Diseño de corpus textuales y orales

Abstract

Cada vez parece mas evidente la conveniencia de utilizar recursos informaticos en las investigaciones humanisticas. Pero para poder utilizar estos recursos es necesario disponer de un material donde aplicarlos; este material, en el caso de la filologia, son los textos, orales o escritos, y los documentos que los contienen, los cuales, debidamente recopilados, forman los llamados corpus. Actualmente, en muchas ramas de las humanidades, y sobretodo en linguistica aplicada, se pretende trabajar con datos reales y lo mas exhaustivos posibles que permitan reproducir con la maxima fidelidad las caracteristicas del objeto de estudio. Esto implica que, de algun modo, hay que recopilar, en cantidades mas o menos grandes, muestras de los elementos que constituyen la realidad que se quiere observar. El auge que ultimamente ha tenido la aplicacion de la informatica y su inevitable presencia en cualquier campo de la investigacion ha facilitado enormemente las tareas mecanicas de recopilacion y organizacion en formato electronico de los textos, lo cual ha provocado que el investigador se pueda encontrar delante de cantidades considerables de documentos que aportan un numero de datos tan grande que solo una codificacion, ordenacion y organizacion de estos datos en la proporcion adecuada pueden salvarlo del naufragio en un mar inmenso de informacion. De ahi que, en este capitulo, mas que describir investigaciones concretas que se han llevado a cabo en el area de los corpus o a partir de ellos, presentamos las pautas para obtener un corpus suficientemente organizado y representativo de la realidad que quiera reflejar, para que pueda ser explotado con ciertas garantias de exito 1 . Ya J. Svartvik (1992) senalo que la linguistica basada en los corpus hacia posible nuevas aproximaciones a viejos problemas, y no solamente esto sino que, en muchos casos permite poner en el terreno de las afirmaciones ideas que antes solo eran conjeturas o especulaciones provenientes de impresiones mas o menos fundadas de los linguistas. Una caracteristica importante de los corpus es que estan compuestos por datos reales y, por lo

Cite this work

No public copy is stored for this record, so only the metadata is cited.

Stored only when both papers are in the corpus — 15 citations exist upstream.

Papers that cite the same references — the relational fallback while embeddings are still backfilling.