Korpus 2000 ? til hvilken nytte? - Det Danske Sprog- og ...

More documents

Recommendations

Info

2.2. Bøjning Sammenligner man ikke hele lemmaer (altså summen af alle bøjningsformer), men blot bestemte bøjningsformer af en række ord, vil der ofte vise sig markante hyppighedsforskelle mellem K2000 og K90. I eksemplet regn ovenfor blev det allerede konstateret, at den indefinitte genitivform regns ikke var repræsenteret i K2000 – mod tre forekomster i K90. Selvom dette ikke er statistisk signifikant, udelukker det ikke, at systemets brugere kan forledes til at drage tvivlsomme slutninger, tilskyndet både af en løftet tommelfinger og måske desuden af iagttagelsen af, at den definitte genitivform regnens absolut set også forekommer lidt sjældnere i K2000 (9 forekomster) end i K90 (12 forekomster). Elbro (2002) observerer, at visse hyppigt brugte konkrete susbstantiver udviser færre genitivformer i K2000 end i K90 og antager på baggrund heraf en tendens i dansk, hvor genitivkonstruktioner tiltagende erstattes af præpositionsforbindelser; antagelsen støttes yderligere af, at han kan konstatere forhøjede forekomsttal for en række præpositioner i K2000. Umiddelbart taler noget for denne antagelse, fx har substantivet bil i alt 393 genitivformer i K2000 mod 586 i K90 – og ganske tilsvarende er resultaterne for fx cykel, hus og mand. Betragter man bil nærmere, viser det sig imidlertid, at lemmaet med alle bøjningsformer forekommer 10.360 gange i K90 mod kun 8.354 gange i K2000 – en observation, der næppe vil få nogen til at antage – i analogi med genitiv-konklusionen –, at ordet bil er ved at blive erstattet af andre ord eller vendinger, eller – i analogi med eksemplet biltelefon – at denotatet selv er ved at forsvinde fra virkeligheden. Derfor bør man nok kun vurdere en forms kvantitative udbredelse som den (procentuelle) andel, den udgør af samtlige former af et ord. For ordet bil er andelen af genitivformer i K90 5,7% mod 4,7% i K2000 – forskellen synes intuitivt for beskeden til at kunne underbygge en konklusion om markante ændringer i brugen af genitiver. Desuden underbygges en sådan konklusion ikke af en hel række andre substantiver som fx land eller Danmark. Det, der forekommer mere suspekt end mindre udsving i genitivandelene, er de markante hyppighedsforskelle for lemmaer som bil (K90: 10.360; K2000: 8.354), land (K90: 21.478; K2000: 28.222) eller Danmark (K90: 22.243; K2000: 30.730), som kan konstateres mellem de to korpusser – også selvom de logaritmiske hyppighedsangivelser for disse ord er ens for de to korpusser. Og det er snarere igen et tegn på to forskelligt sammensatte korpusser end sproglige forandringer. Eksemplerne tyder på, at man næppe kan konstatere generelle forandringer i fleksionssystemet blot ved tilfældigt at udvælge en række hyppige ord og undersøge dem, idet de kvantitative resultater, disse undersøgelser medfører, virker alt for tilfældige. Vil man undersøge sproglige forandringer, der vedrører fleksionssystemet, burde man vel snarere undersøge fænomenet – i dette tilfæl- 22 STU DIE R I NORDISK 2002-2003
de altså andelen af genitivformer – blandt samtlige substantiviske former i hele korpus – et forhold, som Elbro i øvrigt udtrykkeligt anfører. 2.3. Kollokation K2000-systemet kan vise både hyppige og typiske kollokater (“naboer”) til ord. Hyppige kollokater giver oplysninger om et ords funktionelle kombinatoriske egenskaber, fx hvilke præpositioner de hyppigt optræder sammen med. Hyppige kollokater bestemmes ganske enkelt ved at tælle, hvilke ord der hyppigst optræder i den umiddelbare omgivelse af det ord, man undersøger. De otte hyppigste kollokater til venstre for lemmaet debat i K90 er eksempelvis en, i, den, til, offentlige, og, den og under. Typiske kollokater derimod bestemmes vha. en statistisk metode, mutual information, 11 og fremhæver ord, der især tiltrækkes af det undersøgte ord, men ikke i nær samme grad af det overvejende flertal af andre ord i korpus. Resultatet er et indtryk af ordets semantiske kombinatoriske egenskaber – de ti mest typiske kollokater til venstre for lemmaet debat i K2000 er heftig, følelsesladet, offentlig, saglig, folkelig, livlig, konstruktiv og heftige. Kollokater vises i K2000-systemet som tabeller med fire kolonner: én for hhv. højre- og venstrekollokater for hvert af de to korpusser. Kollokaterne er sorteret i faldende orden efter antal samforekomster (hyppighed) eller efter deres mutual information score (typiskhed). Både antal samforekomster samt scoren udtrykkes ikke som absolutte talværdier, men omregnes til et antal prikker (1-5), der synes bedre egnet til at visualisere kollokaters ‘tyngde’. Figur 2 viser som eksempel de typiske kollokater for lemmaet terrorist. Figur 2. Typiske kollokater for terrorist Oversigten i figur 2 kan fortolkes på følgende måde: et af de træk ved terrorist, 11 Jf. Church&Hanks (1989) eller Church et al. (1991). I K2000-systemet er mutual information modificeret med en række filtre, der bl.a. reducerer statistisk støj, jf. Asmussen (under udgivelse). STU DIE R I NORDISK 2002-2003 23
Page 1 and 2: Korpus 2000 - til hvilken nytte? Mu
Page 3 and 4: I det følgende afsnit gives eksemp
Page 5: fem gange hyppigere i K90 (51 forek
Page 9 and 10: ene forekomsttal, et ord har i hele
Page 11 and 12: der dog så alligevel er præget af
Page 13: Christ, O. (1994): A modular and fl

Korpus 2000 ? til hvilken nytte? - Det Danske Sprog- og ...

Create successful ePaper yourself

Delete template?

Save as template?