Underkorpusser med reality-tv, sociale medier og fagsprog

Transskriberet dialog fra reality-tv

Sprognævnet udbygger kontinuerligt sit specialkorpus med dialogen fra reality-tv-serier. Til en begyndelse blev der fokuseret på tv-serien Ex on the beach, og den transkriberede dialog herfra har et omfang på ca. 560.000 ord, som bruges til indsamling af nye ord, undersøgelser af engelske lån, undersøgelser af groft sprog og undersøgelser af grammatiske fænomener.

I 2022 blev korpusset udbygget ved at transskribere Big Brother fra 2001. Big Brother-korpusset er på ca. 242.000 ord. Dette korpus kan især bruges til at undersøge talesproglige fænomeners udvikling i løbet af de seneste 20 år, fx når det gælder engelske låneord, hvilket hjælper til at skitsere en sproglig udvikling, som nævnet ofte bliver spurgt om.

Senest er korpusset af talesprog udvidet med transskribering af dialogen
i reality-tv-serien Paradise. Udover at få udbygget Sprognævnets  talesprogskorpus yderligere med de fordele det har for forskning og nyordsarbejde, er der det spændende ved netop Paradise at formatet i 2022 er blevet omlagt så det i højere grad afspejler tidens woke tendenser ift. øget diversitet og repræsentativitet, og det skal undersøges om det afspejles i seriens sprogbrug. Derfor transskriberes både et traditionelt afsnit af Paradise og et ”woke” afsnit.

Tekster fra sociale medier

I 2021 begyndte Sprognævnet arbejdet med et korpus af facebooktekster. Teksterne er stillet til rådighed af virksomheden Analyse og Tal, og korpusset indeholder ca. 12 mio. ord. Korpusset anvendes til forskning i sprogbrugen på sociale medier.

Fagsproglige artikler

Sprognævnet har også et lille udvalg af fagblade repræsenteret i sit korpus, herunder Erhvervsbladet, Ingeniøren og Ugeskrift for Læger.

Denne tekstgruppe bestod i starten af 2018 af ca. 26 millioner ord og indeholder tekster tilbage til 2004, dog hovedsageligt fra slutningen af 2009 og frem.