Historisches Korpus zum Schlagwort "Utraquismus"
- Über die Datensammlung und Dokumentation
- Umfang und Aufbau des Korpus
- Konkretere Informationen zur Korpusaufbau und Korpusgröße in Bezug auf die Originalquellen
- v 0.1
- v 0.2
- Metadaten
- Orthographische und morphologische Normalisierung
Über die Datensammlung und Dokumentation
Inhalte der Datensammlung
Das Korpus enthält Textausschnitte rund um das Schlagwort "utraquistisch"/"Utraquismus"/"Utraquist" (Abfrage: "utra??is*" aus historischen Zeitungen und Zeitschriften, die im ANNO (AustriaN Newspapers Online) der Österreichischen Nationalbibliothek verfügbar und durchsuchbar sind. Die dort verfügbaren OCR-Scans wurden manuell überprüft und korrigiert sowie in Bezug auf Orthographie und Morphologie normalisiert, um bestmögliche automatische Verarbeitung mit auf die Gegenwartssprache des Deutschen ausgelegten Taggern und Lemmatizern zu ermöglichen.
Es wurden keine kompletten Zeitungsausgaben oder Zeitungsartikel sondern nur Textausschnitte bearbeitet, die wie folgt definiert wurden:
ein maximaler Textausschnitt = der Satz mit dem Schlagwort plus bis zu fünf Sätze vor und/oder nach diesem innerhalb eines Absatzes
Ein Textausschnitt (kurz: "text") enthält demnach maximal 11 Sätze innerhalb eines Absatzes.
Jeder Textausschnitt (XML-Element text) ist in Bezug auf die folgenden Metadaten (als Attribute) annotiert:
- Zeitung/Zeitschrift (
source) - eventuell: Beilage der Zeitung/Zeitschrift (
source2) - Veröffentlichungsort (
place) - Veröffentlichungsdatum (
date) - Periode (für einfachere Durchsuchbarkeit, als Zuordnung zu einem Jahrzehnt,
period) - Genrezuordnung (aktuell noch provisorisch,
genre) - Thema des Artikels (aktuell noch provisorisch,
topic) - Bezugsraum des Artikels (
space)
Jede orthographische/morphologische Normalisierung (XML-Element edit) ist durch folgende Attribute näher spezifiziert:
- originale Variante (
original) - Klassifikation des Abweichungstyps (aktuell noch provisorisch,
type)
Arbeit mit der Datensammlung
Das Korpus wird einerseits als .xml-Dokument zur Verfügung gestellt. Andererseits ist es auf SketchEngine verfügbar und kann dort auf Anfrage freigeschalten werden.
ACHTUNG: Der Lemmatizer erkennt die verschiedenen Formen der Schlagwörter nicht als jeweils ein Lemma! Um alle Formen (aller Schlagwörter zu finden) muss mit der CQL-Abfrage [lemma="utraquis.*"]|[lemma="Utraquis.*"] gearbeitet werden.
Entstehung
Die Datensammlung ist das Ergebnis einer Hausaufgabe in einem von Agnes Kim am Institut für Germanistik der Universität Wien im Sommersemester 2021 angebotenen Proseminar zur "Historischen Soziolinguistik". Ziel der Aufgabe war, zwischen acht und zehn Texte aus einem vorgegebenen Paket rund um Suchergebnisse für die Abfrage "utra??is*" aus dem ANNO, also aus historischen Zeitschriften aus dem Bestand der Österreichischen Nationalbibliothek in ein XML-Dokument zu übertragen und so zu normalisieren, dass die Texte auch mit den auf die Gegenwartssprache trainierten, auf SketchEngine zur Verfügung stehenden Taggern für das Deutsche bearbeitet werden können. Die Daten wurden von den Studierenden eingegeben und von Agnes Kim überprüft und angeglichen.
Verfügbarkeit
Da es sich aktuell um eine erste Version dieser Datensammlung handelt, ist sie noch ausschließlich als Download aus der dioecloud verfügbar. Außerdem ist das Korpus auf SketchEngine verfügbar und kann auf Anfrage (per Mail an agnes.kim@univie.ac.at) freigeschalten werden!
| Version/Dateiname | Veröffentlichungs-datum | ungefähre Größe |
Link |
|
v 0.1 / Korpus_Utraquis_v0.1.CSV |
12.05.2021 |
156 Textausschnitte 31.176 Tokens |
https://dioecloud.trans.univie.ac.at/index.php/s/36iS7xZ4f8dD6fK |
|
v 0.2 / Korpus_Utraquis_v0.2.CSV |
06.06.2021 |
156 Textausschnitte 31.176 Tokens |
https://dioecloud.trans.univie.ac.at/index.php/s/P7p2jMcoFMgWFbx |
Änderungsnotizen können den Seiten zum Korpusaufbau entnommen werden.
Nach weiteren Überprüfungen und eventuellen Ergänzungen ist geplant, das Korpus in einer ersten stabilen Version zu archivieren und auf SketchEngine öffentlich zur Verfügung zu stellen.
Zitation
Zitation der Datensammlung
Kim, Agnes (JAHRESZAHL DES VERÖFFENTLICHUNGSDATUMS DER VERSION): Historisches Korpus zum Schlagwort "Utraquismus". Datensammlung. VERSIONSNUMMER ANGEBEN In: Dies. (Hg.): Datensammlungen aus der bzw. für die Forschung und Lehre. Online verfügbar unter: LINK ZUR VERSION.
Zitation der Dokumentation
Kim, Agnes (2021): Historisches Korpus zum Schlagwort "Utraquismus". Dokumentation. In: Dies. (Hg.): Datensammlungen aus der bzw. für die Forschung und Lehre. Online verfügbar unter: https://wiki.dioe.at/books/historisches-korpus-zum-schlagwort-%22utraquismus%22.
Fragen? Fehler gefunden?
Sie haben einen Fehler gefunden, haben Ergänzungen oder Nachfragen? Bitte wenden Sie sich per Mail an mich: agnes.kim@univie.ac.at
Umfang und Aufbau des Korpus
Konkretere Informationen zur Korpusaufbau und Korpusgröße in Bezug auf die Originalquellen
In der folgenden Tabelle werden die bearbeiteten Textausschnitte in Relation zu einem Schlagwortkorpus, das das gesamte 19. und das frühe 20. Jahrhundert (bis 1918) grob abdeckt und nachvollziehbar macht, gesetzt. Insgesamt können (am 17. 05. 2021) mit der Suchabfrage "utra??ist*" im ANNO bis inklusive 1918 6.338 Treffer (= Ausgaben von Zeitungen und Zeitschriften, in denen die Suchabfrage mindestens ein Mal vorkommt) gefunden werden, von denen 6.179 auf Zeitungen und 159 auf Zeitschriften entfallen. Letztere wurden bei den Überlegungen zu einem möglichen Gesamtkorpus außer Acht gelassen.
Periode 1800–1829
| Publikationsort | Link zu ANNO | Treffer | davon im Korpus |
| Brno | Link | 15 | 13 (2 Duplikate) |
| Wien | Link | 11 | 11 |
| L'viv | Link | 1 | 0 (weil Duplikat) |
Periode 1850–1859
| Publikationsort | Link zu ANNO | Treffer | davon im Korpus |
| Wien | Link | 29 | 8 |
| Olomouc | Link | 3 | 3 |
| Salzburg | Link | 3 | 3 |
| Brno | Link | 1 | 1 |
| Opava | Link | 1 | 1 |
| Litoměřice | Link | 1 | 0 |
Periode 1867–1868 (stellvertretend für die 1860er)
| Jahr |
Publikationsort | Link zu ANNO | Treffer | davon im Korpus |
| 1867 | Wien | Link | 13 | 11 |
| 1867 | Plzeň | Link | 4 | 0 |
| 1867 | Graz | Link | 1 | 0 |
| 1867 | Klagenfurt | Link | 1 | 0 |
| 1867 | Znojmo | Link | 1 | 0 |
| 1867 | Olomouc | Link | 4 | 0 |
| 1867 | Praha | Link | 2 | 0 |
| 1868 | Wien | Link | 22 | 8 |
| 1868 | Znojmo | Link | 7 | 0 |
| 1868 | Praha | Link | 6 | 0 |
| 1868 | Graz | Link | 1 | 0 |
| 1868 | Plzeň | Link | 1 | 0 |
Jahr 1890
| Publikationsort |
Zeitung | Link zu ANNO | Treffer | davon im Korpus |
| Wien | Neue Freie Presse | Link | 11 | 8 |
| Wien | Die Presse | Link | 8 | 8 |
| Wien | Das Vaterland | Link | 12 | 10 |
| Wien | Wiener Montags-Journal | Link | 1 | 0 |
| Wien | Wiener Zeitung | Link | 6 | 6 |
| Wien | Deutsches Volksblatt | Link | 4 | 4 |
| Praha | alle | Link | 13 | 0 |
| Maribor | alle | Link | 9 | 6 |
| Salzburg | alle | Link | 4 | 4 |
| Litoměřice | alle | Link | 8 | 0 |
| Linz | alle | Link | 7 | 0 |
| Znojmo | alle | Link | 3 | 0 |
Jahr 1910
| Publikationsort |
Zeitung | Link zu ANNO | Treffer | davon im Korpus |
| Wien | Neue Freie Presse | Link | 13 | 10 |
| Wien | Wiener Zeitung | Link | 13 | 10 |
| Wien | Neues Wiener Tagblatt | Link | 6 | 6 |
| Wien | Zollämter- und Finanzwachzeitung | Link | 4 | 4 |
| Wien | Deutsches Volksblatt | Link | 5 | 5 |
| Wien | Arbeiterzeitung | Link | 3 | 3 |
| Praha | alle | Link | 30 | 0 |
| Maribor | alle | Link | 15 | 6 |
| Klagenfurt | alle | Link | 10 | 9 |
| Graz | alle | Link | 24 | 10 |
| Czernowitz | alle | Link | 13 | 0 |
Mitarbeit?
Sie haben Interesse, einzelne Ausgaben zu einem der Datenpakete zu ergänzen? Gerne sende ich Ihnen eine genaue Liste der noch fehlenden Ausgaben zu! Melden Sie sich bei: agnes.kim@univie.ac.at
v 0.1
Veröffentlichung
Datum: 12.05.2021
Link: https://dioecloud.trans.univie.ac.at/index.php/s/36iS7xZ4f8dD6fK
Größe des Korpus
Textausschnitte: 156
Tokens: 31,176
Wörter: 26,806
Überblick über den Korpusaufbau
Die Grafiken beziehen sich auf die Gesamtzahl der Token. Sie wurden mit SketchEngine erstellt.
Zeitliche Dimension: Korpusgröße nach Jahrzehnten
| Jahrzehnt | Tokenzahl |
| 1800 | 382 |
|
1820 |
1.115 |
| 1850 | 2.343 |
| 1860 | 3.419 |
| 1890 | 10.024 |
| 1900 | 2.650 |
| 1910 | 11.241 |
Räumliche Dimension: Korpusgröße nach Publikationsorten
Achtung: In v 0.1 bestehen noch Probleme in Bezug auf die Zuweisung bzw. Vereinheitlichung der Publikationsorte, die in der Tabelle durch Kursivsatz hervorgehoben werden!
| Publikationsort | Tokenzahl |
| Wien | 19.819 |
|
Klagenfurt |
3.070 |
| Maribor u. Marburg | 2.348 + 954 = 3.202 |
| Graz | 2.053 |
| Brno | 1.497 |
| Salzburg | 971 |
| nicht zugewiesen | 299 |
| Prag | 163 |
v 0.2
Veröffentlichung
Datum: 06.06.2021
Link: https://dioecloud.trans.univie.ac.at/index.php/s/P7p2jMcoFMgWFbx
Änderungsnotizen
- Vereinheitlichung der Periodenzuordnung (
period) - Vereinheitlichung der Publikationsorte (
place) - Vereinheitlichung der Annotation der orthographischen und morphologischen Normalisierungen (
edit type)
Größe des Korpus
Textausschnitte: 156
Tokens: 31,176
Wörter: 26,806
Überblick über den Korpusaufbau
Die Grafiken beziehen sich auf die Gesamtzahl der Token. Sie wurden mit SketchEngine erstellt.
Zeitliche Dimension: Korpusgröße nach Jahrzehnten
| Jahrzehnt | Tokenzahl |
| 1800 | 382 |
|
1820 |
1.115 |
| 1850 | 2.343 |
| 1860 | 3.419 |
| 1890 | 10.024 |
| 1910 | 13.888 |
Räumliche Dimension: Korpusgröße nach Publikationsorten
Achtung: In v 0.1 bestehen noch Probleme in Bezug auf die Zuweisung bzw. Vereinheitlichung der Publikationsorte, die in der Tabelle durch Kursivsatz hervorgehoben werden!
| Publikationsort | Tokenzahl |
| Wien | 20.119 |
|
Maribor |
3.302 |
|
Klagenfurt |
3.070 |
| Graz | 2.053 |
| Brno | 1.497 |
| Salzburg | 971 |
| Prag | 163 |
Metadaten
Orthographische und morphologische Normalisierung
Abweichungstypen und Abweichungen
| Abkürzung | Erklärung | Beispiele |
| A | <a>-Schreibung | Kommisär |
| ABK | Abkürzung | Abg. |
| AE | <Ä>-Schreibung | Aenderung |
| DAT | Dativ-e | |
| EI | <ei>-Schreibung | ey |
| ERR | Abweichungen, die als Fehler (morphologisch oder orthographisch) eingestuft werden | Agitarion |
| IE | <i> statt <ie> in {ieren}/{ierung} | finanziren |
| K | <k>-Schreibung | Collission |
| KOMP | Schreibung von Komposita | |
| LEX | lexikalische Abweichungen | |
| M | <m>-Schreibung | gesammt |
| MOR | morphologische Abweichungen | |
| OE | <Ö>-Schreibung | Oesterreich |
| ORTHKON | andere Abweichungen in der Schreibung von Konsonanten | |
| ORTHVOK | andere Abweichungen in der Schreibung von Vokalen | |
| T | <th>-Schreibung | Muth |
| TSCH | <tsch>-Schreibung | czechisch |
| UE | <UE>-Schreibung | Uebung |
| VOKL | Vokallänge | Abendmahl, Schooß |
| W | <w>-Schreibung | slovenisch |
| Z | <z>-Schreibung | Civilisation |