Interaction of technology and methodology in building and sharing an annotated learner corpus of spoken German
- This paper discusses the technological and methodological challenges in creating and sharing HAMATAC, the Hamburg Map Task Corpus. The first version of the corpus, consisting of 24 recordings with orthographic transcriptions and metadata, is publicly available. A second version featuring different types of linguistic annotation is in progress. I will describe how the various software tools and data formats of the EXMARaLDA system were used for transcription and multi-level annotation, to compile recordings and transcriptions into a corpus and manage metadata, to publish the corpus, and how they can be used for carrying out corpus queries (KWIC) and analyses. Some recurrent issues in corpus building and sharing and the interaction of technological and methodological aspects will be illustrated using HAMATAC.
- Este artículo trata los retos tecnológicos y metodológicos de la creación y publicación de HAMATAC, el Hamburg Map Task Corpus. La primera versión del corpus, que consiste en 24 grabaciones con transcripción ortográfica y metadatos, está disponible públicamente. Está en desarrollo una segunda versión que incluye distintos tipos de anotación lingüística. Voy a describir cómo las diversas herramientas de software y formatos de datos del sistema EXMARaLDA se utilizaron para la transcripción y la anotación multinivel, para reunir grabaciones y transcripciones en un corpus, para administrar los metadatos y para publicar el corpus, y cómo pueden ser usados para realizar consultas en el corpus (KWIC) y análisis. Se ilustrarán usando HAMATAC algunos de los cuestiones recurrentes de la creación y publicación de un corpus y la interacción de los aspectos tecnológicos y metodológicos.
Author: | Hanna HedelandORCiD |
---|---|
URN: | urn:nbn:de:bsz:mh39-97212 |
URL: | http://www.aelinco.es/en/proceedings-related-publications |
ISBN: | 978-84-694-6225-6 |
Parent Title (Spanish): | Actas del III Congreso Internacional de Lingüística de Corpus. Tecnologías de la Información y las Comunicaciones: Presente y Futuro en el Análisis de Corpus [7.-9. April 2011, València] |
Publisher: | Editorial Universitat Politècnica de València |
Place of publication: | València |
Editor: | María Luisa Carrió Pastor, Miguel Ángel Candel Mora |
Document Type: | Conference Proceeding |
Language: | English |
Year of first Publication: | 2011 |
Date of Publication (online): | 2020/03/22 |
Publicationstate: | Zweitveröffentlichung |
Reviewstate: | Peer-Review |
Tag: | learner corpus; multi-level annotation; spoken language; transcription anotación multinivel; corpus de aprendices; lenguaje oral; transcripción |
GND Keyword: | Annotation; Gesprochene Sprache; Korpus <Linguistik>; Methodologie; Transkription |
First Page: | 87 |
Last Page: | 100 |
DDC classes: | 400 Sprache / 400 Sprache, Linguistik |
Open Access?: | ja |
Linguistics-Classification: | Computerlinguistik |
Licence (German): | ![]() |