Korpus (latinan sanasta corpus, kokoelma tai kirjaimellisesti 'keho') on kielitieteen alalla käytetty, tarkoin määrätty ja koottu joukko kirjoitetun kielen tekstejä (tekstikorpus) tai puhutun kielen nauhoitteita (puhekorpus), jotka on poimittu aidoista teksteistä ja tilanteista. Niitä käytetään kieltä koskevien hypoteesien testaamiseen yhdestä tai useammasta kielestä tai joistakin niiden ominaisuuksista.[1][2]
Korpuksia voidaan käyttää tietokoneella. Korpus on siis sähköinen varasto tekstejä tai nauhoitteita. Korpuksia käytetään, kun tutkitaan ilmaisujen käyttöä, lasketaan niiden yleisyyksiä tai arvioidaan tutkimusoletuksia. Kun kielitieteilijä haluaa selvittää jonkin sanan tai rakenteen käyttäytymistä, hän voi hakea korpuksesta sanan esiintymismuotoja, sen naapurisanoja ja hyviä esimerkkejä sanan käytöstä. Korpuksia voidaan käyttää myös muihin kielentutkimuksen kannalta olennaisiin tarkoituksiin. Suurin osa maailman korpuksista on tekstikorpuksia, vaikka kielitieteen perinteessä puhuttua kieltä pidetään usein kirjoitettua alkuperäisempänä.[2]
Korpustutkimuksessa tarkastelun kohteina voivat olla esimerkiksi seuraavanlaiset kysymykset:
Korpusten sisältö ei välttämättä sovi täsmälleen kaikkeen kielitieteen tutkimukseen. Sähköisten aineistojen merkitys kielen tutkimisessa vahvistuu jatkuvasti.[2]
© MMXXIII Rich X Search. We shall prevail. All rights reserved. Rich X Search