Syntactic annotation of a second-language learner corpus

Podobné dokumenty
Universal Dependencies and non-native Czech

WORKSHEET 1: LINEAR EQUATION 1

19/ Přítomný podmiňovací způsob

CZ.1.07/1.5.00/

Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49

Škola: Střední škola obchodní, České Budějovice, Husova 9. Inovace a zkvalitnění výuky prostřednictvím ICT

CZ.1.07/1.5.00/ Zefektivnění výuky prostřednictvím ICT technologií III/2 - Inovace a zkvalitnění výuky prostřednictvím ICT

Výukový materiál zpracovaný v rámci operačního programu Vzdělávání pro konkurenceschopnost

CZ.1.07/1.5.00/ Zefektivnění výuky prostřednictvím ICT technologií III/2 - Inovace a zkvalitnění výuky prostřednictvím ICT

CZ.1.07/1.5.00/

Tento materiál byl vytvořen v rámci projektu Operačního programu Vzdělávání pro konkurenceschopnost.

Next line show use of paragraf symbol. It should be kept with the following number. Jak může státní zástupce věc odložit zmiňuje 159a.

VY_32_INOVACE_06_Předpřítomný čas_03. Škola: Základní škola Slušovice, okres Zlín, příspěvková organizace

Číslo materiálu: VY 32 INOVACE 29/18. Číslo projektu: CZ.1.07/1.4.00/

Byznys a obchodní záležitosti

Just write down your most recent and important education. Remember that sometimes less is more some people may be considered overqualified.

Tento materiál byl vytvořen v rámci projektu Operačního programu Vzdělávání pro konkurenceschopnost.

Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49

Compression of a Dictionary

Číslo projektu: CZ.1.07/1.5.00/ Název projektu: Inovace a individualizace výuky

USING VIDEO IN PRE-SET AND IN-SET TEACHER TRAINING

Database systems. Normal forms

Britské společenství národů. Historie Spojeného království Velké Británie a Severního Irska ročník gymnázia (vyšší stupeň)

1 st International School Ostrava-mezinárodní gymnázium, s.r.o. Gregorova 2582/3, Ostrava. IZO: Forma vzdělávání: denní

Project 2. My projects

Výukový materiál zpracovaný v rámci operačního programu Vzdělávání pro konkurenceschopnost

Czech Republic. EDUCAnet. Střední odborná škola Pardubice, s.r.o.

Materiál slouží k procvičení znalosti přítomného času prostého, tvorbě vět a otázek.

VY_22_INOVACE_číslo přílohy 1_AJ_6A_29. Úvodní část seznámení s cílem hodiny pohádka The Ugly Ducklings

Jméno autora: Mgr. Alena Chrastinová Datum vytvoření: Číslo DUMu: VY_32_INOVACE_14_AJ_G

Gymnázium, Brno, Slovanské nám. 7, SCHEME OF WORK Mathematics SCHEME OF WORK. cz

Cambridge International Examinations Cambridge International General Certifi cate of Secondary Education

Transportation Problem

1, Žáci dostanou 5 klíčových slov a snaží se na jejich základě odhadnout, o čem bude následující cvičení.

DC circuits with a single source

VY_22_INOVACE_60 MODAL VERBS CAN, MUST

On the Structure of Constituent Negation in Czech

Příjemce: Základní škola, Základní umělecká škola a Mateřská škola Lipnice nad Sázavou č. 213, Lipnice nad Sázavou

Theme 6. Money Grammar: word order; questions

Present Perfect x Past Simple Předpřítomný čas x Minulý čas Pracovní list

Topic 2. Building Materials and Their Properties Grammar: Passive voice

Digitální učební materiál

The form of the verb in past simple is the same for all persons. In questions and negatives we use did/didn t auxiliary verb and the base form.

The tension belt serves as a tension unit. After emptying the belt is cleaned with a scraper.

EXACT DS OFFICE. The best lens for office work

The Over-Head Cam (OHC) Valve Train Computer Model

Projekt MŠMT ČR: EU peníze školám

Škola: Střední škola obchodní, České Budějovice, Husova 9. Inovace a zkvalitnění výuky prostřednictvím ICT

18.VY_32_INOVACE_AJ_UMB18, Frázová slovesa.notebook. September 09, 2013


Výukový materiál zpracovaný v rámci operačního programu Vzdělávání pro konkurenceschopnost

Gymnázium, Brno, Slovanské nám. 7 WORKBOOK. Mathematics. Teacher: Student:

Výukový materiál zpracovaný v rámci operačního programu Vzdělávání pro konkurenceschopnost

Digitální učební materiály Česká republika základní informace

Výukový materiál zpracovaný v rámci projektu EU peníze do škol. illness, a text

CHAIN TRANSMISSIONS AND WHEELS

CZECH REPUBLIC. Dřevěné obrázkové kostky Wooden picture blocks.

11/ Podmínkové věty. ( 1st Conditional) VY_32_INOVACE_AJ_UMA11,Podmínkové věty (1st Conditional).notebook. January 28, 2014

On large rigid sets of monounary algebras. D. Jakubíková-Studenovská P. J. Šafárik University, Košice, Slovakia

Digitální učební materiál

POSLECH. Mona has got her eleventh birthady on Sathurday, she she is planning a big party for her friends. She met her friend John.

obj obl obl:arg nmod advmod

Výukový materiál zpracovaný v rámci operačního programu Vzdělávání pro konkurenceschopnost

Dobrovolná bezdětnost v evropských zemích Estonsku, Polsku a ČR

7.VY_32_INOVACE_AJ_UMB7, Tázací dovětky.notebook. September 08, 2013

Název školy STŘEDNÍ ODBORNÁ ŠKOLA a STŘEDNÍ ODBORNÉ UČILIŠTĚ, Česká Lípa, 28. října 2707, příspěvková organizace

Zachycení (nejen) koordinací v závislostních stromech

Zásadní gramatické struktury (pro SOU) Michal Kadlec, Dis

CZ.1.07/1.5.00/

Kvalita cigaretového tabáku v ČR- marketingové šetření se zaměřením na konečného spotřebitele

SSOS_AJ_3.18 British education

Jak importovat profily do Cura (Windows a

Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49

VŠEOBECNÁ TÉMATA PRO SOU Mgr. Dita Hejlová

READERS OF MAGAZINE DOMA DNES

Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49

CZ.1.07/1.5.00/

Název projektu: Multimédia na Ukrajinské

. 1 st International School of Ostrava - mezinárodní gymnázium, s. r. o., Gregorova 2582/3, Ostrava. IZO: Forma vzdělávání: denní

CZ.1.07/1.5.00/

Právní formy podnikání v ČR

Náhradník Náhradník 5.A

SSOS_AJ_3.17 Czech education

Výukový materiál zpracovaný v rámci operačního programu Vzdělávání pro konkurenceschopnost

VY_22_INOVACE_CJ_III/2.21

EU peníze středním školám digitální učební materiál

Litosil - application

Škola: Střední škola obchodní, České Budějovice, Husova 9. Inovace a zkvalitnění výuky prostřednictvím ICT

Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49

Výukový materiál zpracován v rámci projektu EU peníze školám

Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49

materiál č. šablony/č. sady/č. materiálu: Autor:

MEDIA RESEARCH RATINGS

MEDIA RESEARCH RATINGS

Content Language level Page. Mind map Education All levels 2. Go for it. We use this expression to encourage someone to do something they want.

Co vím o Ázerbájdžánu?

1 st International School Ostrava-základní škola a gymnázium, s.r.o. Gregorova 2582/3, Ostrava. IZO: Forma vzdělávání: denní

CZ.1.07/1.5.00/

CZ.1.07/1.5.00/

CZ.1.07/1.5.00/

Transkript:

Syntactic annotation of a second-language Jirka Hana & Barbora Hladká Charles University Prague ICBLT 2018

CzeSL Corpus of L2 Czech ICBLT 2018 2

CzeSL Czech as a Second Language Part of AKCES Acquisition Corpora of Czech Essays written by non-native speakers of Czech A1 C1 CEFR proficiency levels ICBLT 2018 3

CzeSL two releases CzeSL-SGT 8,600 essays, 1.1M tokens http://hdl.handle.net/11234/1-162, CC BY-SA-3.0 CzeSL-man < we work with this here 645 essays, 120K tokens, 11K sentences Manually corrected and annotated for errors https://bitbucket.org/czesl, CC BY-SA-3.0 ICBLT 2018 4

CzeSL number of documents by CEFR Level Level Documents Basic user A1 57 A1+ 3 A2 111 A2+ 145 Independent user B1 176 B2 124 Proficient user C1 12 Unknown 17 Total 645 ICBLT 2018 5

Non-native and native language are different Non-native langue has: Errors in spelling, grammar, vocabulary, collocations Different distribution of vocabulary and syntactic constructions ICBLT 2018 6

CzeSL: Error Annotation Scheme Tier 0 original text: Myslim že kdy by byl se svim ditem... Tier 1 words correct: Myslím že kdyby byl se svým dítětem... Tier 2 contextually correct: Myslím, že kdybych byl se svým dítětem... think SG1 that if SG1 was MASC with my child... `I think that if I were with my child. corrections ICBLT 2018 7

Sample non-native text: My Family Jmenujese Adam. Ja jsem Mongolska. Mongolska ma 21 kraji. Moje rodina je hezka jeste velka. Mongolska je 3000 million lidi. Ma tradični píseňka, taneční. Mongolska tradicni píseňka je hezka. Ješte ma Morin khuur. Morin Khuur to je muzika. Ten hezka tradični pohádka, píseň. Mongolska má mnoho tradiční svátík. Třiba Naadam, Tsagaarsur. Ješte mnoho Velbloud, Kůn, Kravá, Koza, Ovce. Mongolsky lidi dobrý. Mongolsko ma mnoho hory a nemam ocean. Mongolska hlavní naměsto. Ulaanbaatar. ADAM, 18 Let Bydlim v Cechagh už 6 měsíc. ICBLT 2018 8

Task: Annotate some structure of L2 Czech Motivation: - better understanding of L2 Czech (including its grammar) - better computational processing of L2 Czech Some structure? - the deeper, the better, ideally semantics - dependency syntax for practical purposes Work in progress... ICBLT 2018 9

Universal Dependencies ICBLT 2018 10

Universal Dependencies (UD) 100+ corpora in 60+ languages syntactic annotation based on dependency syntax language agnostic (mostly) ICBLT 2018 11

Universal Dependencies (UD) Yesterday, John invited Mary to his birthday party. ICBLT 2018 12

UD Annotation of Non-native Czech ICBLT 2018 13

Annotating original text Annotate the original text, not corrections Ideal case: use grammar of author s interlanguage Reality: often, not enough data Be conservative, assume as little as possible ICBLT 2018 14

Annotating original text Example 1 Standard oblique (adjunct): Vstoupit do místnosti. enter into room. `Enter a room. Non-native direct object: Vstoupit místnost. enter room. Intended: `Enter a room. ICBLT 2018 15

Annotating original text Example 2 Standard nej `most is a prefix největší město v Kolumbii biggest city in Columbia `the biggest city in Columbia Non-native nej is a word: nej větší město v Kolumbii most bigger city in Columbia `the biggest city in Columbia ICBLT 2018 16

Annotating original text an unclear example - stejné = equal (adjective) - stejně = equally (adverb) Oba jsou stejné důležité. both are equal important `Both are equally important What is it? - spelling error - adj/adv neutralization - other error What is the lemma, POS, syntactic fnc? ICBLT 2018 17

Sometimes UD helps... Jsem Mongolska. `I am Mongolian / a Mongolian / from Mongolia Jsem mongolský. adjective, not in std language Jsem Mongol. inhabitant, noun Jsem z Mongolska. country, preposition + noun The same structure in UD ICBLT 2018 18

Current status 2,100 sentences out of 11,000 annotated so far 100 sentences double annotated with Cohen s kappa: Universal POS: 0.93 Dependency Label: 0.89 Relation: 0.93 ICBLT 2018 19

Future work More double annotated data More annotated data annotate the whole CzeSL Test standard and custom trained parsers ICBLT 2018 20