kursheftemorsmål (no) albansk, bosnisk-serbisk-kroatisk, engelsk, nederlandsk, polsk, russisk,...

ASK, kurshefte Hilde Johansen (2011) 1

NORSK ANDRESPRÅKSKORPUS

KURSHEFTE


KURSHEFTETS INNHOLD

1. Antall ord i ulike delkorpus (testnivå og morsmål) 2. Persondata 3. Feilkoder 4. Oslo-Bergen-taggerens taggsett 5. AKSs søkemeny 6. KWIC-konkordans 7. Distribusjon 8. Forklaring av felt for søk på språklige trekk 9. Noen regulære søkeuttrykk


1. ANTALL ORD

(= 100 tekster, bortsett fra * 24 tekster,** 7 tekster og *** 5 tekster)

Morsmål Språkprøven Høyere nivå

Albansk 24197 10966*

BSK 27289 46041 Engelsk 26527 49691

Nederlandsk 26682 44871

Polsk 28857 49024 Russisk 27064 45783

Spansk 25572 45262 Somali 22881 3063**

Tysk 29152 49745 Vietnamesisk 25500 2598***

Norsk 27556 44198 BSK= bosnisk-serbisk-kroatisk


2. PERSONDATA

Norsk språktest har hentet inn tillatelse fra datatilsynet til å samle inn og bruke

personopplysninger, med spesifikke regler for hvordan innsamlingen skulle gå frem.

Innsamlingen begynte uavhengig av ASK, med tanke på fremtidig forskning.

Persondataene har blitt opplyst frivillig under testene og skjemaene som blir brukt har blitt

utviklet med i tråd med teorier om hva som påvirker språklæring. Tekstene i korpuset er

hentet fra testaviklinger i perioden 1996 til 2006, og det har underveis vært gjort noen

endringer i skjemaene, derfor kan en del underkategorier av og til ikke være oppgitt. I

kontrollkorpuset er bare noen få opplysninger oppgitt. Disse er merket (no) i listen nedenfor.

Variabel Kategorier I O Morsmål (no) Albansk, bosnisk-serbisk-kroatisk, engelsk, nederlandsk, polsk,

russisk, somali, spansk, tysk, vietnamesisk (, norsk) 0

Andre andrespråk (diverse)

Engelskkunnskaper Ikke noe, begynner, grunn-nivå, mellomnivå, høyere nivå 213

Hjemland (no) (diverse) 5 Alder (no) (diverse) 7

Kjønn (no) Kvinne/mann 4 Utdanning (no) Grunnskole, videregående, høgskole/universitet,

forskerutdanning, annet 20

Antall år i utdanning (lite pålitelig)

Type norskkurs Kommunale kurs, AMO-kurs, grunnskole voksne, videregående skole, folkeuniversitet, annet

251

Kurslengde i måneder

< 6 mnd, 6-12 mnd, 13-24 mnd, 25-36 mnd, >36 mnd 214

Kurslengde i timer < 200, 201-400, 401-500, 501-850, 851- 1500, 1501-2000, 2001-300

824

Bruk av målspråket Aldri, sjelden, daglig 193 Oppholdstid < 1 år, 1-2 år, 2-3 år, 3-4 år, 4-5 år, >5 år 11

Kursmål/motivasjon Søke arbeid, søke opptak på skole, dokumentere norskkunskaper, annet

Sosial omgang Ja, nei (jobb/skole, fritid) 82

Arbeid i Norge Helsearbeid, hjemmeværende, kontorarbeid, kultur, manuelt arbeid, opplæring/undervisning, servicenæring, transport, annet.

585

Tilknytning Arbeider, studerer, søker arbeid, annet 113


3. FEILKODER

LEKSIKALSKE FEILKODER

W Galt ord ORT Ortografisk avvik

PART Avvikende sammensetninger (hjemmelandet) SPL Særskrivingsfeil (barne hage)

DER Avvikende avledninger (snillig) CAP Gal bruk av stor/liten bokstav

FL Ord fra andre språk

MORFOLOGISKE FEILKODER

F Gal morfosyntaktisk katgori

INFL Rett morfosyntaktisk kategori, men avvikende form (gådde) SYNTAKTISKE FEILKODER

O Gal ordstilling på ord- eller frasenivå INV Underinversjon (manglende subjekt/verb-inversjon)

OINV Overinversjon (overgeneralisert) SCA Gal plassering av setningsadverbial i leddsetninger

MCA Gal plassering av setningsadverbial i hovedsetninger M Manglende ord

R Overflødig ord

TEGNSETTINGSFEILKODER

PUNC Galt tegn ved tegnsetting

PUNCR Tegnsetting mangler PUNCM Tegnsetting overflødig

ANDRE FEILKODER

X Uidentifiserbart avvik AGR Underkode for følgefeil, eller feil oppstått pga andre

korrigeringer gjort av feilkoderne


4. OSLO-BERGEN-TAGGERENS TAGGSETT

A. SYNTAKTISK TAGGSETT

@


B. MORFOSYNTAKTISK TAGGSETT

ordklasse/tegn Kjønn tall type best tid person kasus gradbøy

adj m/f

nøyt

fem

ent

fl

fork

ub

be

pos

kom

sup

adv

det mask

nøyt

fem

ent

fl

dem

dem

forst

kvant

kvant

poss

poss res

poss høflig

sp

forst

ub

be

inf-merke

interj

konj

clb

prep

pron fem

mask

mask

fem

nøyt

ent

fl

hum res

hum sp

pers

pers hum

pers høflig

poss hum sp

refl

sp

res

1 2 3 nom

akk

sbu

subst mask

fem

nøyt

ent

fl

appell

prop

fork

ub

be

gen

ukjent

verb pres inf pass

inf

pres

pret

perf-part

imp

pass

(http://omilia.uio.no/obt/)

http://omilia.uio.no/obt/


5. ASKs SØKEMENY


6. KWIC-KONKORDANS


7. DISTRIBUSJON


8. FORKLARING PÅ FELT FOR SØK PÅ SPRÅKLIGE TREKK

ORD:

Søker etter ordet nøyaktig slik det forekommer i originalteksten.

FEILTYPE

Søker etter feilkoder, som er beskrevet i kodeboka.

For valg av flere feiltyper: hold inne CTRL.

UNDERTYPE

Søker etter undertyper, først og fremst til feiltypen O (ordstillingsfeil)

AGR kan være undertype til flere ulike feiltyper (se kodeboka).

KORREKSJON:

Søker etter ordet nøyaktig slik det står i taggen corr=””, (dvs.. den korrigerte formen

av ordet.)

Gjelder kun for søk etter ord som har feiltagg og korreksjon.

LEMMA:

Søker etter den automatiske taggerens lemma-tildeling til ordet

Gir alle ulike former ordet måtte forekomme i i korpuset, også de som har

ortografiske feil.

Enkelte ord kan være tildelt feil lemma homonymi/polysemi

ORDKLASSE

De tradisjonelle ordklassene pluss noen kategorier til (forkortelser og ukjente ord)

Ordklassetaggene er manuelt editert, men det kan forekomme feilkategoriseringer

og ord som er tagget med flere ordklasser, som regel pga homonymi/polysemi

MORFOLOGI

Morfologiske tagger er ikke manuelt editert, en del feil forekommer

SYNTAKS

Syntaktiske tagger er ikke manuelt editert, en del feil forekommer

@ markerer syntaktiske funksjoner og setningsgrenser

< og > peker mot kjernen i ordets frase, for eksempel har @det> (determinativ)

etterstilt kjerne


5. NOEN REGULÆRE SØKEUTTRYKK

Regulære søkeuttrykk kan brukes i åpne felt (de som ikke har ferdige lister over valg) og i

feltet for søk med regulære uttrykk.

| (eller)

Brukes for å søke etter flere attributter på en gang, for eksempel:

o ord: bil|båt

o lemma: bil|båt

(Tilsvarer valg av flere bokser vertikalt)

. (vilkårlig tegn)

Står for et vilkårlig tegn, og kan settes før og etter deler av ord. I kombinasjon med

andre tegn angir det hvor mange vilkårlige tegn en tillater.

. (punktum alene) : ett vilkårlig tegn

o .om gir rom, kom, som etc

.+ (punktum pluss): vilkårlig mange tegn, minst ett

o .+om gir rom, from, hjemom etc

.* (punktum asterisk): vilkårlig mange tegn, også ingen.

o .*om gir om, rom, from, hjemom etc

.? (punktum spørsmålstegn): ingen eller ett vilkårlig tegn

o .? om gir om, lom, kom etc

{} target (kan bare brukes i feltet for regulære uttrykk)

Ved bruk av dette tegnet rundt en korpusposisjon, vil bare denne korpusposisjonen være

fremhevet i konkordansen

[lemma = "på" %c] {[pos = "subst"]}

kursheftemorsmål (no) albansk, bosnisk-serbisk-kroatisk, engelsk, nederlandsk, polsk, russisk,...

Documents