Dokumente und Texte

Allgemeines

Jedes Korpus besteht aus einem oder mehreren Dokumenten; jedes Dokument setzt sich wiederum aus einem oder mehreren Texten zusammen. Die Gliederung eines Korpus in Dokumente und Texte wird zur Zeit der Korpusakquisition festgelegt.

In einem Dokument können mehrere Texte nach bestimmten Gesichtspunkten zusammengefasst sein, z.B. nach Quellen, chronologischer Abfolge, Themenbereichen und/oder Textarten.
Ein Text beinhaltet je nach Korpusstruktur z.B. einen einfachen Zeitungsartikel bis hin zu einer als Ganzes aufgenommenen Zeitung/Zeitschrift, einen Auszug aus einem selbstständigen Werk bis hin zu einem selbstständigen Werk als Ganzem (Roman, Reportage, Erlass, wissenschaftliche Abhandlung, Rede usw.).

Beispiele:

Das Thomas-Mann-Korpus (Sigle thm, Archiv W) enthält 14 Dokumente ("Die Buddenbrooks", "Der Erwählte", "Erzählungen", "Doktor Faustus", "Königliche Hoheit" usw.).
Das Dokument "Erzählungen" (Dokumentsigle THM/AME) enthält 32 Texte, z.B. die Prosa-Skizze "Vision" (Textsigle THM/AME.00001).
Das virtuelle Korpus "VDI Nachrichten" (Sigle vdi, Archiv W) besteht aus 35 Dokumenten mit den Ausgaben der VDI Nachrichten für jeweils einen Monat des Zeitraums Feb. 2006 - Dez. 2008.
Das Dokument mit der Sigle VDI07/JUL enthält 381 Texte mit jeweils einem Artikel vom Juli 2007, z.B. den Artikel "Mobilfunk in China" vom 27.07.2007 (Textsigle VDI07/JUL.00419).

Ein Text in COSMAS II ist sowohl die kleinste recherchierbare Einheit wie auch die kleinste bibliographisch dokumentierte Einheit. Zum Beispiel gibt COSMAS II beim Exportieren von Belegen die bibliographischen Angaben der Texte aus, in denen Treffer erzielt wurden.

BenutzerInnen können sich eigene virtuelle Korpora zusammenstellen, indem sie eine beliebige Auswahl aus den im jeweiligen Archiv befindlichen Dokumenten treffen.

Übersicht über die aktuellen Dokumente und Texte

Zur Zeit werden in COSMAS II 8151 Dokumente bzw. 30,3 Mio. Texte verwaltet.

Archivsigle	Archivname	Dokumente	Texte	Stand
W	Archiv der geschriebenen Sprache	3.566	16.575.336	Apr. 2012
TAGGED-T	Auswahl TreeTagger-getaggter Korpora	1.012	6.474.408	Jun. 2011
TAGGED-C	Auswahl CONNEXOR-getaggter Korpora	1.011	6.473.536	Dez. 2010
SZ	Archiv der Süddeutschen Zeitung	60	453.778	Apr. 2010
W-ÜBRIG	Archiv der aussortierten geschriebenen Korpora	67	213.502	Apr. 2010
TAGGED-M	Archiv der morphosyntaktisch annotierten Korpora	147	87.768	Apr. 2010
UMB	Archiv des Projekts "Sprachliche Umbrüche des 20. Jahrhunderts"	391	9.741	Okt. 2010
HIST	Archiv der historischen Korpora	1.687	4.667	Apr. 2010
WK-PH	Archiv der phasengegliederten Wendekorpora	209	3.356	Apr. 2010
GFDS	Kartei der Gesellschaft für deutsche Sprache	1	1	Apr. 2010

Alle Archive		8.151	30.296.093

COSMAS II, Zentrale DV-Dienste - 14.03.2012