Introduktion til korpusværktøjet CoREST

Transkript

1 Introduktion til korpusværktøjet CoREST Jørg Asmussen Det Danske Sprog- og Litteraturselskab 17. marts 2015 Denne vejledning vedrører CoREST β (2015). En eventuel opdateret version af vejledningen findes her: Resumé Dette dokument er en vejledning i brugen af CoREST. Det beskriver, hvordan man installerer og starter CoREST, og gennemgår herefter samtlige funktioner i værktøjet. Til gennemgangen knytter der sig mange konkrete eksempler, som skal gøre læseren fortrolig med mulighederne i CoREST. 1

2 Indhold I Overblik 5 1 Hvad er CoREST? 6 Sprogkokkens schweizerkniv 2 Hurtigt i gang 9 Gøre gryden klar II Indblik 22 3 Brugerinterfacets funktioner 23 Alle ingredienserne 4 Søgning med jokertegn 47 En gryderet med punktummer og stjerner 5 Avancerede søgeudtryk 51 Det muntre køkken III Udblik 70 A Løsningsforslag til opgaverne 71 Litteratur 73 2

3 Figurer 2.1 CoREST på en tynd klient findes i kategorien Kontor Kommunikationsfejl Ikke kompatibel CoREST-version CoREST-vinduet efter en søgning Venter på resultat Matchliste for blockbuster.* Hyppige naboord til venstre for rimelig Typiske naboord til højre for rimelig Reduceret konkordans Konkordans med mærker Eksporteret konkordansudsnit i regneark Centrale tekstoplysninger Udførlige tekstoplysninger Kopiering fra kontekstfeltet Visning af hele teksten Ordseddelvisning i Ømål-udgaven Ordoplysninger om ordklasse og bøjning Ordoplysninger i KDK-korpora Brugerannoteringer vises og redigeres i dette felt Konkordans på bevægelse Autofuldførelse under indtastning af brugerannoteringer Annoteringer til et match Annoteringer, som kun vedrører en del af matchet Overlappende annoteringer Liste over annoteringer Indstillinger og søgehistorik

4 Tabeller 2.1 Simple søgeudtryk Eksempler på søgninger med kontroltegn Oversigt over centrale tekstoplysninger Eksempler på brug af jokertegnet punktum Gentagelsessymboler Symboler med særlig betydning Ordattributter i KDK-korpora Avancerede over for simple søgeudtryk Ordklassetags Sætning med epos-tags

5 Del I Overblik 5

6 Kapitel 1 Hvad er CoREST? Sprogkokkens schweizerkniv 1.1 Funktioner Udgaver Teknik Ris og ros Indrapportering af fejl Ny og forbedret funktionalitet CoREST-manualen Funktioner CoREST står for Corpus Retrieval System & Tools. CoREST er først og fremmest et værktøj til avancerede sproglige undersøgelser i meget store tekstsamlinger, såkaldte tekstkorpora. Med CoREST kan du udføre komplekse søgninger på enkeltord og grupper af ord bruge tekstoplysninger som filtre i søgningerne se fund som matchlister og konkordanser lave undersøgelser, der viser, hvilke ord der typisk optræder sammen med fundet (kollokationer) finde fremtrædende ord i bestemte tekstgrupper sortere resultater på forskellig vis se større kontekster omkring fund, evt. op til hele teksten se tekstoplysninger som titel, forfatter m.m. 6

7 KAPITEL 1. HVAD ER COREST? 7 se supplerende oplysninger til enkeltord, fx deres grundform, ordklasse og bøjning annotere fund med brugerdefinerede markeringer eksportere fund som tekstfil eller til andre programmer 1.2 Udgaver CoREST findes i forskellige udgaver: DSL Denne udgave bruges internt på Det Danske Sprog- og Litteraturselskab og anvendes især til ordbogsredigering. DSL-udgaven giver adgang til en række specialkorpora samt til visse særlige funktioner. Ømål Denne udgave bruges af Ømålsordbogens redaktion og er særligt tilpasset dens behov, ved at den giver adgang til dialektkorpora og kan udskrive fund til ordsedler. Research Denne udgave er næsten identisk med DSL-udgaven, dog mangler adgangen til visse specialkorpora. Standard Denne udgave indeholder det offentlige KorpusDK. Ellers er funktionerne næsten identiske med de øvrige udgaver, dog er visningen af hele tekster af ophavsretlige grunde ikke mulig. 1.3 Teknik Teknisk set består CoREST-systemet af to dele: Klient Den ene del er en klient, som er installeret på brugerens maskine. I klienten formulerer brugeren søgeforespørgsler, får vist resultater, kan annotere, eksportere osv. Server Via nettet står klienten i forbindelse med den anden del af CoRESTsystemet, nemlig en server på DSL, som tager imod søgeforespørgslerne, udfører dem på DSL s tekstsamlinger og sender resultater tilbage til brugeren. Populært sagt fungerer CoREST-klienten som en slags browser for det indhold, som korpusserveren stiller til rådighed. CoREST-klienten er udviklet i Java og fungerer på alle gængse operativsystemer. CoREST-serveren er opbygget som en REST-baseret webservice, programmeret i Java, og kører som en web-applikation under GlassFish. CoREST-serveren bruger OpenCWB som back-end korpussøgemaskine. CoREST udvikles af Jørg Asmussen, DSL, siden 2011.

8 KAPITEL 1. HVAD ER COREST? Ris og ros CoREST er under stadig udvikling og bør derfor ikke betragtes som et færdigt og fejlfrit produkt! Du vil med sikkerhed konstatere en række fejl og mangler, og det er meget sandsynligt, at du vil savne en række funktioner. For at kunne udvikle CoREST i den rigtige retning, er dine kommentarer meget velkomne! Send dine idéer og forbedringsforslag enten som fejlrapport eller som ønske om ny og forbedret funktionalitet. Forbedringsforslag og flere konkrete eksempler til selve manualen her er også meget velkomne! I de følgende afsnit kan du læse om, hvordan du indsender dine kommentarer og ønsker Indrapportering af fejl Skriv en til corest@dsl.dk. I emnefeltet skriver du fejl. Selve mailen skal have følgende opbygning: Fejl Når jeg gør x, sker der y hvor du så indsætter din beskrivelse for x (hvad du gør) og y (hvad der sker) Ny og forbedret funktionalitet Skriv en til corest@dsl.dk. I emnefeltet skriver du feature. Selve mailen skal have følgende opbygning: Feature Jeg vil gerne lave x, derfor har jeg brug for funktionalitet y hvor du indsætter din beskrivelse for x (hvilket behov du har) og y (hvilken funktionalitet du mangler i den forbindelse) CoREST-manualen Finder du fejl i manualen, har du forbedringsforslag til den eller gode eksempler, som bør optages her, skriver du til corest@dsl.dk. I emnefeltet skriver du manual.

9 Kapitel 2 Hurtigt i gang Gøre gryden klar 2.1 Installere og starte CoREST Generel installation Systemspecifik installation DSL s tynde klienter Tekniske problemer Søgning Valg af korpus Indtastning af søgeudtryk Matchliste Konkordans Konkordanslinjeoplysninger Søgehastighed Finde rundt i programmet Formulere simple søgeudtryk Opgaver: Simple søgeudtryk Bruge kontroltegn i søgeudtryk Opgaver: Brug af kontroltegn Søgehistorik Cache Installere og starte CoREST CoREST-klienten leveres i form af en sammenpakket zip-fil, dvs. en fil, hvis navn ender på.zip. Det fulde navn på zip-filen afhænger blandt andet af udgaven og versionen, men vil altid starte med CoREST eller corest. 9

10 KAPITEL 2. HURTIGT I GANG 10 Første skridt er at pakke zip-filen ud. Det sker som regel ved blot at dobbeltklikke på filen. Eventuelt har din computer (Mac) allerede automatisk sørget for det i forbindelse med download af filen. Næste skridt er selve installationen. Hvis du har Java 8 på din maskine, så er det som regel det nemmeste at vælge generel installation, uanset om du bruger Mac, Windows eller Linux. Hvis du har en ældre version af Java end Java 8 på din maskine eller måske slet ikke har installeret Java, kan du bruge systemspecifik installation, som dog ikke tilbydes til alle versioner af CoREST Generel installation Denne installation forudsætter, at du har Java 8 installeret på din maskine. Efter udpakningen af zip-filen er der oprettet en mappe af samme navn som zip-filen, dog uden endelsen.zip. Vi kalder denne mappe for CoREST s programmappe. Du kan lægge programmappen et vilkårligt sted på din maskine; oplagt er dog det sted, hvor dine øvrige programmer ligger. Når du har lagt programmappen der, hvor du vil have den, åbner du mappen ved at dobbeltklikke på den. Du vil her bl.a. se en fil ved navn CoREST-FX.jar. CoREST-klienten startes ved at dobbeltklikke på denne fil. Hverken denne eller andre filer må fjernes fra programmappen! Derfor kan det være en idé at oprette en genvej til CoREST-FX.jar, fx fra Windows skrivebord eller fra Mac ens dock. Nu er du færdig med installationen og klar til at bruge CoREST. CoREST startes ved at dobbeltklikke på filen CoREST-FX.jar, som ligger i CoREST-programmappen, eller ved at dobbeltklikke på den genvej, du eventuelt har oprettet hertil Systemspecifik installation OBS! Systemspecifik installation tilbydes ikke til CoREST β. Systemspecifik installation findes hvis den tilbydes til Mac og evt. Windows. Ved denne type installation behøver Java 8 ikke at være installeret på din maskine. Du kan have en hvilken som helst Java-version installeret eller slet ingen DSL s tynde klienter På tynde klienter på Det Danske Sprog- og Litteraturselskab starter du CoREST ved at klikke på menuen Programmer, gå ind i kategorien Kontor og vælge CoREST her, se figur 2.1. Vær tålmodig : De tynde klienter er ikke de hurtigste! Der kan gå lidt tid, inden CoREST bliver synlig på skærmen! På de tynde klienter skal der med andre ord ikke laves en særlig installation eller opsætning af CoREST.

11 KAPITEL 2. HURTIGT I GANG 11 Figur 2.1: CoREST på en tynd klient findes i kategorien Kontor Figur 2.2: Kommunikationsfejl Tekniske problemer Det er vigtigt, at CoREST på din maskine kan få adgang til CoREST-serveren. Det vil sige, at din maskine skal være på internettet, og din version af CoREST skal kunne kommunikere med den aktuelle version af serveren. Hvis der opstår fejl i kommunikationen over nettet mellem CoREST og serveren, viser CoREST en fejlmeddelelse om, at serveren ikke svarer som forventet, se figur 2.2. Efter at du har klikket på OK og har sikret dig, at din netforbindelse fungerer, kan du genstarte CoREST. Den seneste søgning er dog sandsynligvis gået tabt. Hvis din version af CoREST er forældet i forhold til serveren, kan du ikke længere bruge CoREST, før den er blevet opdateret til en nyere version. Du vil da få en meddelelse om manglende kompatibilitet, se figur 2.3. Hvis du mener, at dine problemer skyldes en generel fejl i CoREST, er du velkommen til at indsende en fejlrapport som beskrevet i afsnit

12 KAPITEL 2. HURTIGT I GANG 12 Figur 2.3: Ikke kompatibel CoREST-version Figur 2.4: CoREST-vinduet efter en søgning 2.2 Søgning Første gang CoREST startes, udføres automatisk en søgning på velkommen i korpusset KDK-2010, hvorefter CoREST-vinduet omtrent svarer til det, du kan se i figur Valg af korpus Øverst til venstre i vinduet er der en rullemenu, hvor du kan vælge det korpus, som du vil arbejde med. Denne menu kaldes korpusvælgeren. Antallet af tilgængelige korpora afhænger af den CoREST-udgave, du bruger. Når CoREST startes første gang, er korpusset KDK-2010 automatisk valgt. Du bør tjekke, om det faktisk er det korpus, du vil arbejde med, og ellers vælge et andet. Alle udgaver af CoREST giver adgang til korpusset KDK Derfor beror de fleste eksempler her i manualen på dette korpus.

13 KAPITEL 2. HURTIGT I GANG Indtastning af søgeudtryk Til højre for korpusvælgeren er der et indtastningsfelt, hvor du indtaster det, du vil søge på formuleret som et søgeudtryk. Vi kalder dette felt for søgefeltet. I søgefeltet kan du indtaste to typer søgeudtryk: simple og avancerede. Her i hurtigt i gang-kapitlet til CoREST holder vi os udelukkende til simple søgeudtryk, mens de avancerede bliver behandlet i kapitel 5. Et simpelt søgeudtryk består i sin mest enkle form af et eller flere ord. I søgeudtrykket kan der også indgå jokertegn. Ved at klikke på søgeknappen eller ved at taste retur sætter du søgningen i gang i det valgte korpus. Prøv at skrive søgeudtrykket kronisk.* i søgefeltet og tast retur eller klik på søgeknappen. Denne søgning finder alle ord i korpus, som begynder med kronisk inklusive ordet kronisk selv. Jokertegnet.* (punktum stjerne) betyder, at der kan være et vilkårligt antal (også nul) vilkårlige bogstaver på dette sted. En udførlig beskrivelse af, hvordan man bruger jokertegn i CoREST, finder du i kapitel 4. I det følgende gennemgås de forskellige oplysninger, som du får i CoRESTvinduet efter en søgning Matchliste Her vises alle forskellige ord fra korpus, som matcher søgeudtrykket. Listen er som udgangspunkt alfabetisk sorteret. Øverst på listen står altid selve søgeudtrykket rykket lidt ind til højre, så det kan skelnes fra de andre ord på listen. Ud for hvert ord vises en score, der angiver, hvor hyppigt pågældende ord er blandt alle ord, der matcher søgeudtrykket. Alle match tilsammen sættes altid til (svarende til 100 %). En søgning på kronisk.* giver følgende match: kronisk med en score på 6537, altså en andel på 65,37 % af samtlige match, og kroniske med en score på 3462 (34,62 %). Efter en søgning er selve søgeudtrykket øverst på matchlisten markeret med gult. Steder i korpus, der matcher dette udtryk, vises i en såkaldt konkordans til højre for matchlisten. Matchlisten kan også sorteres efter score ved at klikke på overskriften Score over score-kolonnen. En udførlig beskrivelse af matchlisten og andre lister finder du i afsnit Konkordans Konkordansen viser korpusforekomster af de ord, der matcher søgeudtrykket. Hver forekomst vises centreret på en linje med nogle ords kontekst omkring. Konkordansen er som udgangspunkt lige som matchlisten sorteret alfabetisk på matchet. Ved en søgning på kronisk.* i KDK-2010 er det samtlige 644 forekomster af både kronisk og kroniske, der vises i konkordansen. En konkordans kan maksimalt vise 2000 fund fordelt på 20 sider med 100 fund per side. Hvis der er flere match i korpus, reduceres antallet af viste fund automatisk til 2000 fund. Hvis en konkordans indeholder flere end 100 fund og dermed består af flere sider, kan du skifte fra side til side med sidevælgeren, jf. figur 2.4. En udførlig beskrivelse af konkordanser og hvad du kan lave med dem, findes under i afsnit 3.2.

14 KAPITEL 2. HURTIGT I GANG 14 Figur 2.5: Venter på resultat Konkordanslinjeoplysninger Under konkordansen vises yderligere oplysninger om den konkordanslinje, der aktuelt er markeret med gult. Umiddelbart efter en søgning er det altid den første konkordanslinje, der er markeret. Oplysningerne vises i de følgende fire felter fra venstre mod højre under konkordansen: Tekstoplysninger Her vises oplysninger om den tekst, som den markerede konkordanslinje stammer fra. Tekstoplysningernes omfang og art kan variere fra korpus til korpus. Du kan læse mere om tekstoplysninger i afsnit 3.3. Kontekst Her gives matchet med noget mere kontekst omkring, end hvad der kan vises i selve konkordanslinjen. En udførlig beskrivelse af tekst- og kontekstvisning finder du i afsnit 3.4. Ordoplysninger Til hvert ord i korpus kan der være knyttet forskellige oplysninger, fx dets grundform eller dets ordklasse. Et udvalg af disse oplysninger vises i ordoplysningsfeltet. Disse oplysninger varierer fra korpus til korpus. Du kan læse mere om ordoplysninger i afsnit 3.5. Brugerannoteringer Hvis du har lavet annoteringer til fundet i den markerede konkordanslinje, vises de i dette felt. En fuldstændig beskrivelse af brugerannoteringer finder du i afsnit Søgehastighed Søgehastigheden afhænger direkte af det antal forekomster i det valgte korpus, som CoREST finder på baggrund af dit søgeudtryk. Hvis dit søgeudtryk søger på grupper af ord, er det antallet af match på det første ord i gruppen, der er afgørende for hastigheden. Populært sagt Jo flere match søgeudtrykket har i korpus, desto længere tid er Co- REST om at finde dem frem og det selvom CoREST til sidst kun afleverer 2000 eksempler til visning i konkordansen. Mens søgningen foregår, viser CoREST et roterende ventetidssymbol på det sted, hvor søgeknappen ellers befinder sig, se figur 2.5. Prøv at udføre en søgning på i.* i KDK Søgeudtrykket finder forekomster af ord, der begynder med i inklusive ordet i selv. Der er godt 2,5 millioner match i korpus, som det tager CoREST nogle sekunder at finde. Endnu mere ekstremt er en søgning på.*, som matcher alle ord i korpus, godt 45 millioner i KDK

15 KAPITEL 2. HURTIGT I GANG 15 OBS! Undgå denne type søgninger, som medfører hundredtusinder eller millioner af match, da de belaster serveren og kan være til gene for andre samtidige brugere! Desuden giver de ingen relevante resultater. En gentagen søgning på samme søgeudtryk vil som regel gå hurtigere, idet resultaterne så vil blive hentet fra en lokal cache, jf. afsnit 2.7, og ikke fra serveren. 2.3 Finde rundt i programmet Her følger en lille gennemgang af, hvordan du bruger tabulatortasten til at aktivere de forskellige områder af CoREST s brugerinterface. Det aktive område er det, der modtager input fra tastaturet. Man siger også, at området har fokus. Når et område har fokus, vises det i CoREST ved, at det er omgivet af en smal, blå ramme. Søgefeltet Efter en søgning har søgefeltet fokus, og søgeudtrykket er markeret med en blå baggrund. CoREST er klar til at modtage et nyt søgeudtryk, som du kan indtaste umiddelbart uden forudgående klik med musen nogen steder. Matchlisten Du kan bruge tabulatortasten til at skifte fokus mellem de forskellige områder af grænsefladen. Umiddelbart efter en søgning, hvor søgefeltet har fokus, vil et tryk på tabulatortasten skifte fokus til matchlisten. Her kan du nu med pil-ned eller pil-op flytte markøren fra match til match. Tryk på retur viser og fremhæver første forekomst af pågældende match i den tilhørende konkordans. Konkordansen Endnu et tryk på tabulatortasten rykker fokus fra matchlisten til konkordansen. Nu vedrører alle tastetryk konkordansen. Med tryk på pilned og pil-op kan du flytte markøren fra konkordanslinje til konkordanslinje. Konkordanslinjeoplysningerne under konkordansen opdateres løbende og viser altid de oplysninger, som vedrører den aktuelt markerede linje. En konkordans er delt op i sider med 100 linjer per side. En konkordans kan maksimalt være på 20 sider à 100 linjer. Er der flere forekomster, reduceres konkordansen automatisk til 2000 linjer. Du skifter fra side til side ved at taste pil-højre eller pil-venstre, ved at klikke på knapperne pil-højre eller pil-venstre over konkordansen eller ved at vælge en side med sidevælgeren ved siden af pileknapperne. Når konkordansområdet har fokus, kan der også indtastes korte annoteringer, såkaldte mærker, se afsnit 3.2.5, som bliver synlige til højre for konkordanslinjen. Annoteringsfeltet Trykker du på tabulatortasten, mens konkordansområdet er aktivt, flyttes fokus til indtastningsfeltet for avancerede brugerannoteringer annoteringsfeltet, se afsnit 3.6. Her kan du annotere matchet i den markerede konkordanslinje.

16 KAPITEL 2. HURTIGT I GANG 16 Tilbage til søgefeltet Et sidste tryk på tabulatortasten skifter fokus fra annoteringsfeltet tilbage til søgefeltet. 2.4 Formulere simple søgeudtryk Du skulle nu være i stand til selv at prøve at lave nogle simple søgeforespørgsler i CoREST. Tabel 2.1 viser en række søgeudtryk, som du kan starte med. Alle søgningerne er lavet i korpusset KDK I nogle af eksemplerne anvendes jokertegnet.* (punktum stjerne), som betyder nul, ét eller flere vilkårlige bogstaver på jokertegnets plads. Søgeudtryk på flere ord giver resultater, hvor der mellem hvert af de matchende ord kan være op til tre andre vilkårlige ord. Mellemrum mellem ord vises her i manualen som tegnet, men du skal indtaste dem som ganske almindelige ordmellemrum i CoREST s søgefelt. I kapitel 4 får du en fuldstændig introduktion til søgning med jokertegn. I kapitel 5 kan du læse en udførlig beskrivelse af avancerede søgninger, som giver dig fuld kontrol over, hvad du vil finde. Du kan læse mere om, hvordan et ord er defineret i CoREST i afsnit Opgaver: Simple søgeudtryk De følgende opgaver beror på søgninger i KDK Du kan besvare opgaverne ved at formulere passende simple søgeudtryk, udføre søgningerne og betragte de resulterende matchlister, som du nogle gange skal sortere efter hyppighed ved at klikke en eller to gange på feltet Score over listen. 1. Hvad er den hyppigste orddannelse med førsteleddet smart? 2. Hvorfor er der ingen forekomster af smarttelefon? 3. Hvad er de hyppigste to typer telefoner i korpus? 4. Hvilke orddannelser er hyppigst? Dem, der har udbyder som førsteled eller dem, der har udbyder som andetled? 5. Hvad er det hyppigste adjektiv mellem nye og medier? 6. Hvad er det hyppigste substantiv mellem de ord, der matcher ny.* og medier.*? 7. Hvad er de fem hyppigste ordgrupper, der matcher $ud af.*sen? Løsningsforslag findes i appendiks A.1.

17 KAPITEL 2. HURTIGT I GANG 17 Søgeudtryk smart SMART smart.* Kommentar Matcher alle forekomster af smart i korpus Samme resultat som søgningen på smart Matcher alle ord, der begynder med smart smarttelefon.* Matcher alle ord, som begynder med smarttelefon ingen forekomster i KDK-2010.*telefon tele.*en.*udbyder.* nye medier $nye medier ny.* medi.* $ny.* medi.* $ud af.*sen $to værelses $pc en Matcher alle ord, som ender på telefon Matcher alle ord, som begynder med tele og ender på en Matcher alle ord, som indeholder (eller begynder med eller slutter på) udbyder Matcher alle ordgrupper, som starter med nye og slutter med medier med op til 3 vilkårlige ord mellem nye og medier Dollartegnet foran søgeudtrykket bevirker, at det kun matcher nye medier uden andre ord imellem Matcher alle ordgrupper, hvis første ord begynder med ny, og hvis sidste ord begynder med medi, og som har op til 3 vilkårlige ord imellem sig Dollartegnet gør, at søgeudtrykket kun matcher ordpar, hvor det første begynder med ny og det sidste med medi Matcher alle de grupper på 3 ord, som begynder med ordene ud af og ender med et ord, der slutter på sen Matcher både to værelses og to-værelses, idet bindestreg betragtes som ordgrænse Matcher både (giv din) pc en (vitaminindsprøjtning), (en) pc, en (telefon) og pc en, idet apostrof og sætningstegn fungerer som ordgrænser $2 0 Matcher bl.a. 2.0, 2,0, 2-0, da sætningstegn (herunder bindestreg) fungerer som ordgrænser Tabel 2.1: Simple søgeudtryk

18 KAPITEL 2. HURTIGT I GANG Bruge kontroltegn i søgeudtryk Der kan anvendes en række kontroltegn i simple søgeudtryk. Kontroltegn bevirker, at søgningen udføres på en lidt anden måde end ellers. $ = ingen ekstra ord Dette kontroltegn har du allerede lært at kende, se tabel 2.1. Det sættes som det første tegn i et søgeudtryk. Mens søgeudtrykket vanskelig situation finder eksempler på både vanskelig situation, vanskelig finansiel situation, vanskelig og sårbar situation og en række andre (der kan være op til tre ord mellem vanskelig og situation), så finder udtrykket $vanskelig situation kun eksempler, hvor de to ord i søgeudtrykket står umiddelbart ved siden af hinanden. # = ét vilkårligt ord Beslægtet med $ er kontroltegnet #. Det betyder præcist ét ord pågældende sted. Således finder søgeudtrykket vanskelig # situation vanskelig økonomisk situation, vanskelig politisk situation og vanskelig finansiel situation i KDK Husk, at der skal være mellemrum mellem # og de omgivende ord vanskelig#situation giver intet resultat. Kontroltegnet # kan også anvendes flere gange, fx finder vanskelig ## situation eksemplerne vanskelig og sårbar situation og vanskelig og ubehagelig situation, altså eksempler med præcis to ord mellem vanskelig og situation. Hvis du anvender kontroltegnet #, så er et eventuelt foranstillet $ i søgeudtrykket uden virkning, søgeresultatet er det samme. I stedet for kontroltegnet # kan du også bruge [] (kantede parenteser uden noget imellem). Yderligere to kontroltegn vedrører fortolkningen af søgeord i søgeudtryk.! = skelne mellem store og små bogstaver Udråbstegn! umiddelbart foran et ord betyder, at ordet skal være stavet præcist som i søgeudtrykket, hvis det skal matche. Mens søgeudtrykket SMART finder eksempler på smart, Smart og SMART, finder!smart udelukkende eksempler, der er stavet præcist som angivet i søgeudtrykket, i dette tilfælde altså eksempler på SMART. Tilsvarende finder søgeudtrykket café både café og cafe i store og små varianter. Det samme gælder for søgeudtrykket cafe. Derimod finder!cafe kun de stavninger som præcist svarer til den i søgeudtrykket, altså eksempler på = alle bøjningsformer af et ord foran et ord betyder, at der skal søges på samtlige bøjningsformer af pågældende ord. Således alle forekomster af formerne hændelse, hændelsen, hændelsens, hændelser, hændelserne, hændelsernes og hændelsers. I øvrigt er der ingen forekomster af hændelses i KDK-2010, som derfor mangler i matchlisten. Denne type søgninger er kun mulig i korpora, som er forberedt til det korpusset skal være lemmatiseret. Er det ikke det, intet resultat. De to kontroltegn! kan ikke begge sættes foran et og samme ord, et sådant søgeudtryk er ugyldigt og giver ikke noget resultat.

19 KAPITEL 2. HURTIGT I GANG 19 Søgeudtryk uber!uber Kommentar Matcher alle forekomster af über og uber med en hvilken som helst kombination af store og små bogstaver Matcher kun forekomster af uber (stavet nøjagtigt på denne måde)!cirkus.* Matcher alle ord, der begynder med Cirkus (med stort @lærer flere ## end $ud Matcher alle grupper på præcist to ord, hvoraf det første er et vilkårligt ord og det andet er den præcise form Kapel (med stort K ). OBS! Denne søgning kan tage op til et minut Matcher alle bøjningsformer af grundformen cirkus i søgekorpusset Matcher alle bøjningsformer af grundformerne bytte Matcher alle grupper på præcist 3 ord, hvoraf det første er en bøjningsform af lærer, det andet et vilkårligt ord og det tredje en bøjningsform af elev Matcher alle grupper på præcist 4 ord, hvoraf det første er flere, det andet og tredje et vilkårligt ord og det sidste end Matcher alle de grupper på præcist 3 ord, som begynder med ordene ud af og slutter med en bøjningsform af et ord, hvis grundform slutter på skab Tabel 2.2: Eksempler på søgninger med kontroltegn Tabel 2.2 giver en række eksempler på søgninger med kontroltegn Opgaver: Brug af kontroltegn De følgende opgaver beror på søgninger i KDK Du kan besvare opgaverne ved at udføre søgninger i KDK-2010 ved at udføre søgninger på søgeudtryk med kontroltegn og betragte de resulterende matchlister og konkordanser. 1. Hvor mange forekomster er der af ordet själ (stavet på denne måde) i KDK- 2010, og hvilke tekster stammer de fra? 2. Et af resultaterne af en søgning på uber # (altså den tyske præposition über uden prikker over u et fulgt af et vilkårligt ord) er uber cool. Hvad er en mulig grund til, at sprogbrugeren bag dette fund ikke anvender den måske mere normrette stavning übercool?

20 KAPITEL 2. HURTIGT I GANG Hvad er det hyppigste ord i KDK-2010, som begynder med über stavet på præcist denne måde? 4. Hvilke er de tre hyppigste navne (proprier), som begynder med Cirkus med stort C? 5. Hvad er det mest omtalte kapel (proprium) i KDK-2010? Og det næstmest omtalte? 6. Hvilke bøjningsformer af cirkus findes i KDK-2010? 7. Hvorfor findes formen cirkuset ikke, når man søger 8. Hvilken tvetydighed løber man ind i ved en søgning 9. Et af matchene i KDK-2010 er lærer slår eleverne. Hvordan skal dette match fortolkes? 10. Hvad er den hyppigste konstruktion, som matcher udtrykket flere ## end? Løsningsforslag findes i appendiks A Søgehistorik Samtlige søgninger, som du udfører i CoREST, registreres i en lokal søgehistorik på din maskine, altså en liste over dine seneste søgninger. Klik på informationsknappen»i«øverst til højre i CoREST-vinduet for at få adgang til historikken, som vises i et info-vindue, hvor der også er andre indstillingsmuligheder, jf. figur 3.21 på side 46. Søgehistorikken præsenterer sig som en liste med et søgeudtryk for hver linje. Simple søgeudtryk er altid oversat til det tilsvarende avancerede udtryk. Du kan læse mere om avancerede udtryk i kapitel 5. Du kan kopiere udtryk fra historikken og indsætte dem i søgefeltet for at udføre en bestemt søgning igen. Du kan vende tilbage til CoREST s hovedvindu ved at klikke på knappen»concordance«i bjælken over historikken. OBS! Søgehistorikken gemmes ikke, når du lukker CoREST. Hvis du vil gemme historikken, kan du kopiere alt indholdet fra historik-området over i en editor eller et tekstbehandlingsprogram og gemme det herfra. 2.7 Cache CoREST-klienten kommunikerer med CoREST-serveren over internettet. Udvekslingen af data over nettet kan være en tidskrævende faktor ved søgningen. For at få systemet til at reagere så hurtigt som muligt, gemmes alle data, som din CoRESTklient har hentet fra serveren, i en database på din maskine, en såkaldt cache. Får din klient på et senere tidspunkt brug for at hente de samme data igen, undersøger

21 KAPITEL 2. HURTIGT I GANG 21 den først, om de allerede ligger i cachen. Hvis det er tilfældet, hentes data direkte herfra i stedet for at bede serveren om at sende dem en gang til. Normalt behøver du ikke tænke over cachens tilstedeværelse. Hvis der dog optræder problemer med CoREST s funktionalitet, kan de ofte løses ved at slette cachens indhold. Problemer kan optræde, når en ny version af et korpus eller Co- REST tages i brug. Du tømmer cachen ved at klikke på knappen»empty Cache«i info-vinduet, jf. figur 3.21 på side 46.

22 Del II Indblik 22

23 Kapitel 3 Brugerinterfacets funktioner Alle ingredienserne 3.1 Alt om lister Matchliste Naboord Eksportere lister Alt om konkordanser Visning af konkordanser Reduktion af konkordanser Blade i konkordanser Sortere konkordanser Redigere konkordanser Eksportere konkordanser Vise tekstoplysninger Vise tekst og kontekst Umiddelbar kontekst Hele teksten Vise Ordsedler Vise ordoplysninger Brugerannoteringer Sådan annoterer du Annotere hurtigere i»repeat mode« Vise annoterede eksempler Indstillinger Skriftstørrelse Tømme søgecache

24 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER Alt om lister Lister indeholder fundne ord, ordgrupper eller annoteringer. Når du klikker på et emne i en liste, vises korpusforekomster af det i konkordansfeltet. Der kan vises forskellige slags lister, som du vælger ved hjælp af listevælgeren, en rullemenu øverst til venstre over listen, jf. figur 3.1. Antallet af forskellige slags lister afhænger af det valgte korpus. Som regel vil følgende lister være tilgængelige: Matchliste vælg»matches«(er altid automatisk valgt efter en søgning), læs mere under iafsnit Naboord vælg»context«, læs mere i afsnit Brugerannoteringer vælg»tags«, læs mere i afsnit 3.6. OBS! I listerne vises fundene altid med forenklet ortografi, dvs. at store bogstaver er omsat til små og accenttegn er fjernet. I det følgende gennemgås matchlister og kollokationer. Annoteringer behandles under afsnit Matchliste Matchliste-visningen (jf. området matchliste i figur 2.4 på side 12) får du frem ved at vælge»matches«i listevælgeren, se figur 3.1. Som umiddelbart resultat af en søgning vises en alfabetisk sorteret matchliste og en tilhørende konkordans. I matchlisten vises alle enkeltord eller ordgrupper fra korpus, som matcher dit søgeudtryk. Øverst på listen står selve søgeudtrykket rykket lidt ind til højre, så det kan skelnes fra de andre ord på listen. Ud for hvert match vises en score, der angiver, hvor hyppigt pågældende match er blandt alle match. Alle match tilsammen sættes altid til (svarende til 100,00 %). Prøv fx en søgning på blockbuster.* i KDK-2010 og se, hvordan matchlisten kommer til at se ud. Oplysninger Søgeudtrykket blockbuster.* matcher alle forekomster af ord, der begynder med blockbuster inklusive blockbuster selv. Der er præcist 100 forekomster i KDK-2010, så sammenhængen mellem scoren og antallet af forekomster i korpus bliver særlig klart i dette tilfælde: Således udgør ordet blockbuster 72,00 % af alle match (score 7200) svarende til 72 forekomster i korpus, mens fx blockbusterbutikken har 1,00 % af alle match (score 100), som i dette tilfælde svarer til 1 forekomst i korpus. Sortering Som udgangspunkt er matchlisten sorteret alfabetisk på match. Du kan sortere den efter score eller i en anden orden (stigende eller faldende) ved at klikke (evt. gentagne gange) på Match eller Score i titelbjælken over listen. Eksempler i konkordansen Når du klikker på en linje i matchlisten, markeres første forekomst af pågældende match i konkordansen. Dette kræver dog, at konkordansen er sorteret på Match, hvad den som udgangspunkt er. Når

25 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER 25 Figur 3.1: Matchliste for blockbuster.* matchlisten har fokus, jf. afsnit 2.3, kan du navigere fra linje til linje ved at bruge pil-op eller pil-ned på tastaturet. Taster du retur, vises første forekomst af det markerede match i konkordansen, hvis den er sorteret på Match. Eksport Du kan eksportere indholdet fra matchlisten som tekstfil ved at klikke på eksportknappen til højre i bjælken over listen. Tekstfilen er opbygget sådan, at der står ét match per linje sammen med scoren, som er adskilt fra matchet med et tabulatortegn. Filen kan nemt importeres i teksteditorer eller regneark Naboord Et naboord er et ord, der enten optræder hyppigt eller typisk i den umiddelbare omgivelse af et match. Man kalder matchet sammen med dets hyppige eller typiske naboord for kollokation. Den umiddelbare omgivelse af et match er i CoREST fastsat til to ord til højre for og to ord til venstre for matchet. Hvad er hyppige naboord? At et naboord er hyppigt, betyder, at det ofte optræder i forbindelse med matchet uden hensyn til naboordets udbredelse i korpus ellers. Hvad er typiske naboord? At et naboord er typisk, vil sige, at det statistisk set optræder påfaldende ofte sammen med matchet set i forhold til naboordets udbredelse i korpus ellers. En liste over naboord til dit aktuelle søgeudtryk får du frem ved at vælge»context«fra listevælgeren. Når du stiller listevælgeren på»context«, kommer der umiddel-

26 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER 26 Figur 3.2: Hyppige naboord til venstre for rimelig bart til højre for den en rullemenu frem, hvor du kan vælge den type af naboord, som du vil se. Vi kalder denne rullemenu for kollokationstypevælgeren, som du kan se i figur 3.2. Vis hyppige naboord Som udgangspunkt står kollokationstypevælgeren på»frq- L«(Frequency Left), som betyder, at de hyppigst optrædende ord en til to pladser til venstre for rimelig vises i oversigten i figur 3.2 sorteret efter faldende hyppighed. Hyppigheds-scoren angiver ikke den absolutte hyppighed i korpus, men er et relativt tal ligesom i matchlisten. Stiller du typevælgeren på»frq-r«(frequency Right), vises tilsvarende de hyppigste ord en til to pladser til højre for matchet. Vis typiske naboord Ud over kollokationstyperne»frq-l«og»frq-r«findes typerne»log-l«og»log-r«. Når du vælger en af disse to kollokationstyper, laves listen ikke kun på baggrund af naboordenes absolutte hyppighed i konteksten, men hyppigheden sættes også i relation til, hvor hyppigt naboordene optræder i hele korpus. Til beregningen af listen anvendes en lettere tilpasset udgave af den statistiske signifikanstest log likelihood. Således viser»log-l«og»log-r«særligt påfaldende hyppigheder i konteksten, en høj værdi er udtryk for en særlig tiltrækning mellem matchet og pågældende naboord.»log«-kollokationstyperne egner sig blandt andet til at finde forskellige former for flerordsudtryk. Som eksempel kan du udføre en søgning på rimelig. Når søgningen er udført, skifter du listevælgeren fra»matches«til»context«, og kollokationstypevælgeren sætter du til»log-r«. Nu vises der en liste over naboord sorteret efter, hvor påfaldende de er, jf Eksportere lister Samtlige former for lister kan eksporteres som rene tekstfiler. Det gør du ved at klikke på eksportknappen i bjælken over listen, jf. figur 3.1 på foregående side, og

27 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER 27 Figur 3.3: Typiske naboord til højre for rimelig vælge et filnavn og en placering i den dialogboks, der popper op. En eksporteret liste består af to kolonner, den ene med selve ordet, den anden med den talværdi, der knytter sig til ordet. De to kolonner er adskilt med et tabulatortegn. Eksporterede lister kan nemt importeres i andre programmer, fx tekstbehandlere eller regneark. 3.2 Alt om konkordanser Konkordanser (jf. området konkordans i figur 2.4 på side 12) viser fundne ord eller ordgrupper sammen med noget kontekst omkring, sådan som de optræder i den tekst, de stammer fra. I det følgende gennemgås de forskellige funktionaliteter, som knytter sig til konkordanser. Som illustration tjener resultatet af en søgning CoREST s konkordansområde med den øverste del af denne konkordans vises i figur 3.4. Visning af konkordanser I afsnit beskrives, hvordan en konkordans ser ud i CoREST. Reduktion af konkordanser I afsnit forklares, hvad det vil sige, at en konkordans er blevet reduceret, jf. antal forekomster og reduktion i figur 3.4. Blade i konkordanser I afsnit vises, hvordan du blader gennem en konkordans, jf. vælge konkordansside i figur 3.4. Sortere konkordanser I afsnit beskrives sorteringsmulighederne, jf. sortering i figur 3.4.

28 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER 28 Figur 3.4: Reduceret konkordans Redigere konkordanser I afsnit beskrives korte annoteringer og sletning af konkordanslinjer. Eksportere konkordanser I afsnit vises, hvordan du eksporterer en konkordans, så du kan bruge den uden for CoREST, jf. eksport i figur Visning af konkordanser Konkordanser vises i konkordansområdet; det er den centrale del af CoRESTvinduet til højre for området med ordlister. En konkordans viser autentiske korpusforekomster af de fund, der matcher søgeudtrykket. Hver forekomst vises centreret på en linje med nogle ords kontekst omkring. Konkordansen er som udgangspunkt lige som matchlisten sorteret alfabetisk på matchet. I konkordanser vises eksemplerne altid i en ortografi, som er så tæt på den oprindelige, som muligt i modsætning til ordlisterne, som vises i en forenklet ortografi, jf. afsnit 3.1. Tvungne linjeskift fra den oprindelige tekst vises som tegnet i konkordanserne Reduktion af konkordanser I en konkordans kan der maksimalt vises 2000 fund fordelt på 20 sider med 100 fund per side. Hvis der er flere match i korpus, reduceres antallet af viste fund automatisk til Antallet af fund og en eventuel reduktion oplyses i bjælken over konkordansen, jf. antal forekomster og reduktion i figur 3.4. En reduktion laves jævnt fordelt over hele korpus, hvis korpusset har en størrelse på under 100 millioner ord. Her er det med andre ord altså ikke kun de 2000 første fund, du får vist, men et udpluk taget fra hele korpus. Hvis korpusset, som

29 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER 29 du søger i, har et omfang på over 100 millioner ord, vises kun de første 2000 fund fra korpus. 1 Hvis du vil se samtlige match, som dit søgeudtryk har i korpus, må du indsnævre søgningen. I figur 3.4 viser de første to linjer eksempler på brugen af formen advokatundersøgelse. Hvis du vil se flere eller samtlige forekomster af denne form i korpus, kan du fx søge på udtrykkene advokatundersøgelse og du vil da få vist samtlige 18 hhv. 27 fund, da der er under Det kan i øvrigt være en fordel at afslutte et søgeudtryk, der giver mange match, med # eller [], som begge betyder efterfulgt af et vilkårligt ord, idet du så får et søgeresultat, hvor både matchlisten og konkordansen er sorteret efter det følgende ord, og det vil gøre det meget lettere at orientere sig i mængden af fund Blade i konkordanser Du kan blade frem og tilbage fra side til side i konkordansen ved at klikke på pileknapperne øverst til venstre over konkordansen, eller du kan springe direkte til en bestemt side ved at vælge den i rullemenuen umiddelbart til højre for pileknapperne, jf. vælge konkordansside i figur 3.4. I rullemenuen oplyses den aktuelt viste side. Hvis konkordansområdet er aktivt (blå ramme omkring konkordansen), kan du i øvrigt også blade frem og tilbage ved at bruge pil-venstre og pil-højre på dit tastatur Sortere konkordanser En konkordans kan sorteres på forskellige måder. Du kan vælge sorteringen i sorteringsrullemenuen sortering, jf. figur 3.4. Som udgangspunkt er konkordansen sorteret alfabetisk på match (»Match sorted«), altså på samme måde som matchlisten. Andre muligheder er»corpus order«,»left sorted«og»right sorted«. Match sorted Alfabetisk sortering på matchet. Dette er standardsorteringen. Corpus order Med denne sortering vises eksemplerne i den rækkefølge, som de har i korpusset. Rækkefølgen afspejler dermed opbygningen af korpus. For korpusset KDK-2010 er teksterne fx ordnet efter, hvilke kilder de stammer fra, mens de i det DSL-interne korpus KDK-MONITOR er ordnet kronologisk, således at de nyeste eksempler står øverst, og eksemplerne bliver ældre, jo længere du ruller ned gennem konkordansen. Left sorted Sortering på venstre kontekst. Sorteringen sker fra højre mod venstre, altså baglæns, således at ord, der ender på a, kommer før ord, der ender på b, osv. 1 Det er kun KDK-MONITOR, som er på over 100 millioner ord. Dette korpus er ordnet kronologisk, således at det nyeste materiale altid ligger først. De første 2000 fund vil altså samtidig være de 2000 nyeste.

30 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER 30 Right sorted Sortering på højre kontekst. Sorteringen sker fra venstre mod højre, således at ord, der begynder med a, kommer før ord, der begynder med b, osv Redigere konkordanser Du kan markere bestemte match med dine egne oplysninger, som du kan definere, så de passer til dit behov, fx at holde forskellige betydninger af et match ud fra hinanden eller de forskellige sproglige konstruktioner, som matchet indgår i, markere gode eksempler eller sproglige fejl af forskellig art. Vi skelner mellem to typer for markeringer: mærker og annoteringer. I dette afsnit behandler vi kun mærker, mens annoteringer bliver behandlet i afsnit 3.6. Mærker består af ét enkelt bogstav eller ciffer, som vises i kolonnen til højre for konkordansen. Hvilke bogstaver eller cifre, du vil bruge til at markere bestemte egenskaber ved konkordanslinjen med, er op til dig. Fx kan du give gode eksempler et A som mærke og give forskellige betydninger af et ord cifrene 0 9. Der kan dog kun sættes ét mærke på hvert match. Sætter du et mærke på et match, der har et i forvejen, bliver det oprindelige erstattet af det nye. Sætte mærker Klik på konkordansområdet for at gøre det aktivt, eller gør det aktivt ved at bruge tabulatortasten (gentagne gange). Det er aktivt, når der er en blå ramme omkring, jf. afsnit 2.3. Rul med piletasterne til den linje i konkordansen, som du vil forsyne med et mærke eller klik på den. Tast dernæst et bogstav eller et ciffer. Konkordanslinjen er nu mærket. Slette konkordanslinjer Et særligt mærke er bindestregen (minus), som sletter eller snarere undertrykker konkordanslinjen. Dette markeres i konkordanslinjen ved, at kun matchet står tilbage, mens konteksten fjernes. Hermed vises, at der står en konkordanslinje her, som du ikke ønsker at se længere. Denne særlige funktionalitet kan være nyttig ved eksport af konkordanslinjer: Linjer, der er mærket med bindestreg, kommer nemlig ikke med i eksporten. Se mere om eksport af konkordanser i afsnit Fjerne mærker Du kan fjerne et mærke igen ved at markere pågældende linje og taste mellemrum. På denne måde kan du også genoplive undertrykte linjer. Figur 3.5 viser et lille udsnit af en konkordans på blad, hvor match i betydningen tidsskrift er markeret med 1, mens 2 markerer match i betydningen plantedel. Læg mærke til, at tre af linjerne er blevet undertrykt. Hvis dit match omfatter flere ord, knyttes mærket altid til hele matchet. For eksempel finder blandt andet matchet reducere bygningens energiforbrug i KDK Hvis du nu sætter et mærke, for eksempel V ud for pågældende konkordanslinje, vedrører det kun dette match. I

31 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER 31 Figur 3.5: Konkordans med mærker en efterfølgende søgning på $bygningens energiforbrug vil du se, at der ikke længere er et mærke ud for pågældende konkordanslinje. Det samme gælder for eksempel for en efterfølgende søgning på reducere bygningens. Først når reducere bygningens energiforbrug matcher i sin helhed, vises mærket igen, uanset hvilket søgeudtryk der ellers medfører dette match. I afsnit 3.6 vises, hvordan du kan genfinde de eksempler i korpus, som du har givet en mærke uden at skulle lave et passende søgeudtryk. OBS! Brugermarkeringer lægges lokalt på den computer, som du arbejder på. Derfor bør du altid arbejde med samme computer, når du bruger mærker eller annoteringer Eksportere konkordanser Du kan eksportere en konkordans i form af en tekstfil ved at klikke på eksportknappen eksport yderst til højre i bjælken over konkordansen, jf. figur 3.4 på side 28. Tekstfilen er struktureret sådan, at hver linje svarer til en konkordanslinje, hvor matchet altid er omgivet af tabulatortegn. Linjen afsluttes med et tabulatortegn evt. efterfulgt af et mærke, jf. afsnit Vær opmærksom på, at konkordanslinjer, som er markeret med en bindestreg (undertrykte konkordanslinjer) ikke kommer med under eksporten. De er med andre ord endegyldigt slettet fra den eksporterede konkordans. En linje i en eksporteret konkordans er struktureret på følgende måde: [venstre kontekst] <tab> [match] <tab> [højre kontekst] <tab> [evt. mærke] Eksporterede konkordansfiler kan nemt importeres i tekstbehandlingssystemer, regneark, eller de kan behandles videre på anden vis. Figur 3.6 viser det mærkede konkordansafsnit fra figur 3.5 importeret i et regneark.

32 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER 32 Figur 3.6: Eksporteret konkordansudsnit i regneark Figur 3.7: Centrale tekstoplysninger 3.3 Vise tekstoplysninger Tekstoplysninger vises i det første af de fire felter under konkordansen (jf. området tekstoplysninger i figur 2.4 på side 12). Her vises altid oplysninger om den tekst, som den aktuelt markerede konkordanslinje stammer fra. Figur 3.7 viser de oplysninger, som vedrører den markerede (første) konkordanslinje i konkordansen med mærker fra figur 3.5 på foregående side. I denne visning er udvalget af oplysninger altid begrænset til de mest centrale. For KDK-2010 s vedkommende er det oplysninger, som er nærmere forklaret i tabel 3.1. Du kan evt. få mere udførlige tekstoplysninger at se ved at klikke på»+«- knappen i bjælken over oplysningsfeltet. Visse kombinationer af CoREST-udgaver og bestemte korpora tillader ikke visningen af udførlige tekstoplysninger. De udførlige tekstoplysninger for teksten er vist i figur 3.8. De udførlige tekstoplysninger kan eksporteres som HTML ved at klikke på eksportknappen yderst til højre i bjælken over tekstoplysningerne. En gennemgang af samtlige oplysningstyper og deres mulige værdier findes i Asmussen Vise tekst og kontekst Konkordanslinjer er altid opbygget sådan, at selve matchet vises centreret med nogle ords kontekst omkring. I mange tilfælde er denne snævre kontekst nok til, at du kan få en idé om, hvordan ordet er brugt i teksten. Nogle gange er det imidlertid nødvendigt at se noget mere kontekst, end der umiddelbart kan vises i en konkordanslinje.

33 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER 33 Oplysning ID Title Edition Publisher Date Name Role Beskrivelse Det unikke tekst-id, som alle korpustekster i DSL s samlinger har. Id et er altid et 10-cifret tal Tekstens titel Avisens eller tekstsamlingens navn, hvis teksten stammer fra en sådan kilde Forlagets navn Udgivelsesdatoen Navne på de personer, som har haft med teksten at gøre, og deres roller Tekstproducenternes roller: Som regel er det kun author (forfatter), som er nævnt her, men i princippet kan det også være editor (udgiveren) eller translator (oversætteren). Der kan også være anført navne på flere forfattere, udgivere eller oversættere, hvis det er relevant. I eksemplet i figur 3.7 er navnet på forfatteren ukendt, hvorfor der står et spørgsmålstegn det pågældende sted. Tabel 3.1: Oversigt over centrale tekstoplysninger Figur 3.8: Udførlige tekstoplysninger

34 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER 34 Figur 3.9: Kopiering fra kontekstfeltet Umiddelbar kontekst Noget mere kontekst, end hvad der kan vises i selve konkordanslinjen, får du i området med konkordanslinjeoplysningerne under konkordansen, i det andet felt fra venstre (jf. området kontekst i afsnit 2.4 på side 12). Selve matchet i dette felt er markeret med gult og står som regel mere eller mindre i midten af feltet. Fra dette felt kan du kopiere en tekstpassage på samme måde, du kan i de fleste andre programmer i dit system, fx ved at markere det område, du vil have med, højreklikke med musen og vælge»copy«i den lokale menu, der popper op. Du kan herefter indsætte den kopierede passage i andre programmer, fx i en tekstbehandling eller et ordbogsredigeringssystem. Figur 3.9 viser det med en passage omkring matchet spillefilm (i dette tilfælde efter en søgning Afhængig af din CoREST-udgave og det valgte korpus egenskaber kan du evt. også kopiere den markerede passage som xml-stump, der egner sig til at blive sat ind i et xml-baseret redigeringsværktøj. I xml-stumpen indgår der også oplysninger om tekstens kilde. Du kopierer en markeret passage som xml ved at klikke på taleboblen over kontekstfeltet. xml-stumpens opbygning er lavet specielt med henblik på at kunne indsætte autentiske citater i Den Danske Ordbogs artikler. I den nuværende version af Co- REST kan opbygningen ikke ændres af brugeren. Den markerede passage i illustrationen som xml-stump ser således ud: <Citat> <txt>denne formidable komiker og habile skuespillers talent skal udmønte sig i en spillefilm med mere stil og pondus</txt> </Citat> <Kilde> <DDOkilde> </DDOkilde> <Kildeid> </Kildeid> </Kilde>

35 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER 35 Figur 3.10: Visning af hele teksten Hele teksten I visse udgaver af CoREST er det muligt i nogle korpora også at se hele teksten omkring et fund. Af ophavsretlige grunde er det ikke muligt at se hele tekster i offentligt tilgængelige versioner af CoREST. Hvis du vil se teksten, som et fund stammer fra, i sin helhed, skal du klikke på»plus«-knappen over kontekstfeltet. Herefter udvides det til at fylde hele området under konkordansen. Figur 3.10 illustrerer, hvordan kontekstvisningen ser ud. Øverst i bjælken over selve teksten vises et par tekstoplysninger, nemlig titel (Rig reklamesøjle), evt. titlen på bladet eller samlingen, som teksten stammer fra (Se og Hør) samt udgivelsestidspunktet (24. marts 2011). I selve teksten er fundet markeret med gult. Du kan rulle igennem teksten ved hjælp af rullebjælken til højre for teksten. Ligesom under visningen af den umiddelbare kontekst (afsnit 3.4.1), kan du kopiere tekst som ren tekst ved at markere teksten, højreklikke og vælge kopier fra den lokale menu, eller som xml-stump med kildeoplysninger til indsætning i ordbogsredigeringssystemer ved at markere den ønskede tekstpassage og klikke på taleboblen over teksten. Du kan endvidere eksportere teksten som en html-formateret fil, som fx kan vises i en webbrowser og fx udskrives herfra. Hvis du ruller op eller ned i teksten og senere gerne vil hoppe tilbage til selve fundet, kan du klikke på den cirkelformede knap vis fund, jf. figuren. Hvis du bruger Ømål-udgaven af CoREST (jf. afsnit 1.2) sammen med dialektkorpusset DIAKO, kan du endvidere få vist konteksten i form af en klassisk, som du også kan udskrive Vise Ordsedler I Ømål-udgaven af CoREST (jf. afsnit 1.2) kan en mindre del af konteksten vises i form af en klassisk ordseddel, som du kan skrive ud på papir, klippe ud og opbevare i en kartotekskasse. For at få denne visning sætter du hak i boksen»show as

36 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER 36 Figur 3.11: Ordseddelvisning i Ømål-udgaven Card«i panelet over kontekstfeltet. Boksen er kun synlig, hvis DIAKO-korpusset er valgt. Figur 3.11 illustrerer, hvordan ordseddelvisningen tager sig ud. I panelet over tekstfeltet ser du tekst-id et ( ), som giver en indikation af, hvilket sogn den interviewede person stammer fra (1162, hvilket er på Ærø) samt i hvilket år interviewet blev optaget (1981). Disse oplysninger gentages på selve sedlen øverst til højre sammen med flere oplysninger om de(n) interviewede. I panelet er der sat hak i feltet»show as Card«fjerner du hakket, vises hele teksten i stedet for kortet. I tekstfeltet, som i illustrationen er markeret med Opslagsord, kan du skrive stikordet eller opslagsordet for sedlen, i eksemplet lokomobil, sb. Du kan samle flere sedler i form af en stak, idet du for hver seddel klikker på knappen»add to Stack«. Antallet af kort i stakken vises til højre for knappen. På denne måde kan du samle flere sedler. Du kan få vist alle kortene i stakken på en gang, idet du sætter hak i feltet»show«, herefter har du mulighed for at udskrive eller eksportere hele stakken på en gang. Du udskriver enkelte ordsedler eller stakke ved at klikke på knappen med printersymbolet. I forbindelse med udskrivningen kommer der ingen særlig dialogboks frem! Sedlen eller stakken udskrives uden videre tilbagemelding til din default-printer! Hvis printeren ikke er tilgængelig, sker der ingenting! Du kan også eksportere sedler eller stakke til html ved at klikke på eksportsymbolet, jf. beskrivelsen i afsnit og figur En mere detaljeret beskrivelse af ordsedlernes opbygning findes i en særskilt intern manual på Ømålsordbogens redaktion.

37 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER 37 Figur 3.12: Ordoplysninger om ordklasse og bøjning 3.5 Vise ordoplysninger Til hvert ord i et korpus er der knyttet en række oplysninger. Oplysningerne kan godt være forskellige fra korpus til korpus. Du kan se en oversigt over de ordoplysninger, som bruges i alle KDK-korpora, i afsnit 5.2. I det tredje oplysningsfelt under konkordansen (jf. området ordoplysninger i figur 2.4 på side 12) vises ordet med den ortografi, det havde i den originale korpustekst, sammen med ordklasse- og bøjningsoplysninger. Figur 3.12 viser et eksempel fra en søgning på $med hensyn til. Ordklasse- og bøjningsoplysningerne gives som en kode, et såkaldt tag af følgende tilsnit: OU:nnnn:vv:dddd Her har de enkelte dele følgende betydninger: O betegner ordklassen, fx N for substantiv, V for verbum, A for adjektiv U betegner en underklasse til ordklassen, hvis det er relevant (ellers står der blot en bindestreg); ved verber fx F for finit, I for infinitiv, M for imperativ På de fire pladser betegnet n står der oplysninger, der vedrører den nominale bøjning af ordet De to v-pladser giver oplysninger om den verbale bøjning De fire afsluttende d-pladser bruges til forskellige oplysninger, fx om adjektivers gradbøjning eller pronomeners person.

38 KAPITEL 3. BRUGERINTERFACETS FUNKTIONER 38 Figur 3.13: Ordoplysninger i KDK-korpora En detaljeret gennemgang af ordklassetaggets opbygning finder du i afsnit 5.3. Her beskrives også, hvordan du kan bruge disse oplysninger i dine søgninger. Ved at klikke på»+«-knappen i panelet over ordoplysningsfeltet får du vist udvidede ordoplysninger. Figur 3.13 viser samtlige oplysninger, der knytter sig til hvert ord i KDK I det følgende vil oplysningstyperne blive gennemgået kolonne for kolonne. 1. kolonne: Ordet i forenklet ortografi (jf. afsnit 3.1); det er denne form, som der som udgangspunkt søges på i CoREST. 2. kolonne: Ordet i den ortografi, det havde i den oprindelige korpustekst. 3. kolonne: Tegn, der adskiller ordet fra det følgende ord, til højre for i teksten; som regel er der blot tale om et mellemrum, som gengives som en understregningsstreg i visningen, men ofte vil der også være interpunktionstegn, således følger der._ (punktum og mellemrum) efter ordet indtjening i eksemplet i figur kolonne: Ordet i dets grundform (lemma), dvs. den form man vil slå det op under i en ordbog.