Historie a pravidla sběru dat

Historie sběru a zpracování soukromé korespondence v ÚČJ FF MU  

Sběr korespondenčních textů, který pod vedením Z. Hladké probíhal v Ústavu českého jazyka FF MU od konce 90. let 20. století, byl zpočátku zaměřen na korespondenční texty z přelomu 2. a 3. tisíciletí, tedy z doby, kdy tradiční ručně psaný dopis začal postupně mizet pod tlakem nastupujících e-mailů a sms. Výsledkem byla publikace Zdeňka Hladká a kol., Čeština v současné soukromé korespondenci. Dopisy, e-maily, sms, MU, Brno 2005 (s podporou GA ČR č. 405/03/0248), která na 2 přiložených CD v podobě fotokopií originálů, přepisů všech dokumentů, a v případě dopisů a e-mailů též v korpusovém zpracování zaznamenala cca 5 000 textů, jejichž pisateli byli převážně mladí lidé. Každý text byl sociologicky a také nářečně (v té době novum) označkován a podle těchto charakteristik bylo možno v databázi i korpusech vyhledávat. Část materiálu (2 000 dopisů) se v roce 2006 pod názvem KSK-dopisy stala i součástí Českého národního korpusu.  

Následně byl sběr korespondenčních textů zúžen na ručně psané dopisy a časový rozsah naopak rozšířen na celé 20. století. Po 8 letech od první publikace byla vydána další 2 CD, která v metodicky shodném zpracování prezentovala 2 000 dopisů z let 1902 až 2012: Zdeňka Hladká a kol., 111 let českého dopisu v korpusovém zpracování, MU, Brno 2013 (s podporou GA ČR č. 406/10/0823). Na korpusovém zpracování materiálu se v případě obou publikací podílel zejména P. Rychlý z Fakulty informatiky MU, technické a grafické zpracování zajišťovala firma Computer Aided Technologies, s. r. o.  

Obě malonákladové a neprodejné publikace jsou dnes už nedostupné, CD navíc ztrácejí svou funkčnost. Bylo proto rozhodnuto, že materiál, který obsahovala, bude po důkladném pročištění a úpravách rozšířen o cca 800 dosud nezveřejněných dopisů a stane se součástí platformy Digitalia MUNI ARTS, aby se umožnilo jeho trvalejší uchování a zpřístupnění širší badatelské i laické veřejnosti.    

Pravidla sběru a přepisu korespondenčních textů   

Sběr soukromé korespondence se zaměřoval na dosud nikde nezveřejněné dopisy běžných pisatelů, tedy rodinných příslušníků, partnerů, přátel a kamarádů, a dodržoval různost idiolektů, tj. jeden dopis od jednoho pisatele. Pouze ve sbírce sms, zahrnující jednak kompletní týdenní příjem sms různých příjemců, jednak celoroční příjem sms jednoho příjemce, se někteří pisatelé opakovali.   

Legislativní i morální problém se zveřejněním soukromé korespondence byl po konzultaci s právním poradcem řešen tím, že dopisy byly získávány přímo od adresátů (v případě starší korespondence od jejich dědiců), tedy se svolením alespoň jednoho účastníka komunikace. Svolení pisatelů nebylo možno vzhledem k množství textů a starobylosti části z nich zajistit. Dárci korespondence písemně souhlasili s jejím zveřejněním a užitím pro nekomerční účely. Kromě toho z odevzdaných textů vyškrtali všechny identifikační údaje. Pokud to neudělali důsledně, byly tyto informace eliminovány ve fázi přepisu a archivace dopisů (jména veřejně známých osob mohla být ponechána).  

Dárci korespondence dále vypisovali na evidenční kartičky přiložené ke každému jednotlivému textu standardizovaná charakterizační data o pisateli i adresátovi, která byla při zpracování použita pro sociologické a nářeční značkování.   

Přepis ručně psaných dopisů do elektronické podoby striktně dodržoval původní podobu textu (včetně pravopisných chyb, překlepů apod.). Pouze identifikační údaje (příjmení, adresy, telefonní čísla apod.) byly nahrazovány sjednocujícím znakem @ a složenou závorkou s obecnou charakteristikou. Např.: {následuje příjmení}.   

Text byl přepisován kontinuálně, pouze začátky odstavců byly označovány znakem #. Jako odstavec byly značeny i samostatné řádky v nadpisových a ukončovacích částech dopisu; začátek jednotlivých stránek byl označen jako odstavec, pokud tomu odpovídalo obsahové členění textu. Nečitelný text byl nahrazován třemi pomlčkami, před něž se do složených závorek uvedl počet nečitelných slov. Např.: {následují 3 nečitelná slova} ---. Do složených závorek se zapisovaly také jiné komentáře přepisovatele, např. upozornění na vložený obrázek, na typ písma (v přepisu nebyly typy písma rozlišovány). Např.: {následující tři slova psána kurzivou}.  

Ve složených závorkách byly uváděny také citátové pasáže v rozsahu věty a více, vynechaný text signalizovaly opět tři pomlčky za složenou závorkou. Např. {citace: Dalekáť cesta má! Marné volání!!} ---. Podobně byly zachyceny cizojazyčné části textu a části vepsané jiným pisatelem. Účelem těchto úprav bylo zabránit zkreslení pisatelova idiolektu při korpusovém zpracování (text ve složených závorkách je v korpusech odhalitelný, ale nepodléhá frekvenčním analýzám). Kvůli korpusovému vyhledávání byla složenými závorkami řešena i chybná delimitace slov (častá zejména ve starší korespondenci), ačkoli jiné chyby přepisy zaznamenávaly věrně.  Nesprávnou delimitaci totiž uživatel korpusu předvídá obtížněji nežli běžné chyby. Chyby tohoto typu byly proto opraveny podle současné kodifikace a originální podobu zaznamenala jen složená závorka. Např. {špatná delimitace následujícího slova: živo bytí} živobytí.    

Odlišnosti v přepisech e-mailů: Nedostatek diakritiky v e-mailech (= dobová technická záležitost) se řešil diferencovaně. V přepisech e-mailů, které diakritiku vůbec neobsahovaly, byla doplněna podle platných ortografických pravidel a zároveň se na tento fakt upozorňovalo v úvodu přepisu složenou závorkou s textem: {v následujícím e-mailu je doplněna diakritika}. V případě e-mailů, v nichž byla diakritika užita jen zčásti (a tudíž bylo zřejmé, že pisateli v užití nebránily technické podmínky), se opisovala věrná podoba originálu a diakritika se nedoplňovala ani neopravovala.  

Odlišnosti v přepisech SMS: Přepis sms se řídil specifickými pravidly a byl zpracován ve dvou různých podobách. Jeden přepis zcela napodobil originál včetně grafiky, chyb atd. Druhý přepis se pro ulehčení čtení a porozumění poněkud vzdálil originálu: upravil grafiku, eliminoval pravopisné chyby, rozvedl zkrácená slova apod., ponechal však např. nespisovné a emocionální výrazy originálu.    

Podle uvedených pravidel se s drobnými odchylkami postupovalo v podstatě po celou dobu sběru a zpracování všech textů soukromé korespondence. Před zveřejněním byly všechny přepisy nejméně dvakrát detailně kontrolovány a opravovány. Přesto nejsou vyloučeny nechtěné odchylky od původního textu, zvláště v přepisech ručně psaných dopisů starší provenience. V případě čtenářských pochybností je třeba nahlédnout do fotokopie originálu.