František Čermák: Korpus a korpusová lingvistika; Praha: Nakladatelství Karolinum, 2017, 268 stran

FRANTIŠEK ČERMÁK: KORPUS AKORPUSOVÁ LINGVISTIKA Praha: Nakladatelství Karolinum, 2017, 268 stran ISBN 978-80-246-3710-5 Autor je jedním zhlavních iniciátorů korpusové lingvistiky vČeské republice. Snahy ovytvoření českého textového korpusu spadají do začátku 90. let vsouvislosti sustanovením občanského sdružení Počítačový fond češtiny (mezi jehož členy patřila iE.Hajičová, K.Pala adalší) vr. 1991. Po té, co se myšlenka na korpus nesetkala spochopením na půdě Ústavu pro jazyk český, obrátil se František Čermák na FF UK, kde mu vr. 1994 bylo umožněno založit tehdy skromný Ústav českého národního korpusu. Ústav se postupně rozrostl adíky tomu, že se Čermák dokázal obklopit schopnými mladými lidmi anadchnout je pro obor, stalo se zněj špičkové pracoviště, srovnatelné sobdobnými zahraničními centry. Vsoučasnosti představuje ÚČNK jedno znejúspěšnějších anejprogresivnějších pracovišť na FF UK. Za dobu existence ústavu zde vznikla série českých synchronních korpusů SYN (2000 až 2015, syn v3-6), linie českých mluvených korpusů (PMK, řada ORAL anedávno zveřejněné korpusy ORTOFON aDIALEKT) aparalelní korpusy vrámci projektu InterCorp. Cílem publikace není podat zevrubné informace okorpusové lingvistice ajejím současném stavu. Vzhledem kobrovské šíři tohoto odvětví lingvistiky, jeho současné teoreticko-metodologické úrovni apřekotnému vývoji by to byl pro jednotlivce úkol téměř nadlidský. Svědčí otom fakt, že podobných základních úvodů např.vangličtině, sníž je korpusová lingvistika neodmyslitelně spjata, vyšlo za posledních dvacet let relativně velmi málo (mezi nejznámější aty nejnovější patří McEnery— Wilson, 1996/2001; Biber— Conrad— Reppen, 1998; Cheng, 2012; McEnery— Hardie, 2012; Weisser, 2016; Desagulier, 2017). Autor knihu pojal jako oborovou příručku asborník zároveň arozdělil ji do tří částí, které doplňuje glosář základních pojmů atermínů. První část, I.Úvod: teorie, obsahuje šest oddílů azabírá polovinu knihy. První oddíl, Úvod: korpus akorpusová lingvistika, shrnuje záměr publikace: podat šířeji pojatý nástin postavení afunkce korpusové lingvistiky vmoderní lingvistice ajejího přínosu pro ni, přehled základních pojmů ateoretických apraktických otázek až po konkrétní studie aukázky. Text je výsledkem autorovy produkce za dlouhou řadu let, některé pasáže čerpají zautorových encyklopedických textů aposlední třetí část je založena na jeho empirických studiích. Druhý oddíl, Data ainformace, se zabývá tím, zčeho korpusová lingvistika vychází, tzn.informačními jednotkami uloženými velektronických textech. Jednotlivé pododdíly popisují povahu azdroje elektronických dat, charakter, vlastnosti azpracování textů, vnichž jsou elektronická data uložena, včetně recepce aprodukce těchto souborů textů, tj.korpusů. Další oddíly referují ojejich sestavování aopřípravě korpusových dat vnich obsažených za účelem jejich efektivního vytěžování pomocí dotazů adotazovacího jazyka. Třetí oddíl, Korpus akorpusy, jak naznačuje název, je zaměřen na vytváření korpusů, jejich typologii, charakteristiky ahledání vnich. Popisuje základní způsoby extrakce dat, konkordance, atypicky vyhledávané jednotky, kolokace, n-gramy akoligace, ajejich analýzu. Ukazuje, jak se zkorpusových dat, jejichž prohledávání je zpovahy věci založeno na formě, dospívá ke zjištěním ojejich významu afunkci. Další pododdíly probírají specifické typy korpusů: synchronní, Aleš Klégr OPEN ACCESS 132 ČASOPIS PRO MODERNÍ FILOLOGII 100, 2018, Č.1 diachronní, mluvené, vícejazyčné paralelní, resp.překladové (významný projekt InterCorp párující přes 30 jazyků vzniká vÚČNK od r. 2005) awebové (tj.soubory textů stažené zinternetu orozsahu miliard slov, ovšem sřadou nevýhod). Závěrem podává přehled ohlavních světových korpusech vostatních jazycích, které rozděluje do tří generací (první dvě se až na pár výjimek týkají angličtiny; kupodivu vžádné ztěchto tří generací není zmíněn ČNK). Čtvrtý oddíl první části, Korpusová lingvistika, představuje náplň tohoto odvětví lingvistiky, jeho metodologii, základní pojmy (včetně klíčových slov, poměr type- -token ad.), operace astatistické postupy. Následující pátý oddíl, Korpus ve výzkumu aaplikaci, vedle otázek spojených svýzkumem obecně asvýzkumem lingvistickým zběžně probírá inové možnosti zkoumání variability jazyka, zvláště pak mluveného, prostřednictvím korpusů. Zoblastí, na které je korpusový výzkum aplikován, jsou zahrnuty lexikologie alexikografie, ale též gramatika, morfologie asyntax, ato zhlediska zkoumání jednoho ivíce jazyků (kontrastivní výzkum), přičemž oba přístupy nacházejí významné uplatnění vpedagogické praxi. Všestém, závěrečném oddílu se autor stručně věnuje perspektivě korpusové lingvistiky. Kromě zdokonalování korpusů ametodologie vidí hlavně těžiště dalšího výzkumu vzaměření se na syntagmatiku, její jevy azákonitosti, tedy oblast, která byla vminulosti nejvíce omezena nedostatkem kvantitativních dat. Vedle pokročilého zkoumání kombinatoriky lexémů jednoivíceslovných počítá spřechodem ke kombinatorice větších útvarů, prefabrikovaných součástí různých typů textů apromluv, akhledání hranic mezi pravidelnými (pravidlům podléhajícími) oblastmi jazyka ajazykem nepravidelným. Druhá část publikace, Sondy, studie, analýzy, předkládá autorovy konkrétní již vydané studie, ato obecnější imateriálové. První znich se vrací ktypologii korpusů asleduje jejich vývoj vprůběhu několika desetiletí až do přítomnosti anačrtává některé pravděpodobné možnosti vývoje (integrace popisu lexikonu agramatiky) aspecifické úkoly (dokonalejší popis jazykové reality, dokonalejší pokrytí paralelních jazykových dat ařešení otázky potenciality jazykových dat vnávaznosti na zkoumání metaforičnosti jazyka). Další popisuje patnáct desiderat apostřehů týkajících se praxe korpusového výzkumu (např.kvality akvantity dat, nutnosti přímých dat, reprezentativnosti korpusu, problémů stagováním alemmatizací atd.). Následující studie se týká problematiky mluvených korpusů, jejich sestavování, parametrů akritérii pro zařazování mluvených projevů (demografických, situačních apod.). Poslední zúvodních obecnějších statí je úvaha nad paralelním korpusem InterCorp, zněhož některé znásledujících empirických studií vycházejí ajsou determinovány jeho charakterem amožnostmi. Materiálové studie se týkají lexikální kolokability sloves aadverbií, abstraktních substantiv ikonkrétního slova (konference) ajeho vzrůstající polysémie. Zahrnuty jsou istudie metod vyhledávání idiomů vtextových korpusech amapování interjekcí včeštině prostřednictvím korpusových dat. Čtyři ztěchto devíti sond v druhé části (B, C, E aH) jsou poněkud neorganicky vzhledem kostatnímu textu ponechány vangličtině. Poslední třetí část nazvaná Přílohy obsahuje čtyři krátké ukázky korpusových výstupů, často opět převzatých zjiných publikací. Jde oukázku konkordance, hesel zFrekvenčního slovníku češtiny, tabulek ze Statistik češtiny akonečně výsledky korpusové analýzy konkrétního románu. OPEN ACCESS ALEŠ KLÉGR 133 Nesporným kladem Čermákovy publikace je fakt, že je první svého druhu pro češtinu adost možná dlouho zůstane osamoceným dokumentem ovývoji české korpusové lingvistiky vdevadesátých letech ana začátku nového tisíciletí. Je ale také pravda, že publikaci lze leccos vytknout. Text je velkou měrou sestaven ze starších textů, které bylo možno sodstupem let od jejich vzniku pro tyto účely důkladněji adaptovat arevidovat (avněkterých případech přeložit do češtiny). Mnoho věcí od doby, kdy většina použitých textů vznikala— tj.vprvní dekádě tohoto tisíciletí— prošla někdy menšími, někdy výraznými proměnami aněkteré priority anázory se posunuly. Např.při popisu ČNK na s.69 se přímo píše, že jde ostav ke konci roku 2013, což je téměř čtyři roky před vydáním publikace. Vdůsledku kolážového skládání textu se některé popisy vrůzných částech knihy opakují apřekrývají (např.popis textových formátů na s.14 a29), upřevzatých pasáží není vždy uveden zdroj. Výhrady je možné mít také kvýkladům některých pojmů, např.uARF (average reduced frequency; s.110) se uvádí, že „frekvenci koriguje tím, že ji přepočítává sohledem na počet různých zdrojů, resp.textů“. Asi přesnější by bylo říci, že rozděluje korpus do stejně velkých úseků podle frekvence daného slova azohledňuje všechna možná sestavení (pořadí textů v) korpusu. Drobných výtek aredakčních přehlédnutí by bylo možno jmenovat více (neúplné citace vtextu ap.). Nicméně není od věci připomenout 5. bod Slovníkářova desatera (Čermák, 1995, s.113), které platí ivtomto případě: Žádný slovník není bez chyb, protože slovník je umění možného. Přes všechny možné výhrady je dobré, že český čtenář má nyní kdispozici oborovou příručku okorpusové lingvistice, která přihlíží ke specifiku českých korpusů ačeské korpusové lingvistiky. Je na mladších korpusových specialistech, aby časem přišli spříručkou nové generace apřidali nové kapitoly. LITERATURA Biber, D.— Conrad, S.— Reppen, R. (1998): Corpus Linguistics: Investigating Language Structure and Use. Cambridge: Cambridge University Press. Cheng, W (2012): Exploring Corpus Linguistics: Language in Action. London and New York: Routledge. Čermák, F. (1995): Paradigmatika asyntagmatika slovníku: možnosti avýhledy. In: F.Čermák— R.Blatná (eds), Manuál lexikografie. Praha: H+H, s.90–11. Desagulier, G. (2017): Corpus Linguistics and Statistics with R.Introduction to Quantitative Methods in Linguistics. Springer International Publishing AG. McEnery, T.— Hardie, A. (2012): Corpus Linguistics. Method, Theory and Practice. Cambridge: Cambridge University Press. McEnery, T.— Wilson, A. (1998, 2nd ed. 2001): Corpus Linguistics. Edinburgh: Edinburgh University Press. Weisser, M. (2016): Practical Corpus Linguistics: An Introduction to Corpus-Based Language Analysis. Malden: Wiley Blackwell. Aleš Klégr | Ústav anglického jazyka adidaktiky, Filozofická fakulta Univerzity Karlovy | nám. Jana Palacha 2, 116 38 Praha 1 ORCID ID: 0000-0001-7760-6631 aleš[email protected] OPEN ACCESS