建立自己的语料库

设计阶段: 文本分类及标注方案
Without metadata, corpus linguistics would be virtually impossible (Burnard, 2004).
确定文本分类标准
外部标准
语料库识别信息：名称、生产者、发行者、 语料库识别信息：名称、生产者、发行者、建库 日期等 语料库派生信息：语料来源、语料状态、 语料库派生信息：语料来源、语料状态、语料目 标
确定标注方案和标记语言
标注的定义 分类信息及结构信息的编码 制定码集（tagset） 制定码集（tagset） 选择标记语言： 选择标记语言：Html, XML （see sample Tempest; files） Tempest; BNC files） 观察与评价：CLEC的头部信息及错误附码 观察与评价：CLEC的头部信息及错误附码
设计阶段: 文本分类及标注方案
内部标准
主题（topic） 主题（topic） 样式（style）：正式程度、准备、交际分组、 ）：正式程度 样式（style）：正式程度、准备、交际分组、 交际方向 标题 段落 句子 EAGLES) 其它元素 (See demo: EAGLES)
文本结构信息
设计阶段: 文本分类及标注方案
建设自己的田野语料库 (Construct your own field corpus)
-- Make your own corpus and make the corpus your own 李文中
定义：田野语料库
教师在语言教学和学习环境中，为观察和 描述具体现象和难题，并通过行动研究寻 求解决难题方案和途径而建设的小型语料 库 田野语料库是一种专用语料库
准备阶段: 确定设计原则 --with reference to J. Sinclair
确定样本的语言取向
教学设计、难题解决、教学话语分析、 教学设计、难题解决、教学话语分析、评价
确定抽样标准
文本模式
口语 笔语 电子
文本来源
教材、讲义、课堂英语、 教材、讲义、课堂英语、其它材料 学生语言输出：作业、写作、日记、 学生语言输出：作业、写作、日记、论文等
文本录入及整理
执行阶段: 收集文本的工作流程
团队的分工与管理 工作计划 实施
完成阶段：应用与开发
开源语料库 新语料的补充 应用研究 软件开发及应用 资源共享
其它原则
一个文件一篇文本 文件夹结构反映文本分类信息 建立语料库档案（documentation） 手工附码与机助附码：a demo
执行阶段: 收集文本的工作流程
抽样范围和方法
样本数量和覆盖面 随机抽样 样本的平衡 工具：电子文本拷贝、扫描与识别、 工具：电子文本拷贝、扫描与识别、人工录入 文本整理 文本校对 标注信息插入：批量/ 标注信息插入：批量/人工
准备阶段: 确ቤተ መጻሕፍቲ ባይዱ设计原则
文本域：学术的、 文本域：学术的、非学术的 语言类型：教学输入、教师语言、 语言类型：教学输入、教师语言、学习者语言 文本产生位置：校园、 文本产生位置：校园、远程等 文本产生日期
准备阶段: 确定设计原则
确定样本的性质和维度
按交际功能选择内容 尽可能具有代表性 针对研究目的设计语料库的结构 语料库结构标准应简洁、独立、 语料库结构标准应简洁、独立、具有区分性 分离文本信息与文本本身 收集完整文本