Lingüística de corpus y habla infantil: fundamentos para el diseño de una muestra de datos con valor

El presente artículo detalla la construcción de una muestra de datos con significación sobre la cual investigar, de manera comparada, la emergencia del componente fónico en el período de 1;6 a 3;6 en dos entornos idiomáticos (español peninsular e inglés americano). Se abordan dos cuestiones sobre la lingüística de corpus, como son la representatividad de los datos y el tratamiento de los mismos (se confrontan las perspectivas corpus-based y corpus-driven) en los repertorios de datos de habla infantil. Se analizan, asimismo, los proyectos CHILDES y PhonBank, que constituyen las fuentes de las que provienen los datos. Y se explican detalladamente los criterios psicolingüísticos manejados y su relevancia para el diseño de la muestra de datos. This paper deals with the elaboration of a significative sample which will be used to study, comparatively, the emergence of the phonological component in children aged 1;6 – 3;6 in American English and Peninsular Spanish. Two issues concerning corpus linguistics will be addressed, namely, the representativeness of data and its treatment (corpus-based and corpus-driven approaches shall be discussed) in child language corpora. The sources of our data, the projects CHILDES and PhonBank, will also be analyzed. Additionally, the psycholinguistic criteria which we shall employ will be closely scrutinized, as well as their relevance in the design of the data sample.