Szófaj: főnév
Jelentése:
- Eredetileg: egy test vagy testhez hasonló forma. A középkori latinságban ‘testet’ jelentett.
- Modern nyelvben: írott vagy beszélt nyelvi anyagok összessége, amelyeket nyelvi elemzéshez használnak, például egy nyelvi korpusz.
Források:
www.thefreedictionary.com
Jelentése példamondatokkal
- A kutatók egy nagy nyelvi korpuszt használtak fel, hogy megvizsgálják a szókincs változásait az évtizedek során.
- A középkorban a korpusz szó általában emberi testet jelentett a latin nyelvben.
Eredete
A latin „corpus” szóból származik, amely testet jelentett. Ez a kifejezés számos középkori latin szövegben megtalálható, majd idővel átvitt értelemben is használni kezdték. A modern nyelvészet számára kulcsfogalom lett, amely az írott vagy beszélt nyelvi anyagok rendszerezett gyűjteményét jelenti.
Történeti és kulturális vonatkozás
A „korpusz” szó a történelem folyamán jelentős szerepet játszott, hiszen a középkori keresztény írásokban az ‘Corpus Christi’ (Krisztus Teste) kifejezés is gyakori volt, ami vallási ünneppé is vált. Az írott szövegek és nyelvi elemzések terén a korpusz a modern tudományos kutatás alapvető eszköze, amely lehetővé teszi a nyelvi minták, változások és tendenciák elemzését nagy mennyiségű adat alapján.
Gyakori tévhitek és helytelen használat
A „korpusz” kifejezést gyakran összetévesztik a „szöveggyűjtemény” szimpla fogalmával, pedig a „korpusz” általában egy célirányosan összeválogatott, gyakran kereshetővá és kézzel elemzett szövegmennyiség nyelvészeti, irodalomtudományi vagy egyéb kutatási célokra. Nem minden szöveggyűjtemény korpusz, mivel utóbbinál pontos kritériumoknak kell megfelelnie az összeállításkor.
Összehasonlítás és kontraszt
A korpusz számítógépes formában, adatbázisként kezelt szöveggyűjtemény, amelyben a szövegeket különböző szempontok alapján lehet vizsgálni és elemezni, míg egy hagyományos könyvtári gyűjtemény egyszerűen egymás mellé sorolt könyvekből és dokumentumokból áll, melyek esetében ritkán nyílik lehetőség nagy mennyiségű adatelemzésre.
Példák összehasonlításra:
- Magyar Nemzeti Szövegtár, amely egy speciálisan válogatott magyar nyelvi korpusz, szemben egy egyszerű könyvgyűjteménnyel.
Szó család és rokon értelmű kifejezések:
- korpuszelemzés, korpusznyelvtan, szövegtár
Szinonimák:
- szöveggyűjtemény (azonos jelentésben ez ritkán használatos, mivel a „korpusz” specifikusabb)
Ellentéte
- szórványos adatgyűjtemény (ami nem rendszerezett és célzottan összeállított)
Gyakorlati használat különböző kontextusokban
A „korpusz” szó jelentése a latin „corpus” szóból származik, ami testet vagy anyagot jelent. Többféle kontextusban is alkalmazható, például nyelvészeti, jogi és informatikai területeken. Nyelvészetben a korpusz olyan szövegek vagy beszéd adathalmazának összességét jelenti, amelyet nyelvi elemzésekhez, kutatásokhoz használnak. Az adathalmaz gyakran digitalizált formában létezik, és arra szolgál, hogy a nyelv használatát, változásait és mintázatait tanulmányozzák. Informatikában szoros kapcsolata van a számítógépes nyelvfeldolgozással, ahol a korpusz adatok nagy mennyiségben történő kezelésére és elemzésére szolgál, például mesterséges intelligencia fejlesztéséhez. Jogi környezetben a „habeas corpus” kifejezés ismert, amely egy olyan jogi elv, ami garantálja a személy szabadságát jogtalan fogva tartás esetén.
Érdekesség:
A korpuszok létrehozása és fenntartása rengeteg emberi erőforrást és technikai eszközt igényel, mivel folyamatos frissítést és bővítést kíván a naprakészség biztosítása érdekében. Érdekes módon az írás történetének kezdete óta léteznek olyan feljegyezhető szöveggyűjtemények, amelyek bizonyos értelemben a korpusz fogalmának korai előfutárai voltak. Egy másik figyelemre méltó tény, hogy a digitális korpuszok mérete manapság gyakran milliárdnyi szót tartalmazhat, ami hatalmas adatfeldolgozási kapacitást igényel. Az egyik legismertebb digitális szöveggyűjtemény az angol Cobuild Bank of English, amely jelentős hatással volt a modern szótárak és a nyelvi tanulmányok fejlesztésére.