泛语语料库
泛语语料库（Pangloss Collection）是位在巴黎的法国国家科学研究中心（CNRS）口传语言与文化研究所（LACITO）所开发的开放获取数位图书馆，旨在采集世界各种语言的录音（其中大部分为濒临灭绝的稀有语言），汇聚成一个向大众开放的数位语料库，从而为保护世界语言多样性作出贡献 [1] [2]。
该语料库有丰富的语音馆藏，可免费线上存取，囊括了世界各大洲不同类型语言的语音文档（民间故事和传说、生活小品、传统艺人或工匠的口述、词汇或语音调查等等）[3]。
截至2018年2月，泛语语料库已收录3559卷录音档、影像档、文字文件[4]，总计囊括全球170种语言[5] 。
原则
[编辑]配有人工转写文字档的语料库
[编辑]泛语语料库收录并发布第一手录音档（近年来也增加了一些影像档）。其中一部分音档经由专家学者人工转写成文字稿和译文，可与原始音档交互参照（包括语音、音韵、拼字）[6] 。每个文档都是根据口传语言与文化科学研究方法，通过母语人士的亲口讲述，由调查人员在该文化背景下忠实地将内容记录下来[7] 。
辞典
[编辑]自2002年以来，除了录音跟影像资料之外，泛语语料库还收录了若干辞典[8] ，并在2017年将辞典系列命名为“ Lexica ” [9] 。
开放式档案架构
[编辑]泛语语料库所存档的数据采开源格式，访客可以下载资料原始档案（多数为知识共享Creative Commons许可协定），以便离线使用。资料库网站提供的各式软体工具也属开源软体（开放源代码）。 此外，泛语语料库很早就采用诸如XML等相容性高的格式，此种格式目前为数位人文科学的主流。 [10] 。
泛语语料库是语言学资料库“ 开放式语言典藏组织”（OLAC[11])的一员，也是DELAMAN濒危语言资料库协会会员之一[12]。
泛语语料库乃CoCoON（COllections de COrpus Oraux Numériques）数位资料馆的资料库之一。CoCoON是一个技术平台，旨在支援口语语料采集人员建立、整理、归档语料库。[13] 其典藏的数据储存在“ 数位人文资料存放平台”Huma-Num[14]上。
历史
[编辑]2001年时，“ LACITO归档方案”收藏了大约20种语言，共100篇左右的长篇语料[15] 。 2011年，泛语资料库的馆藏库收录了近1000卷的长篇语料，涵盖67种语言，总计350篇语料经过转写和注释[16] 。 馆藏在2014年达到1400篇语料，其中大约有400篇已由人工转写和注释[3] 。2016年10月时，泛语资料库典藏了132种语言[17] 。 其馆藏在2018年2月达到170种语言，3559个录音档跟影像档[18] [19] 。2021年，在新一款自动转写软体的帮助下，转写和归档都方便许多，一个小时便可以抵以往上百小时的工作进度。
参考
[编辑]- ^ 语料库官方网页上的介绍. [2021-05-08]. （原始内容存档于2021-11-30）.
- ^ 米可. 永宁摩梭话（纳语）长篇语料的记录整理与研究工作. 丽江民族研究. 2012, 5: 36-54 [2024-03-07]. （原始内容存档于2024-02-10） –通过HAL-Science.
- ^ 3.0 3.1 Michailovsky, Boyd, Martine Mazaudon, Alexis Michaud, Séverine Guillaume, Alexandre François & Evangelia Adamou. 2014. Documenting and researching endangered languages: the Pangloss Collection. Language Documentation and Conservation 8. 119–135. http://hdl.handle.net/10125/4621
- ^ 资料目录 （页面存档备份，存于互联网档案馆）.
- ^ 语言目录 （页面存档备份，存于互联网档案馆）.
- ^ Jacobson, Michel; Michailovsky, Boyd; Lowe, John B. Linguistic documents synchronizing sound and text. Speech Communication. 2001, 33 (1-2): 79–96 [2017-08-28]. doi:10.1016/s0167-6393(00)00070-4. （原始内容存档于2017-08-28） （english）.
- ^ Bouquiaux, Luc & Jacqueline Thomas. 1971. Enquête et description des langues à tradition orale. Deuxième édition 1976. Paris: Société d’études linguistiques et anthropologiques de France.
- ^ Jacobson, Michel & Boyd Michailovsky. 2002. Linking linguistic resources: time aligned corpus and dictionary. International Workshop on Resources and Tools in Field Linguistics. Las Palmas.
- ^ Bonnet, Rémy, Céline Buret, Alexandre François, Benjamin Galliot, Séverine Guillaume, Guillaume Jacques, Aimée Lahaussois, Boyd Michailovsky & Alexis Michaud. 2017. Vers des ressources électroniques interconnectées: Lexica, les dictionnaires de la collection Pangloss. Actes des 9èmes Journées Internationales de la Linguistique de corpus, 48–51. Grenoble: Université Grenoble Alpes.
- ^ Sylvain Loiseau. La Collection Pangloss : une archive des langues du monde. http://www.inalco.fr/. 2020-01-06 [2020-01-15]. （原始内容存档于2021-01-14） （法语）.
- ^ Open Language Archives Community. Open Language Archives Community. Open Language Archives Community. [2021-05-09]. （原始内容存档于2021-12-24）.
- ^ Digital Endangered Languages and Musics Archives Network. [5 avril 2020]. （原始内容存档于2021-11-11） （anglais）.
- ^ Collections de Corpus Oraux Numériques. [2017-09-11]. （原始内容存档于2018-04-10）.
- ^ Huma-Num. [2021-05-14]. （原始内容存档于2022-01-04）.
- ^ Jacobson, Michel; Michailovsky, Boyd; Lowe, John B. Linguistic documents synchronizing sound and text. Speech Communication. 2001, 33 (1-2): 79–96 [2017-08-28]. doi:10.1016/s0167-6393(00)00070-4. （原始内容存档于2017-08-28） （anglais）.
- ^ Michailovsky, Boyd, Alexis Michaud & Séverine Guillaume. 2011. A simple architecture for the fine-grained documentation of endangered languages: the LACITO multimedia archive. Keynote speech at Oriental-COCOSDA 2011, October 26th-28th, 2011. Hsinchu, Taiwan.
- ^ Collection Pangloss - FAQ. [2016-11-10]. （原始内容存档于2017-08-04）.
- ^ 资料目录 （页面存档备份，存于互联网档案馆）.
- ^ “泛语语料库收录了多少种语言？”. [2021-05-08]. （原始内容存档于2021-04-18）.