O NOVO iWEB CORPUS

Parece que foi ontem, mas o querido e útil COCA já fez 10 anos!

[embed]

Quem já era fã das ferramentas de busca e pesquisa dos corpora COCA e BNC, vai poder acrescentar mais uma novidade para a lista.

A família BYU aumentou. O irmão mais novo já é o maior, o mais incrível e poderoso da parentada. O nome dele é iWEB. Eu nem comecei a brincar e já A.D.O.R.E.I.

Você vai parecer uma criança que acabou de ganhar um brinquedo novo que não quer mais largar.

[embed]Eu e o iWEB: brinquedo novo!

Para os usuários de qualquer um dos corpora disponíveis na página da BYU, o iWEB* é mesmo uma ameaça aos seus planos de produção e a sua to do list*, afinal, você não vai conseguir parar de brincar com as novas possibilidades de pesquisas e quando perceber vai ter passado um bom número de horas fazendo novas descobertas e tentativas.

[embed]The iWeb Corpus 14 billion words, 22 million web pagescorpus.byu.edu

O novo iWEB é um corpus de 14 bilhões de palavras. Tem cerca de 25 vezes mais palavras que o nosso amigo COCA. Ele tem uma grande variedade de textos da web, são mais de 22 milhões de páginas e quase 100.000 websites selecionados da base de dados da Amazon (Alexa.com)

Quais são as novidades?

Para quem já conhece as ferramentas básicas dos corpora BYU, o iWEB tem todas elas e ainda permite que você navegue por mais de 60.000 palavras, escolhendo a classe gramatical, a conjugação, a formação e até pronúncia. Como se não bastasse, ainda pode organizar tudo de forma aleatória ou por ordem de ocorrência, como em um ranking das palavras mais usadas dentre as 60.000 possibilidades.

Um detalhe suculento dos resultados é a possibilidade de visualizar informações detalhadas sobre as 60.000 palavras mais frequentes no corpus. É possível ver a definição, a frequência (número de ocorrência), sinônimos e palavras relacionadas. Ainda tem um novo design para a visualização dos colocados e dos tópicos diretamente relacionados com a palavra pesquisada. Há também uma busca nova que apresenta os agrupamentos (clusters) de palavras, resultados que não apareciam nos outros corpora da família, os sites onde as palavras ocorrem, e as boas e velhas linhas de concordância com a palavra-chave destacada e o contexto disponível para consulta.

Cada uma das páginas de resultados apresenta uma lista de hiperlinks que facilita a navegação entre a palavra pesquisada e suas demais relações e contextos, um primor!

Além dessa lista incrível com as 60.000 palavras mais frequentes, há também links que conectam a pesquisa feita com outras páginas da web relacionadas à busca desejada, como por exemplo, dicas de pronúncia, definições adicionais, imagens, vídeos e até tradução para mais de 100 línguas diferentes.

Print de uma das páginas de resultado do iWEB

Tá achando que acabou?

Ainda não!

O iWeb também tem uma ferramenta para você criar um Corpus Virtual Provisório, um tipo de corpus descartável que você pode compilar de forma rápida, sobre um tópico qualquer e explorar esse corpus criado por você com as ferramentas típicas já disponíveis na plataforma, como o listador e o concordanciador (PCEC — Palavra Chave em Contexto). Você pode até comparar a sua criação com uma outra feita por você mesmo. Ou seja, dois corpora provisórios sobre assuntos diferentes. Pode ainda comparar o corpus compilado por você com qualquer outro corpus da família e usar os outros corpora permanentes como fonte de referência para suas pesquisas.

Para a vida ficar ainda melhor, o iWEB é mais rápido que os outros corpora da família BYU. Segundo o prof. Mark Davies, criador e administrador do projeto, a rapidez da ferramenta é causada pelas melhorias feitas na arquitetura da página. Para comprovar essa informação, a gente vai ter de usar!

Se quiser sabe mais, veja o documento produzido pelo prof. Mark Davies e fique por dentro dos detalhes.

A família BYU tem também um corpus apenas sobre linguagem do direito. Para os advogados de plantão, uma fonte muito interessante de informação e um layout diferente das demais ferramentas, a busca é bem simplificada é o ambiente de navegação é muito amigável: Law corpora

[embed]

Twitter

Facebook

Prezi