Grupo de Gramática del Español

A versión 3.0 contén 36.746.902 millóns de palabras ortográficas distribuídas en distintos tipos de textos representativos do galego actual (xornais, revistas, novelas, ensaios, coleccións de relato, obras de teatro, guións televisivos e blogs). Ademais inclúe 25 horas de transcricións ortográficas de programas de radio da década dos 90 nas que se aliña o texto coa voz.

O corpus, codificado na linguaxe estándar XML, enriqueceuse coa lematización e etiquetaxe morfosintáctica dos textos, o que permite dar un salto cualitativo na recuperación de información e superar as restricións que impoñen as consultas baseadas en formas ortográficas. Así, a codificación e estruturación aplicadas aos documentos permiten realizar consultas, con ou sen expresións regulares, por variables ortográficas xunto a categorías lingüísticas, segundo diversos criterios combinables entre si: período temporal, área temática, medio, tipo de documento, parte do documento etc.

Por medio do filtrado das buscas poden compararse resultados en textos de diferentes tipos e graos de formalidade ou en falantes de diferentes características (idade, sexo, hábitat), para o estudo da variación. Utilizando os filtros de data da gravación e do tramo de idade dos informantes o CORILGA permite tamén o estudo do cambio lingüístico tanto en tempo aparente como en tempo real.

A colaboración co Grupo de Tecnoloxías Multimedia (GTM) da Universidade de Vigo permitiu incorporar diversas ferramentas do ámbito das tecnoloxías da fala, como un aliñador audio-texto ou un transcritor automático.

La presentación constará de dos partes: 1) Una breve descripción de las propiedades de la base de datos y de su valor como recurso electrónico; 2) Una demostración del funcionamiento de la aplicación web, que dará cuenta de las formas en que pueden buscarse las palabras, visualizarse, desplegarse y contraerse los grafos que representan las relaciones morfogenéticas.

En los últimos años, el análisis del discurso está integrándose en la relación humano-máquina, permitiéndonos la semi-automatización y la asistencia vía software en la identificación de elementos discursivos, entidades ontológicas referenciadas y relaciones inferenciales. Dominios intrínsecamente narrativos, como el legal o las disciplinas humanísticas (como los estudios históricos o antropológicos sobre Patrimonio Cultural) necesitan este nivel para una verdadera relación humano-máquina en su generación de conocimiento.

Con este objetivo, se presenta una aplicación de las actuales tendencias y desarrollos y primeros resultados en procesado y análisis de discurso mediante software desde fuentes textuales en Patrimonio Cultural.

En la época medieval, sin embargo, la situación es diferente: hecho, uno de los sustantivos más típicos de la actualidad, no se documenta en ninguna de estas construcciones, y la construcción N de que apenas existe. Lo que se documenta son ejemplos donde el sustantivo o bien constituye un tipo de predicado compuesto, aver esperança, o bien forma parte de una locución prepositiva, como con esperança de.

En este trabajo investigaré la evolución diacrónica de la construcción encapsuladora en español, centrándome en nueve sustantivos, que representan tres épocas diferentes:

Los sustantivos fueron identificados mediante un análisis colostruccional por siglo (Stefanowitsch & Gries 2003; cf. Granvik 2018) sobre la base de datos extraídos del CORDE.

Las preguntas que me propongo contestar son: ¿qué función textual-discursiva tienen los sustantivos? ¿Cómo se relaciona la construcción gramatical con la función textual-discursiva, por un lado, y con los diferentes sustantivos y épocas, por otro? ¿Puede hablarse, en realidad, de una construcción encapsuladora en los datos medievales, o el uso encapsulador es una innovación más bien del llamado español moderno?

Dicho de otro modo, examinando el uso contextual de estos nueve sustantivos, mi intención es mostrar cómo se va modificando la relación entre forma y significado a lo largo del tiempo.

Como ilustración, se ha elegido el esquema fraseológico [entre + Splural/corporal], con actualizaciones como entre sollozos, entre risas o entre aplausos, y se ha sometido a un exhaustivo análisis a partir del CORPES XXI, cuyos objetivos principales son:

El Parallel Corpus German / Spanish, PaGeS , es un corpus paralelo bilingüe compuesto de textos originales y traducidos en alemán y español, así como un pequeño porcentaje de traducciones en alemán y español de una tercera lengua que han sido alineadas a nivel de oración. Los textos forman una colección de ficción (aproximadamente el 90% de novelas y relatos breves) y no ficción (ensayos y textos científicos populares) que se va incrementando. Muchos de los libros seleccionados están representados no por los textos completos sino por muestras, lo que permite una mejor sección transversal de los textos.

La creación de PaGes es parte de un proyecto de investigación más amplio que tiene como objetivo estudiar y analizar la expresión de las relaciones espaciales en español y alemán. Este proyecto está a cargo del grupo de investigación SpatiAlEs, dirigido por la profesora Irene Doval de la Universidad de Santiago de Compostela, Galicia.

A pesar de que el Corpus fue creado para el propósito mencionado, se están haciendo esfuerzos en cuanto a interoperabilidad y estandarización para diseñar un recurso multifuncional capaz de satisfacer las necesidades de diversos grupos de usuarios. La idea principal detrás de este esfuerzo es construir un recurso lingüístico representativo para el alemán y el español que pueda ser explotado para múltiples propósitos. Estas aplicaciones pueden incluir investigación general en lingüística contrastiva, tipología lingüística, estudios de traducción y lexicografía bilingüe, así como servir de entrenamiento a sistemas de traducción automática. El Corpus también es útil para los estudiantes alemanes o españoles de niveles intermedios y avanzados para obtener una multitud de sugerencias de traducción mostradas en ejemplos de uso.

En la etapa actual, PaGeS contiene 26,409,991 palabras y 755,321 bisegmentos, es decir, pares de unidades alineadas (oraciones o segmentos más pequeños). Para garantizar la calidad del corpus se ha verificado manualmente a diferentes niveles, incluyendo el preprocesamiento, así como la segmentación y alineación de oraciones. De cada texto se facilita la información sobre el autor, título, año de la primera publicación y, en su caso, la edición utilizada.

En nuestro caso, nos centramos en estudiar cómo complementar los datos obtenidos al extraer los términos más frecuentes de un corpus textual, bien sea en forma de lista de frecuencias léxicas o de vocabulario básico, sumando las aportaciones que arrojan los diccionarios de léxico disponible. A la fusión resultante la denominamos vocabulario fundamental.

Para ilustrarlo, escogemos el caso de las combinaciones léxicas del español a las que nos referimos como “expresiones multipalabra”, “colocaciones”, “secuencias formulaicas”, etc. Con estos ejemplos, que suelen ofrecer mayor dificultad tanto en su localización como en su aprendizaje y traducción, mostramos que los diccionarios de disponibilidad léxica sirven para enriquecer los corpus textuales y que, por lo tanto, el vocabulario fundamental exprime los frutos de ambos.

Un caso paradigmático lo plantea el concepto de PRESTAR dentro de los verbos que expresan TRANSFERENCIA en español y alemán, ya que las construcciones de los verbos que reflejan un mismo escenario prestar/dejar/coger/dar invitan a suponer que manifiestan también una similitud en la estructura actancial y sintáctica en ambas lenguas, algo que no siempre ocurre.

El presente estudio pretende mostrar el contraste entre español y alemán en la verbalización de este concepto. El análisis se realiza sobre bases de datos que recogen las expresiones del mismo en alemán y español. El objetivo es destacar las diferencias y las dificultades que le pueden surgir al estudiante germanófono de español e intentar así aportar un modelo de explicación útil en el campo de ELE.

Para realizar esta investigación, se han seleccionado diez adverbios y se ha procedido a su análisis: en la presentación, en primer lugar, revisaremos la descripción estas unidades en el Marco común europeo de referencia para las lenguas (2002), en el Plan Curricular del Instituto Cervantes (2006) –estructurador de los contenidos por niveles en el español L2– y en una recopilación de manuales de enseñanza de español y de portugués.

En segundo lugar, se expondrán los resultados de un doble estudio, cualitativo y cuantitativo, sobre estas construcciones en el corpus CAES (Corpus de aprendices de español) y en el corpus COPLE2 (Corpus de português língua estrangeira/língua segunda). De este modo, podremos aproximarnos a la utilización real de los adverbios locativos por parte de hablantes no nativos, analizar la evolución de su aprendizaje y relacionarlo con las distintas L1 de los aprendices.