Курсовая по лингвистике в СПбГУ: как собрать корпус, разметить языковой материал и получить воспроизводимый результат

Курсовая по лингвистике в СПбГУ может быть теоретической, экспериментальной или вычислительной. В наборе университета на 2026 год направление «Лингвистика» представлено несколькими программами: от иностранных языков и межкультурной коммуникации до общей и прикладной фонетики, сравнительно-исторического языкознания и прикладной, компьютерной и математической лингвистики.

Официальный список:
https://cabinet.spbu.ru/Lists/ForeignersLists/bak/index_comp_groups.html

Выберите языковое явление

Например:

• discourse marker;
• metaphor;
• construction;
• phonetic feature;
• borrowing;
• word order;
• speech act;
• error type.

Не берите тему «Современный английский язык» целиком.

Единица анализа

Определите:

• token;
• lemma;
• sentence;
• utterance;
• construction;
• text.

Без единицы частота теряет смысл.

Корпус

Опишите:

• source;
• genre;
• period;
• language;
• volume;
• inclusion rule.

Например:

500 новостных текстов двух изданий за шесть месяцев.

Так material можно воспроизвести.

Sampling

Если corpus огромный, задайте отбор:

• random;
• stratified;
• all texts of period;
• query-based.

Не выбирайте примеры вручную только потому, что они подтверждают гипотезу.

Query

Сохраняйте:

• search string;
• filter;
• morphological settings;
• date.

Иначе другой исследователь не повторит выборку.

Lemma vs word form

Для частоты леммы объединяют формы.

Но если грамматическая форма сама является предметом исследования, объединять нельзя.

Решение зависит от вопроса.

Homonymy

Одна форма может иметь несколько разборов.

Автоматический поиск вернёт лишние случаи.

Нужна ручная validation или disambiguation.

Annotation scheme

Создайте категории и определения.

Например:

Request - высказывание, направленное на получение действия адресата.

Пример.

Counterexample.

Так разметка становится последовательной.

Codebook

Для каждой category:

• name;
• definition;
• inclusion;
• exclusion;
• example.

Не держите правила только в голове.

Inter-annotator agreement

Если категория субъективна, часть corpus разметьте вдвоём.

Покажите agreement.

Расхождение помогает улучшить definition.

Context window

Слово без контекста часто неоднозначно.

Определите, сколько нужно:

• sentence;
• paragraph;
• previous turn.

Не берите весь документ, если это не нужно.

Нормированная частота

100 случаев в миллионе слов и 100 в десяти миллионах различаются.

Используйте частоту на:

• 1000;
• 10000;
• million.

Знаменатель должен быть известен.

Genre comparison

Сравнивая news и speech, нормируйте corpus.

Не делайте вывод по абсолютным count.

Также учитывайте различие genre.

Diachronic analysis

Если сравниваются годы, используйте сопоставимые sources.

Переход от газет к соцсетям сам меняет язык.

Не приписывайте всё времени.

Collocations

Соседство слов можно оценивать:

• frequency;
• PMI;
• logDice.

Но статистическая association не равна семантической связи автоматически.

Разберите реальные contexts.

N-grams

Задайте:

• n;
• min frequency;
• stop rules.

Не интерпретируйте технические последовательности как устойчивые выражения.

Phonetics

Для фонетической темы определите:

• speakers;
• recording;
• microphone;
• sampling;
• acoustic measure.

Не сравнивайте записи разного качества без контроля.

Formants

Для гласных можно анализировать F1/F2.

Но значения зависят от speaker anatomy.

При сравнении групп подумайте о normalization.

Duration

Измерение длительности требует понятных boundary.

Покажите, как размечается начало и конец сегмента.

Experiment

Для psycholinguistic задачи можно использовать:

• reaction time;
• choice;
• eye tracking;
• rating.

Но процедура должна быть стандартизирована.

Stimuli

Контролируйте:

• length;
• frequency;
• complexity.

Иначе различие может объясняться не экспериментальным фактором.

Randomization

Порядок stimuli может влиять на ответ.

Рандомизируйте или counterbalance.

Не показывайте всем один и тот же блок, если order важен.

Computational linguistics

Для NLP-задачи сформулируйте:

• input;
• label;
• dataset;
• metric.

Не называйте использование готовой модели «лингвистическим анализом» без содержательного вопроса.

Train/test

Для classifier разделите данные.

Если несколько предложений одного текста, подумайте о document-level split.

Иначе стиль документа может утечь в test.

Метрики

Для редкого класса:

• precision;
• recall;
• F1.

Accuracy может быть misleading.

Для sequence labeling можно использовать entity-level F1.

Error analysis

Разберите ошибки по лингвистическим типам.

Например:

• negation;
• ellipsis;
• ambiguity;
• rare vocabulary.

Это превращает ML-результат в лингвистический.

LLM

Если используется языковая модель, задайте evaluation.

Например:

• grammaticality;
• classification;
• annotation assistance.

Не оценивайте несколькими эффектными ответами.

Translation

Для переводоведческой темы задайте unit:

• lexical choice;
• construction;
• pragmatic shift.

Не сравнивайте переводы по общему впечатлению.

Intercultural communication

Сильная тема опирается на corpus или interaction data.

Не заменяйте анализ национальными стереотипами.

Citations

Для языкового примера указывайте source и enough context.

Но не копируйте большие фрагменты защищённого текста без необходимости.

Теоретическая глава

Она должна привести к:

• phenomenon;
• previous classifications;
• hypothesis;
• annotation rule.

В конце читателю должно быть понятно, что именно вы будете считать.

Практическая глава

Схема:

1. corpus;
2. sampling;
3. annotation;
4. reliability;
5. frequency;
6. comparison;
7. examples;
8. interpretation;
9. limitations.

Контекст СПбГУ

В 2026 году лингвистика представлена широким набором программ, включая экспериментальную и компьютерную направленность. Поэтому метод курсовой может быть очень разным.

Не используйте один шаблон для фонетики, перевода и NLP.

Защита

Будьте готовы показать corpus rule, codebook, один спорный пример, normalised frequency, agreement или error analysis.

Сильная лингвистическая курсовая в СПбГУ делает языковое наблюдение воспроизводимым исследованием, а не коллекцией удачных примеров.