Transcript Nástroje pro badatele (nejen) historického jazyka B ORIS L EHEČKA , ODDĚLENÍ VÝVOJE JAZYKA ÚJČ AV ČR, V .

Nástroje pro badatele (nejen)
historického jazyka
B ORIS L EHEČKA , ODDĚLENÍ VÝVOJE JAZYKA ÚJČ AV
ČR, V . V . I .
BORIS @ DALIBORIS . CZ
P RAŽSKÉ JARO V O STRAVĚ , 24. BŘEZNA 2015
Osnova
2
 Představení
 Kolační pravítko
 Transcriptorium
 Speciální znaky
 Analýza tokenů (v Excelu)
 Microsoft Power BI
 Diskuse
Pražské jaro v Ostravě
Představení
3
 Boris Lehečka
 oddělení vývoje jazyka Ústavu pro jazyk český AV ČR
 [email protected]
 specializace
 využití počítačů při lingvistické práci: příprava, analýza,
prezentace
 Vokabulář webový (http://vokabular.ujc.cas.cz)
 digitalizace slovníků (historické i moderní)
 elektronické edice (korpus, webové edice, e-knihy)
Pražské jaro v Ostravě
Nástroje
4
 Vznik nástrojů byl podpořen projektem Ministerstva




kultury ČR č. DF12P01OVV028 „Informační
technologie ve službách jazykového kulturního
bohatství (IT JAKUB)“
http://vokabular.ujc.cas.cz/moduly/nastroje/
aplikace včetně zdrojových kódů
k běhu vyžaduje Microsoft .NET Framework 4
prezentace: http://bit.ly/vw-nastroje-ostrava
Pražské jaro v Ostravě
Kolační pravítko
5
 http://vokabular.ujc.cas.cz/moduly/nastroje/kolacni-pravitko/o-aplikaci
 pro snadné čtení/sledování textů na monitoru
 graficky ohraničí výsek textu na monitoru
 lze definovat a uložit několik pravítek
 vertikální a horizontální orientace
 výchozí pozice pravítka (začátek stránky)
 přesun pravítka myší i pomocí kláves
Pražské jaro v Ostravě
Transcriptorium
6
 http://vokabular.ujc.cas.cz/moduly/nastroje/transcriptorium/o-aplikaci
 nástroj pro poloautomatickou transkripci
 aplikace pravidel na jednotlivé výrazy
 zobrazení výrazu v kontextu/kontextech
 včetně obrazové předlohy
 převod mezi 2 pravopisnými systémy
 transkripční pravidla
 nahrazení textu i regulární výrazy
 výjimky: globální, pro konkrétní pravidlo
Pražské jaro v Ostravě
Speciální znaky
7
 http://vokabular.ujc.cas.cz/moduly/nastroje/specialni-znaky/o-aplikaci
 snadný výběr nestandardních unicodových znaků
 znaky lze seskupit do skupin
 skupiny lze pojmenovat
 skládání pomocí základního znaku a diakritiky
 pořadí diakritik lze po sestavení měnit
 definovaná kombinace se převede unicodový znak
Pražské jaro v Ostravě
Analýza tokenů (v Excelu)
8
 http://vokabular.ujc.cas.cz/moduly/nastroje/analyza-tokenu/o-aplikaci
 frekvence tokenů bez korpusového manažeru
 extrahování informací z vertikály
 doplněno o metadata pramenů
 ad-hoc analýzy a grafy
 Microsoft Excel 2010 + PowerPivot + Power Query
 zdarma
 Microsoft Excel 2013
Pražské jaro v Ostravě
Microsoft Power BI
9
 https://powerbi.com
 webová služba pro vytváření interaktivních
prezentací dat





testovací verze
od února i v ČR
do 1 GB dat zdarma
„přirozený“ dotazovací jazyk
zatím pouze v angličtině
Pražské jaro v Ostravě
Závěr
10
 Diskuse
 Děkuji za pozornost
Pražské jaro v Ostravě