SEJO KOST : razvoj novega jezikovnega vira za slovenščino kot neprvi jezik

Klemen, Matej (avtor), Stritar Kučuk, Mojca (avtor), Eniko, Mateja (avtor), Huber, Damjan (avtor)

V prispevku predstavljamo nadgradnjo korpusa KOST, v katerem je zbrana pisna produkcija učečih se slovenščine kot neprvega jezika, z novim podkorpusom SEJO KOST. Glavna doprinosa novega vira v primerjavi z obstoječim korpusom KOST sta bolj uravnoteženo vzorčenje (glede prvega jezika piscev) in posameznim besedilom pripisana raven po Skupnem evropskem jezikovnem okviru (SEJO). SEJO KOST je še v nastajanju. Predstavljamo zasnovo podkorpusa, zbiranje besedil in umeščanje na ravni SEJO ter trenutno verzijo 0.1. V zaključku izpostavljamo usmeritve za nadaljnje delo.

• Jezik: Slovenski jezik
• Ključne besede: slovenščina, slovenščina kot drugi in tuji jezik, pisni korpus, Skupni evropski jezikovni okvir, SEJO
• Tipologija: 1.08 - Objavljeni znanstveni prispevek na konferenci
• Organizacija: FF - Filozofska fakulteta
• Status publikacije: Objavljeno
• Različica publikacije: Objavljena publikacija
• Leto izida: 2026
• Št. strani: Str. 224-243
• PID: 20.500.12556/RUL-190185
• UDK: 811.163.6'243:004
• DOI: 10.5281/zenodo.22765832
• COBISS.SI-ID: 300745731
• Datum objave v RUL: 23.10.2026

Gradivo je del monografije

• Naslov: Zbornik konference Jezikovne tehnologije in digitalna humanistika : 17.-18. september 2026, Ljubljana, Slovenija
• Uredniki: Špela Arhar Holdt, Vojko Gorjanc, Tomaž Erjavec
• Kraj izida: Ljubljana
• Založnik: Inštitut za novejšo zgodovino, = Institute of Contemporary History
• Leto izida: 2026
• ISBN: 978-961-7104-56-1
• COBISS.SI-ID: 292667395

Licence

• Licenca: CC BY-SA 4.0, Creative Commons Priznanje avtorstva-Deljenje pod enakimi pogoji 4.0 Mednarodna
• Povezava: http://creativecommons.org/licenses/by-sa/4.0/deed.sl
• Opis: Ta licenca Creative Commons je zelo podobna običajni licenci Priznanje avtorstva, vendar zahteva, da so materialne avtorske pravice na izpeljanih delih upravljane z enako licenco.

Sekundarni jezik

• Jezik: Angleški jezik
• Naslov: SEJO KOST

Izvleček

In this paper, we present the SEJO KOST 0.1, a new language resource that extends the KOST corpus of written texts produced by learners of Slovene as a non-first language. Compared to the KOST corpus, the new resource introduces two key innovations: more balanced sampling with respect to the learners’ first language and the assignment of a CEFR level to each text. SEJO KOST is still under development. We describe the design of the subcorpus, the collection of texts, the procedure for assigning CEFR levels, and the current Version 0.1. In conclusion, we outline directions for future work.

• Ključne besede: Slovene, Slovene as a second and foreign language, written corpus, Common European Framework of Reference for Languages, CEFR