Праект створаны для фіксацыі і вывучэння сучаснай мовы, у тым ліку літаратуры і медыя.
Інстытут беларускае мовы (ІБМ) прэзентаваў анлайн-платформу «Корпус беларускіх тэкстаў», якая рэалізуецца пад кіраўніцтвам старшыні арганізацыі Святланы Лясовіч — кандыдаткі філалагічных навук, якая да 2023 года загадвала кафедрай славянскай філалогіі Полацкага дзяржаўнага ўніверсітэта.
На гэты момант для даследчыкаў, выкладчыкаў і рэдактараў адкрыты доступ да двух субкорпусаў — «Рэгіяналізм» і «Культура». Таксама ў распрацоўцы знаходзіцца вусны корпус дыялагічных тэкстаў, які фарміруецца на аснове беларускамоўных падкастаў.
Стварэнне незалежнай базы даных прадыктавана тым, што многія сучасныя тэксты, створаныя за межамі краіны, не трапляюць у афіцыйны Беларускі N-корпус. Новы інструмент дазваляе лінгвістам рабіць сінхронныя зрэзы мовы: адсочваць змены ў значэннях слоў, асаблівасці ўжывання і з'яўленне новай лексікі ў розных сферах жыцця.
Найбуйнейшы з даступных субкорпусаў — «Культура» — змяшчае ўжо больш за мільён слоў. Ён складаецца прыкладна на 80% з пісьмовых і на 20% з вусных тэкстаў розных стыляў і жанраў. Матэрыял быў сабраны на працягу дзесяці месяцаў у межах еўрапейскай праграмы EU4Belarus — SALT II.
Як адзначае Святлана Лясовіч, асноўная мэта гэтага субкорпуса — паказаць функцыянаванне мовы ў першай чвэрці XXI стагоддзя і стварыць грунт для будучых актуальных слоўнікаў, у тым ліку тэрміналагічных.
Тэхнічную падтрымку праекта на валанцёрскай аснове ажыццяўляў Іван Бахцін. Ён стварыў рэдактар для анатавання тэкстаў (стварэння іх кароткага апісання), які базуецца на існуючай «Граматычнай базе беларускай мовы». Тэксты ў корпусе ўжо часткова анатаваныя, аднак стваральнікі падкрэсліваюць, што разметка яшчэ патрабуе далейшай вычыткі і ўдасканалення.
Скарыстацца лінгвістычнай базай можна праз сайт праекта. Для зручнасці працы са спецыфічным пошукавым інтэрфейсам даследчыкі падрыхтавалі падрабязную інструкцыю, даступную ў раздзеле Corpus Info. Інстытут беларускае мовы працягвае напаўняць базу і запрашае далучацца да працы валанцёраў, звязацца можна праз пошту [email protected].
«Наша Нiва» — бастыён беларушчыны
ПАДТРЫМАЦЬ
Каментары
Пакуль, як зразумеў, толькі 240 тэкстаў, што яшчэ мала для карыснага пастаяннага выкарыстання. Спадзяваюся, будзе развівацца.
Ідэя алічбаваць вусныя блогі слушная. Цікавы досвед, ці выкарыстоўваюць аўтаматычную транскрыпцыю youtube з беларускай - яна не ідэальная, а старыя відэа распазнаныя як на расейскай з памылкамі.
Яшчэ адна будучая важная праблема сучаснага корпусу: вялікая колькасць ШІ-слопу ў сучасных медыя і блогах, які з’явіўся праз хуткія аўтаматычныя пераклады і адсутнасць карэктуры. Дадаваць яго ў корпус нельга, бо будзе спрыяць далейшаму самаатручванню мовы. А вызначыць і размеціць, дзе аўтарскія тэксты, дзе хаўтура, складана.
Не хапае адкрытага коду праекта. Афіцыйны корпус і два лепшыя анлайн-слоўнікі выкладзены на github. Гэта ўжо добрая традыцыя сучаснай беларускай філалогіі. А таксама і абарона на будучыню: сайты і тэксты з часам знікаюць, а наяўнасць архіваў і крыніц - шанс на захаванне.
І пра бяспеку. Беларускія ініцыятывы і СМІ, калі ласка, не забывайце папярэджваць пра дакументы на Google Drive (інструкцыя ў гэтым выпадку), гісторыя адкрыцця якіх можа захоўвацца ў вашых акаўнтах, што небяспечна для беларусаў у Беларусі і тых, хто ездзіць у Беларусь. Для прыкладу, тая ж старонка на github pages і бяспечней, і пражыве больш.