CORPUS

CORPUS

1. Son conjuntos extensos y ordenados de datos o textos que han sido compilados según una serie de criterios y que son accesibles y manejables a través de programas digitales para el estudio lingüístico

2. Sirven para estudiar la lengua en todos sus niveles: fonético-fonológico, morfosintáctico, léxico-semántico y pragmático

3. La lingüística de corpus estudia empíricamente las lenguas a partir de grandes repertorios de textos

   • Facilita y enriquece el trabajo de diferentes disciplinas asociadas a la lingüística
     • la sociolingüística, pues los corpus son obtenidos en circunstancias reales y, por lo general, están estratificados según factores sociales (edad, sexo, nivel sociocultural, etc.)
     • La psicolingüística, pues se puede registar el proceso de adquisición de la gramática
     • La lexicografía, pues se puede estudiar la frecuencia de uso de las lexías para luego registrar estos usos en un diccionario
     • Los estudios de traducción, pues se pueden generar matrices de concordancia y ejemplos para diccionarios bilingües o traductores digitales
     • Lingüística forense, pues permite reconocer patrones e identificar autores de textos que pueden tener relevancia jurídica (notas de chantaje o suicidio, por ejemplo)

4. La lingüística aplicada usa este tipo de herramientas para mejorar la descripción de la lengua y resolver problemas prácticos

5. Los corpus pueden ser clasificados según diferentes patrones. Algunos tipos de corpus son:

   • Anotados: textos con determinadas informaciones o etiquetas que lo enriquecen (alargamientos, vacilaciones, etc.)
   • En bruto: textos sin formato, sin información adicional ni códigos
   • Lematizados: textos en formatos que permiten la búsqueda de palabras o categorías y sus contextos de aparición

6. El punto de partida fue la aparición del Brown Corpus con un millón de palabras del inglés americano

7. Principios básicos del diseño de corpus

   • Deben ser representativos, es decir, deben considerar las variantes demográficas, deben ser extensos
   • Deben ser balanceados, pueden tener diferentes estilos y tópicos (formales e informales, orales y escritos, entrevistas, lecturas, etc.)
   • Deben tener un criterio: fecha, temas, registros, método de recolección, características de los hablantes

8. En un corpus pueden buscarse:

   • Palabras
   • Frases
   • Locuciones
   • Concordancias
   • Preferencias semánticas
   • Elementos prosódicos del discuso
   • Muchos otros elementos lingüísticos

9. El estudio de corpus asistido por computadora tiene dos principios

   • El observador no debe influir en lo que observa
   • Los eventos repetidos son significativos

Images and files in the map