Comparing the nonstandard language of Slovene, Croatian and Serbian tweets

Fišer, Darja (avtor), Erjavec, Tomaž (avtor), Ljubešić, Nikola (avtor), Miličević, Maja (avtor)

In this paper we carry out a cross-lingual comparison of nonstandard features in the language of social media for Slovene, Croatian and Serbian. The goal of the analysis is twofold: (1) we try to establish the extent to which the observed phenomena are universal rather than language-specific, and (2) we propose an approach for automatic scoring of (non)standardness levels of user-generated content, which can be used as a separate annotation layer in corpora. Quantitative and qualitative analyses of the results show that the majority of the language used on Twitter is fairly standard, especially in Slovene and Croatian. The prevalent characteristic of nonstandard Slovene tweets is nonstandard orthography, while nonstandard lexis is more typical of Serbian tweets, possibly due to a younger user profile.

• Jezik: Angleški jezik
• Ključne besede: user-generated content, nonstandard language, web corpora, corpus annotation, South Slavic languages
• Tipologija: 1.16 - Samostojni znanstveni sestavek ali poglavje v monografski publikaciji
• Organizacija: FF - Filozofska fakulteta
• Leto izida: 2015
• Št. strani: Str. 225-231
• Številčenje: Del 1
• PID: 20.500.12556/RUL-166571
• UDK: 81'276=163.6=163.42=163.41:004.738.52
• COBISS.SI-ID: 59028578
• Datum objave v RUL: 17.01.2025

Gradivo je del monografije

• Naslov: Slovnica in slovar - aktualni jezikovni opis
• Uredniki: Mojca Smolej
• Kraj izida: Ljubljana
• Založnik: Znanstvena založba Filozofske fakultete
• Leto izida: 2015
• ISBN: 978-961-237-787-8
• COBISS.SI-ID: 281920512
• Naslov zbirke: Obdobja
• Številčenje v zbirki: 34
• ISSN zbirke: 1408-211X

Sekundarni jezik

• Jezik: Slovenski jezik

Izvleček

V prispevku predstavimo večjezično primerjavo nestandardnih jezikovnih prvin v družbenih medijih za slovenščino, hrvaščino in srbščino. Cilj analize je dvojen: (1) ugotoviti želimo, do katere mere so identificirani pojavi univerzalni za to zvrst komunikacije in katere so tiste prvine, ki so jezikovno specifične, ter (2) predlagati pristop za avtomatsko ocenjevanje stopnje (ne)standardnosti spletnih uporabniških vsebin, ki ga lahko kot dodatno oznako s pridom uporabimo pri označevanju korpusov. Kvantitativna in kvalitativna analiza rezultatov kažeta, da je jezik, ki se uporablja na Twitterju, pravzaprav precej standarden, še posebej v Sloveniji in na Hrvaškem. Prevladujoča značilnost nestandardnih slovenskih tvitov je nestandardna ortografija, medtem ko je za srbske tvite tipična nestandardna leksika, ki nakazuje na mlajši profil uporabnikov tega družbenega medija v Srbiji.

• Ključne besede: uporabniške spletne vsebine, nestandardni jezik, spletni korpusi, označevanje korpusov, južnoslovanski jeziki