## CO.RA.PAN Full Corpus (Restricted) – Übersicht Dieses Verzeichnis enthält das **Full Corpus** der CO.RA.PAN-Daten, aufgeteilt in länderspezifische ZIP-Archive mit Audiodateien und Transkriptionen. ### Zugriffsbedingungen * **Visibility:** Restricted (Zugriff auf Anfrage) * **Grund:** Urheberrechtlich geschützte Audiodaten und Transkriptionen; Freigabe nur für berechtigte Nutzer\:innen. ### Inhaltsstruktur | Datei | Beschreibung | | ------------------ | ---------------------------------------- | | `README.md` | Diese Übersicht und Gebrauchsanleitung | | `{LÄNDERCODE}.zip` | ZIP-Archiv für jedes Land (Audio & JSON) | #### ZIP-Struktur pro Land Jede `{LÄNDERCODE}.zip` Datei enthält: ``` {LÄNDERCODE}/ ├── mp3-files/ │ ├── *.mp3 (Audiodateien) │ └── ... └── json-transcripts/ ├── *.json (Transkriptionen mit Annotationen) └── ... ``` ### Zusammenstellung der ZIP-Archive 1. **Quellordner:** * `media/mp3-full/` – gruppiert nach Ländercode mit Audiodateien * `media/transcripts/` – gruppiert nach Ländercode mit annotierten Transkriptionen (JSON) 2. **Skript:** `zenodo_corpus_zip.py` erstellt für jedes Land ein ZIP im Ordner `ZIPs/`. 3. **Log-Datei:** `zip_process.log` dokumentiert Dateien und Änderungszeiten für inkrementelle Updates. ### Versionierung & Updates * **Zenodo-Datensatz:** Full Corpus (Restricted) * **DOI:** [https://doi.org/10.5281/zenodo.15360942](https://doi.org/10.5281/zenodo.15360942) * **Neue Versionen:** werden als neue Versionseinträge auf Zenodo hochgeladen (automatische Versionsnummern) * **Update-Prozess:** 1. Lokale Änderungen oder neue Länder in `media/mp3-full/` und `media/transcripts/` 2. Ausführen von `zenodo_corpus_zip.py` → aktualisierte ZIPs 3. Neue Version des Full Corpus auf Zenodo hochladen (nur veränderte ZIPs + `README.md`) ### Links & DOIs | Datensatz | DOI | | --- | --- | | **Full Corpus (Restricted)** | [https://doi.org/10.5281/zenodo.15360942](https://doi.org/10.5281/zenodo.15360942) | | **Sample Corpus (Public)** | [https://doi.org/10.5281/zenodo.15378479](https://doi.org/10.5281/zenodo.15378479) | | **Web-App & Code** | [https://doi.org/10.5281/zenodo.15359652](https://doi.org/10.5281/zenodo.15359652) | ### Datenverarbeitung & Annotation Die JSON-Transkriptionen enthalten linguistische Annotationen: * **Morphologische Analyse:** POS-Tags, Lemmata, Dependenzen * **Zeitformen-Erkennung:** Automatische Klassifikation von Vergangenheits- und Futurformen * **Annotationswerkzeug:** spaCy (`es_dep_news_trf`) ### Kontakt & Support Für Fragen zum Datensatz oder zur Nutzung bitte: * Zenodo-Datensatz-Seite nutzen (Direct Message oder Kontaktformular) * Oder: CO.RA.PAN-Projektteam kontaktieren --- **Hinweis:** Dieses Verzeichnis enthält **ausschließlich** die länderspezifischen ZIP-Archive des Full Corpus. Zur Nutzung der Daten bitte Zugriff via Zenodo anfragen.