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 133827 Dokumente bzw. 255,6 Mio. Texte verwaltet.

Archivsigle	Archivname	Dokumente	Texte	Stand
W	Archiv der geschriebenen Sprache	18.883	45.601.359	Mär. 2022
W2	Archiv der geschriebenen Sprache	19.008	49.109.472	Apr. 2022
W3	Archiv der geschriebenen Sprache	8.628	55.955.362	Mai 2022
W4	Archiv der geschriebenen Sprache	7.984	47.863.490	Mai 2022
WP	Archiv der Wikipedia-Artikel und -Diskussionen	32.729	11.523.223	Jul. 2021
WPE	Archiv der englischsprachigen Wikipedia-Artikel und -Diskussionen	9.914	6.341.075	Mai 2020
WP_FS	Archiv der fremdsprachigen Wikipedia-Artikel und -Diskussionen	29.989	13.901.865	Mai 2020
TAGGED-C	Archiv morphosyntakt. annotierter Korpora (CONNEXOR)	1.011	6.473.537	Dez. 2010
TAGGED-C2	Archiv morphosyntakt. annotierter Korpora (CONNEXOR)	876	5.816.140	Nov. 2014
TAGGED-T	Archiv morphosyntakt. annotierter Korpora (TreeTagger)	1.012	6.474.408	Jun. 2011
TAGGED-T2	Archiv morphosyntakt. annotierter Korpora (TreeTagger)	876	5.816.140	Nov. 2014
TAGGED-M	Archiv der morphosyntaktisch annotierten Korpora	147	87.768	Mai 2020
HIST	Archiv der historischen Korpora	2.042	5.653	Mai 2020
UMB	Archiv des Projekts "Sprachliche Umbrüche des 20. Jahrhunderts"	391	9.741	Mai 2020
GFDS	Kartei der Gesellschaft für deutsche Sprache	1	1	Mai 2020
WK-PH	Archiv der phasengegliederten Wendekorpora	209	3.356	Mai 2020
W-ÜBRIG	Archiv der aussortierten geschriebenen Korpora	67	213.502	Mai 2020
SZ	Archiv der Süddeutschen Zeitung	60	453.778	Apr. 2020

Alle Archive		133.827	255.649.870