Korpusdokumentation wird in dieser Arbeit als eine Voraussetzung für die Wiederverwendung von Korpora und als ein Bestandteil des Forschungsdatenmanagements verstanden, welches unter anderem die Veröffentlichung und Archivierung von Korpora umfasst. Verschiedene Forschungsdaten stellen ganz unterschiedliche Anforderungen an die Dokumentation und können auch unterschiedlich wiederverwendet werden. Ein geeignetes Anwendungsbeispiel stellen historische Textkorpora dar, da sie in vielen Fächern als empirische Grundlage für die Forschung genutzt werden können. Sie zeichnen sich im Weiteren durch vielfältige Unterschiede in ihrer Aufbereitung und durch ein komplexes Verhältnis zu der historischen Vorlage aus. Die Ergebnisse von Transkription und Normalisierung müssen als eigenständige Repräsentationen und Interpretationen im Vergleich zur Vorlage verstanden werden. Was müssen Forscherinnen und Forscher über ihr Korpus mit Hilfe von Metadaten dokumentieren, um dessen Erschließung und Wiederverwendung für andere Forscherinnen und Forscher zu ermöglichen? Welche Funktionen übernehmen dabei die Metadaten? Wie können Metadaten modelliert werden, um auf alle Arten von historischen Korpora angewendet werden zu können? Die Arbeit und ihre Fragestellung sind fest in einem interdisziplinären Kontext verortet. Für die Beantwortung der Forschungsfragen wurden Erkenntnisse und Methoden aus den Fachbereichen der Korpuslinguistik, der historischen Linguistik, der Informationswissenschaft sowie der Informatik theoretisch und empirisch betrachtet und für die Entwicklung eines Metamodells für Korpusmetadaten fruchtbar gemacht. Das im Rahmen dieser Arbeit in UML entwickelte Metamodell für Korpusmetadaten modelliert Metadaten von historischen textbasierten Korpora aus einer technisch-abstrakten, produktorientierten und überfachlichen Perspektive und ist in einer TEI-Spezifikation mit Hilfe der TEI-eigenen Modellierungssprache ODD realisiert. / Corpus documentation is a requirement for enabling corpus reuse scenarios and is a part of research data management which covers, among others, data publication and archiving. Different types of research data make differing demands on corpus documentation, and may be reused in various ways. Historical corpora represent an interesting and challenging use case because they are the foundation for empirical studies in many disciplines and show a great variety of reuse possibilities, of data creation, and of data annotation. Furthermore, the relation between the historical corpus and the historical original is complex. The transcription and normalisation of historical texts must be understood as independent representations and interpretations in their own right. Which kind of metadata information, then, must be included in a corpus documentation in order to enable intellectual access and reuse scenarios? What kind of role do metadata play? How can metadata be designed to be applicable to all types of historical corpora? These research questions can only be addressed with help of an interdisciplinary approach, considering findings and methods of corpus linguistics, historical linguistics, information science and computer science. The metamodel developed in this thesis models metadata of historical text-based corpora from a technical, abstract, and interdisciplinary point of view with help of UML. It is realised as a TEI-specification using the modelling language ODD.

published_or_final_version / Architecture / Master / Master of Architecture

published_or_final_version / Architecture / Master / Master of Architecture

Sont d’abord rassemblées des études réalisées dans le cadre du projet BIBLINDEX, index en ligne des citations scripturaires chez les Pères de l’Église. Elles visent à renouveler l’historiographie de la réception des Écritures par l’analyse statistique. Les aspects méthodologiques – repérage, expression, délimitation, caractérisation, interrogation et visualisation – sont discutés, puis la méthode définie est appliquée à plusieurs corpus des premiers siècles : les œuvres d’Irénée, de Jérôme ; le livre de Qohélet lu par les Pères. Le corpus du « dernier » d’entre eux, Bernard de Clairvaux, fait l’objet des deux parties suivantes : archétypique en effet, de par la richesse et la complexité de ses mises en œuvre du matériau biblique, ce corpus se prête particulièrement bien à une application approfondie des méthodes d’investigation développées pour BIBLINDEX, complétées par des approches texto-métriques. Nous commençons par livrer quelques enquêtes théologiques, littéraires et historiques de l’œuvre du cistercien, qui ont accompagné l’édition de ses œuvres complètes dans la collection Sources Chrétiennes et illustrent plusieurs types d’usages bibliques, comme la constitution d’un arsenal polémique dans les conflits épistolaires ; la structuration d’une argumentation logique, à la fois philosophique et théologique ; la construction d’une géographie spirituelle avec les interprétations de noms hébreux. Puis nous donnons l’esquisse d’une étude synthétique de la Bible de Bernard, qui reposerait sur les méthodes précédemment définies pour améliorer notre connaissance des relations du saint à la tradition et du rôle de l’assimilation scripturaire dans ses stratégies d’écriture. / First of all, studies carried out within the framework of the BIBLINDEX project, an online index of scriptural quotations in the Early Christian Literature, are gathered. They aim at renewing the historiography on the reception of the Scriptures by statistical analysis. The methodological aspects – identification, expression, delimitation, characterization, queries and visualization – are discussed, then the defined method is applied to several corpora of the first centuries: the works of Irenaeus, Jerome; the book of Qohelet as read by the Fathers. The corpus written by the "last" of them, Bernard of Clairvaux, is the subject of the two following parts: archetypal indeed, due to the richness and the complexity of its implementations of the biblical material, this corpus lends itself particularly well an in-depth application of the investigation methods developed for BIBLINDEX, supplemented by textometric approaches. Some theological, literary and historical inquiries of the Cistercian’s work are first presented, which come along with the publication of his complete works in the collection Sources Chrétiennes and illustrate several types of biblical practices, such as constituting a controversial arsenal in epistolary conflicts; structuring a logical, both philosophical and theological, argumentation; establishing a spiritual geography using interpretations of Hebrew names. Finally, the sketch of a synthetic study of Bernard’s Bible is given, which would be based on the methods previously defined to improve our knowledge of the saint’s relationship to tradition and the role of scriptural assimilation in his writing strategies.

The ongoing project of digitising a corpus of ancient Greek texts on papyrus dealing with medical topics raises some problematic questions involving general issues of digital papyrology. The main electronic resource of papyrological texts, the Papyrological Navigator (papyri.info), has indeed been designed to host documentary items, while the special technical, even literary nature of medical papyri (which include, besides documents related to medicine, also handbooks, school books, and treatises by both known and unknown authors) requires new ways to treat the relevant data (paratextual devices such as diacriticals, punctuation, abbreviatios, layout features). Such issues are currently under discussion by the team charged of the forthcoming Digital Corpus of Literary Papyri (DCLP), but further options need to be taken into consideration in order to develop a fully functional, interactive, dynamic database of ancient technical texts: in particular, this paper will present and discuss the potentialities of a multi-layer linguistic annotation (useful to fulfil the needs of a multifaceted technical language) and of a multitextual digital edition (helpful in consideration of the fragmentary condition of the texts and of their often problematic relationship with the known manuscript tradition).

No description available.

The aim of this thesis is to study and compare to what extent Hypertext Markup Language (HTML) and Text Encoding Initiative (TEI) support bibliographic description, metadata and mark-up of textual segments. The projects in the study comprise the Norwegian The Writings of Henrik Ibsen (Henrik Ibsens Skrifter) which applies the use of TEI, and Vitterhet society’s The collected works of CJL Almqvist (Vitterhetssamfundets CJL Almqvist Samlade Verk), which applies the use of HTML. The study showed that the Ibsen project provides its text with bibliographic description and metadata to a greater extent than the Almqvist project. The Almqvist project’s texts are provided with certain information about titles, authors and also information about source material and the electronic edition. However, the markup has proved to be inconsistent – some texts include more information than others do and particular mark words are not used. From the aspect of markup on textual segments, the Ibsen project presented the most detailed information. The amount of mark words used was not only significantly higher in the texts of the Ibsen project, but also more specific. The markup of Almqvist’s texts proved to have been completed by the use of linking, however, the markup showed that TEI offers more possibilities than HTML. In order to comprehend the difference in markup of both projects, an awareness of the respective aims of HTML and TEI should be developed. The two markup languages were created based on two separate kinds of needs, which has contributed to the continual use of both. / Uppsatsnivå: D

La ponctuation du français médiéval reste de façon générale un domaine peu étudié, malgré un certain nombre de recherches menées dans le domaine depuis une trentaine d'années. Généralement « masquée » par les pratiques d'édition « scientifique », elle constitue pourtant une donnée linguistique non négligeable : elle révèle les structures dont le texte était constitué pour le « sujet écrivant » et donne au lecteur une orientation dans l'interprétation du message écrit. La présente thèse vise à contribuer à la connaissance des grandes tendances de l'évolution des pratiques de la ponctuation dans les manuscrits et incunables français grâce d'une part au développement d'une méthodologie de représentation des données primaires et d'analyse linguistique de ces données tenant compte de multiples facteurs de variation et, d'autre part, grâce à l'apport de nouvelles données factuelles et à leur interprétation. L'analyse linguistique effectuée se base sur une approche fonctionnelle de la langue, qui considère l'oral et l'écrit comme des systèmes de marques remplissant un certain nombre de fonctions. Sont donc étudiés non seulement les signes de ponctuation, mais aussi les marques linguistiques pouvant l'accompagner dans la structuration du texte à ses divers niveaux. L'étude a été menée à partir d'un corpus de transcriptions « multi-facettes » de 29 extraits de manuscrits et d'incunables (28 000 occurrences-mots) exhaustivement annoté en « unités ponctuables ». Les transcriptions encodées en XML sont conformes aux recommandations de la TEI et sont intégrées à la Base de Français Médiéval .

L'objectif de la thèse est de proposer un modèle informatique pour représenter, construire et exploiterdes structures textuelles. Le modèle proposé s'appuie sur une représentation du texte sous la forme d'unplan lexique/occurrences augmenté de systèmes d'annotations lexicales et contextuelles, modèle dontune implantation a été réalisée dans le logiciel SATO dont on présente les fonctionnalités etl'organisation interne. La présentation d'un certain nombre de travaux rendent compte dudéveloppement et de l'utilisation du logiciel dans divers contextes.La prise en charge formelle des structures textuelles et discursives trouve un allié dans le langage debalisage XML et dans les propositions de la Text Encoding Initiative (TEI). Formellement, lesstructures construites sur les segments textuels correspondent à des graphes. Dans le contexte d'uneanalyse textuelle en élaboration, ces graphes sont multiples et partiellement déployés. La résolution deces graphes, au sens du rattachement des noeuds à des segments textuels ou à des noeuds d'autresgraphes, est un processus dynamique qui peut être soutenu par divers mécanismes informatiques. Desexemples tirés de la linguistique textuelle servent à illustrer les principes de l'annotation structurelle.Des considérations prospectives sur une implantation informatique d'un système de gestion del'annotation structurelle sont aussi exposées.

Thesis (M.S.W.)--University of Hong Kong, 1981. / Also available in print.