Je kunt nu dus kiezen om trefwoorden in je (Nederlandse) tekst op te sporen door de tekst te vergelijken met het toch wel oude en veel kleinere CONDIV-corpus, of met het SoNaR-corpus. Andere beschikbare referentiecorpora zijn het BNC voor het (Brits) Engels, een Nederlandstalig popcorpus en een eveneens Nederlandstalig rapcorpus. Je kunt uiteraard ook nog steeds zelf een referentiecorpus toevoegen — dat is makkelijker dan je wellicht denkt!
In de onderstaande afbeelding kun je zien dat bijvoorbeeld het woord herkomstlanden significant vaker voorkomt in het NOS-artikel Onderzoek: deel collectie Oranjes mogelijk onrechtmatig verkregen dan in het SoNaR-corpus en dus iets zegt over de het artikel; het is een trefwoord of keyword.
Trefwoorden in vergelijking met het SoNaR-corpus
Opmerkingen bij deze toevoeging zijn dat alleen Nederlandse krantenteksten zijn gebruikt voor de frequentielijst en, met het oog op processing in JavaScript en bestandsgroottes, alleen woorden die tien keer of vaker voorkwamen zijn meegenomen.
One problem with keyword analysis is that the target corpus will likely include words that do not occur in the reference corpus. In calculating various measures of keyness, this would result in a division by zero, which is mathematically impossible, as far as I know. The default way of dealing with this is to assign words that do not occur in the reference corpus a frequency of 0.5, but this introduces the risk of a result in which such keywords dominate the top positions, because their keyness is inflated.
To remedy this problem, I have added an option to the Keyword Analysis Tool which let’s you choose to either go with the default of assigning a 0.5 frequency to ‘zero counts’, or to simply discard them from all calculations, resulting in keywords that have a minimal frequency of 1 in the reference corpus.
Soms is het handig om voor een vergelijkend onderzoek steekproeven (samples) van een bepaald aantal woorden uit een tekst te halen. Omdat dat typisch zo’n terugkerend klusje is waaraan ik elke keer toch weer meer tijd kwijt ben dan gedacht, heb ik er maar een online tooltje voor gemaakt.
Random text sampler
Het lijkt me zonde om dat voor mezelf te houden en daarom kan iedereen die dat wil op https://www.reuneker.nl/randsamples een tekst invoeren, het gewenste aantal steekproeven en de steekproefgrootte (in aantal woorden) selecteren en met een druk op de knop de samples tevoorschijn toveren. Je kunt daarbij ook aangeven dat je, per sample en voor het geheel, de *type-token-ratio’s* en MTLD-scores wilt zien.
Different types and argumentative uses of conditionals (if-then) have been distinguished in the literature, but their applicability to actual language use is rarely evaluated.
As ’the proof of the pudding is in the eating’, my new paper in Argumentation (Springer) entitled ‘Assessing Classification Reliability of Conditionals in Discourse’ addresses this issue by means of an experiment in which the inter-rater reliability of classifications applied to natural-language corpora was assessed.
New publication in Argumentation: ‘Assessing Classification Reliability of Conditionals in Discourse’
Today I added the option to directly compare two texts on the keyword analysis page.
Before today, only one general Dutch and one general English reference corpus could be loaded, but much of the time, a custom corpus is needed to get more informative results. For example, say you’d like to see a list of keywords in a certain novel. It makes sense to compare this novel to another novel, as in the screenshot below, or perhaps to a collection of other novels.
Well, now you can. Simply copy-paste the reference corpus to the webpage, and you’re good to go.
