Instruktioner för översättning av uttalsnära ljudskrift till ortografisk utskrift för Språkarkivets talspråkskorpus Talko 1. Inledning... 2 2. Att översätta... 2 2.1 Huvudsakliga riktlinjer... 2 Prepositioner och småord... 3 Infinitvmarkören att... 3 Annat genus... 3 Bestämd form... 3 Namn och förkortningar... 4 Utländska namn... 4 2.2 Ordgränser... 4 3. Hjälpmedel för översättningen... 6 3.1 Välj den skriftspråkliga formen... 6 3.2 Lemma: måste... 6 3.3 Lemma: böra... 7 3.4 Assimilationer... 7 3.5 Sådan, inga/inte... 7 3.6 Pronomen... 7 3.7 Varda och pläga... 7 3.8 Uppbackningar... 8 4 Translitteratorbrus... 8 4.1 Verbformer tempus?... 8 4.2 Species bestämd eller obestämd form?... 8 5. Att använda taggen lang=x... 10 5.1 Sammansatta ord...12 4.2 Translitteratorbrus bland taggarna...12 1
1. Inledning Projektet Språkarkivets talspråkskorpus har som mål att tillgängligöra ett urval av arkivets ljudmaterial för lingvistisk forskning via nätet hösten 2014. Talspråkskorpusen kommer att bestå av sökbar text som är lingvistiskt annoterad och kopplad till ljudfiler som kan avlyssnas. För projektet krävs utskrifter av talspråksinspelningar med grov ljudskrift (transkriberingar) och med ortografisk utskrift (översättningar). Ortografisk översättning betyder att man översätter den grova ljudskrift som finns i transkriptionerna till en ortografisk, eller skriftspråklig, form utan att översätta betydelse. Genom den skriftspråkliga stavningen i översättningen förbättras möjligheterna att göra sökningar i utskrifterna märkbart. För översättningen av grov ljudskrift till ortografisk utskrift samarbetar Språkarkivet med Tekstlaboratoriet vid Universitetet i Oslo. Vi använder deras program Dialekttranslitterator för att göra den ortografiska översättningen. I det här kompendiet kan du läsa om hur du använder programmet Dialekttranslitterator och vad du ska tänka på då du översätter dialektutskrift till ortografisk utskrift. 2. Att översätta Då du översätter en fil från grov ljudskrift till ortografisk utskrift ska du kontrollera och översätta varje ord så att slutresultatet blir en skriftspråklig version av ljudutskriften, översatt ord för ord. Resultatet är alltså inte en skriftspråklig text, utan en utskrift som motsvarar exakt det som sägs på inspelningen, men med en skriftspråklig stavning. Du ska alltså göra en ord-för-ord-översättning av talspråket. Det är inte meningen att du ska försöka förklara ordets innebörd genom översättningen. Icke-standardssvenska ord och ord på andra språk markerar du dock i översättningen med en tagg. I kapitel 5 hittar du instruktioner för vilka ord du ska tagga samt på vilket sätt du ska göra det. 2.1 Huvudsakliga riktlinjer Inga stora bokstäver i början av repliker eller satser, du ska inte heller sätta ut skiljetecken. Det är inte betydelsen du översätter t.ex. ja ha:r i hovo > jag har i huvudet (Bet. Jag har ont i huvudet) Skriv alltid ut hela ordet när kortformer förekommer: Exempel: sta:n sen da:n nånting staden sedan dagen någonting 2
Var konsekvent med hur du skriver de standardsvenska orden (växla inte mellan olika stavningsvarianter av ett ord) t.ex. fönstrena/fönstren, hobbyn/hobbier. Prepositioner och småord Om prepositioner eller andra småord används på ett icke-standardssvenskt sätt så låter du dem stå så i översättningen ja titta på de frå:n te:ve:n ja bo:r hi:t i låvi:sa jag tittade på det från teven jag bor hit i Lovisa Notera skillnaden mellan på [på:] och uppå [åpå:]: mårade uppå, inte mårade och på Infinitvmarkören att Observera att infinitivmarkören att ibland uttalas å. Översätt då å till att (inte och), eftersom det här är en vanligt förekommande uttalsform av att. å såva e sjö:nt ti såva e sjö:nt att sova är skönt till sova är skönt Annat genus Om talaren använder annat genus för ord än i standardsvenska, ändra inte. et fabri:k en jä:lo ett fabrik en gärda Bestämd form I bl.a. de österbottniska dialekterna är det vanligt att man använder bestämd form där som standardsvenskan använder obestämd form. I dessa fall strävar vi efter att bevara de bestämda formerna i översättningen: Exempel: vi ha: jo gambe namne jär å fo:rnfynde vi fo:r no: mest ti lafåssby:ji Ortografisk skrift vi har ju gamla namnen här och fornfynden vi for nog mest till Lappforsbyn 3
Namn och förkortningar Städer, länder, tidningar, radioprogram, tv-program, företag skrivs med stor bokstav. Också namn som anonymiserats till Förnamn och Efternamn skrivs med stor bokstav. Skriv namn och förkortningar enligt skrivreglerna: Borgå, FST. Etablerade inofficiella ortnamn som Hesa, H:fors och Jeppis, får stå i den inofficiella formen i översättningen, men markeras med en lang=x tagg (se kap 5.1). I dialekterna förekommer bestämd form av namn, skriv då bestämd form också i den ortografiska utskriften. Exempel: mi:n kosi:n bo:r i hesa vi fo:r no: mest ti lafåssby:ji min kusin bor i Hesa (+lang=x) vi for nog mest till Lappforsbyn Dialektala uttalsvarianter av namn taggas inte med lang=x, krombi, nyka:bi och årvas översätts till Kronoby, Nykarleby och Oravais. Utländska namn Officiella namn på andra språk, t.ex. Discovery Channel, Haaga instituutti, får inte lang=xtagg). Inte heller företagsnamn osv. får tagg. 2.2 Ordgränser Antalet ord måste vara lika i ljudskriften och översättningen, dels för att det ska gå att ordklasstagga materialet, dels för att det ska gå att söka på enskilda ord i Talko. För att det ska gå att ordklasstagga materialet får ord som representerar två olika ordklasser INTE skrivas ihop, varken i ljudskriften eller i översättningen. Om du stöter på ord i transkriptionen som BORDE särskrivas, t.ex. de:, messej, fo:r-n, de:it, men som nu skrivs ihop, kan du lösa problemet med att lägga in ett bindestreck mellan orden i översättningen. (se exemplet nedan) Du kan inte själv gå in och sära på ord i översättningen, eftersom detta måste göras i både ljudskriftens orginalfil och i den ortografiska utskriftens orginalfil. Exempel: Ordklasser de:e/de: det-är (pronomen + verb) messej med-sig (preposition + pronomen) fo:r-n for-han (verb+pronomen) de:it det-är-inte (pronomen + verb + adverb) tilåme: till-och-med (prep. +konjunktion+partikel) 4
Detsamma gäller ord som New York (om det står nju:jå:rk i ett ord i ljudskriften måste detta ändras till nju:-jå:rk). Undantag: vetja vet-jag i söb hödu hör-du sidu ser-du Undantag kan göras om orden som är hopskrivna i ljudskriften helt klart kan tolkas som ett ord med en ordklass: Exempel: sånhä:n sånhä:nt sånhä:na sådan-här sådant-här sådana-här Kombinationen sådan-här är omtolkad i talspråket så att böjningsändelsen hängs på ordet här i stället får sådan. Hela kombinationen kan i detta fall tolkas som ett pronomen. Här uppstår alltså inte problemet med att de båda orden borde få olika ordklasstaggar. Om du är osäker på om orden kan skrivas ihop eller inte, så är det bättre att du särar på dem med ett bindestreck. 5
3. Hjälpmedel för översättningen Dialekttranslatorn gör en halvautomatisk översättning av ljudskriften som du måste kontrollera och korrigera manuellt. För att kontrollera hur ord skrivs och om de är standardsvenska är det bra att ha Svenska Akademiens ordlista (SAOL) till hands. SAOL finns också på nätet på adressen: http://www.svenskaakademien.se/web/ordlista.aspx Då du översätter den grova ljudskriften till ortografisk utskrift ska du jämföra och korrigera varje ord i de parallella utskrifterna för att få allting rätt. Här nedan finns en exempellista på vanliga talspråksuttryck och anvisningar för hur du översätter dem i den ortografiska utskriften. 3.1 Välj den skriftspråkliga formen Förklaring ska skall sku, sko nån nånting sån, sånt, såna, såna dä:r sta:n sen sa: tide: krombi kasta mårån ska skall skulle någon någonting sådan, sådant, sådana, sådana där staden sedan sade där Kronoby kasta/ kastade / kastat morgon/ morgonen OBS! var extra uppmärksam med verb, translitteratorn väljer ofta fel tidsform! 3.2 Lemma: måste Använd de standardsvenska tempusformerna i den ortografiska utskriften, kompletterat med den finlandssvenska infinitivformen måsta. Inga x-taggar! infinitiv: måsta presens: måste preteritum: måste supinum: måst ja sku måsta ja sku ha måsta ja måsta springa ti bussen ja mådist springa ti bussen jag skulle måsta jag skulle ha måst jag måste springa till bussen jag måste springa till bussen 6
Måste och alla uttalsformer och böjningsvariationer har lemma måste, liksom i SUC. I översättningen följer vi principen att böjningsformer inte taggas, utan följer den standardsvenska böjningen (som i SAOL). Variationen blir då synlig och sökbar 3.3 Lemma: böra Böjs enligt SAOL: infinitiv: böra presens: bör preteritum: borde supinum: bort ja sku bo:rda jag skulle böra 3.4 Assimilationer me sse med sig Om ord är ihopskrivna i me: n med honom ljudskriften så kan du sära på he e det är dem i översättningen med ett bindestreck. Ex. messe medsig, he: det-är föus fähus tärt/tärtill därtill 3.5 Sådan, inga/inte tåli, tokan osv. sådan Tårdde Sådan(t/a)-där Jfr Ivars 1988: 175 ff. Ja tykt inga åm de Jag tyckte inte om det 3.6 Pronomen Pronomen översätts enligt standardsvenskan. Han/hon blir den då de syftar på annat än människor. De/dem och han/honom översätts utgående från om det är fråga om ett objekt eller inte. ja så:g dåm dåm kåm hem honde klåkkon hande veijin ja slo:g han hå:rt jag såg dem de kom hem den-där klockan den-där vägen jag slog honom hårt 3.7 Varda och pläga De ålderdomliga verben varda och pläga som används i den ljudenliga utskriften översätts i den ortografiska utskriften med verben bliva och bruka. he vart itt ti na: ja pa springg fösst det blev inte till något jag brukar springa först 7
3.8 Uppbackningar nä:ä, jå:å jå:, ja:, jå, ja jo:, jo jåo mm-m sjo (inandning) nä-ä, ja-a ja jo ja mm-m jo 4 Translitteratorbrus Eftersom Translitteratorn tränar och lär sig efter varje översatt delfil, så lär den sig ibland fel och så kallat translitteratorbrus uppstår. I de flesta fall där programmet har lärt sig fel handlar det om fall där ett uttal har två eller flera möjliga översättningar. 4.1 Verbformer tempus? Verbformer är speciellt svåra för programmet att korrigera rätt, eftersom man ofta använder samma form av verbet för infinitiv, preteritum och supinum i talspråk. Exempel: Infinitiv: att kasta bållen i mål e svå:rt (kasta) Preteritum: ja kasta bållen ren (kastade) Supinum: ja ha kasta fö länge sen ren (kastat) Futurum: ja ska kasta hårdare nästa gång (kasta) 4.2 Species bestämd eller obestämd form? Också i andra fall där ändelserna faller bort i talspråk, t.ex. substantiv i bestämd och obestämd form, gör det svårt för translitteratorn att välja rätt version: Exempel: de e tungt ti sti:ga åpp på mårån Eftersom en så:vmårån translitteratorn e allti kiva ofta ja pra:ta me hånåm i telefo:n Ortografisk skrift det är tungt till stiga upp på morgonen en sovmorgon är alltid kiva +(lang=x) jag pratade med honom i telefonen 8
Nedan hittar du flera exempel på translitteratorbrus som du bör vara speciellt uppmärksam på: uttal nå / nå: di / di: å inga e han na: tode: två möjliga översättningar, kolla att translitteratorn valt rätt! nå något de dit att och inga inte är det han honom någon några så-där sådan-där Vissa ord översätter translitteratorn fel p.g.a. reglerna för hur olika dialektord översätts har ändrats under processens gång, eller för att det har uppstått ett fel i någon översättning som sedan har ackumulerats i translitteratorn (t.ex. unjefä:r!): uttal korrekt översättning translitteratorns felaktiga förslag di dit där unjefä:r ungefär mm uta /uta:v utav av na:leis någorledes (+lang=x) något-sätt a:leis /a:deleis annorledes annat-sätt holeis hurledes många olika versioner samales sammaledes samma-sätt in en man vart vart blev 9
5. Att använda taggen lang=x Taggen lang=x används i översättningarna för att markera ord som inte finns i standardssvenskan. Vi markerar tre typer av icke-standardsvenska ord med denna tagg: -dialektala ord -finlandismer -ord på andra språk än svenska De taggade orden ska normaliseras så långt det går, det vill säga, göras sökbara i uppslagsverk för att få en användarvänlig korpus både då det gäller konsekvens (stavningsriktlinjer) och stabilitet (sökbarhet i framtiden). Detta betyder att varje taggat ord ska normaliseras i enlighet med ett uppslagsord. Använd de nedanstående uppslagsverken för att normalisera orden: Finlandssvensk ordbok - ett bra hjälpmedel för att kolla om ord är finlandismer och hur de stavas Ordbok över Finlands svenska folkmål (FO) här hittar man skriftformer för utpräglade dialektord fram till OCH Svenska Akademiens ordbok (SAOB) - här kan du leta efter dialektord som inte finns i FO. http://g3.spraakdata.gu.se/saob/ Finlandssvensk ordbok står som norm för finlandismerna idag och FO som norm för de dialektala orden eftersom taggarna i korpusen måste följa samma mönster och regler för att korpusen ska vara så användarvänlig som möjligt. Om du stöter på ord i den ortografiska utskriften som du inte hittar i Finlandssvensk ordbok, FO eller SAOB (gäller ord efter OCH-), om du inte vet uppslagsordet eller har tillgång till FO, så kan du normalisera ordet enligt sunt förnuft i detta skede. Det viktiga är att du förser varje ord med en lang=x tagg och att du meddelar Språkarkivet om var detta ord finns. 10
I transkriptionen I översättningen Förklaring Dialektord Stavas enligt FO:s uppslagsord gåtar gåtar (+lang=x) ein koddo kuddån en kudda (+lang=x) kuddan (+lang=x) ju:lbisin julbissen (+lang=x) pä:ro pära (+lang=x) i betydelsen potatis assit allsintet (+lang=x) grömt grömm grym (+lang=x) grymt (+lang=x) bakett bakefter (+lang=x) ila:g i-lag (+lang=x) jåpla joppla pa brukar (+lang=x) funu fullnu (+lang=x) Jfr Ivars 1988:189, FO sji:dase, sjonggase skidandet, sjungandet (+lang=x) Ivars 1988: 121 någors (riktning) någorst (+lang=x) anars annars (+lang=x) Betydelsen annanstans allstans allestädes (+lang=x) gamlare gamlare (+lang=x) mä:rar märar (+lang=x) Betydelsen menar Finlandismer Stavas enligt Finlandssvensk ordbok hå:fårsaren hå:forss jeppis jeppisbo: vessa milin jettekiva hössla ju:lgubben Låneord teepajto kaveri kaverin h:forsaren (+lang=x) H:fors (+lang=x) Jeppis (+lang=x) Jeppisbo (+lang=x) vessa (+lang=x) milin (+lang=x) jättekiva (+lang=x) hössla (+lang=x) julgubben (+lang=x) t-paita (+lang=x) kaveri (+lang=x) kaverin (+lang=x) Stavas enligt ursprungsspråket ifall inte etablerad svensk form finns 11
håka disjo:r Sess (inf) Sess(är) (pres) sesst (pret) sesstis (sup) håka (+lang=x) dejour (+lang=x) Sättas (+lang=x) Sättas (+lang=x) Sattes (+lang=x) Satts (+lang=x) Betydelse: sätta-sig 5.1 Sammansatta ord Lang=x taggen används också för sammansatta ord om förleden eller efterleden som självständigt ord skulle ha x-tagg, t.ex. jättekiva (+lang=x). Däremot behöver sammansättningar bestående av ord som finns i SAOL inte ha x-tagg, t.ex. helikopterstory eller tillfälliga sammansättningar av typen andningstag. Eller avledningar av typen sammanträffning Substantiv som finns i SAOL men verbet inte finns: om i FO > x-tagg. de va no: en hoisi jotto no: finns e grömmt ti grobbor i veji han e he:lt a:siger det var nog en huisig (+lang=x) juttu (+lang=x) nog finns det grymt (+lang=x) till grubbor (+lang=x) i vägen han är helt asig (+lang=x) 4.2 Translitteratorbrus bland taggarna Även här finns det translitteratorbrus. Tidigare användes en lang=o tagg och ibland kan man fortfarande hitta ord taggade med lang=o taggen i de halvfärdiga översättningarna som Translitteratorn ger. Ta bort alla lang=o-taggar du hittar och observera att taggen ofta finns på ord som automatiskt har översatts fel som t.ex. övers. det är kul att (+lang=o) simma det är kul till simma trans. he e ku:l ti sema övers. de har funnits här (+lang=o) länge de har funnits hit länge trans. dåm ha funnits hi: leng 12