korpusperusteisten

Korpusperusteiset viittaavat kielitieteessä ja kielenopetuksessa käytettäviin lähestymistapoihin ja materiaaleihin, jotka perustuvat suurten teksti- ja puhekorpusten aineistoon sekä tilastolliseen analyysiin. Termi juontaa korpuksesta (korpus) ja -perusteisesta lähestymistavasta.

Korpusperusteiset lähestymistavat ovat laajasti käytössä korpuslingvistiikassa, jossa kielen piirteet – kuten sanaston frekvenssit, kollokaatio-suhteet ja syntaktiset rakenteet – kartoitetaan todellisesta kielenkäytöstä. Kerätty aineisto voi koostua kirjoitetusta ja puhutusta kielestä, ja siihen sovelletaan tilastollisia menetelmiä sekä ohjelmistotyökaluja (concordancerit, tilastolliset mallit, POS-tunnistus).

Käyttökohteita ovat sanakirjojen ja kielioppien kehittäminen, kielikorjaukset sekä kielenopetuksen materiaalien suunnittelu ja personointi perustuen yleisimmin käytettyyn sanastoon ja rakenteisiin. Korpusperusteinen oppiminen ja opetus pyrkivät tarjoamaan dataan perustuvia esimerkkejä ja vahvistamaan kielen intuitiota.

Edut: suuret, autenttiset aineistot tuottavat tilastollista näyttöä kielen käytöstä, mahdollistavat välineiden vertailun ja tutkimuksen toistettavuuden. Rajoitteet: aineiston laadun ja edustavuuden haasteet, tekijänoikeus- ja yksityisyyskysymykset sekä annotaation standardoinnin aiheuttamat riskit. Korpusperusteisten lähestymistapojen kehitys jatkuu, kun uusia datalähteitä ja kehittyneempiä analyysityökaluja otetaan käyttöön.

Katso myös korpuslingvistiikka, korpusperusteinen kieliopetus, frekvenssianalyysi, kollokaatio.