Introducing the First Module of the Multimedia Corpus of Spoken Kazakh Language

Giorgia Troiani, Andrey Filchenko

Journal of Open Humanities Data, 2026

Полный текст Открытый доступ: Gold Метаданные (CSL-JSON)
DOI 10.5334/johd.529
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

The first module of the Multimedia Corpus of Spoken Kazakh Language is a dataset documenting contemporary Kazakh as spoken in Kazakhstan and Xinjiang (China). It includes 33 audio recordings (ca. 12 hours) and time-aligned transcriptions collected from 78 participants. Recordings feature naturally occurring conversation among native Kazakh speakers. The corpus is anonymized and published under a CC BY 4.0 license. The dataset is intended as a linguistic resource for the empirical analysis of Kazakh and it is suitable for reuse in a wide-range of linguistics-adjacent disciplines concerned with the analysis of naturally occurring language in use.