Kvantitativní analýza žánrů. Radek Čech & Miroslav Kubát

Transkript

1 Kvantitativní analýza žánrů Radek Čech & Miroslav Kubát

2 Východiska 1. jazyk jako projev chování 2. jazykové chování ovlivněno pragmatickými faktory (kontextem) 3. některé kontexty se opakují a vykazují velmi podobné rysy uchazečský pohovor soudní přelíčení určitá zaměstnání (mluva řezníků vs. mluva realitních makléřů) žánry 4. pokud platí (1), (2) a (3), pak se dá předpokládat, že kontexty s podobnými rysy by měly podobně ovlivňovat jazykové chování různé kontexty by se měly projevovat v různém jazykovém chování tendence!!! 5. jde nám primárně o jazykovou analýzu

3 Vymezení měřitelných vlastností kontextu kontext = soubor řady různorodých vlastností cíl komunikace věk, vzdělání mluvčího/pisatele věk, vzdělání posluchače/čtenáře prostředí (hospoda, posluchárna, soudní síň ) momentální stav mysli denní doba, počasí, délka doby před výplatou, žízeň

4 Vymezení měřitelných vlastností kontextu smysluplnost praktická autorství (kriminalistika), didaktika teoretická styly, autorství (literární historie), žánry proveditelnost věk, vzdělání, identifikace mluvčího nálada, momentální stav mysli, žízeň nutný redukcionismus vzájemný vliv faktorů (žánry vs. autorství) některé faktory se zanedbávají (např. stav mysli, žízeň) = fluktuace

5 Vymezení měřitelných vlastností jazyka lingvisticky interpretovatelné slovní bohatství, tematická slova, tematická koncentrace, délka věty, distribuce slovních druhů lingvisticky neinterpretovatelné zpravidla desítky parametrů není jasný vztah mezi parametry ani jejich intepretace (např. n-gramy různých jazykových jednotek, faktorové analýzy)

6 Kvantifikace umožňuje vyjádřit velikost rozdílu mezi jednotlivými texty mezi skupinami textů formalizace nutí badatele k jasně vymezené operacionalizaci replikovatelnost

7 Proč analyzovat žánry kvantitativní analýzou jazyka? lingvista zkoumaní vlivu pragmatických faktorů (v tomto případě žánrů) na jazykové chování zkoumání míry vlivu pragmatických faktorů (žánrů) obecně zkoumání míry vlivu vzhledem ke zvoleným jednotkám fonologie lexikum morfologická komplexita syntax analýza na první pohled neviditelných vlastností jazykového chování

8 Proč analyzovat žánry kvantitativní analýzou jazyka? literární vědec/historik/kritik vzhledem k nejasnosti vymezení hranic a typů žánrů možná inspirace pro jejich třídění potvrzení/vyvrácení introspektivního hodnocení měření míry homogenity skupin textů nová klasifikace textů

9 co od ní nelze čekat interpretace vystihnutí podstaty žánru jasně danou klasifikaci žánrů vždy jde o tendence fluktuace redukcionismus Kvantitativní analýza žánrů

10 Stylistika Literárněvědná Lingvistická Kvalitativní Kvantitativní = stylometrie Zkoumání stylů (žánry, autoři, ) Klasifikace textů (deep learning)

11 Aktivita Q Poměr sloves V a sumy sloves V a adjektiv A v textu. Q = V V+A V počet sloves A počet adjektiv

12 Seřaďte žánry v korpusu KČ podle aktivity textu román povídka cestopis studie sloupek pohádka dopis báseň

13 AKTIVITA 0,75 0,70 0,65 0,60 0,55 0,50 0,45 0,40 0,35 0,30 pohádka povídka báseň román dopis sloupek cestopis studie

14 román povídka cestopis studie sloupek pohádka dopis báseň román x povídka 2,32 x cestopis 20,06 20,83 x studie 31,03 30,73 5,25 x sloupek 9,71 10,99 7,04 12,50 x pohádka 2,34 0,80 15,67 20,86 9,01 x dopis 3,25 5,09 15,46 23,77 6,53 4,32 x báseň 0,31 0,70 9,86 12,87 5,39 1,12 1,77 x

15 AKTIVITA 0,75 0,7 0,65 0,6 0,55 0,5 báseň pohádka povídka román dopis sloupek 0,45 0,4 0,35 cestopis studie 0,3 0,3 20,3 40,3 60,3 80,3 100,3 120,3 140,3 160,3 SUMA U

16 AKTIVITA 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0, SUMA U

17 AKTIVITA 1 0,9 0,8 0,7 0,6 0,5 POHÁDKA DOPIS STUDIE CESTOPIS POVÍDKA BÁSEŇ 0,4 0,3 0, SUMA U

18 Moving Average Morphological Richness (MAMR) MAMR L = MATTR(L) word MATTR(L) lemma MATTR L = σ N L i=1 Vi L(N L+1) L arbitrarily chosen length of a window, L < N N text length in tokens V i number of types in an individual window

19 Seřaďte žánry v korpusu KČ podle MAMR román povídka cestopis sloupek dopis

20 MAMR 0,110 0,105 0,100 0,095 0,090 0,085 0,080 0,075 0,070 0,065 0,060 dopis povídka sloupek román cestopis

21 MATTR 0,9 0,88 CESTOPIS 0,86 POVÍDKA 0,84 0,82 0,8 0,78 0,76 0,74 0,72 0,7 0,03 0,05 0,07 0,09 0,11 0,13 MAMR

22 Míra homogenity skupin textů

23 100,00 % 90,00 % 80,00 % 70,00 % 60,00 % 50,00 % 40,00 % 30,00 % 20,00 % 10,00 % 0,00 % Podíl signifikantních rozdílů aktivity v cestopisech KČ 20,94 % 13,85 % 13,12 % 17,33 % 2,94 % IL AL VDŠ OZH CNS

24 100,00 % 90,00 % 80,00 % 70,00 % 60,00 % 50,00 % 40,00 % 30,00 % 20,00 % 10,00 % 0,00 % 10,26 % Podíl signifikantních rozdílů aktivity v povídkách KČ 16,67 % Boží muka Trapní povídky Povídky z jedné kapsy 0,00 % 0,00 % Povídky z druhé kapsy

25 100,00 % 90,00 % 80,00 % 70,00 % 60,00 % 50,00 % 40,00 % 30,00 % 20,00 % 10,00 % 0,00 % Podíl signifikantních rozdílů STC v cestopisech KČ 34,00 % 30,30 % 24,30 % 25,74 % 4,76 % IL AL VDŠ OZH CNS

26 100,00 % 90,00 % 80,00 % 70,00 % 60,00 % 50,00 % 40,00 % 30,00 % 20,00 % 10,00 % 0,00 % Podíl signifikantních rozdílů STC v povídkách KČ 70,51 % 88,89 % 87,32 % Boží muka Trapní povídky Povídky z jedné kapsy 81,52 % Povídky z druhé kapsy

27 cechradek.cz miroslavkubat.webnode.cz Děkujeme za pozornost!