پیکره چکیده های مقالات و پایان نامه های دانشگاهی دانشگاه علامه طباطبائی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
این مقاله از نحوه شکل گیری پیکره «چکیده های مقالات و پایان نامه های دانشگاهی دانشگاه علامه طباطبائی» و همچنین از ویژگی ها و امکانات آن می گوید. داده های این پیکره شامل ده هزار چکیده پایان نامه و 9538 چکیده مقاله (برگرفته از نشریات علمی دانشگاه علامه طباطبائی) با حجمی در حدود سه و نیم میلیون موردواژه است که در قالب طرح پژوهشی گردآوری شده اند. اهمیت داده های این پیکره یعنی چکیده های دانشگاهی از آن جهت است که این نوع داده ها به عنوان متون تألیفیِ فشرده و با محتوای علمی می توانند تصویرگر ویژگی های خاص زبان علم به عنوان گونه ای از زبان باشند. در این نوشتار برای بیان اهمیت دسترسی به چنین داده هایی و به جهت بررسی امکانات پیکره، محتوایِ واژه ایِ بخشی از داده با توجه به مفهوم کلیدی بودگی و فهرست چندپشته ها مورد بررسی قرار گرفت. بررسی ها نشان داد محتوای واژگانی این پیکره می تواند پژوهشگران را به سوی طرح برخی فرضیه ها سوق دهد. همچنین بررسی چندپشته های داده های علمی نشان داد که زبان علم دارای توالی های واژه ای مشخصی است که می تواند تصویرگر نوع خاصی از زبان باشد.The Corpus of ATU Papers, Theses and Dissertations Abstracts
This study explains how to develop the corpus of “ATU Papers, Theses and Dissertations Abstracts” and introduces the different characteristics and features of the corpus. The corpus contains ten thousand thesis abstracts and 9538 article abstracts from the scientific journals of Allameh Tabatabai University with a volume of more than three and a half million tokens. Academic abstracts as brief authored texts with scientific content can depict special linguistic features and therefore, they are valuable documents. In this article, to express the importance of access to such data and to examine some features of the corpus, the word content of a part of the data has been examined and presented according to the concept of keyness and n-grams. The results showed that the lexical content of this corpus could lead researchers to propose some hypotheses. Also, the exploring n-grams of this corpus showed that the language of science has specific word clusters that can depict a particular type of language.
تبلیغات
