Příručka k morfologické anotaci textů nerodilých mluvčích češtiny

Transkript

1 Čeština nerodilých mluvčích z pohledu teoretického a komputačního Grantová agentura České republiky, projekt č S Příručka k morfologické anotaci textů nerodilých mluvčích češtiny VERZE 1.0, Svatava Škodová, Barbora Štindlová, Alexandr Rosen, Tomáš Jelínek, Barbora Vidová Hladká Obsah Obsah 1 Principy a pojmy 1.1 Originál a cílová hypotéza 1.2 Automatická anotace 1.3 Pojmy 1.4 Domény 1.5 Rysy 1.6 Více chyb v jednom slově 1.7 Více značek pro jednu chybu 1.8 Příklad postupu anotace 1.9 Dotazy, problémy, připomínky, návrhy 1.10 Texty k anotaci a anotační editor brat 2 Schéma anotace 2.1 Tři pohledy na anotovaný jev Umístění Lingvistická doména Doplňková charakteristika 2.2 Chyby v emendaci 3 Anotační značky 3.1 Přehled 3.2 Doména ORT ORTOGRAFIE (spelling)

2 3.2.1 Obecně Rysy ORT Příklady anotace chyb ve více doménách 3.3 Doména MPHON MORFONOLOGIE (morphonology) Obecně Rysy Příklady anotace chyb ve více doménách 3.4 MORPH MORFOLOGIE (morphology) Obecně Rysy Příklady anotace chyb ve více doménách 3.5 Doména SYN SYNTAX (syntax) Obecně Rysy SYN Příklady anotace chyb ve více doménách 3.6 Doména LEX LEXIKON (lexis) Obecně Rysy LEX Odkaz na předchozí verzi manuálu z Principy a pojmy 1.1 Originál a cílová hypotéza Při anotaci porovnáváme opravu a původní text. Vycházíme z porovnání originálu a cílové hypotézy, tj. z emendace, která je uvedena v řádku pod původním textem. Odlišné části původního textu anotujeme chybovými značkami. Značka se může týkat části slova, celého slova nebo i více slov. Jen ve výjimečných případech, kdy je emendace zcela chybná nebo kdy zcela chybný text není emendován vůbec, je možné opravit emendaci. Oprava emendace se provádí přímo v řádku emendace pod původním textem a využívají se pro to zvláštní značky (viz Tabulka 1). Po opravě emendace původní text anotujeme na základě opravené emendace. 1.2 Automatická anotace Původní text se anotuje automaticky ve dvou krocích: před ruční anotací a po ní. Výsledek prvního kroku se zobrazuje v anotačním editoru. Slova původního textu jsou rozdělena znakem * na kmen a afix(y). Rozdíly mezi emendovaným a původním textem jsou označeny jednou z možných chybových značek (viz Tabulka 1).

3 Automaticky přidělené značky začínají malým písmenem a, např. adia. Automatická anotace není zcela spolehlivá. Je ji třeba zkontrolovat a případně opravit. Často je třeba automaticky přidělenou značku doplnit další značkou. Zkontrolovat je třeba i části textu bez automatické anotace a případné chybějící značky doplnit. Automatická anotace také nereflektuje případné opravy emendace. Obvykle je tedy nutné ručně přidělit i značky, které se jinak přidělují automaticky. V druhém kroku automatické anotace, který následuje po ruční anotaci, se ruční anotace kontroluje a doplňuje o značky, které lze z existujících značek odvodit podle pravidel. Tento krok ale ještě nefunguje. Jeho implementace bude vycházet mimo jiné z ručně provedené anotace. Proto je zatím nutné ke každé chybě ručně doplnit všechny značky, které nebyly určeny automaticky v prvním kroku automatické anotace. Výjimkou jsou značky z domény ortografické a morfonologické. Je-li uvedena nějaká taková značka, není nutné doplňovat značku z druhé z těchto dvou domén, viz níže 1.7, druhá odrážka. 1.3 Pojmy doména (domain) = základní kategorie, do které jev/chybu řadíme rys (feature) = vnitřní diverzifikace subkategorií v doméně značka = kombinace domény a rysu (např. ORT>DIA); vzhledem k tomu, že rysy jsou jednoznačně identifikovány i bez uvedení domény, uvádíme značku často i bez určení domény (např. DIA) sekundární chyba = chyba, která vznikla až po opravě jiného tvaru neslovo (non-word) = výraz, který z formálního hlediska není správně utvořen morfologické neslovo = výraz, který není z formálního hlediska správně utvořen v tvarotvorném formantu (v koncovce; tvar není součástí paradigmatu daného slova) cizí slovo (foreign word) = cizí / neznámý výraz (vč. kontaminace českého a cizího pravopisu) 1.4 Domény 5 lingvistických domén: ortografie (ORT), morfonologie (MPHON), morfologie (MORPH), syntax (SYN), lexikon (LEX). Jevy/chyby přiřadíme k doméně a následně je blíže specifikujeme pomocí rysů dané domény. Každé chybě musíme přiřadit nějakou doménu. Pokud je dále rozčleněna, musíme zvolit také rys domény. Někdy je třeba zvolit u jedné domény více než jeden rys. 1.5 Rysy Rys určujeme spolu s doménou. Je-li automaticky určena doména, je spolu s ní určen i rys, např.: ORT>CAP = velká písmena MPHON>EP = epenteze MPHON>METAT = metateze

4 Značky pro rysy jsou jedinečné, daná značka se neopakuje v jiné doméně. Proto se v anotačním editoru vybraná kombinace domény a rysu objeví v textu jen jako značka pro rys. 1.6 Více chyb v jednom slově V jednom slově se může vyskytnout více chyb, každá z těchto chyb se značkuje zvlášť. Např.: vidí de MPHON>SOFT deč ek SYN>DEP dě deč ka je z Č i MPHON>QUANT ně SYN>DEP Č íny o t MPHON>ASIM poč i MPHON>QUANT v uju MORPH>NAFF o d poč í v ám 1.7 Více značek pro jednu chybu O typu chyby většinou nelze jednoznačně rozhodnout. Jednu chybu je pak nutné anotovat ve více doménách současně. Přišlo mnoho lid i ORT>DIA + MPHON>QUANT + MORPH>INFL + SYN>DEP Přišlo mnoho lid í. Chybu lze považovat za ortografickou, morfonologickou, morfologickou i syntaktickou. Ručně ale doplňujeme jen chybu syntaktickou, všechny ostatní typy chyb se doplní automaticky před ruční anotací nebo po ní. Chyby doplněné před ruční anotací je však třeba zkotrolovat a případně opravit. Byl to sh MPHON>CTNR + LEX>FGN ok. Byl to š ok. Chybu interpretujeme jako morfonologickou: užití spřežky, ale také jako lexikální: užití základu cizího slova. Lexikální chybu obvykle označujeme na celém slově, ale pokud je takto kombinována s jinou chybou, označujeme oba typy na stejném úseku. V předzpracování je většinou automaticky určena chyba jen v jedné doméně (ORT, MPHON nebo LEX). Ručně doplníme jednu značku nebo více značek, kterou nebylo možné určit automaticky v předzpracování: Je-li automaticky určena značka z domény ORT, nemusíme doplňovat značku z domény MPHON. Je-li automaticky určena značka z domény MPHON, nemusíme doplňovat značku z domény ORT. Ručně určujeme všechny značky z domény MORPH a SYN. Z domény LEX určujeme všechny značky s výjimkou značky LEX>CHOICE. Může se stát, že automatická anotace rozdělí chybu, která logicky patří dohromady, na dvě dílčí chyby. Např. s ů l s o l i mohou být dvě chyby ů o a _ i. V tom případě je třeba automaticky vyznačené chyby odstranit, chybu vyznačit jednu a správně označkovat. trochu s ůl_ SYN>DEP, MPHON>ALT trochu s o l i Někdy používáme pro jednu chybu více rysů z jedné domény. Na rozdíl od specifikace rysů z různých domén to však nemusí znamenat, že typ chyby nedokážeme určit, ale naopak, že anotaci chyby zpřesňujeme. Např. pro chybu ve znělosti sykavky ( pře z pře s ) použijeme dvě značky z domény MPHON současně: SIB a ASIM.

5 Pokud pro jednu chybu v anotaci použijeme více domén (a rysů), nezáleží na pořadí, v jakém domény přidělíme. V anotačním manuálu je na prvním místě doména, kterou v daném místě popisujeme. Chyby se mohou i překrývat. Úsek označený jednou chybou může být delší než úsek označený jinou chybou. To se týká např. ortografických nebo morfonologických chyb v kombinaci s chybou složeného slovesného tvaru nebo chybou celé konstrukce. V konfiguraci anotačního editoru brat jsou nastaveny povolené kombinace značek pro 1 jeden anotovaný úsek i pro navzájem se překrývající úseky. Pokud si brat při použití rozumné nebo doporučené kombinace postěžuje chybovou hláškou a značky zobrazí s červeným pozadím, ponechte úsek takto označený, ale incident oznamte ve fóru. 1.8 Příklad postupu anotace 1. Před ruční anotací, tj. po automatickém předzpracování: uč í ORT>DIA telka uč i telka to je hezk y ORT>DIA muž to je hezk ý muž 2. Po ruční anotaci, tj. co anotujeme ručně: uč í ORT>DIA + MPHON>QUANT telka uč i telka hezk y ORT>DIA + MPHON>QUANT + MORPH>NAFF + LEX>POS muž hezk ý muž 1.9 Dotazy, problémy, připomínky, návrhy Návrh anotace neřeší všechny hypotetické případy, které se můžou vyskytnout. Ty řešíme operativně v diskusním fóru Anotace češtiny jako L2. Je možné také přidávat poznámky přímo k tomuto textu ( P2E/edit?usp=sharing ) 1.10 Texty k anotaci a anotační editor brat Adresáře Anna, Daniela (pro anotátory) a Pískoviště (pro ostatní členy týmu) Pro začátek máte každý ve svém adresáři stejné texty. První kroky s bratem 2 1. V prohlížeči otevři 2. Klikni na adresář pojmenovaný tvým jménem. 3. Double-klikni na první soubor v seznamu. Dokument se otevře (takto otevřeš libovolný soubor). 1 Tabulka dvojic značek, které se mohou kombinovat, je zde: Kombinace značek. V průsečíku řádky se značkou A a sloupce se značkou B je uveden druh relace overlap mezi nimi: e ( equal ) A a B mohou označovat stejný úsek, c ( contain ) A může označovat větší úsek než B, /c B může označovat větší úsek než A. 2 Editor brat funguje nejlépe v prohlížeči Chrome. V jiných prohlížečích se nemusí chovat zcela předpisově. Např. v Safari nelze mazat značky.

6 Anotace chyb se šipkami (v přehledu chyb označených znakem >) Příklad s opravou slovosledu značka wo : Ve větě A B C D E F chceme naznačit přesun slova D před slovo B : 1. Anotuj slova B a D značkou wo. 2. Levým tlačítkem myši klikni na slovo D, tlačítko drž a posuň myš na slovo B. Vytvoří se šipka ve směru od D k B. 3. Šipku, tj. posun lze udělat oběma směry Pozn.: V bratu je možné vytvářet relace pouze mezi anotacemi. Proto je nutné nejdříve anotovat slova, u kterých je chyba ve slovosledu. Pokud chcete anotaci chyby ve slovosledu odstranit, nejdříve odstraňte šipku a následně anotace wo. U dalších chyb, které mohou označovat dvě a více slov nestojících vedle sebe, je postup stejný. Jediný rozdíl je, že nezáleží na směru šipky. Pracovní dokument: Anotace v bratu 2 Schéma anotace 2.1 Tři pohledy na anotovaný jev Schéma anotace vychází ze tří pohledů na anotovaný jev: Umístění Prefix / kmen / sufix Slova původního textu jsou v anotačním editoru automaticky rozdělena na morfémy: prefix (pokud ho tvar má), kmen (který dále nedělíme) a tvarotvorný sufix, případně dva takové sufixy: někd*o, nej*důležitějš*í, ne*zvyk*l*i. Zejména u chybných slov můžou být hranice morfémů určeny chybně nebo můžou úplně chybět. V takovém případě je úkolem anotátora to opravit (viz níže značka XSEG ). Takto ale opravujeme jen tvary, ve kterých chyboval už autor textu. U správných tvarů segmentaci na morfémy neopravujeme. Označení hlásek, kterých se chyba týká Značky se mohou týkat části slova, třeba jen jedné hlásky, nebo celého slova. U chybného tvaru anotujeme jen hlásky (písmena), kterých se chyba týká. Pokud se ale chyba týká celého tvaru (např. lexikální záměna, viz níže značka CHOICE ), anotujeme celý tvar. Chybná část slova se často kryje s morfémem: zůstan* ě. Nemusí to tak ale být vždycky: v ý pr a vě*t. Někdy se značka týká chybějícího slova nebo jeho části. Chybějící slovo nebo část slova jsou v původním textu vyznačeny podtržítkem, které označujeme jako každý jiný znak. Ručně ale podtržítko vložit nejde, ani ho nejde smazat. Když chci vyznačit chybějící

7 hlásku a není tam podtržítko, vyznačím na obou okolních písmenech, v případě začátku slova na prvním, v případě konce slova na posledním. Některé značky se vztahují ke dvěma i více slovům, která stojí vedle sebe nebo jsou od sebe oddělena. Slova stojící vedle sebe označujeme danou chybovou značkou jako souvislý úsek, slova stojící odděleně označujeme chybovou značkou každé zvlášť a spojujeme šipkami. V tomto textu vyznačujeme souvislé úseky anotované jednu chybou hranatými závorkami, např. [ na SEC menz u SYN>DEP ] MORPH>PREP do menz y Lingvistická doména Ortografie (ORT) Morfonologie (MPHON) Morfologie (MORPH) Syntax (SYN) Lexikum (LEX) Jedna chyba může být anotována současně ve více doménách. Každá doména je dále specifikována rysy. V anotovaném textu jsou uvedeny jen značky rysů, nikoli domén. To nevadí, protože žádná značka rysu se nevyskytuje ve více doménách. Přehled značek podle domén a rysů viz níže Tabulka 1. Podrobný popis všech značek viz část 3 Anotační značky Doplňková charakteristika Všechny následující značky se mohou kombinovat s libovolnou doménou. REG = registr (styl) Nekompatibilita jazykového prvku se spisovným územ (na rovině fráze, lexému, gramému). Koláč je dobr ej. Přijdu s rodič e ma. To je ale maglajz. SEC = sekundární chyba Chyba, kterou žák neudělal přímo a která vznikla až na základě emendace chyby na vyšší úrovni. Jde [ na SYN>DEP menz u SEC ] MORPH>PREP Jde do menz y. Obě slova anotujeme zvlášť (SEC, SYN>DEP) i jako úsek (MORPH>PREP). P ředložka na se v příkladu správně pojí s akuzativem. Žák použil správný pád substantiva ve vztahu k předložce, ale předložku zvolil chybně. Správná vazba je jít do menzy. S předložkou na se substantivum menza pojí po slovesech pohybu. Po opravě chybné předložky vznikne chyba v pádové koncovce. Saná má [ úžasn ý SEC klima t LEX>CHOICE ] MORPH>FLEX Saná má úžasn é klima. V tomto příkladu vznikla sekundární chyba záměnou lexému s odlišným rodem. PROBL = problematické a obtížně identifikovatelné chyby

8 Anotátor by se měl rozhodnout pro přiřazení domény a rysu (pokud je v MORPH >FLEX + SYN > DEP doméně k dispozici). Značku používejte minimálně, tj. opravdu v nouzových případech! Pokud si pouze nejste jisti, raději chybu konzultujte. XXX = nespecifikovaná chyba Používá se v předzpracování pro obecné označení chyby, kterou program Anotátor musí určit, o jakou chybu jde. 2.2 Chyby v emendaci Pokud je emendace (tedy druhý řádek textu) zcela chybná nebo zjevnou chybu ignoruje, je nutné emendaci opravit. Mělo by se tak dít až po zralé úvaze a jen v dobře zdůvodněných případech. V Tabulce 1 jsou tyto značky zařazeny formálně pod další doménou jménem EMEND. LINS = left insert; vložení vlevo od označeného slova V anotačním editoru nelze vkládat nová slova. Slovo, před které chceme vložit slovo nebo interpunkční znaménko, označíme touto značkou a do poznámky uvedeme vložené slovo. Babička jmenuje LINS:se Helena. Babička se jmenuje Helena. RINS = right insert; vložení vpravo od označeného slova Pro vložení slova na konec věty za poslední slovo je třeba místo LINS použít RINS. Slovo, za které chceme vložit nové slovo nebo interpunkční znaménko, označíme touto značkou a do poznámky uvedeme vložené slovo. Kde pracuješ RINS:? Kde pracuješ? REPL = replace; oprava emendace Opravit můžeme jedno slovo i více slov. Označíme celé slovo nebo více chybně emendovaných slov a opravu uvedeme do poznámky. Tímto způsobem opravujeme i chybně rozdělená a spojená slova. [ To chle ] REPL:Tohle je špatně. Tohle je špatně S opravenou emendací je třeba při následné anotaci zacházet jako se skutečnou emendací, tedy určovat chyby na základě srovnání mezi původním slovem a slovním tvarem v opravené emendaci. 3 Anotační značky 3.1 Přehled

9 Anotační schéma zahrnuje značky uvedené v Tabulce 1. Vysvětlení obsahu a rozsahu jednotlivých značek včetně podrobné exemplifikace následuje za tabulkou. Všechny domény jsou tučně. Rysy uvedené tučně se přidělují automaticky v předzpracování, v automaticky zpracovaném textu v bratu je jejich kód uveden s malým a na začátku, tedy např. takto: adia. Pokud je automaticky přidělený kód správně, není třeba ho upravovat na jeho manuální verzi, tedy např. adia na DIA. U všech automaticky přidělených kódů se po manuální anotaci počáteční a samo smaže. Znaky za glosou: pro specifikaci chyby je nutné využít pole pro poznámku značku je třeba používat jen v opravdu nezbytných případech!! značku je nutné nahradit ^ značkou je možné označit více slov jako spojitý úsek > značkou je možné označit více slov jako spojitý úsek nebo je možné více slov označených touto značkou spojit šipkami Tabulka 1: Přehled značek DOMÉNA RYS GLOSA ORT pravopis IY MNE U DIA GEM SUBST CAP PUN SEG i/y mě/mně ú/ů jiná chyba v diakritice zdvojené hlásky jiná záměna při stejné výslovnosti velká/malá písmena interpunkce hranice slova ^ MPHON morfonologie VOC ASIM NASIM SIB PAL SOFT QUANT MET vokalizace znělost v asimilační pozici znělost v neasimilační pozici sykavky, afrikáty palatalizace g/k/ch, l/r měkčení ě, d, t, n délka samohlásky metateze

10 EPENT epenteze PROT protetické v- CNTR ALT CHAR spřežky jiné záměny hláska navíc/chybí MORPH morfologie NAFF afix1 nekompatibilní s kmenem VBX složené slovesné tvary > RFL vztažné tvary FLEX flexe > PREP předložka > SYN syntax AGR DEP SUBJ COMPL COP CONST CONJ shoda rekce podmět předmět spona jiný větný člen spojka WO slovosled > LEX lexikální vlastnosti CHOICE ASP MOD NEG COIN FGN USE POS záměna lexému vid modální sloveso negace novátorská slovotvorba cizí/neznámý výraz dubletní tvary slovní druh PHR konstrukce > EMEND oprava emendace LINS vložit před RINS vložit za REPL oprava slova ORD oprava slovosledu > ZNAČKY PRO VŠECHNY DOMÉNY REG registr

11 SEC LTAG sekundární chyba chyba na předchozím chybějícím slově... PROBL problém XSEG XXX oprava segmentace prefix/kmen/sufix neurčeno!! 3.2 Doména ORT ORTOGRAFIE ( spelling ) Obecně Chyby, které jsou pouze pravopisného charakteru, tj. ovlivňují grafickou podobu slova, nikoliv jeho výslovnost. 1. Chyby ORT mohou být v libovolném segmentu (ve kmeni i v koncovce): de nn ORT > GEM ík z p ORT > CAP rahy de n ík z P rahy naše dí tie ORT > MNE naše dí tě 2. V zásadě to, co není slyšet. 3. Značky z domény ORT jsou dány hlediskem formálním, grafickým, nejde tedy o gramatickou chybu ve smyslu úzce gramatickém. 4. ORT neužíváme, pokud oprava typu ORT nevede k tvaru cílové hypotézy. Např.: Mám hlad, protoze LEX>CHOICE jdu na oběd Mám hlad, proto jdu na oběd neznačkujeme ORT Mluvili o míst ámi MORPH>NAFF + SYN>DEP míst ech neznačkujeme ORT Neděláme tedy dvojí hypotézu, tj. neopravuje ve více krocích nejdříve na správný chybný tvar ( protože, místy ) a pak na správný správný tvar. 5. Do ORT nepatří jakákoli záměna jakýchkoli znaků s jakýmikoli jinými. ORT jsou jen drobné, nevýznamné chybky, které by leckdy mohl udělat i rodilý mluvčí. Ne záměny celých kořenů slov apod Rysy ORT IY MNE y i, i y po obojetných souhláskách (i v koncovce): anal i zovat, odpov ý dají, m i šlenka, bab y čka, viděl víl i mě mně : záměna jevů, která nevede k odlišné výslovnosti: ňe ně, mě mně, mně mě, ďe dě, ďi di, ďy di, nje ně, nie ně, je ě, tji ti (měkčení): dít ie, n je kdo, t j išeji, m n ěsíc, j ě dí, p je t rohlíků, ob ě t náměstí, kon ie, ď ítě, dí ťe

12 U DIA GEM SUBST CAP PUN SEG ú ů: záměna ú ů, tj. chybný výběr diakritického znaménka při zachování kvality hlásky: p ú jdu, ů zký, dom ú jiná chyba v diakritice: ob ˇj et (gemination) zdvojené hlásky, i ty, co jsou příp. slyšet, tj. včetně těch na morfematickém švu: de nn ík, pa n a, ro z lobit, o d álit (substitution) jiná záměna při stejné výslovnosti: y ako, dal to Mari j i (capitalization) velká/malá písmena: p raha, M aminka (punctuation) interpunkce (v textu chybí nebo přebývá) (segmentace) hranice slov: ne jsem, byses, přišel smaminkou Příklady anotace chyb ve více doménách Chyby anotované v doméně ORT + v nějaké další doméně/doménách. Pořadí domén je libovolné. Kombinace se záměnou lexému: ORT>SUBST + LEX>FGN byl to sh ok Záměna i/y v tvarotvorných segmentech po obojetných hláskách: ORT>IY + MORPH>FLEX + SYN>DEP miluju ps i ORT>IY + MORPH>FLEX + SYN>AGR spolužačky přijel i na návštěvu ORT>IY + MORPH>NAFF + SYN>DEP nemá vlas i potkal víl i 3.3 Doména MPHON MORFONOLOGIE ( morphonology ) Obecně Jevy, které u cizinců mění výslovnost slova. Změnu výslovnosti charakterizujeme na základě zkušeností s výslovností jinojazyčných mluvčích, tj. ne všechny jevy přiřazené k doméně musí být rodilým mluvčím vnímány jako nutná změna výslovnosti. v lednič k MPHON>PAL e v lednič c e vidím ptáč e MPHON>EPENT ka vidím ptáčka Rysy

13 VOC ASIM NASIM SIB PAL SOFT QUANT MET EPENT PROT CNTR ALT CHAR (vocalization) vokalizace v Vietnamu, z školy, přijď s e Marií, v škole znělost v asimilační pozici g dyž k dyž, no z no s neznělost v asimilační pozici k t yž k d yž, kdy š kdy ž, hra t hra d, po t židlí po d židlí, be s tebe be tebe, f kruhu v kruhu znělost v neasimilační pozici g rad h rad, u g lí u h lí, vý h odní vý ch odní, ro g lík ro h lík, b od židlí p židlí neznělost v neasimilační pozici u ch lí u h lí, ch lídám ch lídám, ro ch lík ro h lík, s jišťovat z jišťovat 3 (sibilanty) záměna sykavek, afrikát bez vaje s bez vaje c, no c no s, mu c ím mu s ím palatalizace g/k/ch, l/r v lednič k e v lednič c e, v člán ke ch v člán cí ch, dvě ru k e dvě ru c e, k ru k ru c e, v pá r e v pá ř e, v Pra h e v Pra z e, so š i so ch y měkčení ě, d, t, n t e lo t ě lo, d e deček d ě deček, t ě lefon t e lefon, n ě be n e be, v e da v ě délka samohlásky ve v ů ze, Pr á ha, uč í telka, poč i tač metateze (metathesis, r/l/m/n ) perma m entka perma n entka, lefr ektor refl ektor, ve rl yba, žl i čka, lor ák rol ák epenteze (epenthesis, vč. inovační, tj. vložené chybně; může být i -i- ) vidím p e sa, pro ptáč e ka, l e žička lžička, l i žička lžička protetické v- v okno, v objednat, v on, v ošklivej spřežky dě c ký dě ts ký, boha c tví boha ts tví, cz eský, mo rž e, bez bi cz e, byl to sh o byl to š ok jiné záměny k ou p to, nas ch edanou na s hl edanou 4 hláska navíc/chybí; vč. nevyslovovaných hlásek a vč. skupiny hlásek ro _ lík ro h lík, več _ ře več e ře, ne _ sem doma ne j sem doma, _ cera d cera, sed u m sedm, zm r_l ina zmr z lina, na s _ e danou na s hl edanou 3 Pokud se u sibilantu opravuje jen znělost, zmačkujeme jen jako ASIM nebo NASIM. 4 Chybějící hlásky se v původním textu vyznačují automaticky podtržítkem (viz příklady ro_lík a več_řei ). Pokud podtržítko chybí, označujeme chybou obě sousední hlásky, na konci nebo na začátku slova sousední hlásku. Viz Umístění.

14 3.3.2 Příklady anotace chyb ve více doménách Chyby anotované v doméně MPHON + v nějaké další doméně/doménách. Pořadí domén je libovolné. u chyb v kmeni ť e lo tě lo MPHON>SOFT + ORT>MNE m n ěsíc měsíc MPHON>SOFT + ORT>MNE u chyb ve formantu to mě nu ďý nu dí MPHON>SOFT + ORT>IY asimilace a neutralizace znělosti le f, f šichni, g do MPHON>ASIM + ORT>SUBST měkčení d/t/n (je navíc nebo chybí znaménko, včetně e/ě) vra tj se, tj e lo, ďe deček, v ˇe da, n j ebe, m je la, koupí to že ňe, bez kon je MPHON>SOFT + ORT>DIA spřežky ( cz/č, tsch/č, rz/ř, rž/ř..) cz eský, mo rž e, bez bi cz e MPHON>CNTR + ORT>SUBST 3.4 MORPH MORFOLOGIE ( morphology ) Obecně 1. Do MORPH řadíme chyby týkající se těchto formantů: tvarotvorné sufixy koncovky nefinální sufixy, tj. sufixy l -ové a trpné příčestí přechodníky a imperativy tvarotvorné prefixy po- a pů- kmenotvorné morfémy ( e/ne/je/í/á ; 0/ou/e/í/á/ova ) Tyto formanty v textu buď chybí, jsou vytvořeny chybně, nebo přebývají. 2. M orfologické slovo Afix se v paradigmatu slova vyskytuje, ale byl zvolen nesprávně, značkujeme jako MORPH >FLEX + SYN > DEP. Případnou sekundární chybu označujeme jen jednou značkou SEC, značkou MORPH>FLEX pak ale označujeme celé spojení. vidím dědečk ovi vidí [ mal ý SEC chlap ec SYN>DEP ] MORPH>FLEX mal ého chlap ce vidí [ mal ému SEC chlap ci SYN>DEP ] MORPH>FLEX mal ého chlap ce 3. Morfologická NEslova Afix je nekompatibilní s paradigmatem slova, tj. výraz, který není z formálního hlediska správně utvořen v tvarotvorném formantu, tvar není součástí paradigmatu slova, značkujeme jako MORPH > NAFF.

15 vidím dědečk o vidím dědečk a v Úval á ch v Úval e ch 4. Složené slovesné tvary značkujeme jako jednotku (celek) MORPH >VBX, ale jen opravované tvary neplavujeme neplavali jsme neplavulí jsme neplaveme zítra jsem spát zítra budu spát teď jsem spát spím budu napsat napíšu budu napsat budu psát bude dělá bude dělat musíš přijdeš musíš přijít učit jsem se učil jsem se Petr je dělal Petr dělal Petr je dělat Petr dělá guláš bylo chutná mi guláš mi chutnal Kondicionálové tvary, jejichž součástí je spojka, řešíme totožně: chtěl, abych přijde aby přišel řekl mi, aby to nedělat řekl mi, abych to nedělal oba tvary značkujeme shodně jako MORPH >VBX a spojíme šipkou 5. Všechny chyby v reflexivech značkujeme jako MORPH >RFL. Lze-li odlišit typ reflexiva, doplníme další doménu. reflexiva tantum a reflexivní pasíva bez příznaku směju _ MORPH >RFL směju se (* směju sebe/jeho ) objektová reflexiva budou mít jako další doménu SYN: MORPH >RFL + SYN>DEP Petr _ MORPH >RFL + SYN>DEP myl Petr se myl ( Petr myl sebe/jeho ) 6. Chyby v předložkách značkujeme jako MORPH >PREP, protože užití předložky hodnotíme dohromady s pádovou koncovkou. Zároveň značkujeme i v doméně SYN nebo LEX. Případnou sekundární chybu označujeme jen jednou značkou SEC, značkou MORPH>PREP pak ale označujeme celé spojení. Chyby v předložce typu LEX jsou dány nekompatibilitou předložky se jménem. V příkladech sedí na hospodě nebo jdu do pošt y není problém ve vazbě sloves sedět nebo jít ve spojení s předložkou do uvozující místo děje nebo cíl pohybu. bydlím na MORPH>PREP + LEX>USE Praze bydlím v Praze vystup v MORPH>PREP + LEX>USE konečné vystup na konečné jedu [ do LEX>USE Morav y SEC ] MORPH>PREP jedu na Morav u pojedu [ do LEX>USE Ural u SEC ] MORPH>PREP pojedu na Ural Chyby v předložce typu SYN vycházejí ze syntaktické vazby, tj. jsou způsobené nekompatibilitou slovesa a předložky pro daný pád. půjdu [ v SYN>DEP les SEC ] MORPH>PREP půjdu do les a šel [ po SYN>DEP škol e SEC ] MORPH>PREP do škol y

16 šel [ s SYN>DEP les em SEC ] MORPH>PREP z les a šel [ v SYN>DEP les e SEC ] MORPH>PREP do les a Rysy NAFF FLEX VBX RFL PREP koncovka nekompatibilní s kmenem sp á m, neplav uj eme neplaveme, kup o uješ, přečet _ knihu, je z Čín é, v Úval s rodič ema s rodiči, vidím dědečk o dědečk a, na Erasm us u na Erasm nevhodně užitá koncovka v rámci paradigmatu vidím dědečk ovi dědečk a složené slovesné tvary neplavujeme neplavali jsme, zítra jsem spát budu spát, teď jsem spá spím, budu napsat napíšu, budu napsat budu psát, bude dělá b dělat, musíš přijdeš musíš přijít, učit jsem se učil jsem se, Petr není d Petr nedělá, guláš mi bylo chutná guláš mi chutnal, chtěl abych přijde chtěl abych přišel, řekl mi aby to nedělat řekl mi abych to nedělal (reflexiva) vztažné tvary dnes si se neučí, auta si se vyrábějí v Boleslavi, smála si se, raduje se předložky bydlím na v Praze, vystup v na konečné, půjdu v les do lesa Příklady anotace chyb ve více doménách Chyby anotované v doméně MORPH + v nějaké další doméně/doménách. Pořadí domén je libovolné. bojím se jí zavol ám MORPH >FLEX + SYN>DEP bojím se jí zavol at mám plán prac uju MORPH >FLEX + SYN>DEP mám plán prac ovat vidím dědečk ovi MORPH >FLEX + SYN > DEP vidím dědečk a vidím dědečk o MORPH > NAFF + SYN > DEP vidím dědečk a znám hodn í MORPH >FLEX + SYN > AGR holky znám hodn é holky vidí mal ý MORPH>FLEX + SYN>AGR chlapce vidí mal ého chlapce vidí [ mal ý SEC chlap ec SYN>DEP ] MORPH>FLEX mal ého chlap ce vidí [ mal ému SEC chlap ci SYN>DEP ] MORPH>FLEX mal ého chlap ce šel [ v SYN>DEP les _ SEC ] MORPH>PREP do les a šel [ s SYN>DEP les em SEC ] MORPH>PREP z les a jede [ do LEX>USE Morav y SEC ] MORPH>PREP na Morav u Petr _ MORPH >RFL + SYN>DEP myl Petr se myl

17 3.5 Doména SYN SYNTAX ( syntax ) Obecně V doméně SYNTAX značkujeme chyby, které vznikají až při syntagmatickém vztahu. Morfologická NEslova neznačkujeme doménou SYN, tj. v doméně SYN značkujeme pouze existující slova Rysy SYN AGR DEP SUBJ COMPL COP CONST CONJ WO shoda můj tatínek je už star á můj tatínek je už star ý rekce, valence na nádraží vidím Honz a na nádraží vidím Honz u bojím se jí zavol ám bojím se jí zavol at subjekt chybějící nebo přebývající zájmenný podmět dopoledne já čtu a já odpočívám dopoledne čtu a odpočívám já to neudělám, ale _ uděláš já to neudělám, ale ty uděláš komplement chybějící předmět, obvykle ve formě (vztažného) zájmena potřebuju tužku, maminka _ koupí maminka ji koupí přivedla muže, _ Jana neznala kterého Jana neznala (copula) chybějící spona u verbonominálního predikátu, případně plnovýznamov být země _ moc velká je moc velká) teďka _ v Číně je v Číně jiný větný člen (chybějící nebo přebývající) Už odjíždí, tak mu přeju cestu. Už odjíždí, tak mu přeju šťastnou cestu. problém se spojovacím výrazem mám ráda, že prší mám ráda, když prší chtěl, kdyby přišel abych přišel rozhodl se, protože jdeme do kina rozhodl se, že jdeme do kina Petr ale Lucie se mají rádi Petr a Lucie se mají rádi (word order) slovosled mají hezký velmi dům mají velmi hezký dům Pomocí šipky označujeme, do jakého místa slovo přesouváme. Značkou WO označíme slovo S1, které chceme ve větě přesunout, i slovo S2, před které ho chceme vložit. Levým tlačítkem myši nabereme značku S1, pak odtud vedeme šipku na

18 3.5.3 Příklady anotace chyb ve více doménách Chyby označené doménou SYN, a zároveň některou z dalších domén. Chyby anotované v doméně SYN + v nějaké další doméně/doménách. Pořadí domén je libovolné. záměny v uzuálním užití dívá se na ho SYN >DEP + LEX > USE dívá se na něj záměna slovního druhu moc rád pomoc SYN >DEP + LEX > POS moc rád pomůže 3.6 Doména LEX LEXIKON ( lexis ) Obecně V doméně LEXIKON značkujeme chyby v lexému primárně se jedná o celá slova (s výjimkou např. chyb v negaci, které se mohou týkat více slov nebo jen jejich části) Rysy LEX CHOICE ASP MOD Záměna lexému, tj. chybný výběr lexému: vzal kabát, kdo který ležel na židli ; chtěl, kdybych abych přišel ; je pěšky šli ; tím způsobem proto ; má moc dobr ý klimat dobr é klima ; nudím se po moj e zem ě stýská se mi po moj í zem i Včetně chybné volby spojky: mám hlad, protože proto si dám chleba si dám chleba ; mám rád Prah proto protože je přátelská ; chtěl, kdyby abych přišel ; rozhodl se protože že jdeme do kina Vid, záměna vidu: celý den jsme chytili chytali ryby ; pravidelně vstánu vstávám brzo Modální sloveso, chybné užití modálních prostředků (včetně částic atd.) v pondělí může musí jít do práce ; hodně myslím, že byl hladový by určitě hladový NEG COIN FGN Negace půjdu ne ráno ne půjdu ráno ; on ne velký on není velký ; půjdu ne do školy ne půjdu do školy ; mám ne mám žádný čas ; máma ani táta ko ne kouří Coinage = novátorská slovotvorba slichtovaní názory ; šťopinky špičurkatý ; je to smíchovní Cizí/neznámý výraz (vč. kontaminace českého a cizího pravopisu)

19 jdu do shopu ; byla v hangu ; to byl vážně shock pro mě ; nemůžu najít kleenexy USE POS PHR Záměna v uzuálním užití slov, včetně výběru z dubletních/variantních tvar záměna kolokace 5 mám ráda, že můžu vyjádřit moje svoje názory ; dělám studium 6 7 studuji ; večer dostanu bolest hlav y večer mne začne bolet hlav a ; ráno přišla rýma ráno se mi spustila rýma ; moucha chodila po stole moucha lezla po stole ; vidí jeho ho ; dívá se na ho něj ; na jaru j 8 všechno kvete ; čte už dlouze dlouho Slovní druh je to hezky hezký muž ; učím se český česky/češtinu ; moc r pomoc pomůže ; jsem český Čech ; je to dobře dobrá lek 9 máma jméno Dana máma se jmenuje Dana Konstrukce, týká se celých frází 10 mám rád pracovat rád pracuju na zahradě ; Petr má rád lyžovat rád lyžuje ; mám je mi 17 let ; on je je mu 20 let ; já líbím Prahu se mi Praha Příklady anotace chyb ve více doménách Chyby anotované v doméně LEX + v nějaké další doméně/doménách. Pořadí domén je libovolné. chybná fráze LEX > PHR + SYN >DEP [ mám rád prac ovat SYN >DEP ] LEX>PHR na zahradě rád prac uju na zahradě Petr [ má rád lyž ovat SYN >DEP ] LEX>PHR Petr rád lyž uje má LEX>PHR 17 let je mu 17 let [ on SYN >DEP je ] LEX>PHR 20 let je mu 20 let [ já líbím Prah u SYN >DEP ] LEX>PHR líbí se mi Prah a 5 Označujeme také jako SYN>RFL. 6 Vazby s kategoriálními slovesy (verbonominální konstrukce) neřadíme pod PHR ale pod USE. 7 Označíme úsek dostanu bolest hlavy a u tvaru hlavy hlava uvedeme navíc sekundární chybu na koncovce. 8 Chybnou volbu dubletního tvaru kromě chyby v doméně MORPH značíme i jako USE. 9 Ne vždy je chybějící slovo vyznačeno v původním textu podtržítkem. Pokud není, je třeba značkou LTAG označit slovo následující za slovem chybějícím a značku, která patří k předcházejícímu slovu, uvést do poznámky. 10 Označujeme celé, včetně tvaru rád, i když opravou není zasažen, protože opravujeme vazbu mít rád INF.

20

21

22

23

24

25

26

27