Corpora from a sociolinguistic perspective

Abstract

In this paper, I consider the use of corpora in sociolinguistic research and, more broadly, the relationships between corpus linguistics and sociolinguistics. I consider the distinction between "conventional" and "unconventional" corpora (Beal et al. 2007a, b) and assess why conventional corpora have not had more traction in sociolinguistics. I then discuss the potential utility of corpora for sociolinguistic study in terms of the recent trajectory of sociolinguistic research interests (Eckert under review), acknowledging that, while many sociolinguists are increasingly using more advanced corpus-based techniques, many are, at the same time, moving away from corpus-like studies. I suggest two primary areas where corpus developers, both sociolinguistic and non-, could focus to develop more useful corpora: Corpora containing a wider range of non-standard (spoken) varieties and more flexible annotation and treatment of spoken language data. KEYWORDS: Sociolinguistics; conventional and unconventional corpora; spoken language corpora; data management; annotation methods. RESUMO: Neste artigo considero o uso de corpora na pesquisa sociolingüística e, de modo mais geral, a relação entre a linguística de corpus e a sociolinguística. Reflito sobre a distinção entre corpora "convencionais" e "não-convencionais" (BEAL ET AL. 2007 a, b) e avalio o porquê de corpora convencionais não terem atraído mais atenção no campo da sociolinguística. Na sequência, discuto a utilidade potencial de corpora para os estudos sociolingüísticos em termos da trajetória recente que tem sido adotada pela pesquisa nesta área (ECKHERT, em avaliação), reconhecendo que, se por um lado, muitos sociolinguistas têm ampliado o seu uso de técnicas avançadas da linguística de corpus, por outro, muitos estão, ao mesmo tempo, se afastando de estudos relaciados a corpora. Sugiro duas áreas principais nas quais compiladores de corpora, independentemente de serem sociolingüísticos ou não, poderiam enfocar para desenvolverem corpora mais úteis: corpora contendo uma amplitude maior de variedades (faladas )não-padrão e um esquema mais flexível de anotação e tratamento de dados orais. PALAVRAS-CHAVE: Sociolinguística; corpora convencionais e não-convencionais; corpora orais; gerenciamento de dados; métodos de anotação.

The Scope of Linguistic Data

“…While work that situates itself specifically within documentary linguistics tends to focus on endangered varieties, the kinds of data that it focuses on can be collected for any language and similar approaches have been adopted in other subfields, as evidenced for instance by the data sets assembled as part of the TalkBank project (MacWhinney 2007) or speech data used as the basis for sociolinguistic investigation (Kendall 2008(Kendall , 2011; see also Sonderegger et al,chapter 15,this volume;Kendall & Farrington,chapter 14,this volume;Fridland & Kendall,chapter 18,this volume). Data of this kind can be considered to be documentary in nature, even if language documentation as a term is typically applied to endangered language contexts.…”

Banco de Dados VARSUL: a relevância de suas características e a abrangência de seus resultados

“…Finalmente, é de se destacar que corpora como o do Banco VARSUL permitem uma interface com outras áreas, tais como a pesquisa de corpus e a área de pesquisas geolinguísticas, como demonstram pesquisas como a de Brandão (2009), Mota (2009), Callou (2010, entre outros. Kendall (2011) observa que é na pesquisa sociolinguística da primeira onda, e talvez também na da segunda onda, que estudos de linguística de corpus podem encontrar correspondência. Segundo o autor:…”

Analysing Language, Sex and Age in a Corpus of Patient Feedback

“…As we will see in this section, much of this work has used corpora that are annotated or 'tagged' for socio-demographic information about the people who contribute the language or texts to the corpus (see Baker, 2010; see also the recent collections by Brezina et al, 2018 andFriginal, 2018). While advancements in corpus annotation have unquestionably increased the possibilities for undertaking corpus-aided research of language and identity (Kendall, 2011), the use of annotation in such studies is by no means ubiquitous. Indeed, there remain, as we will see, instances where such annotation has not been used, as well as cases where it is simply not possible to annotate a corpus for socio-demographic information.…”