泛語語料庫
泛語語料庫（Pangloss Collection）是位在巴黎的法國國家科學研究中心（CNRS）口傳語言與文化研究所（LACITO）所開發的開放獲取數位圖書館，旨在採集世界各種語言的錄音（其中大部分為瀕臨滅絕的稀有語言），匯聚成一個向大眾開放的數位語料庫，從而為保護世界語言多樣性作出貢獻 [1] [2]。
該語料庫有豐富的語音館藏，可免費線上存取，囊括了世界各大洲不同類型語言的語音文檔（民間故事和傳說、生活小品、傳統藝人或工匠的口述、詞彙或語音調查等等）[3]。
截至2018年2月，泛語語料庫已收錄3559卷錄音檔、影像檔、文字文件[4]，總計囊括全球170種語言[5] 。
原則
[編輯]配有人工轉寫文字檔的語料庫
[編輯]泛語語料庫收錄並發布第一手錄音檔（近年來也增加了一些影像檔）。其中一部分音檔經由專家學者人工轉寫成文字稿和譯文，可與原始音檔交互參照（包括語音、音韻、拼字）[6] 。每個文檔都是根據口傳語言與文化科學研究方法，通過母語人士的親口講述，由調查人員在該文化背景下忠實地將內容記錄下來[7] 。
辭典
[編輯]自2002年以來，除了錄音跟影像資料之外，泛語語料庫還收錄了若干辭典[8] ，並在2017年將辭典系列命名為「 Lexica 」 [9] 。
開放式檔案架構
[編輯]泛語語料庫所存檔的數據採開源格式，訪客可以下載資料原始檔案（多數為知識共享Creative Commons許可協定），以便離線使用。資料庫網站提供的各式軟體工具也屬開源軟體（開放原始碼）。 此外，泛語語料庫很早就採用諸如XML等相容性高的格式，此種格式目前為數位人文科學的主流。 [10] 。
泛語語料庫是語言學資料庫「 開放式語言典藏組織」（OLAC[11])的一員，也是DELAMAN瀕危語言資料庫協會會員之一[12]。
泛語語料庫乃CoCoON（COllections de COrpus Oraux Numériques）數位資料館的資料庫之一。CoCoON是一個技術平台，旨在支援口語語料採集人員建立、整理、歸檔語料庫。[13] 其典藏的數據儲存在「 數位人文資料存放平台」Huma-Num[14]上。
歷史
[編輯]2001年時，「 LACITO歸檔方案」收藏了大約20種語言，共100篇左右的長篇語料[15] 。 2011年，泛語資料庫的館藏庫收錄了近1000卷的長篇語料，涵蓋67種語言，總計350篇語料經過轉寫和注釋[16] 。 館藏在2014年達到1400篇語料，其中大約有400篇已由人工轉寫和注釋[3] 。2016年10月時，泛語資料庫典藏了132種語言[17] 。 其館藏在2018年2月達到170種語言，3559個錄音檔跟影像檔[18] [19] 。2021年，在新一款自動轉寫軟體的幫助下，轉寫和歸檔都方便許多，一個小時便可以抵以往上百小時的工作進度。
參考
[編輯]- ^ 语料库官方网页上的介绍. [2021-05-08]. （原始內容存檔於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. 麗江民族研究. 2012, 5: 36-54 [2024-03-07]. （原始內容存檔於2024-02-10） –透過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
- ^ 資料目錄 （頁面存檔備份，存於網際網路檔案館）.
- ^ 語言目錄 （頁面存檔備份，存於網際網路檔案館）.
- ^ 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. （原始內容存檔於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]. （原始內容存檔於2021-01-14） （法語）.
- ^ Open Language Archives Community. Open Language Archives Community. Open Language Archives Community. [2021-05-09]. （原始內容存檔於2021-12-24）.
- ^ Digital Endangered Languages and Musics Archives Network. [5 avril 2020]. （原始內容存檔於2021-11-11） （anglais）.
- ^ Collections de Corpus Oraux Numériques. [2017-09-11]. （原始內容存檔於2018-04-10）.
- ^ Huma-Num. [2021-05-14]. （原始內容存檔於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. （原始內容存檔於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]. （原始內容存檔於2017-08-04）.
- ^ 資料目錄 （頁面存檔備份，存於網際網路檔案館）.
- ^ “泛语语料库收录了多少种语言？”. [2021-05-08]. （原始內容存檔於2021-04-18）.