Содержание курса “Лингвистические данные”, бакалавры 1 курс НИУ ВШЭ

Страница курса 🤗 Оценки за курс 😋 Группа в Телеграм

Вводная лекция. Обзор ресурсов для лингвистических исследований

• Презентация

Лекция. Форматы представления данных и кодировки

• Презентация

Семинар 1. Электронный текст с изнанки конспект

Электронное представление текста. Форматы HTML, XML, Markdown. Кодировки файлов. Поиск и замена с помощью регулярных выражений

Семинар 2-3. ELAN конспект

Семинар 4. Лексико-грамматическая разметка конспект

Лекция. Корпусные данные: разметка мультимедийной информации

• Презентация

Лекция. Как интерпретировать частотные данные?

• Презентация

Семинар 5. Разметка жестов и интонационных паттернов, импорт морфологической информации

конспект

Семинар 6. Анализ пользовательского корпуса. Частотные списки, коллокации, ключевые слова. Конкордансеры (AntConc)

конспект

Семинар 7. Поиск в веб-корпусах. NoSketchEngine - фильтрация, частотные списки, коллокации

конспект

Семинар 8. Работа с данными в таблицах: Фильтры. Сводные таблицы. Сортировки. Текстовые формулы

конспект

Семинар 9. Основы количественного анализа корпусных данных. Критерий хи-квадрат

Таблица-инструкция: распределение двух категорий

Семинар 10. Основы количественного анализа корпусных данных. Объединение таблиц

конспект: объединение двух таблиц

Контрольная работа

идеи для подготовки

Экзамен

описание

Домашние задания

Дз 1. Разметка метаданных для проекта LiveCorpus (ссылка на Гугл-док в проекте семинара).

Дз 2. Личная страница, файл html + фотография в папке mywebpage репозитория lingdata на GitHub.

Дз 3. Расшифровка реплик в ELAN, токенизация.

Дз 4. Разметка лемм, части речи и морфологических признаков у токенов.

Дз 5. Разметка лемм, части речи и морфологических признаков 2: независимая проверка автоматической лексико-грамматической разметки.

Дз_6. Дедлайн 1 декабря. Финальная сдача проекта “Live Corpus”.

Дз_7. Дедлайн 8 декабря. Поиск в англоязычных веб-корпусах.

Форма записи для тех, кто хочет поднять накопленную оценку. Дедлайн записи до 10 декабря, выполнения - до 15 декабря, 22:00.

Коротко о курсе

• 1 модуль: создание корпусного ресурса своими руками

• 2 модуль: анализ корпусов

Software

Текстовые редакторы

• Notepad++ для Windows (и дистрибутивов Linux, поддерживающих snap, подробнее тут и тут)

• Atom для macOS и Linux

• Sublime Text для macOS, Linux и Windows (платный)

• BBEdit для macOS (бесплатная версия)

Профессиональный текстовый редактор, используемый вами в ходе курса, должен поддерживать использование регулярных выражений и макросов.