STRESZCZENIE

W wystapieniu porusze niektóre problemy językowe i techniczne, które 
utrudniały  dokładną kwantyfikację frazeologii w porównywanych przeze 
mnie korpusach angielszczyzny nierodzimej i rodzimej. Zadania tego 
podjąłem sie w zwiazku z dysertacja doktorska ôSelected aspects of 
lexicon, phraseology and style in the writing of Polish advanced 
learners of English: A contrastive corpus-based approach 
(http://main.amu.edu.pl/~przemka/rsearch.html). W pracy tej szukałem 
potwierdzenia korelacji pomiędzy stopniem zaawansowania 
uzytkownika języka angielskiego a względną częstościa korzystania 
przez niego z frazeologii idiomatycznej (idiomów, kolokacji itp.), w 
oparciu o zawężoną grupę związków frazowych  tworzonych przez 
sześć najczęstszych czasowników angielskich: BE, DO, HAVE, MAKE, 
TAKE oraz GIVE. 

Wyłoniły się dwie grupy problemów, które komplikowały, fałszowały lub 
wręcz uniemożliwiały uzyskiwanie wyników:

a) problemy językowe - związane z jakością obrabianego tekstu (np. 
błędy językowe, bledne lub nieprzewidywalne warianty ortograficzne), 
jak i ze standardami kompilacji, czyli z zawsze aktualną kwestią 
reprezentatywności i porównywalności korpusów (np. 
niezrównoważenie tematyczne, błędne zaklasyfkowanie stopnia 
zaawansowania językowego reprezentowanego przez korpus)

b) problem braku dostępnych narzędzi wspomagających oznaczanie 
tekstu (np. tagowanie semantyczne)

c) centralny problem niewystarczalności narzędzi komputerowych 
stosowanych do oznaczania frazeologii: tagera (blędy w tagowaniu), 
konkordancera (niewystarczająca skladnia i mozliwosci edycji), 
statystycznych metod ekstrakcji związków łączliwych (zawodnosc 
testów MI, z-score, czy sposobów ekstrakcji najczestszych kombinacji 
wielowyrazowych)

Powyzsze niedostatki przekladaja sie na wciaz niewielkie mozliwosci 
obrabiania statystycznie powaznej ilosci danych w jezykoznawstwie 
stosowanym. Ilościowe analizy konstrastywne korzystające z metod 
inżynieryjnej obróbki języka naturalnego (NLP) wymagają szczególnej 
dokładnosci badawczej: np. nie może byc mowy o zbyt liberalnej lub 
zbyt wąskiej kwantyfikacji (tzw. precision oraz recall). Zwlaszcza w 
przypadku badan nad jezykiem nierodzimym, mozliwosc korzystania z 
interaktywnej edycji oznaczania danych, i to na roznych poziomach, jest 
niezbedna dla osiagniecia wymaganego stopnia dokladnosci badania. 
O cechach tak zoptymalizowanego narzedzia - edytora/konkordancera - 
opowiem w ostatniej części wykładu.