Brukerveiledning for TAUS - Talemålsundersøkelsen i Oslo - v.2

Gå til hjemmesiden

Brukerveiledningen er skrevet av Kristin Hagen og bygger på The Nordic Dialect Corpus - Search Interface Documentation skrevet av Eirik Olsen.

 

1. TAUS

TAUS - Talemålsundersøkelsen i Oslo - v.2 består av uformelle intervjuer med folk fra Oslo i 1971-73. Informantene er fra to østlige bydeler (Vålerenga og Kampen) og en vestlig (Frogner), og har en sosial bakgrunn som kan anses representativ med hensyn til utdanning og yrke, og oppvekstmiljø. Personene faller i to grupper ut fra alder: ungdom (15 - 17 år) og voksne (34 - 75).
Versjon 2 inneholder talere fra A og C-serien. Versjon 3 har også med talerne fra B-serien.

På denne siden:

1.1 Transkripsjonene i TAUS

1.2 Hovedsøkesiden til TAUS

1.2.1 Enkelt søk (simple) og eksempel på resultatvisninger

1.2.2 Utvidet søk (Extended)

1.2.2.1 Søk på flere ord
1.2.2.2 Søk på Lemma, Start, End, Segment initial, Segment final eller Phonetic
1.2.2.3 Søk på ordklasse eller morfologiske trekk
1.2.2.4 Søk på andre tagger (latter, ord som ikke står i ordboka osv)
1.2.2.5 Spesifiser eller ekskluder lemma og ordform

1.2.3 CQP-søkeuttrykk (CQP query)

1.2.4 Eller-søk (Or)

1.3 Metadatasøk og Show informants

1.4 Tilfeldig utvalg av søkeresultatene

1.5 Statistikk

1.6 Last ned data

1.7 Sorter søkeresultatene


1.1 Transkripsjonene i TAUS
Opptakene er transkribert ortografisk ved hjelp av transkripsjonsprogrammet Transcriber. Her blir transkripsjonene koplet sammen med lydfilene.

Opptakene er transkribert ord for ord uten å endre ordstillingen. TAUS er transkribert etter de samme retningslinjene som NoTa-Oslo. Les transkripsjonsveiledningen her. Transkripsjonene er tagget med NoTa-taggeren, en statistisk talemålstagger (TreeTagger) som er trent på talemålsmaterialet fra NoTa-Oslo. Her kan du lese taggeveiledningen.

For mange opptak er den ortografiske transkripsjonen satt sammen med den originale TAUS-transkripsjonen, en form for grov lydskrift med bare vanlige bokstaver og noen få ekstra tegn. Les mer om dette på hjemmesiden til TAUS.

 

1.2 Hovedsøkesiden til TAUS
Figur 1 viser hovedsøkesiden til TAUS:





Figur 1: Hovedsøkesiden TAUS
.

 

Til venstre er alle metadatakategoriene det går an å søke i. I TAUS er dette forskjellige egenskaper hos informantene: Informant, Kjønn, Alder, Bosted, Utdanning og Yrke. Du ser hvor mange informanter som er valgt over metadatakategoriene.
Knappen Show informants gir deg en oversikt over alle informantene eller det utvalget informanter du har valgt. Les mer under 1.3.

Øverst er to knapper. Med Hide filters kan du skjule metadatakategoriene til venstre.
Reset form gir deg en blank søkeside.

Resten av søkesiden handler om søkeordet eller egenskaper ved det. Les mer nedenfor.

1.2.1 Enkelt søk (simple) og eksempel på resultatvisninger
I enkelt søk (Simple) kan du søke på enkeltord og fraser i søkefeltet. Resultatene vises som en konkordans (se figur 2). Du kan se antall treff over søkeresultatene til høyre. Det presenteres 50 søkeresultater per side. Er det flere, presenteres de over flere sider som man kan klikke seg inn på.

Over søkeresultatene finner du knapper for nedlasting og sortering, se 1.6. og 1.7. Du kan også få ulike statistiske visninger av søkeresultatet, se 1.5.

Dersom du holder musa over ordet, får du opp et lite vindu med informasjon om lemma, ordklasse, annen morfologisk informasjon og tagger, se figur 3. Les mer om ordklasser og tagger i 1.2.2.3 og 1.2.2.4.

Til venstre for søkeresultatene er det to ikoner. Klikk på lydikonet for å få opp lyd (se figur 4). I avspillingsboksen kan man få mer kontekst ved å dra firkantene under boksen til venstre og/eller høyre.
Klikk på
det andre ikonet for å få opp lydbølge og spektrogram for søkeresultatet (se figur 5). Klikk på informantnummeret for å få opp metadata om informanten (se figur 6).

I søkeresultatet står den ortografiske transkripsjonen over den originale, lydnære TAUS-transkripsjonen. Dersom det ikke finnes noen originaltranskripsjon, står det bare streker i dette feltet, se figur 9. Som figur 2 viser, står det også streker i stedet for pausetegnet # mfl. som er satt inn i den nyere ortografiske transkripsjonen.


 

Figur 2: Søkeresultat for enkeltord i talekorpuset.

 

Figur 3: Dersom du holder musa over et ord i søkeresultatet, får du opp et lite vindu med informasjon om lemma, ordklasse, annen morfologisk informasjon og tagger. I TAUS ser du også den fonetiske transkripsjonen om den finnes.



Figur 4: Lydavspilling av søkeresultatet.

 


Skjermbilde 2016-12-14 kl. 13.31.29.png
Figur 5: Lydbølge og spektrogram.

 

 



 

Figur 6: Metadata om informanten.

 

1.2.2 Utvidet søk (Extended)
Utvidet søk (se figur 7) gir flere søkemuligheter. Du kan søke både på både enkeltord og fraser, på lemma, starten eller slutten på ord eller på begynnelsen eller slutten på segment. Du kan også søke på ordklasser, morfologiske trekk eller andre tagger.

 



Figur 7: Utvidet søk.

 

1.2.2.1 Søk på flere ord
Dersom du fyller inn noe i den første søkeboksen og klikker på det blå plusstegnet til høyre, får du opp en søkeboks til. Du kan lage så mange søkebokser du vil. Mellom søkeboksene kan du definere hvor mange ord det minimum eller maksimum skal være mellom søkeordene. Du fjerner en søkeboks ved å klikke på minustegnet til høyre i boksen.
I figur 8 er det gjort et søk på frasen
i dag. Det er funnet 220 resultater som presenteres over 5 sider. Klikk på pilene for å navigere i søkeresultatene.

NB! Vær oppmerksom på at noen fraser er skrevet som enkeltord på denne måten: for_eksempel. Dette er fordi korpuset er preprosessert med Oslo-Bergen-taggeren som har endel flerordsuttrtykk som enkeltlemma. Se en oversikt over uttrykkene her.


Figur 8: Søk på flere ord.

 

1.2.2.2 Søk på Lemma, Start, End, Segment initial, Segment final eller Phonetic
Under søkevinduet er det fem bokser der man kan krysse av for Lemma, Start, End, Segment initial, Segment final eller Phonetic. Dersom du krysser av for Lemma, får du alle bøyingsformer av et ord som resultat, for søkeordet bok får du både bok, boka, boken, bøker og bøkene som resultat dersom ordene finnes i korpuset.
Krysser du av for Start eller End, får du alle ordene som enten begynner eller starter med ordet eller bokstavene som står i søkeboksen. Et søk på bok der Start er krysset av, kan gi resultater som bokorm eller bokomslag. Er End krysset av, kan resultatene være ord som grammatikkbok eller notisbok.

Transkripsjonene i TAUS består av segmenter og ikke setninger i skriftspråklig forstand. Segmentene er skilt fra hverandre, ikke med punktum, men med tidskoder som angir hvor i videoen eller lydfila segmentet starter eller stopper. Segmentene vil ofte tilsvare skrifspråklige setninger, men siden dette er talemål, kan det også være snakk om ufullstendige setninger uten subjekt og finitte verbal.
Krysser du av for
Segment initial, spesifiserer du at søkeuttrykket skal komme først i et segment. Et kryss i Segment final betyr søk på det siste ordet. Figur 9 viser et søk på ordet etterpå i Segment initial.


Figur 9: Etterpå i Segment initial-posisjon. Legg merker til at de to nederste eksemplene ikke har originaltranskripsjon.

 

Et kryss i Phonetic gjør at du søker direkte i den fonetiske delen av korpuset. I figur 2 er leilighet uttalt læilihet. Søker du på læilihet og krysser av for Phonetic, får du 40 treff. Du kan søke i fonetisk og ortografisk versjon samtidig. Les om dette i 1.2.2.5.

 

1.2.2.3 Søk på ordklasse eller morfologiske trekk
I utvidet søk kan du søke på ordklasse ved å bruke nedtrekksmenyen som skjuler seg bak pilen til venstre i søkeboksen, se figur 10. Klikker du på knappen til venstre for pilen, får du opp boksen i figur 11. Velger du en ordklasse under Parts-of-speech, får du også tilgang til valgene under Morphosyntactic features for den ordklassen du har valgt. Valgene dine kommer opp i små blå bokser under søkefeltet. I figur 10 er det søkt på Substantiv flertall.
De andre avkryssingsmulighetene i boksen på figur 11 blir forklart i kapitlene under.

Figur 10: Knappene for ordklassesøk og søk etter andre morfologiske trekk.

 

Figur 11: Søk på ordklasse og annen morfologisk informasjon.

 

Hvis du klikker på flere ordklasser samtidig, for eksempel både substantiv og pronomen, vil du få treff på alle ordene som er enten substantiv eller pronomen.Tilsvarende kan du klikke på flere verdier innafor en kategori, for eksempel både hunkjønn og hankjønn i kjønn-kategorien under substantiv for å få treff på substantiv som er enten hunnkjønn, hannkjønn eller begge deler.

TAUS er automatisk tagget med NoTa-taggeren. Du kan lese om valgene som er tatt for taggingen i taggeveiledningen.


 1.2.2.4 Søk på andre tagger (latter, ord som ikke står i ordboka osv.)

Under beskrivelse og ikke-leksikalsk i søkeboksen beskrevet under 1.2.2.3 ovenfor (figur 11) kan du søke på tagger som enten beskriver ordene eller som er selvstendige hendelser i talestrømmen:

Beskrivelse:
Uklart:
Ord som transkribøren er usikker på
Leende: Ord som blir sagt leende
En: engelsk(e) ord
Me: står for meningsenhet og brukes ved overlappende tale der taler 2 tar over turen. Les mer om dette fenomenet i transkripsjonsveiledningen til NoTa-Oslo, kapittel 3.6.
Quoted: ord i hermetegn, det vil si sitater og navn på filmer, bøker og leker osv som består av flere ord.
X: Opptakene er transkribert ortografisk med Bokmålsordboka (2005) som rettesnor. Ord som ikke står i ordboka, er merket med taggen x. I TAUS er dette som regel slangord eller ord fra andre språk. Engelske ord har sin egen tagg i TAUS, men noen ord med engelsk opphav har nok likevel fått x-tagg.
Stavet: Ord som blir uttalt bokstav for bokstav.
Hviskende/syngende/gjespende: ord som blir hvisket, sunget eller blir sagt mens informanten gjesper.

Krysser du av for én eller flere av taggene ovenfor, får du ordene som er knyttet til dem som resultat.

Ikke-leksikalsk:
I denne kategorien finner vi latter, lydmalende ord, klikkelyder, kremting, snufsing osv. Dette er altså selvstendige hendelser i talestrømmen.
Uforståelig: ett eller flere ord som er så utydelige at transkribøren ikke en gang klarer å gjette hva som blir sagt.
Problem: Transkribøren har signalisert at hun/han har oppdaget et problem de ikke klarer å løse.

Krysser du av for én eller flere av taggene ovenfor, får hendelsen selv - for eksempel latter - som resultat.

I figur 12 er det søkt etter ord som er merket som en for engelsk. new og look er blant resultatene.



Figur 12: Søk på ord som er merket med en for engelsk.

 

 

1.2.2.5 Spesifiser eller ekskluder lemma og ordform
Nederst i den morfologiske søkeboksen i figur 11 er det et felt der du ytterligere kan spesifisere et søk. Velger du for eksempel verb i den morfologiske søkeboksen, men bare er ute etter hjelpeverbene, kan du velge Specify lemma og legge til hjelpeverbene ett for ett i boksen til høyre og trykke OK mellom hver gang.

Dersom du har valgt verb, men ikke vil ha med hjelpeverbene, gjør du det på samme måte, men velger Exclude word form eller lemma.

Har du valgt å søke etter Phonetic som beskrevet i 1.2.2.2, kan du spesifisere hvilke ortografisk ordform eller lemma ordet skal ha i Specify word form eller lemma. Søk for eksempel på Phonetic og je og Specify word form jeg, og du får alle tilfeller der jeg uttales som je.

NB! Husk å klikke på OK når du har skrevet inn et ord i boksen! Ord som er ekskludert, vil da komme opp på høyre side i rødt med et utropstegn foran, se figur 13 og figur 15. Ord som er spesifisert, kommer opp i blått.

Figur 13: Spesifiser eller ekskluder lemma og ordform.


1.2.3 CQP-søkeuttrykk (CQP query)
CQP-søkeuttrykk kan brukes til avanserte søk som ikke er mulige i enkelt eller utvidet søk. For å bruke denne muligheten må du kunne CQP-søkespråket. Om du trenger hjelp til et avansert søk, kan du ta kontakt med Tekstlaboratoriet. Figur 14 viser et eksempel på hvordan søk etter ordene i dag etterfulgt av substantiv eller pronomen ser ut i enten utvidet søk (Extended) eller i CQP query. Dersom du har brukt mulighetene i Extended search og lurer på hvordan dette søket ser ut på CQP-søkespråket, klikker du på CQP query, så får du opp søkeuttrykket som i figur 14.

 

Figur 14: Eksempel på samme søk i Extended og CQP query

 

1.2.4 Eller-søk (Or)
Ved å klikke på
Or-boksen får du opp et nytt søkevindu under det andre. Søk i denne boksen gir et eller-søk. Det vil si at du søker på ordet i hovedsøkeboksen eller ordet i Or-boksen. Du kan lage så mange Or-bokser du vil, og du sletter dem ved å klikke på det røde krysset til venstre for boksen.

Figur 15 viser et komplisert søk etter verb i preteritum som ender på enten -a eller -et. Verbene sa, ga og het er ekskludert.


 

Figur 15: Or-søk.


1.3 Metadatasøk og Show informants
Til venstre i søkeskjemaet er alle metadatakategoriene ramset opp. For TAUS er kategoriene Informant, Kjønn, Alder, Bosted, Utdannelse og Yrke.

Klikker du på en av lenkene, kommer de ulike verdiene i hver kategori opp. Du kan klikke på og velge én eller flere, og valget du gjør, blir synlig i en boks under kategorien. Klikker du på det røde krysset, blir valget nullstilt. Figur 16 viser hvordan metadatamenyen ser ut når man har klikket på kategorien Utdanning.



Figur 16: Metadatamenyen der det er klikket på Utdanning.


Valget du gjør, begrenser de videre mulighetene du har for søk. Har du valgt for eksempel M i kategorien Kjønn, vil du bare kunne velge verdier som er knyttet til de mannlige informantene. For eksempel vil du ikke få valget Husmor under Yrke. I figur 17 er det krysset av for Husmor under Yrke.


Figur 17: Husmor er valgt under Yrke.

 

Over metadatakategorimenyen er det en teller som til enhver tid viser deg hvor mange informanter du har valgt og hvor mange tokens utvalget da består av. I denne versjonen inneholder TAUS 59 informanter og 270 089 tokens (ord og skilletegn) slik figurene ovenfor viser. Når det er valgt bare informanter som har husmor som yrke, begrenser utvalget seg til 7 informanter og 34 551 tokens slik figur 17 viser.

Dersom du ønsker å se en samlet oversikt over informantene du har valgt, klikker du på Show informants-knappen nedenfor ordsøkeboksen ved siden av Or-knappen, se figur 15. Resultatet blir som i figur 18 for utvalget fra figur 17.


Figur 18: Show informants-vinduet.

 

De ulike metadatakategoriene er kort beskrevet nedenfor:

Informant: hver informant har fått tildelt et nummer i stedet for sitt virkelige navn. Du kan søke på én eller flere informantnummer.
Kjønn og alder: informantenes kjønn og alder.
Bosted: bydelen informanten bodde i da opptakene ble gjort.
Utdannelse: informantenes utdannelse er delt inn i sju kategorier.
Yrke: Informantenes yrker er delt inn i ti kategorier.

Les mer om informantene på hjemmesiden til TAUS.

 

1.4 Tilfeldig utvalg av søkeresultatene
Dersom man har ett søk som vil gi mange treff, kan man velge å få se bare ett visst antall tilfeldig utvalgte treff. Spesifiser antall treff i boksen ved siden av Show texts.

Dersom du vil gjenskape akkurat dette resultatet senere, velger du et tall og setter det inn i boksen with seed. I figur 19 er er det søkt etter alle substantiv i korpuset, med en visning på 200 tilfeldig utvalgte treff. Tallet 5 er skrevet i with seed-boksen. Hver gang du gjør det samme søket og skriver det samme tallet i boksen, får du det samme tilfeldige utvalget av søkeresultatene. Skriver du et annet tall, får du et annet tilfeldig utvalg.

Det er mulig å velge tilfeldig utvalg av søkeresultatene for søk som er Extended eller CQP query.

Figur 19: Avkrysningsboks for å få et tilfeldig utvalg av søkeresultatene, her med 200 tilfeldige resultater.


1.5 Statistikk
Søkeresultatvisningen Concordance er den som er forhåndsvalgt og som alle eksemplene ovenfor er hentet fra. Velger du Statistics som i figur 20 nedenfor, kan du be om ulike frekvenstellinger og statistikk. Foreløpig er det boksene over Update stats som kan velges. Klikk av for hva du vil se, og trykk Update stats. Eksempel 20 viser frekvenser fra søket i figur 15, altså søk etter verb i preteritum som ender på enten -a eller -et. Verbene sa, ga og het er ekskludert. Frekvensene er til venstre og ordformen til høyre.


 

Figur 20: Statistikkvisning for søkeresultatet fra figur 15.

 

1.6 Last ned data
Klikker du på Download-knappen over søkeresultatene (se figur 2), får du opp en dialogboks der du kan velge flere nedlastingsformater: Excel-fil, tabseparert tekstfil eller kommaseparert tekstfil. Du kan også velge hvilken informasjon som skal lastes ned, se figur 21.

Figur 21: Vinduet for nedlastingsalternativer.

 

 

1.7 Sorter søkeresultatene
Søkeresultatene kan sorteres på ulike måter slik figur 22 viser: Dersom du vil sortere etter søkeordet, velger du Sort by match. Du kan også sortere etter ordet umiddelbart til venstre eller ordet umiddelbart til høyre. Legg merke til at skilletegn blir alfabetisert før a og b osv.

 

Figur 22: Søkeresultatene kan sorteres på ulike måter.