DigSos – eit korpus med digitale sosiale meldingar
DigSos-korpuset er ei tekstsamling med private meldingar mellom 226 ungdommar på niande trinn frå fire skular i til saman tre ulike dialektområde i Noreg. Korpuset inneheld 15 125 ord/einskildteikn (tokens). Namnet DigSos er valt sidan meldingane speglar ungdommane si digitale sosiale skriving.
Korpuset er fritt tilgjengeleg for forsking i søkeverktøyet Glossa. Logg deg inn med Feide, CLARIN eller kontakt tekstlab-post@iln.uio.no.
Meldingane vart donerte til forskingsprosjektet Multilektal skrivekunne i opplæringa (Multilectal Literacy in Education, forkorta MultiLit) i samband med at forskarane gjorde språkvitskaplege undersøkingar ved dei aktuelle skulane. Innsamlinga følgde ein protokoll som er nærmare skildra i Lunde & Røyneland (2023) og gjengitt i avsnitt 2 nedanfor.
- Meldingsmaterialet i DigSoS
- Om datainnsamlinga og bearbeidinga
- Metadata om deltakarane i DigSos
- Om MultiLit-prosjektet og arbeidspakke 2 om normer
1. Meldingsmaterialet i DigSos
Meldingsmaterialet er lagt inn i søkegrensesnittet Glossa. Ein kan gjere enkle søk på enkeltord eller utvida søk. Ein kan òg velje å søke ved hjelp av regulære uttrykk (kodar). I utvida søk kan ein få opp fleire søkefelt etter kvarandre og også kombinere søk etter ulike ord samtidig utan at dei er kombinerte med kvarandre. I utvida søk kan ein òg spesifisere eigenskapar ved søkeorda nærmare utifrå ulike taggar som er skildra nedanfor. Språket brukt i grensesnittet er bokmål.
Råmaterialet i DigSos er bilete av meldingar slik dei framstår på deltakarane sine eigne smarttelefonar. Desse meldingane er transkriberte i to versjonar: i ei form som speglar originalen og i ei form som følgjer normert rettskriving. Den normerte rettskrivinga er nynorsk for deltakarar med nynorsk som hovudmål og bokmål for dei med bokmål. Originaltranskripsjonen er manuelt tagga for ulike metaspråklege variablar medan den standardspråklege transkripsjonen er tagga automatisk for morfologiske variablar. Dei to versjonane er parallellstilte i korpuset, og søkeresultata (konkordansane) viser begge. Frå søkeresultata kan ein ved å klikke på informantkoden som står ved einskildtreffa få opp det originale biletet som inneheld treffet.
Utvida søk gjer det mogleg å søke etter morfologiske kategoriar, både ordklassar og bøying, ved å klikke på eit trepunktssymbol rett til venstre for søkefeltet. Ein får då opp eit panel der ein vel den eller dei kategoriane ein ønskjer. Ein kan òg velje å ekskludere morfologiske kategoriar frå søket. Dei morfologiske kategoriane blir ikkje skildra nærmare her.
I det same panelet som viser morfologiske kategoriar, kan ein òg velje blant ulike metaspråklege variablar som originaltranskripsjonen er tagga med. Variablane er:
| Bokmål (#bm) | Ordet følgjer bokmålsnorma i ein tekst som er transkribert til nynorsk. |
| Nynorsk (#nn) | Ordet følgjer nynorsknorma i ein tekst som er transkribert til bokmål. |
| Engelsk (#eng) | Ordet er engelsk. |
| Annet språk (#otherlang) | Ordet er frå eit anna språk enn norsk eller engelsk. |
| Emoji (#emo) | Ordet/teiknet er ein emoji, anten ein bilete-emoji eller symbol laga med tastaturteikn (t.d. smiley). |
| Digitalt skriftlig trekk (#dmc) | Ordet er skrive på ein måte som vik av frå standard rettskriving på ulike måtar som er vanleg i digital sosial skriving utan at det er fanga av andre taggar (t.d. reduplisering, store bokstavar (CAPS-lock)). |
| Akronym (#acro) | Ordet er ein bokstavsekvens sett saman av dei første bokstavane i ein sekvens av ord (t.d. <elns> for ‘eller noko sånt’). |
| Forkorting (#abbr) | Ordet er ei vanleg forkorting (t.d. <sek> for ‘sekund’, etc for ‘et cetera’). |
| Slang (#slang) | Ordet er vanleg i uformelt, ikkje-normert ungdomsspråk og omfattar også engelske lånord med norsk morfologi (t.d. <butta> for ‘butikken’, <joine> ‘bli med’). |
| Sammentrekning (#mrg) | Ordet er ei fonologisk basert samantrekking (t.d. <ekke> for ‘er ikke’, <mæsjøl> ‘meg sjølv’). |
| Fonologisk trekk (#phon) | Ordet speglar uttalen av ordet på ein måte som vik av frå standard rettskriving utan at det er knytt til ein bestemt dialekt (t.d. <ferdi> for ‘ferdig’, <sakt> for ‘sagt’). |
| Dialekttrekk (#dial) | Ordet speglar eit eller fleire trekk frå dialekten til skrivaren (t.d. <e> for ‘er’, <æ> for ‘jeg’). |
| Liten bokstav (#min) | Ordet er skrive med liten forbokstav der standard rettskriving tilseier stor. |
| Stor bokstav (#maj) | Ordet er skrive med stor forbokstav der standard rettskriving tilseier stor. (NB! Når heile eller det meste av ordet er skrive med store bokstavar (CAPS-lock), blir det tagga som «digitalt skriftleg trekk».) |
| Orddeling (#sep) | Ordet er sisteledd i eit samansett ord som er skrive med mellomrom i strid med standard rettskriving (dvs. «orddelingsfeil», t.d. <skole arbeid> for ‘skolearbeid’. |
| Skrivefeil (#typo) | Ordet inneheld ein rein skrive-/tastefeil eller annan type avvik som ikkje kan kategoriserast som fonologisk eller dialektalt trekk (t.d. <nettop> for ‘nettopp’, <dkrive> for ‘skrive’). |
| Plassholder (@place) | Tagg sett inn for at original og standard transkripsjon skal ha like mange ord og vere sidestilte. Det kan søkast på plasshaldarar i både original og standard (korrigert) transkripsjon. |
| Ikke spørsmålstegn (@noqm) | Tagg sett inn når skrivaren ikkje har sett spørsmålsteikn etter eit spørsmål. |
Metadataa om deltakarane i DigSos blir omtalt nærmare i avsnitt 3.
2. Om datainnsamlinga og bearbeidinga
Elevar som var rekrutterte til å delta i MultiLit-undersøkingane og der foreldra hadde gitt samtykke til dette, fekk høve til å melde seg frivillig til å donere meldingar som dei sjølve valde ut. Meldingane måtte ha eit ikkje-sensitivt innhald og vere sende til andre på same trinn på skulen deira. Ein og ein kom deltakarane til eit rom der dei henta fram meldingane på eigen smarttelefon og sidan tok bilete av skjermen med ein sikker iPad som forskarane hadde med. Deretter flytta forskarane bileta frå iPaden til OneDrive for sikker lagring. I tilfelle der ei melding var send til ein annan på trinnet som sjølv ikkje hadde meldt seg til meldingsdonasjon, blei godkjenning innhenta frå vedkommande (tredjepartsgodkjenning).
I den vidare prosesseringa nytta forskarane bilete-teknologi på iPad til å grovtranskribere skjermbileta, og bileta vart så sletta frå iPaden. I etterkant av datainnsamlinga vart materialet først fintranskribert, så translitterert til standard bokmål eller nynorsk. Originaltranskripsjonen vart så manuelt tagga med dei metaspråklege taggane som er gjennomgått ovanfor, medan den translittererte standardversjonen vart automatisk tagga for morfologiske kategoriar (ordklasse og bøying). Dei to transkripsjonsversjonane vart lagt inn i Glossa der dei er sidestilte ord for ord.
3. Metadata om deltakarane i DigSos
I MultiLit-prosjektet fylte alle deltakarane ut eit digitalt skjema med ulike spørsmål om bakgrunnen og språkkompetansen og -bruken deira. Det vart òg stilt nokre spørsmål om haldningar og framtidsplanar. For den undergruppa av deltakarar som donerte private meldingar og som er med i DigSos, er eit utval av desse metadataa lagt inn som variablar ein kan kombinere med søk i tekstmaterialet. Utvalet av metadata er gjort slik at anonymiteten til deltakarane er ivaretatt.
Metadataa kan veljast i nedtrekksmenyar til venstre i søkegrensesnittet og er som følgjer:
| Deltakerkode | Deltakarkodane er ein bokstav etterfølgd av tre siffer. Bokstaven E står for ‘aust, N for ‘nord, W for ‘vest’. Tala samsvarar med deltakarkodar brukte i det større MultiLit-prosjektet. |
| Område | Deltakarane vart rekrutterte frå tre regionar: e/a-målsområdet i overgangen mellom Nordland og Troms (Ofoten/Sør-Troms), det sentrale austlandsområdet (Sentralaustlandet) og det nordlege a-målsområdet på Vestlandet (Sogn/Voss/Hardanger). |
| Hjemsted | Deltakaren oppgir om hen har vokse opp i lokalområdet eller ikkje og om hen har budd utanfor lokalområdet. |
| Fødselsår | Deltakarane er fødde mellom 2007 og 2009. |
| Kjønn | Deltakarane oppgir mann/gutt, kvinne/jente eller anna. |
| Utdannelse | Deltakarane svarar på om dei vil ta høgare utdanning (ja/nei/veit ikkje). |
| Språk | Deltakarane oppgir her om morsmålet er norsk, norsk og eit anna språk eller eit anna språk, og vidare kor mange språk dei kan (1–5 og fleire enn 5). |
| Talemål | Deltakarane oppgir kva dei snakka med vener, heime og på skulen. Vala er førehandsdefinerte. |
| Skriftspråk | Deltakarane oppgir kva som er hovudmålet deira på skulen og om dei har bytt hovudmål i løpet av skulegangen så langt. |
4. Om MultiLit-prosjektet og arbeidspakke 2 om normer
Prosjektet Multilektal skrivekunne i opplæringa (engelsk Multilectal Literacy in Education) var eit forskingsprosjekt leia frå Høgskulen på Vestlandet med partnerar frå Universitetet i Oslo, UiT Noregs arktiske universitet, Noregs teknisk-naturvitskaplege universitet, Høgskulen i Volda og Universitetet i Agder. Prosjektet var støtta med ei løyving frå Noregs forskingsråd i perioden 2020–2026 (prosjektnummer 301700). Prosjektleiar har vore Øystein A. Vangsnes, UiT/HVL. Prosjektsida for MultiLit i Nasjonalt vitenarkiv er https://nva.sikt.no/projects/2493121.
Den overordna målsetjinga for MultiLit har vore å undersøka skriftspråkskompetansar og -praksisar blant norske born og unge. Tre større feltarbeid vart gjennomførde på ungdomsskular tre stader i landet: Ein stad på det sentrale austlandsområdet, ein stad i Nord-Noreg, og ein stad på Vestlandet. Deltakarane var alle niandeklassingar då undersøkingane vart gjennomførde. Brorparten av materialet i DigSos stammar frå dei tre feltarbeida. I tillegg vart eit kompletterande materiale med private meldingar samla inn frå ein ungdomsskule ein annan stad på det sentrale austlandsområdet.
Innsamling av private meldingar låg til arbeidspakken Skriftspråksnormer hjå multilektale og monolektale ungdommar (arbeidspakke 2) leidd av Unn Røyneland, UiO. Prosedyren for datainnsamling vart utvikla av Røyneland og Kirsti Lunde, HVL (sjå Lunde & Røyneland 2023). I det vidare utviklingsarbeidet med transkribering og tagging deltok også Maria I. Fenes (HVL), Helene Hjørnevik (UiB), Anya Vinichenko (UiT), Helle Nystad (HVL), Stig Helset (HiVolda) og Øystein A. Vangsnes (UiT/HVL).
Referanse:
Lunde, K. og Røyneland, U. (2023). Prosedyre for innsamling av private meldingar. https://osf.io/jn5t2/files/fgw7q
