一、创建小型教学语料库：
1.教学语料库设计的原则
a.教学针对性原则
b.实用性原则
c.开放性、资源共享原则
2.文本信息录入及文本赋码
3.语料库创建所需软件介绍
二、语料库设计的特点：
1.需要搜集的语料类型和文类
2.语料来源及获取语料的方法
3.入库文本的基本格式及编码
文本信息录入及文本赋码：
1.文本文头信息
2.书面语语料库文头文件
3.Raw Test
4.赋码文本（Tree-Tagger 3.0）
5.生文本及赋码文本比较
6.带文头信息文本 （with metadata）
7.文本录入中的小问题
a.撇号不对
b.标点符号后面的单词与标点符号之间无空格
DocToTxt批量转格式工具
文本整理器 清洁文本
Tre Tagger 3.0 自动词性赋码器
CLAWS7 POS 工具
Sub-corpus Creator子文件夹创建工具
文本信息录入、文本赋码
（1）文头信息——言语言信息
（2）生文本——raw
（3）赋码文本——Tree-Tagger
注意比较生文本和赋码文本
1. 课程标准的语言知识；内容检索和重组——用教材教
2.中小学的缺少的部分——多模态，吸收到最多百分之五十左右。
3.历时跟踪；常见错误分析
一、创建小型教学语料库：
1.教学语料库设计的原则
a.教学针对性原则
b.实用性原则
c.开放性、资源共享原则
2.文本信息录入及文本赋码
3.语料库创建所需软件介绍
二、语料库设计的特点：
1.需要搜集的语料类型和文类
2.语料来源及获取语料的方法
3.入库文本的基本格式及编码
语料库创建所需软件介绍
文本信息录入及文本赋码
文本文头信息
生文本：无任何附加信息
赋码文本：“_赋码信息”
带文头信息的
1. 课程标准的语言知识；内容检索和重组——用教材教
3. 中小学的缺少的部分——多模态，吸收到最多百分之五十左右。
4. 历时跟踪；常见错误分析
- 创建语料库可用工具
- DocToTxt批量转格式工具
- 文本整理器 清洁文本
- Tre Tagger 3.0 自动词性赋码器
- CLAWS7 POS 工具
- Sub-corpus Creator子文件夹创建工具
（三）文本信息录入、文本赋码
1.文本信息
（1）文头信息——言语言信息
（2）生文本——raw
（3）赋码文本——Tree-Tagger
注意比较生文本和赋码文本
语料库与词典编纂对词汇教学的启示：
1.词汇的广度与深度知识，词汇的搭配，类联结，语义韵以及同义词和反义词都是词汇教学的重要部分。
2.词汇教学需要核心词汇（高频词）优先。
3.词汇教学需要重视词块教学，语用教学。
建设小型语料库（任务7-9）
创建小型语料库的意义
一、教学语料库设计原则
1.三大原则:
教学针对性原则；实用性原则；
开放性、资源共享原则
2.三大要点：
需要搜集的语料类型和文件
语料来源及获取语料的方法
入库文本的基本格式及编码
3.语料库命名例子
二、文本信息录入及文本赋码
文本信息
1.文本信息开头
书面语语料库头文件
2.生文本
赋码文本
生文本及赋码文本比较
3.文本录入中的小问题
三、语料库创建所需软件介绍
创建小型语料库
（三）文本信息录入、文本赋码
1.文本信息
（1）文头信息——言语言信息
（2）生文本——raw
（3）赋码文本——Tree-Tagger
注意比较生文本和赋码文本
- 创建语料库可用工具
- DocToTxt批量转格式工具
- 文本整理器 清洁文本
- Tre Tagger 3.0 自动词性赋码器
- CLAWS7 POS 工具
- Sub-corpus Creator子文件夹创建工具
- 文本文头信息
- GENDER 男生M，女生F
- GRADE
- SCORE
- WRITINGDATE 八位数字写法
- YEAR 入学年份
- 书面语料库文头文件
- DICTIONARY
- ENGTEXTBOOK
- GENDER
- GRADE
- ID
- PROMPT
- SCORE
- STYLE
- TEXTCATEGOY
- WRITINGDATE
- YEAR
- 生文本
- 赋码文本
- Tree-Tagger 3.0
- CLAWS 7
- 文本录入中的小问题
- 标点符号后无空格
- 半角/全角使用不清
第一步：将文件转为txt格式。
第二步： 处理空格和全角
批量处理是，点击“批量处理”
添加整理方案
———————————————————
tree-tagger赋码
“open-dir”打开文件夹
可以备份。
———————————————————
基于所有都是txt文本，可以尝试一下检索式
表示非空格
注意提前创建存储的文件夹
例如：
表示检索所有福建卷的内容
其二, 针对不同档
可以表达为
又例如，
表示以1结尾的非空格文本。
注意：
界定要清楚
检索非空格，要
————————
检索文头文件
如
检索18分的
检索出含有sport的文本
文本信息不能有空格
1. 不能使用字典
ID：建议使用身份证号，也可叫上地区。注意标明规则。
注意：建立原则，根据目的判断是否要保留语言错误。如果在后期需要提取也可以考虑是否要修改。
黄色部分为赋码信息。50多种赋码
两款软件的准确率无法做到百分百，在研究中要注意考虑。claws7 为付费软件。70多种
此处为简写版，将所有信息尖括号。
timed，限时作文。
注意输入格式。
1. 课程标准的语言知识；内容检索和重组——用教材教
3. 中小学的缺少的部分——多模态，吸收到最多百分之五十左右。
4. 历时跟踪；常见错误分析
通用型和专业型——教学语料库/专业型
常见话题
2. 如果是全国卷，因其文本词数通常是240左右——根据地区的考试实情判断
语料库的纯洁性——文本真实性的甄别
比如第一位数字所代表的版本信息，初中版本超过十，会占到两位，节约目的，采用二十六字母。
注意标注命名原则，以统一标准
文本问头信息<GENDAR>F</GENDER>
Raw Text:
赋码文本：
tree tagger:NN名词单数 NNS名词复数
Claws 7 :NN1 NN2
