Корпусный анализ с нуля: AntConc, Sketch Engine и НКРЯ для курсовой работы

Работа с информационным потоком предполагает не просто общее восприятие темы, он и выделение наиболее существенных параметров, моментов. Порой в силу слишком большого объема ресурсов сделать это становится очень трудно. В этом деле на помощь студентам приходит так называемый корпусный анализ.

Понятие и особенности корпусного анализа как метод исследования

Выполнение курсовых работ и дипломов требует от универсанта умелой обработки первоисточников и вторичных материалов. Для подготовки столь серьезных трудов требуется много разной информации. Упростить ход ее изучения и дальнейшего применения поможет корпусный анализ (сокращенно КА). Он представляет собой специфический лингвистический инструмент, призванный провести научный анализ текста.

В основе корпусного анализа данных лежат следующие категории:

1. Корпус. Данная категория представляет собой набор текстов или совокупность различных (специально подобранных) фрагментов, которые распределены согласно требованиям системы, по определенным признакам и пр.
2. Разметка. Она предполагает присвоение каждому фрагменту или тексту определенной роли, функции. Разметка облегчает дальнейшую сортировку сведений. В каждом тексте есть внутренняя разметка, заданная автором в виде образов, ключевых слов, структурных особенностей, и внешняя – данная пользователем по мере восприятия, ассоциации данных и пр.
3. Репрезентативность. Эта характеристика позволяет определить информативность и читабельность материалов, возможности их совмещения или комбинирования, замещения и пр.
4. Полнота и достаточность информации. Данный параметр позволяет понять, хватает ли собранных материалов для раскрытия темы и обоснования выдвинутой гипотезы. То есть оценка проводится не только с количественной стороны, но и с качественной стороны.

Корпусный анализ при выполнении курсовых и дипломных работ чаще всего применяется целенаправленно. Он может быт ориентирован на разработку словарей с современной терминологией и ее расшифровкой, оценку синтаксических особенностей рукописей, проведение стилевого и жанрового мониторинга и пр.

Среди наиболее ярких особенностей инструмента можно отметить, что он полагается на реальные данные и конкретные факты: суть текста, лексические особенности, контекст и пр.

Рассматриваемый подход базируется на расчленении и сортировке располагаемой информационной базы по степени ее пригодности, уместности, важности. Благодаря ему студенту легче вникнуть в материал, определить его рол и место в новом исследовании, оценить качество и возможности применения.

Правила, виды и этапы корпусного анализа

Корпусный анализ представляет собой метод разбора данных, позволяющий не просто сосредоточиться на сути материала, но и выделении особенностей в выражении тех или иных моментов. С его помощью студент может подчеркнуть специфические черты исследуемого труда, проследить различные языковые изменения, провести параллель с похожими работами и отметить их сходства/отличия, оценить информативность и качество интерпретации данных и пр.

Корпусный анализ опирается на несколько подходов. Во-первых, это эмпирический. Он предполагает то, что студент будет опираться не просто на известные факты, но и на реальные данные – первоисточники. То есть он будет сосредоточен не просто на теории, а именно на изучении действительности. Для этого может потребоваться проведение наблюдений, опросов, анкетирования, эксперимента и пр.

Во-вторых, количественная оценка. Данный подход означает, что для выделения тенденций потребуется не только анализ качественных показателей, но и статистический учет фактов. То есть автор должен уметь преобразовывать информацию в количественный формат и математически точно, аргументированно подчеркивать соответствующие перемены.

В-третьих, контекстуальный подход. Он ориентирован на анализ материала в реальном времени, то есть оценку актуальности освещаемых параметров, определение степени их достоверности, связности с другими элементами и пр.

В-четвертых, диахронический и синхронный анализ. Этот прием нацелен на определение особенностей в развитии языка и определении современных тенденций в описании ситуации. То есть здесь во внимание принимается терминология и специфик построения текста.

Логика корпусного анализа может быть представлена в общем виде:

1. Подготовка. Ее суть заключается в планировании лингвистического исследования. На данной стадии важно разработать программу мероприятий и установить четкие границы: цель проведения КА, определение списка задач и вопросов (на которые нужно получить ответ), выбор типа корпуса (исследовательский, иллюстративный, динамический, параллельный или дискурсивный);
2. Формирование корпуса для исследования. Здесь важно уточнить язык исследуемых материалов, объем данных, приемлемые жанры или типы рукописей. То есть следует обозначить конкретные критерии: с какими текстами автору предстоит работать при написании курсовой, что его в них интересует и как это определить;
3. Разметка корпуса. Чаще всего работа с этим параметром сводится к комплексной оценке собранной информации с точки зрения морфологии, синтаксиса, семантики, лексики, метаданных и пр. То есть будет сделан акцент на конкретном срезе (корпусе) и выделены соответствующие особенности ресурсов.
4. Выбор способа проведения корпусного анализа. Здесь чаще всего достаточно взглянуть на тему. Примерный объем информационной базы и постараться адекватно оценить собственные силы. Допустим ручной и инструментальный способы. В первом случае студенту предстоит провести неоднократную вычитку текста и самостоятельно (на глаз) выделить соответствующие моменты. Второй вариант опирается на использование специальных ПО, которые следует тщательно настроить.
5. Сбор материалов для КА. Эта стадия предполагает тематический подбор материалов с учетом поставленных границ и ориентиров НИР, темы исследования. Здесь же можно произвести сортировку текстов и предварительно оценить частотность, общие лингвистические характеристики: стиль, жанров, лексический состав, морфологические особенности, синтаксическое преобладание, тональность или характер текста и др.
6. Анализ данных. Эта стадия предполагает выделение противоречий, тенденций. Особенностей в собранных материалах, проведение сопоставительных операций, анализ аномалий и/или исключений, объединение текстов и пр.
7. Интерпретация результатов лингвоисследования. Студенту предстоит описать и показать выявленные тенденции с помощью всевозможных таблиц, графиков, диаграмм и четкого, аргументированного анализа. То есть необходимо провести качественный анализ в корпусе, а заем количественный мониторинг для более точного обоснования результатов и выводов, коллокаций и пр.
8. Проверка. Она предполагает оценку выборки на репрезентативность, сравнительный анализ с аналогичными источниками для исключения противоречий и сомнительных моментов, учет установленных границ и параметров НИР, избранного подхода и метода.
9. Визуализация или оформление. Здесь автор курсовой работы распределяет собранный материал и полученные результаты согласно структуре курсовой работы. То есть проходи систематизация информации, выделение результатов и выводов, их емкое обоснование. Форматирование данных производится согласно нормам ГОСТ, регламентирующим курсовую работу. О них мы уже писали в нашем блоге ранее.

Таким образом, корпусный анализ потребует более тщательного подбора и переработки источников информации в рамках заявленной темы. Главное – выбрать конкретный корпус или набор корпусов для погружения и воспроизведения соответствующих манипуляций. Чтобы сделать правильные выводы, важно владеть соответствующими лингвистическими категориями и правилами.

Как проводить корпусный анализ с помощью AntConc?

Воспроизвести КА студенты могут с помощью специальных программ. Одним из универсальных решений такого плана является AntConc. ПО является доступным и бесплатным.

Работа в этом сервисе сводится к следующим действиям:

Шаг 1. Загрузка материалов. Для начала скачайте соответствующее приложение на свой ПК и запустите его. Затем перейдите на главную вкладку. Далее для загрузки отдельных файлов нужно выполнить команду Файл – Открыть и выбрать соответствующие документы, затем подтвердить операцию ОК.
Если же требуется сразу загрузить целую папку с документами, то итерация будет аналогичной Файл – Открыть папку – выбор папки.

На данной стадии следует обратить внимание на одно существенное условие: все файлы должны быть в формате *txt. AntConc работает только с этим расширением.

По мере загрузки файлы будут отражены слева, в колонке.

Шаг 2. Разбираемся с доступными инструментами. В данном случае пользователю следует внимательно изучить функционал программы, расположение команд и пр. Особое внимание уделим именно тем инструментам, которые пригодятся для анализа корпусов:

AntConc базируется на 7 основных опциях. Их легко можно активировать с помощью клавиш F1-F7. Давайте разбираться, что есть что:

• F1 – Concordance. Данный инструмент позволяет быстро найти конкретное слово в контексте. То есть он показывает, как и когда была употреблена лексема в определённом тексте. Программа произведет глубокий анализ данных и представит результат в виде небольшой таблицы: в одной колонке будет отмечено искомое слово, во второй — контекст (фрагмент с употреблением этого слова).
• F2 — Concordance Plot. Данный инструмент частоту и место употребления лексем в корпусах.
• F3 — File View. Это переход в полнотекстовый режим для изучения материала в целом. Он позволяет изучить всю информацию, определить суть, ключевые слова и параметры, моменты, результаты и выводы.
• F4 – Clusters. С помощью данной опции пользователь быстро сможет найти устойчивые словосочетания или наиболее часто употребляемые авторов выражения. Длину поискового выражения можно уточнить в настройках программы.
• F5 – Collocates. Данная парадигма призвана проанализировать коллокации, то есть определить ключевые и опорные слова, связанные с ними лексемы и выражения.
• F6 — Word List. Эта команда автоматически составит частотный словарь по исследуемому корпусу или материалу.
• F7 — Keyword List. Эта клавиша поможет автоматически сравнить корпуса. С ее помощью легче установить сходства и отличия между ними, особенности. Важно отметить, что сравнение проводится между основным корпусом (туда нужно будет загрузить соответствующий текст) и вспомогательным/справочный (туда тоже материал подгружается пользователем).

Также AntConc предлагает дополнительный инструментарий для проведения КА. Он носит уточняющий характер и позволяет найти однокоренные слова, выделить часто употребляемые выражения, произвести сортировку результатов мониторинга, экспортировать данные и пр.

Обратите внимание, что программа быстро определяет местонахождение интересующих моментов в документах, но анализ ситуации, ее дальнейшая характеристика-описание проводится человеком.

Тонкости проведения корпусного анализа с помощью Sketch Engine

Sketch Engine представляет собой онлайн-платформу, которая помогает пользователям быстро провести корпусный анализ текста. Сервис успешно работает с материалами на русском и иностранных языках. Всего он поддерживает 95 языков. В течение первого месяца инструменты предоставляются бесплатно. Далее – придется выбрать подходящий тариф с действующими ограничениями.

В числе основных функций, которыми пользуются студенты в рамках корпусного мониторинга в Sketch Engine можно отметить следующие:

• Word Sketch. Данная опция описывает контекст употребления искомых слов. То есть он выделяет запрос в тексте, по необходимости открывает соответствующий фрагмент для ознакомления, с помощью кнопки + можно выделить соответствующий скетч (слово или связку слов).
• Word Sketch Differences. Этот инструмент проводит сравнительный анализ скетчей. С его помощью можно оценить качество употребленных синонимов, выделить основной термин и его замены по тексту и пр.
• Thesaurus. Данная клавиша поможет составить список слов и отфильтровать их с учетом частоты употребления, определить неологизмы и пр.
• Trends поможет отследить изменение частотности употребления лексем в документе, проанализировать соответствующие показатели, оценить качество информации и ее доступность для пользователей.
• CQL (Corpus Query Language). Этот формат применим при работе с узкими терминами и словосочетаниями.

Для работы в Sketch Engine нужно сначала зарегистрироваться и получить доступ к личному кабинету. Далее следует зайти в него и настроить базовые параметры работы: язык, выбрать «рабочий корпус» или создать собственный и пр.

Чтобы загрузить собранные материалы для оценки, достаточно выполнить следующую команду: My corpora → New corpus. Далее достаточно настроить его по собственному усмотрению: выбрать язык, озаглавить, затем загрузить файлы (если их много, то лучше всего поместить их в zip-архив). Также внутри каждого корпуса можно завести «подкорпуса» ля более очного распределение информации.

Обратите внимание, что бесплатная версия имеет ряд ограничений: доступно 250 корпусов. Пользовательский корпус доступен в объеме не более 1 миллиона слов.

Проводить поиск данных можно дословно (то есть по отдельным словам) или по лемме (то есть по фрагменту слова, корню и пр.).

По результатам поиска сервис выделит искомые слова. Пользователь может конкретизировать их положение и контекст.

Экспорт данных производится в формате эксель или csv.

Корпусный анализ с НКРЯ

НКРЯ расшифровывается, как национальный корпус русского языка. Это крупнейший сервис, который аккумулирует в себе тексты на русском языке, начиная с XVIII века и вплоть до настоящего времени. Здесь собраны художественные и публицистические тексты научные работы, вырезки из фильмографии, диалектные материалы, деловые документы и пр. Все источники рассортированы по жанровым рубрикам, что упрощает их поиск.

Данный сайт предоставляет следующие возможности для своих пользователей:

• Лексический и грамматический мониторинг. С его помощью можно найти слова по соответствующим признакам, определить их созвучность, суть, особенности применения;
• Частотный анализ. Он предполагает подсчет количества употреблений определённых слов (или каждого). Притом оценка частотности производится не только по всему тексту, но и с учетом временного распределения (по годам), корпусам.
• Морфологический контроль. С его помощью пользователь может найти определённый фрагмент по леммам, части речи ил слова.
• «Похожие слова». Этот инструмент формирует список синонимов и альтернативных слов, употребленных в тексте.

Студент может экспортировать результаты КА в формате эксель или XML. Чтобы работать в НКРЯ было проще, лучше всего ознакомиться на ее официальном сайте с руководством-инструкцией. Там представлены все описания и скриншоты.

Возникли сложности?

Нужна помощь преподавателя?

Мы всегда рады Вам помочь!

научные статьи
ВКР
курсовые работы

Сравнительная характеристика AntConc, Sketch Engine и НКРЯ

Какой из сервисов выбрать студенту ля проведения корпусного анализа? Огласитесь, вопрос непростой. Давайте сопоставим условия и возможности работы на рассмотренных ПО.

У каждого ПО есть свои специфические черты и инструментарий. Подбирайте посильный и доступный для себя сервис. Лучше всего комбинировать их и поэтапно проводить КА, восполняя пробелы и получая новые факты, сведения.

Рекомендации по проведению корпусного анализа в курсовой работе

Проведение корпусного анализа потребует умения работать с большим потоком информации. Лучше всего в этом деле сочетать ручной и инструментальный способы переработки данных: ручной повысит контекстуальную составляющую, а инструментальный — облегчит количественный и математический поиск фактов для отражения изменений, особенностей, трендов и пр.

Рассмотренные нами инструменты по IT-мониторингу текстов облегчают ход КА. Они автоматизируют поисковые процессы и ускорят ход обработки данных.

Для простейшего анализа идеально подойдет программа AntConc. Ее чаще всего используют для первичной обработки текстов. Но для более детального разбора текстов лучше всего прибегнуть к более серьезным инструментам — Sketch Engine и НКРЯ.

Перед тем как приступить к работе в ПО, внимательно изучите его возможности, правила, требования к устройству и т.д.

Учтите, что результаты корпусного анализа вы можете скачать в определенном формате, но его анализ вам придется делать вручную. Поэтому тщательно разберитесь в каждом моменте. По необходимости можно привлечь ИИ, но полностью доверять ему не стоит.

Описание хода лингвистического исследования и полученных результатов в курсовой работе производится по общим правилам и гостам: в научном стиле. Корпуса, частотность, оценка синонимов и прочих особенностей приводится с помощью таблиц и графиков.

Студенту предстоит грамотно рассортировать и систематизировать собранный материал, отформатировать его с учетом методических рекомендаций и представить аргументированный анализ с констатаций четких результатов и выводов.