КОРПУСНЫЕ ДАННЫЕ В РАЗРАБОТКЕ УЧЕБНЫХ СЛОВАРЕЙ СОЧЕТАЕМОСТИ
Notice bibliographique
Résumé
The article deals with the problems of using corpus data in educational lexicography. The data from traditional collocations dictionaries, such as the Oxford Collocations Dictionary for Students of English, are compared with the data extracted from the British National Corpus (BNC). The BNC is an approximately 100-million-word corpus of written and spoken British English (it is considered as a balanced corpus that contains texts from a wide range of different language genres and text domains). A corpus manager (a web-based tool for searching and retrieving lexical, grammatical and textual data) was employed in the study. Due to this it has become possible to analyze the data, generating frequency information, concordances (i.e. lists of all of the occurrences of a particular search term in a corpus, presented within the context in which they occur), keywords, collocations or carrying out statistical tests. In addition, the data from Dictionnaire des combinaisons de mots are compared with the data from the corpus-based electronic dictionary Antidote of the Canadian software company Druid informatique. This program comprises multiple dictionaries placed within a unified interface. The entry for each word displays its pronunciation, inflected forms, etymology, etc. along with their respective frequency. A frequency index is provided for each word; it indicates the relative frequency of the word in the six billion-word corpus. The presence of a dictionary of collocations that provides all the most significant combinations of the entry word with other words (functioning either as leading or dependent components), grouped by their syntactic function in the sentence and frequency is the most valuable feature of this program. The novelty of the work lies in the fact that it demonstrates the educational potential of corpus data in lexicography, in particular, in the field of compiling collocation dictionaries. The specific examples show how linguistic corpora can help comprehend the semantic, stylistic and syntactic specific features of words. The paper concludes that corpus data has many advantages over traditional dictionaries; at the same time, the limitations of corpus data in syntactic and semantic analysis are noted. In conclusion, the authors outline a project for developing a corpus-based pedagogical dictionary for students of Russian. © 2023 The Author(s).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,014 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».