Multidimenzionální analýza češtiny

• otec zakladatel: Douglas Biber
  • dizertace A model of textual relations within the written and spoken modes (1984)
  • monografie Variation across speech and writing (1988)
• motivace
  • původně: postihnout rozdíly mezi psaným a mluveným jazykem
  • posléze: usouvztažnění mluvených a psaných žánrů na základě vnitrotextových kritérií

• dimenze jsou matematicky odvozené na základě rysů, které spolu kovariují
• DimA : ↓ F(part.), ↑ F(subst.)
• DimB: ↑ F(3.pers.), ↑ F(v.pret.)
• interpretace dimenzí na základě svazku rysů, které je tvoří:
  • DimA ~ “informační hustota”?
  • DimB ~ “narativita”?

1. textová rozmanitost
   • úzké žánrové zaměření → rozporuplné výsledky v porovnání psaného vs. mluveného
2. jazykové rysy
   • co největší počet potenciálně relevantních rysů
   • \( \sim5\times \) víc textů než rysů
3. matematika: faktorová analýza
   • = shluknutí rysů do dimenzí (faktorů)
   • “loading”: míra korelace rysu s danou dimenzí (\( \in [-1;1] \))
   • “rotace”: faktory s min. počtem rysů s max. |korelací|

1. korpus
   • PMK, BMK: formální i neformální
   • KSK-dopisy (osobní korespondence)
   • bel., odb. a pub. ze SYNů 2000, 2005 a 2006pub
2. 43 → 28 rysů (po vyřazení irelevantních)
3. dimenze (bez FA, jen exploratorní sonda)
   1. “formalita” (konverzace < monolog < pub. < odb.)
   2. “postoj” (mluvený > ostatní registry)
   3. “narativita” (bel. > ostatní registry)

A teď už ke korpusu a samotným rysům.

Tato část prezentace je dostupná na https://trnka.korpus.cz/~lukes/slides/mda.