设计阶段: 文本分类及标注方案

内部标准
主题（topic） 样式（style）：正式程度、准备、交际分组、 交际方向


文本结构信息
标题 段落 句子 其它元素 (See demo: EAGLES)

设计阶段: 文本分类及标注方案

确定标注方案和标记语言
标注的定义 分类信息及结构信息的编码 制定码集（tagset） 选择标记语言：Html, XML （see sample Tempest; BNC files） 观察与评价：CLEC的头部信息及错误附码

准备阶段: 确定设计原则 --with reference to J. Sinclair

确定样本的语言取向

教学设计、难题解决、教学话语分析、评价 文本模式

确定抽样标准

口语 笔语 电子 教材、讲义、课堂英语、其它材料 学生语言输出：作业、写作、日记、论文等

文本来源

准备阶段: 确定设计原则

设计阶段: 文本分类及标注方案
Without metadata, corpus linguistics would be virtually impossible (Bernardini, 2004).

确定文本分类标准

外部标准
语料库识别信息：名称、生产者、发行者、建库 日期等 语料库派生信息：语料来源、语料状态、语料目 标

执行阶段: 收集文本的工作流程
团队的分工与管理 工作计划 实施

完成阶段：应用与开发
开源语料库 新语料的补充 应用研究 软件开发及类型：教学输入、教师语言、学习者语言 文本产生位置：校园、远程等 文本产生日期

准备阶段: 确定设计原则

确定样本的性质和维度
按交际功能选择内容 尽可能具有代表性 针对研究目的设计语料库的结构 语料库结构标准应简洁、独立、具有区分性 分离文本信息与文本本身 收集完整文本
建设自己的田野语料库 (Construct your own field corpus)
-- Make your own corpus and make the corpus your own
定义：田野语料库
教师在语言教学和学习环境中，为观察和 描述具体现象和难题，并通过行动研究寻 求解决难题方案和途径而建设的小型语料 库 田野语料库是一种专用语料库

其它原则
一个文件一篇文本 文件夹结构反映文本分类信息 建立语料库档案（documentation） 手工附码与机助附码：a demo

执行阶段: 收集文本的工作流程

抽样范围和方法
样本数量和覆盖面 随机抽样 样本的平衡


文本录入及整理
工具：电子文本拷贝、扫描与识别、人工录入 文本整理 文本校对 标注信息插入：批量/人工