, OBT+stat, * LIA (Nasjonal infrastruktursøknad NFR) [29.okt-13: prosjektet har fått finansiering: 27 mill. kr.] NORM (Nasjonalt skriveforskningsprosjekt) * * SUM * Avhengig av ny, ekstern finansiering

53 Vedlegg 1: Noen publikasjoner som har brukt Tekstlabens korpus og verktøy RuN-korpuset: publikasjoner Grønn, Atle. Aspect and tense in counterfactual main clauses: Fake or real?, in Josephson & Söhrman (eds.): Diachronic and Typological Perspectives on Verbs [SLCS 134], Amsterdam: John Benjamins, 2013, pp Grønn, Atle. Adjuncts, attitudes and aspect: Some additions to a tense theory for Russian (with Arnim von Stechow), Oslo Studies in Language, 4(1), 2012, pp Grønn, Atle. byvalo and used to as verbal quantifiers, Slovo, , pp Grønn, Atle. Future vs. Present in Russian and English adjunct clauses (with Arnim von Stechow), Scando- Slavica, 57(2) 2011, pp Grønn, Atle. Korpus''t RuN-Euro: Razvitie i prilozhenija (with Kjetil Rå Hauge), B''lgarski ezik, 58(3) 2011, pp Grønn, Atle. Russkij jazyk v kontrastivnom aspekte vzgljad so storony korpusa RuN (with Olga Klonova), Oslo Studies in Language, 2(3), 2010, pp Grønn, Atle. Russian in Contrast: form, meaning and parallel corpora (with Irena Marijanovic), Oslo Studies in Language, 2(1), 2010, pp Grønn, Atle. Complement Tense in Contrast: The SOT parameter in Russian and English (with Arnim von Stechow), Oslo Studies in Language, 2(1), 2010, pp

54 RuN-korpuset: noen avhandlinger Grønn, Atle. Aspect and tense in counterfactual main clauses: Fake or real?, in Josephson & Söhrman (eds.): Diachronic and Typological Perspectives on Verbs [SLCS 134], Amsterdam: John Benjamins, 2013, pp Jana Prušková, Kroppslige idiomer i russisk, norsk og tsjekkisk, MA thesis (Russian), Oslo 2013 Tim Roos, Izuchenie semantiki nachinatel'nosti i chistovidovoj funkcii pristavok za- i po- na osnove sopostavitel'nogo analiza russkogo i norvezhskogo jazyka, MA thesis (Russian), Oslo 2012 Maria Filiouchkina Krave, Converbs in Contrast: Russian converb constructions and their English and Norwegian counterparts, PhD thesis (general linguistics), Oslo 2011 Per Byrkjeland, Tidsadverbial og aspektkonkurranse i russisk, MA thesis (Russian), Oslo 2011 Ieva Zigure Rise, En oversettelse av Ljudmila Ulitskajas novelle Zü-ürich og kommentar til oversettelsen, MA thesis (Russian), Oslo 2010 Ingeborg Eirinsdatter Fredriksen, Russiske oversettelser av det norske pronomenet man i skjønnlitterære tekster, MA thesis (Russian language), Bergen 2009

55 OMC-korpuset: avhandling Lande, Inna (2009) Subjektive Einstellungsberichte im Deutschen: Einstellungsverben und beurteilungsabhaengige Praedikate. MA thesis, ILOS, UiO. OMC-korpuset bok: (Mange artikler) Fabricius-Hansen, Cathrine; Haug, Dag Trygve Truslew. Big Events, Small Clauses. The Grammar of Elaboration. Walter de Gruyter 2012 OMC-korpuset: Artikler Behrens, Bergljot; Fabricius-Hansen, Cathrine. The relation Accompanying Circumstance across Languages. I: Contrasting Meaning in Languages of the East and West. Peter Lang Publishing Group 2009 Behrens, Bergljot; Schmiedtová, Barbara; Fabricius-Hansen, Cathrine; Hemforth, Barbara. Understanding coordinate clauses in Czech, English, German, and Norwegian. ICNGL 11; Ebeling, Jarle; Ebeling, Signe Oksefjell; Hasselgård, Hilde. Using recurrent word-combinations to explore cross-linguistic differences. I: Advances in Corpus-based Contrastive Linguistics: Studies in honour of Stig Johansson. John Benjamins Publishing Company 2013 Ebeling, Signe Oksefjell; Ebeling, Jarle; Hasselgård, Hilde. Aspects of corpus linguistics: compilation, annotation, analysis - Introduction. Studies in Variation, Contacts and Change in English 2012 ;Volum 12 Ebeling, Signe Oksefjell; Hasselgård, Hilde. CALL A corpus-based course in contrastive analysis and learner language.. NEW TRENDS IN CORPUS LINGUISTICS FOR LANGUAGE TEACHING AND TRANSLATION STUDIES. IN HONOUR OF JOHN SINCLAIR; Fabricius-Hansen, Cathrine. Adjectival/Participal Attribute in the discourse related Contrast (German- English/Norwegian). Deutsche Sprache 2010 ;Volum 38.(2) s Fabricius-Hansen, Cathrine. Deutsch im Kontrast - textbezogen. Germanistische Linguistik 2010 ;Volum s

56 OMC-korpuset: Artikler (forts.) Fabricius-Hansen, Cathrine. Kontrastive Analyse Norwegisch-Deutsch. I: Deutsch als Zweit- und Fremdsprache. Ein internationales Handbuch. 1. Halbband.. Mouton de Gruyter 2010 Hasselgård, Hilde. Adjunct Adverbials in English. Cambridge University Press 2010 Helland, Hans Petter (2013). Non-finite adjuncts in French, In Terje Lohndal (ed.), In Search of Universal Grammar: From Old Norse to Zoque. John Benjamins Publishing Company. ISBN kapittel. s Haug, Dag Trygve Truslew; Fabricius-Hansen, Cathrine; Behrens, Bergljot & Helland, Hans Petter (2012). Open adjuncts: degrees of event integration, In Cathrine Fabricius-Hansen & Dag Trygve Truslew Haug (ed.), Big Events, Small Clauses. The Grammar of Elaboration. Walter de Gruyter. ISBN chapter 4. s Helland, Hans Petter & Pitz, Anneliese Pauline (2012). Open adjuncts: participial syntax, In Cathrine Fabricius-Hansen & Dag Trygve Truslew Haug (ed.), Big Events, Small Clauses. The Grammar of Elaboration. Walter de Gruyter. ISBN Chapter 3. s Helland, Hans Petter (2010). Control in a cross-linguistic perspective: French-Norwegian. Lingvisticæ investigationes. ISSN (2), s Ramm, Wiebke; Fabricius-Hansen, Cathrine. Deutsche und norwegische Nominalflexion im Kontrast: Possessiva und nominale Pluralbildung. I: Flexionsmorphologie des Deutschen aus kontrastiver Sicht. Tübingen: Julius Groos Verlag 2012 ISBN s

57 PROIEL-korpuset: Artikler Eckhoff, Hanne Martine; Haug, Dag Trygve Truslew. Aligning Syntax in Early New Testament Texts: the PROIEL Corpus. Wiener Slavistischer Almanach 2010 Eckhoff, Hanne Martine; Haug, Dag Trygve Truslew; Majer, Marek. Making the Most of the Data: the PROIEL Corpus of Old Indo-European Bible Translations. Practical Applications in Language and Computers; 2009 Haug, Dag Trygve Truslew; Jøhndal, Marius; Eckhoff, Hanne Martine; Welo, Eirik; Hertzenberg, Mari Johanne Bordal; Müth, Angelika. Computational and Linguistic Issues in Designing a Syntactically Annotated Parallel Corpus of Indo-European Languages. Traitement Automatique des Langues 2009 ;Volum 50. Haug, Dag Trygve Truslew; Eckhoff, Hanne Martine; Majer, Marek; Welo, Eirik. Breaking down and putting back together: analysis and synthesis of New Testament Greek. Journal of Greek Linguistics 2009 ;Volum 9.(1) s Haug, Dag Trygve Truslew; Jøhndal, Marius. Creating a Parallel Treebank of the Old Indo-European Bible Translations. I: Proceedings of the Sixth International Language Resources and Evaluation (LREC'08). Paris: European Language Resources Association (ELRA) 2008 ISBN Haug, Dag Trygve Truslew. Open verb-based adjuncts in New Testament Greek with a view to the Latin Vulgate translation. I: Big Events, Small Clauses. The Grammar of Elaboration. Walter de Gruyter 2012

58 Nordic Dialect Corpus: Artikler Eyþórsson, Þórhallur; Johannessen, Janne Bondi; Laake, Signe; Åfarli, Tor Anders. Dative case in Norwegian, Icelandic and Faroese: Preservation and non-preservation. Nordic Journal of Linguistics 2012 ;Volum 35.(3) s : Garbacz, Piotr. Verbkongruens och bisatsordföljd i nordiska dialekter. Røyneland, Unn & Hans-Olav Enger (red.), Fra holtijar til holting: språkhistoriske og språksociologiske artikler til Arne Torp på 70- årsdagen. Oslo: Novus forlag, s : Johannessen, Janne Bondi and Bert Vaux Retroflex Variation and Methodological Issues: A Reply to Simonsen, Moen and Cowen (2008). Journal of Phonetics, : Vangsnes, Øystein A. Syncretism and functional expansion in Germanic wh-expressions. Language sciences (Oxford) 2013 ;Volum 36. s : Priestley, Joel; Johannessen, Janne Bondi; Hagen, Kristin A multilingual speech corpus of North- Germanic languages. In Mello, Heliana; Pettorino, Massimo; Raso, Tommaso (eds.): Proceedings of the VIIth GSCP International Conference : Speech and Corpora. Firenze University Press, s : Johannessen, Janne Bondi; Priestley, Joel; Hagen, Kristin; Nøklestad, Anders; Lynum, Andre The Nordic Dialect Corpus. In Calzolari, Nicoletta; Choukri, Khalid; Declerck, Thierry; Ugur Dogan, Mehmet; Maegaard, Bente; Mariani, Joseph; Odijk, Jan (eds.): Proceedings of the Eighth International Conference on Language Resources and Evaluation. European Language Resources Association, s : Johannessen, Janne Bondi Har ru bursdag? Da ska re feires! Om isoglossene for r-initielle funksjonsord. In Røyneland, Unn and Hans-Olav Enger (red.): Fra holtijar til holting. Språkhistoriske og språksosiologiske artikler til Arne Torp på 70-årsdagen, s Novus forlag. 2011: Johannessen, Janne Bondi; Garbacz, Piotr. Fältarbete med Nordic Dialect Corpus. Acta Academiae Regiae Gustavi Adolphi 2011 ;Volum 116. s : Johannessen, Janne Bondi, Joel Priestley, Kristin Hagen, Vangsnes, Øystein A.. A linguistics-based speech corpus. In Best Practices for Speech Corpora in Linguistic Research (ISBN ).

59 Nordic Dialect Corpus: Artikler forts Johannessen, Janne Bondi. Han professoren og sånn festskrift om modale determinativer. I: Grammatikk, bruk og norm. Festskrift til Svein Lie på 70-årsdagen, 15. april Novus Forlag 2011: Johannessen, Janne Bondi, Vangsnes, Øystein A. Reconciling corpus and questionnaire data in microcomparative syntax: A case study from Scandinavian. In F. Gregersen et al. (eds.) Language Variation - European Perspectives III. John Benjamins, Amsterdam, : Vangsnes, Øystein A. Eigedomspronomen og ein trikkeførars kamp mot ukorrekt språk. I Språkleg toleranse i Noreg: Norge, for faen! Samlaget, Oslo, : Vangsnes, Øystein A. «Hvorfor klarer ikke østlendinger å bruke spørreord riktig?». I Språkleg toleranse i Noreg: Norge, for faen! Samlaget, Oslo, : Vangsnes, Øystein A. Korsn korsn har nordnorsk?. Om bruken av korleis saman med substantiv i norske dialektar. Ottar 2:2012: Available online at : Vangsnes, Øystein A., Johannessen, Janne Bondi. Nye nordiske isoglossar: Dialektforsking ved bruk av Nordic Syntactic Judgments Database (NSJD). In Svenska Landsmål och svenskt folkliv, 2011: : Vangsnes, Øystein A, Marit Westergaard, Terje Lohndal. Norwegian som: The complementizer that climbed to the matrix Left Periphery and caused Verb Second violations. In V. Bianchi (ed.) Internet Celebration for Luigi Rizzi s 60th birthday, CISCL, University of Siena ( 2012: Vangsnes, Øystein A. Ka (me) gratulasjona han fekk! Kvantorløse mengdeutrop i nordnorsk og svensk. In H-O Enger et al. (eds.) Grammatikk, bruk og norm. Festskrift til Svein Lie pa 70-a rsdagen, 15. april Novus, Oslo, : Vangsnes, Øystein A., Hvat fyri hvør? Ei samanlikning av spørjande nominalfrasar i vestnordisk med vekt på færøysk. In G. Akselberg and E. Bugge (eds.) Vestnordisk språkkontakt gjennom 1200 år. Fróðskapur, Faroe University Press, Tórshavn, : Åfarli, Tor A. og Eldfrid Haaker Fjøsne. Weak Dative Case in Norwegian Dialect Syntax. Studia Linguistica

60 Corpus of American Norwegian Speech / tilgjengelige opptak av norsk i Amerika: Tidsskrift, eget spesialnummer: 2012: Johannessen, Janne Bondi; Salmons, Joseph C Spesialnummer om norsk i Amerika, Norsk lingvistisk tidsskrift; Volum 30.(2) (12 artikler) Bok 2014: Janne Bondi Johannessen & Joseph Salmons (eds.): Germanic heritage languages in North America: Acquisition, attrition and change. John Benjamins Publishing. (Estimated 375 pages) 2011: Johannessen, Janne Bondi,; Laake, Signe. Den amerikansk-norske dialekten i Midtvesten. Acta Academiae Regiae Gustavi Adolphi 2011 Avhandlinger: 2013: MA: Melinda Fuchs, MA: "Norwegian in the United States - Word Order in subordinate Clauses in a Norwegian Dialect in Wisconsin. Universitetet i Zürich. 2013: MA: Sunniva Strømsvåg: Syntaktisk attrisjon i amerikanorsk. NTNU Glossa: Artikkel 2012: Johannessen, Janne Bondi. The Corpus Search and Results Handling System Glossa. Chung-hua Buddhist Journal Tagger: Artikkel Johannessen, Janne Bondi; Hagen, Kristin; Lynum, André; Nøklestad, Anders. OBT-stat A combined rule-based and statistical tagger. I: Exploring Newspaper Language. Using the web to create and investigate a large corpus of modern Norwegian. John Benjamins Publishing Company 2012 ISBN s

61 Norsk Talespråkskorpus Oslodelen (NoTa-Oslo): avhandlinger NTNU: 2013: Mari Nygård (ph.d.): Discourse ellipsis in spontaneously spoken Norwegian. Clausal architecture and licensing conditions UiT: 2013: Christine B. Østbø Munch, PhD: North Germanic Negation. A Microcomparative Perspective m.fl. Norsk Talespråkskorpus Oslodelen (NoTa-Oslo): bok Janne Bondi Johannessen og Kristin Hagen (red.): Språk i Oslo. Ny forskning omkring talespråk. Novus forlag 2008, Oslo.

62 Vedlegg 2: Noen avhandlinger veiledet av Janne Bondi Johannessen (de fleste med bruk av Tekstlabens ressurser) I år: Emiliano Guevara, PhD, thesis: Linguistically aware Word Space Models: multiword expressions and wordinternal structur Åshild Søfteland, PhD, thesis: Subjektstypologi i norske dialekter 2012: Karine Stjernholm, PhD, Thesis: Stedet velger ikke lenger deg, du velger et sted (Supervision shared with Unn Røyneland) 2012: Eivor Finset Spilling. En korpusbasert undersøkelse av talespråk. MA, Scandinavian Linguistics 2011: Beate Taranrød, MA Linguistics, thesis: Leddstillingen i leddsetninger i amerikansknorsk. 2011: Eirik Olsen, MA Linguistics, thesis: Frekvenseffekter ved r-sandhi i oslomålet: en studie av distribusjonen til apikalisering og r-bortfall. 2010: Stig Rognes, MA Scandinavian linguistics. Thesis: V2, V3, V4 and maybe even more. The syntax of questions in the Rogaland dialects of Norwegian. 2010: Live Håberg, MA Scandinavian linguistics. Thesis: Den preproprielle artikkelen i norsk Undertittel: ei undersøking av namneartiklar i Kvæfjord, Gausdal og Voss 2010: Marius Olaussen, MA Scandinavian linguistics, thesis: Ei evaluering av talekvaliteten til den syntetiske stemmen Brage 2009: Ann Helen Lea, MA Scandinavian linguistics, thesis: Lånord i norsk talespråk [On English loanwords in Norwegian spoken language] 2009: Anders Nøklestad, PhD, thesis: A machine learning approach to anaphora resolution including named entity recognition, PP attachment disambiguation and animacy detection. (Shared supervision with Christer Johansson, UiB)

63 Vedlegg 3: Noen inviterte foredrag - Janne Bondi Johannessen (de fleste om Tekstlabens ressurser) Inviitert foredragsholder på endagskonferanse: Nordiska perspektiv på korpusforskning; Sammenligning av tale- og skriftspråkskorpus. Det svenska litteratursällskapet, Helsingfors, Finland Invitert av Oslo Mållag, Kampen bydelshus: Oslomålet held på å dævve. 21. Jan Invitert foredragsholder på Languages Abroad: workshop on heritage languages, Gothenburg, October The Norwegian language of the American Midwest anno 2012: One major variety. Invitert foredragsholder på the language history seminar Talemålsutviklinga i Norge etter November 2012, Bergen. Invitert foredragsholder på NAHA Norway Conference, 15. June 2011, Luther College Decorah, Iowa, USA. Foredrag: The Norwegian Language of the Midwest: Old-fashioned, Standardised or Anglicised? Invitert foredragsholder på the University of Wisconsin Madison, USA. 9. March Talk: Collecting language data and developing advanced research tools Invitert guest lecturer at King s College, University of Cambridge, UK. 19. Feb Corpus development. Invitert guest lecturer at The Maling Seminar, University of Iceland, Reykjavik, 30.Nov 1.Dec Foredrag: Dative in Norwegian: Evidence from four dialects. Invitert foredragsholder på SALT corpus workshop, Uppsala University, Sweden, 4. Dec Talk: Speech corpora. Invitert foredragsholder på Swedish Language Technology Conference, Stockholm, Sweden Nov Foredrag: The Swedish Treebank from a Norwegian point of view. + Anders Nøklestad: invitert til å presentere Glossa2 på Annual CLARIN Meeting 2013 in Prague (EUprosjekt), oktober 2013 (