Hurry up baby son all the boys is finished their breakfast

Table 4.2: CANCODE’s matrix of speech genres (operationalised)
3
  
 
 
 
Collaborative Idea 
 
Collaborative Task 
 
Information 
Provision 
 
        
Pedagogical 
 
 
Group tutorial 
 
 
Individual tutorial - discussing 
student's work 
 
 
 
Lecture 
 
        
Professional 
 
Collaborative office 
meeting 
 
 
Colleagues moving furniture 
 
Work presentation 
 
        
Transactional 
 
Chatting with bank clerk 
 
 
Buying a stereo system 
 
Commentary by 
library tour guide 
 
        
Socialising 
 
Chatting with friends 
about shared experiences 
 
 
Assembling shelves 
 
Telling jokes 
 
        
Intimate 
 
Discussing family matters 
 
 
Cooking together 
 
Relating story of 
film seen 
 
 
This  genre-based  approach,  according  to  McCarthy  (
ibid
:  9),  ‘offers  the  possibility 
of  linking  their  [the  data]  contextual  and  social  features  directly  with  the  lexico-
grammatical  ‘nuts  and  bolts’  of  their  step-by-step  creation.’  More  recently,  the 
Limerick  Corpus  of  Irish  English  (LCIE),  a  one  million  word  corpus  of  naturally 
occurring spoken Irish English, was built to parallel CANCODE’s matrix of speech 
genres and allow for a full description of spoken Irish English in these contexts (for 
a full description of the design of LCIE see Farr 
et al
., 2004). 
 
There are also a number of register-specific spoken corpora available to the language 
researcher. The Michigan Corpus of Spoken Academic English (MICASE), designed 
to  examine  the  characteristics  of  contemporary  American  academic  speech,  has 
approximately  1.8  million  words.  The  MICASE  designers  also  employed  context-
governed criteria in collecting the data. The corpus contains speech events across the 
major  academic  disciplines  in  a  university,  for  example,  biological  and  health 
sciences,  physical  sciences  and  engineering  and  humanities  and  the  arts. 
Demographic  information  such  as  age,  gender,  academic  role  and  first  language 
                                                 
3
 Adapted from McCarthy (1998: 10). 

---

85 
 
were also recorded. Recently, two additional corpora, the British Academic Spoken 
English  corpus  (BASE)  and  the  Limerick-Belfast  Corpus  of  Academic  Spoken 
English (Li-Bel CASE), have been designed as companions to MICASE. The BASE 
corpus  contains  1.6  million  words,  whereas  Li-Bel  CASE,  when  completed,  will 
hold one million words. In addition to this, there are a number of spoken corpora that 
represent  specific  social  groupings.  For  example,  the  Bergen  Corpus  of  London 
Teenage Language (COLT) is a half a million word corpus of spontaneous teenage 
talk.  This  corpus  distinguishes  between  speaker-specific  (for  example  gender,  age, 
social class etc.) and context-specific (location and setting) information.  
 
Thus  far,  it  seems  that  major  spoken  corpora  are  quite  substantial  at  over  half  a 
million words at least. In relation to corpus size, Sinclair (2004: 189) maintains that 
‘there is  no virtue in  being small. Small  is  not  beautiful; it is  simply a limitation.’ 
However, in spite of this, it may be the case that small corpora are more adept than 
larger  ones  at  explaining  the  fine-grained  distinction  that  exists  between  registers. 
Biber 
et  al
.’s  (1999)  forty  million  word  Longman  Spoken  and  Written  English 
Corpus  (LSWE)  is  divided  into  six  registers;  conversation,  fiction,  newspaper 
language,  academic  prose,  non-conversational  speech  and  general  prose.  However, 
within  each  of  these  registers  is  an  enormous  amount  of  variation.  For  example, 
Hunston (2002) notes that newspaper language contains a variety of newspaper types 
(for  example,  broadsheet  and  tabloid)  in  addition  to  a  range  of  article  types  (hard 
news,  letters,  sport,  business  etc.).  Indeed,  it  could  be  argued  that  conversation 
contains an even wider variation of types. Therefore, for larger corpora such as the 
one used in  Biber 
et al
.’s (1999) grammar, ‘to make distinctions between ‘smaller’ 
registers would quickly become unmanageable’ (Hunston, 2002: 161). Small corpora 
studies have highlighted a range of variation that exists both in and between different 
language varieties and registers.  
 
Small  corpora  have  allowed  researchers  to  identify  linguistic  characteristics  of 
particular  spoken  registers.  Vaughan  (2007,  2008)  uses  a  40,000  word  corpus  of 
meetings  of  English  language  teachers  (C-MELT)  to  explore  particular  linguistic 
features  characteristic  of  this  community  of  practice.  For  example,  the  size  of  C-
MELT allowed specific instances of humour to be isolated in order that they might 
be  assigned  a  function.  Vaughan  (2007:  186)  found  that  teachers  ‘use  [humour]  to 

---

86 
 
establish  the  social  space  they  share,  and  implicitly  define  who  they  are,  and  what 
their attitude is  to the work they do.’  Farr (2007) claims that, in  relation to  teacher 
education, ‘a spoken language corpus can be a valuable instrument in the toolbox of 
professional development’ (p. 254). Farr’s 80,000 word POTTI corpus has allowed 
the  identification  of  areas  for  development  and  also  areas  of  professional  strength 
within this context. For example, Farr (2005) explores the use of relational strategies 
present in the data to demonstrate how trainers work to lessen asymmetrical speech 
relationships.  She  claims  that  small  talk,  in  particular  talk  about  health  issues,  is  a 
typical way of establishing solidarity between speakers in this context. Furthermore, 
she demonstrates how shared socio-cultural references such as 
muinteóir
, the Gaelic 
word  for 
teacher
,  are  a  method  of  diluting  institutional  power  on  the  part  of  the 
teacher trainer in interaction with the trainee.  
 
O’Keeffe  (2005)  employs  a  55,000  word  corpus  from  radio  phone-in  to  focus  on 
question  forms  in  this  context  and  illustrates  that,  although  many  asymmetrical 
norms  of  institutional  discourse  apply  to  this  context,  there  is  widespread 
downtoning of power at a lexico-grammatical level. In addition to using hedges, the 
presenter  of  the  radio  show  employs  a  variety  of  features  such  as  first  name 
vocatives,  latching  and  reflexive  pronouns,  as  in 
What  are  you  doing  with  yourself 
nowadays?
, to create a ‘pseudo-intimate’ (p. 340) environment between speaker and 
caller.  Koester  (2006)  investigated  a  34,000  word  corpus  of  American  and  British 
office talk and demonstrated the influence of local contexts on frequency and use of 
various  words  or  patterns.  For  example,  she  found  that  modal  verbs  of  obligations 
are  more  frequent  in  collaborative  genres  (for  example,  decision  making  or 
planning)  than  in  unidirectional  genres  (for  example,  giving  instructions).  Finally, 
Cutting (2001) investigated the evaluative speech acts of six students as they became 
members  of  an  academic  discourse  community,  on  a  taught  Master’s  course  in 
Applied Linguistics. Cutting isolated and tagged each of these speech acts and found 
that positive acts increase as the course progresses and participants build solidarity. 
She  also  found  that  negative  speech  acts  are  most  common  in  conversations  about 
the course. Cutting deliberately limited the corpus used to 26,000 words so that she 
‘could  become  familiar  enough  with  each  one’s  [participants]  linguistic 
idiosyncrasies,  personalities  and  attitudes  to  interpret  the  findings’  (p.  1208-1209), 
an  approach  that  would  be  very  difficult  with  a  larger  corpus.  Similarly,  in  this 

---

87 
 
study,  it  is  proposed  that  the  datasets  used  provide  a  basis  for  a  more  in-depth 
interpretation  of  the  linguistic  characteristics  of  both  families.  Therefore,  the  data 
from the settled family and from the Traveller family will subsequently be referred 
to as SettCorp and TravCorp respectively.