LOS CORPUS DEL ESPAÑOL CLÁSICO Y MODERNO: ENTRE LA FILOLOGÍA Y LA LINGÜÍSTICA COMPUTACIONAL

Abstract

espanolEn este articulo se analiza la practica habitual de elaboracion de corpus del espanol, tanto europeo como americano, del periodo comprendido entre finales del siglo XV y finales del XIX. Se prestara especial atencion al modelo seguido por seis corpus diacronicos: CHARTA, CODEA 2015, CORDIAM, CorLexIn, Post Scriptum y Cibola, con el objeto de extraer conclusiones metodologicas aplicables a trabajos futuros o iniciales, como el corpus Oralia diacronica del espanol (ODE), actualmente en fase de elaboracion en la Universidad de Granada. El analisis efectuado revela que, si bien no se aprecian grandes diferencias en el rigor y los criterios de transcripcion documental, no parece haber acuerdo en lo referente a la manera de procesar y estructurar la informacion, tanto textual como metatextual. En este trabajo se defiende la conveniencia de adoptar un modelo estandarizado basado en el uso de XML, siguiendo las directrices del consorcio TEI para la codificacion y etiquetado de corpus historicos. Este modelo permitira la integracion de diferentes corpus y, sobre todo, un mas facil acceso a la informacion por parte de los usuarios. EnglishThis article analyses the standard practice when compiling and producing European and American Spanish corpora for the period spanning from the end of the 15th century to the late 19th century. Special attention will be given to the model used for six diachronic corpora: CHARTA, CODEA 2015, CORDIAM, CorLexIn, Post Scriptum and Cibola, in order to reach methodological conclusions applicable to any future or incipient projects - such as the Oralia diacronica del espanol (ODE) corpus, currently being prepared at the University of Granada. The analysis shows that while there are no appreciable differences in the rigor and criteria applied to document transcription, there does not seem to be any agreement as to the way to process and structure the information - textual as well as metatextual. This paper will argue for the usefulness of adopting a standardized model based on the XML markup language, following the TEI consortium guidelines for the codification and labelling of historical corpora. This model will make it possible to integrate the different corpora and, more importantly, to provide easier user access to the information.