Original title: Metodika pro převod strukturovaných znalostí z oboru dialektologie do strojového učení
Translated title: Methodology for transferring structured knowledge from the field of dialectology to machine learning
Authors: Šimečková, Marta ; Stupňánek, Bronislav ; Karafiát, M. ; Voženílek, V. ; Vondráková, A. ; Nétek, R.
Document type: Methods
Year: 2025
Language: cze
Abstract: [cze] [eng]
Metodika zpracovává problematiku přípravy a využití nářečních dat v dialektologii prostřednictvím moderních technologií strojového učení. Zaměřuje se na procesy konsolidace, standardizace a strukturování audiálních a textových materiálů, které tvoří základ pro vývoj automatických nástrojů pro transkripci řeči. Středobodem je představení postupů uplatnitelných při digitalizaci a normalizaci textových dat, obsahuje rovněž podrobný popis audiální dokumentace nářečí v terénu se zaměřením na různé explorační metody, a to včetně digitální archivace a katalogizace nahrávek. Metodika propojuje teoretické poznatky o sběru a zpracování nářečního materiálu s praktickými postupy, které zahrnují nasazení strojového učení. Důraz je kladen na interdisciplinární přístup, který kombinuje lingvistické znalosti s technologickými nástroji pro automatizaci práce. Součástí metodiky jsou také postupy vizualizace dialektologických dat pomocí tematické kartografie, vedoucí k tvorbě interaktivních zvukových map či webových atlasů. Dokument slouží nejen jako praktický průvodce pro přípravu specifického jazykového materiálu, ale i jako inspirace pro další výzkumné týmy, a to jak v oblasti dialektologie, tak v rámci širšího zapojení strojového učení do humanitních věd. The methodology addresses the preparation and utilization of dialect data in dialectology through modern Machine Learning technologies. It focuses on the processes of consolidating, standardizing, and structuring audial and textual materials, which form the foundation for developing automatic speech transcription tools. The core of the study presents procedures applicable to the digitization and normalization of textual data and includes a detailed description of dialect documentation in the field, emphasizing various exploratory methods, including digital archiving and cataloging of recordings. The methodology connects theoretical knowledge on the collection and processing of dialect material with practical procedures that involve the deployment of Machine Learning. Emphasis is placed on an interdisciplinary approach that combines linguistic expertise with technological tools for workflow automation. The methodology also includes procedures for visualizing dialectological data using thematic cartography, leading to the creation of interactive sound dialect maps and web-based atlases. This document serves not only as a practical guide for preparing specific linguistic material but also as inspiration for other research teams, both in dialectology and in the broader integration of Machine Learning into the humanities.
Keywords: audial data; automatic speech recognition; Czech language dialects; dialect documentation; dialect research; dialectological transcription; dialectology; digitization; folklore transcription; interdisciplinarity; interview method; linguistics; machine learning; recording archiving; recording cataloging; sound archive; sound map; text normalization; textual data; thematic cartography
Project no.: DH23P03OVV010
Funding provider: GA MK

Institution: Institute of the Czech Language AS ČR (web)
Document availability information: Fulltext is available at external website.
External URL: https://www.jamap.cz/download/jamap-metodika.pdf
Original record: https://hdl.handle.net/11104/0363468

Permalink: http://www.nusl.cz/ntk/nusl-669457


The record appears in these collections:
Research > Institutes ASCR > Institute of the Czech Language
Analytical and methodological materials > Methods