Introducción a la Lingüística de corpus Definición de corpus lingüístico Características de los corpus Gerardo Sierra

Características de los corpus Representatividad, variedad y equilibrio Tamaño finito Manejable por la computadora Respeto a los derechos de autor

Representación de la realidad Pavlov PAVLOV N NOM SG PROPER had HAVE V PAST VFIN SVO HAVE PCP2 SVO shown SHOW PCP2 SV00 SVO SV that ADV PRON DEM SG DET CENTRAL DEM SG CS salivation N NOM SG Un corpus de textos consiste en un conjunto de texto reales y aceptables pertenecientes a un código lingüístico determinado.

Representatividad Un corpus siempre es una muestra de lengua y no pretende ser la totalidad de ella. Los textos que conformarán el corpus deben ser representativos del tema de estudio que se llevará a cabo.

Información personal del informante Localidad geográfica Tópico Variedad Información personal del informante Localidad geográfica Tópico Tipo de texto Fuente del texto Tiempo

Información personal del informante Localidad geográfica Tópico. Variedad Información personal del informante Localidad geográfica Tópico. Tipo de texto. Fuente del texto. Tiempo.

Información personal del informante. Localidad geográfica Tópico. Variedad Información personal del informante. Localidad geográfica Tópico. Tipo de texto. Fuente del texto. Tiempo.

Información personal del informante. Localidad geográfica Tópico Variedad Información personal del informante. Localidad geográfica Tópico Tipo de texto. Fuente del texto. Tiempo.

Información personal del informante. Localidad geográfica Tópico. Variedad Información personal del informante. Localidad geográfica Tópico. Tipo de texto Fuente del texto. Tiempo.

Información personal del informante. Localidad geográfica Tópico. Variedad Información personal del informante. Localidad geográfica Tópico. Tipo de texto. Fuente del texto Tiempo.

Información personal del informante. Localidad geográfica Tópico. Variedad Información personal del informante. Localidad geográfica Tópico. Tipo de texto. Fuente del texto. Tiempo

Equilibrio

Características de los corpus Representatividad, variedad y equilibrio Tamaño finito Manejable por la computadora Respeto a los derechos de autor

Tamaño de grandes corpus 520 Mill. 400 Mill. 100 Mill. 5 Mill (voz)

100 millones de palabras = 4 años de lectura a 150 pal/min X 8 hs. ¿Qué tanto es tantito? 100 millones de palabras = 4 años de lectura a 150 pal/min X 8 hs. 1 millón de palabras = 9 ejemplares del New Yorker (965 pal. X 112 págs.) = 8 libros medianos (375 pal. X 338 págs.) = 5 tesis de doctorado (210 mil pal. X 5)

Tamaño finito Tamaño = f (tiempo, $) Diferentes medidas: Tamaño del corpus Tamaño finito Tamaño = f (tiempo, $) Diferentes medidas: palabras horas informantes

Características de los corpus Representatividad, variedad y equilibrio Tamaño finito Manejable por la computadora Respeto a los derechos de autor

Manejable por la computadora Soporte informático Recuperable computacionalmente Formato texto Formato estándar Clasificable

Ventajas de corpus informatizado Manipulación más fácil Velocidad de procesamiento Precisión Actualizable Compartible y reutilizable Accesible Costo de acceso

Desventajas de corpus informatizado Software especializado Digitalización de los textos Requerimientos de equipo de cómputo Gasto de inversión Actualización del equipo Fallas técnicas

Características de los corpus Representatividad, variedad y equilibrio Tamaño finito Manejable por la computadora Respeto a los derechos de autor

Consentimiento del titular de la obra: Derechos de autor Consentimiento del titular de la obra: Previo, explícito y por escrito Corpus debe señalar las fuentes Excepciones: Investigación o docencia sin fines de lucro 70 años después del fallecimiento del autor Acceso sólo a parte del texto Excepto caso texto oral

Propiedad intelectual del corpus Reconocimiento al equipo de trabajo Agradecimiento al patrocinador Registro de usuarios Ser reconocido por los usuarios