Formalismo de codificación del error (versión 1)

Consideraciones generales

Este documento describe los formalismos de codificación desarrollados tanto para la transcripción de las redacciones manuscritas de los alumnos de la Universidad Católica de Santo Toribio que constituyen el corpus de estudio en el proyecto «Diagnóstico de la competencia lingüística en la redacción de textos escritos en alumnos de ingreso de la Escuela Profesional de Derecho de la Universidad Católica Santo Toribio de Mogrovejo», como para el análisis del error lingüístico hallado en los mismos.

Es un documento en curso que describe un trabajo en curso en el que colaboran Fabiola Fernández Doig, Eliana Llanos Cuentas, Belén López Meirama y la autora de esta página: a partir de un diseño previo, el análisis de los textos sugiere extensiones, que se trata de restringir en la medida de lo posible, de ese diseño previo del formalismo.

Este documento ha de completarse con el que recoge la tipología de errores elaborada para llevar a cabo el análisis de errores.

Definiciones previas

Secuencia

Fragmentos de texto entre puntuación mayor (punto, punto y coma -excepto el de enumeraciones-, dos puntos, signos de interrogación y exclamación, rayas, paréntesis).

Segmento

Mínimo segmento de una secuencia con el que se da cuenta de un error localizado en una secuencia: el segmento en el que se aprecie que algo que se ha omitido no habría debido omitirse, el segmento en el que se aprecie que una coma entre un sujeto y su predicado se ha introducido erróneamente, la palabra a la que falta una tilde, etc.

Segmento corregido

El segmento anterior corregido allí donde sea necesario.

El formalismo de transcripción

Formato de los ficheros de transcripción de la imagen del texto manuscrito. Estos ficheros se nombran del modo siguiente:

DígitoDígitoDígito_Letra-de-transcriptor_Fecha-ultima-revision.txt,

los tres dígitos se corresponden con el código del informante, la letra de transcriptor es

B para Belén López Meirama,
E para Eliana Llanos Cuentas,
F para Fabiola Fernández Doig,
P para María Paula Santalla del Río,

puede haber más de una, separadas por guion, el mínimo será dos para considerar un fichero parte del corpus, la fecha de última revisión en el formato añomesdía: por ejemplo, 20140401.

• Cada secuencia en una línea, los cambios de línea en el texto manuscrito se representan por \n (pegado a la palabra anterior y seguido de espacio).
• Los cambios de párrafo se representan por \M. Si además hay espacio extra tras un cambio de párrafo, por \M\M.
• El final del texto se representa por \G (tras el punto final).
• La sangría en la primera línea de un párrafo se representa \S.
• El texto tachado se representa entre almohadillas #texto tachado# (entre espacios si está entre espacios y sin ellos si no).
• El texto de interpretación dudosa se representa entre asteriscos *texto de interpretación dudosa*. Se escoge, si la hay, la forma que no implique error. Si no, la que se considere más probable.
• El texto centrado de títulos \Ctexto centrado\M\M

Observaciones para la aplicación del formalismo de transcripción

El formalismo de codificación del error

Formato de los ficheros que identifican los errores. Estos ficheros se nombran del modo siguiente:

DígitoDígitoDígito-errores_Letra-de-revisor_Fecha-ultima-revision.txt,

los tres dígitos se corresponden con el código del informante, la letra de revisor es

B para Belén López Meirama,
E para Eliana Llanos Cuentas,
F para Fabiola Fernández Doig,
P para María Paula Santalla del Río,

puede haber más de una, separadas por guion, el mínimo será dos para considerar un fichero parte del corpus, la fecha de última revisión en el formato añomesdía: por ejemplo, 20140401.

En estos ficheros se recogen todas las secuencias del texto. Para cada secuencia, en una primera línea se recogen, en primer lugar, la numeración correlativa de la secuencia con tres dígitos, la secuencia y una propuesta de corrección para ella separadas por tabuladores. En segundo lugar, la serie de segmentos que en la secuencia contienen errores. Para cada segmento se recoge el segmento erróneo original y el segmento corregido separados por un tabulador, y a continuación en líneas sucesivas la serie de errores que describen a ese segmento y su corrección de acuerdo con la tipología de errores definida. Cada error identificado puede opcionalmente ir seguido de tabulador y una localización en una obra de referencia. Los segmentos corregidos pueden, además, ir aquí precedidos de la etiqueta <DISTINTO> si por alguna razón difieren de lo propuesto en la secuencia corregida. En tercer lugar, puede también aparecer un encabezamiento <TEXTUALIDAD> que precede a una serie de errores que, aunque advertidos en esa secuencia, solo se constatan al tener en cuenta el resto del texto. Opcionalmente estos errores pueden ir seguidos de dos puntos y una serie de pares de segmentos separados por barras oblicuas: el primero correspondiente al segmento original y el segundo al corregido. Al final del fichero puede opcionalmente aparecer la etiqueta <<TEXTUALIDAD>> precediendo a la enumeración de errores que conciernen a todo el texto. Utilizando referencias genéricas, un fichero de identificación de errores debería tener esta apariencia (lo que se recoge entre corchetes es opcional):

001TABULADORSecuenciaTABULADORSecuencia corregida

Segmento 1TABULADOR[<DISTINTO>]Segmento corregido
Error identificado 1[TABULADOR(Localización en obra de referencia)]
Error identificado 2[TABULADOR(Localización en obra de referencia)]
...
Error identificado n[TABULADOR(Localización en obra de referencia)]

Segmento 2TABULADOR[<DISTINTO>]Segmento corregido
Error identificado 1[TABULADOR(Localización en obra de referencia)]
Error identificado 2[TABULADOR(Localización en obra de referencia)]
...
Error identificado n[TABULADOR(Localización en obra de referencia)]

Segmento nTABULADOR[<DISTINTO>]Segmento corregido
Error identificado 1[TABULADOR(Localización en obra de referencia)]
Error identificado 2[TABULADOR(Localización en obra de referencia)]
...
Error identificado n[TABULADOR(Localización en obra de referencia)]

[<TEXTUALIDAD>
Error identificado 1[:Segmento 1/Segmento 1 corregido, Segmento 2/Segmento 2 corregido,...Segmento n/Segmento n corregido]
...
Error identificado n[:Segmento 1/Segmento 1 corregido, Segmento 2/Segmento 2 corregido,...Segmento n/Segmento n corregido]]

002TABULADORSecuenciaTABULADORSecuencia corregida]

Segmento 1TABULADOR[<DISTINTO>]Segmento corregido
Error identificado 1[TABULADOR(Localización en obra de referencia)]
Error identificado 2[TABULADOR(Localización en obra de referencia)]
...
Error identificado n[TABULADOR(Localización en obra de referencia)]

Segmento 2TABULADOR[<DISTINTO>]Segmento corregido
Error identificado 1[TABULADOR(Localización en obra de referencia)]
Error identificado 2[TABULADOR(Localización en obra de referencia)]
...
Error identificado n[TABULADOR(Localización en obra de referencia)]

Segmento nTABULADOR[<DISTINTO>]Segmento corregido
Error identificado 1[TABULADOR(Localización en obra de referencia)]
Error identificado 2[TABULADOR(Localización en obra de referencia)]
...
Error identificado n[TABULADOR(Localización en obra de referencia)]

...

[<TEXTUALIDAD>
Error identificado 1[:Segmento 1/Segmento 1 corregido, Segmento 2/Segmento 2 corregido,...Segmento n/Segmento n corregido]
...
Error identificado n[:Segmento 1/Segmento 1 corregido, Segmento 2/Segmento 2 corregido,...Segmento n/Segmento n corregido]]

nTABULADORSecuenciaTABULADORSecuencia corregida

Segmento 1TABULADOR[<DISTINTO>]Segmento corregido
Error identificado 1[TABULADOR(Localización en obra de referencia)]
Error identificado 2[TABULADOR(Localización en obra de referencia)]
...
Error identificado n[TABULADOR(Localización en obra de referencia)]

Segmento 2TABULADOR[<DISTINTO>]Segmento corregido
Error identificado 1[TABULADOR(Localización en obra de referencia)]
Error identificado 2[TABULADOR(Localización en obra de referencia)]
...
Error identificado n[TABULADOR(Localización en obra de referencia)]

Segmento nTABULADOR[<DISTINTO>]Segmento corregido
Error identificado 1[TABULADOR(Localización en obra de referencia)]
Error identificado 2[TABULADOR(Localización en obra de referencia)]
...
Error identificado n[TABULADOR(Localización en obra de referencia)]

[<TEXTUALIDAD>
Error identificado 1[:Segmento 1/Segmento 1 corregido, Segmento 2/Segmento 2 corregido,...Segmento n/Segmento n corregido]
...
Error identificado n[:Segmento 1/Segmento 1 corregido, Segmento 2/Segmento 2 corregido,...Segmento n/Segmento n corregido]]

[<<TEXTUALIDAD>>
Error identificado 1
...
Error identificado n]

Observaciones para la aplicación del formalismo de codificación del error

• La secuencia en el fichero de codificación del error aparece tal como aparece en el fichero .txt de transcripción de la imagen: precedida de \S, si comienza sangrada tras \M, seguida de \M si hay punto y aparte o \G si punto final. De \M\M si además hay espacio extra entre párrafos. Intercalada de \n donde haya saltos de línea.
• En el campo de error identificado, identificamos errores teniendo en cuenta el contexto del texto del alumno (es decir, si una propuesta de corrección en el campo de segmento corregido podría hacer que un error subsiguiente dejara de serlo, tal propuesta de corrección no se tiene en cuenta y el error se codifica teniendo en cuenta solo como contexto el texto del alumno).
• Lo mismo ocurre con el campo de segmento corregido: tiene en cuenta como contexto el texto del campo segmento corregido, a lo largo de todo el texto. Lo que se pretende es que este campo recoja una propuesta de corrección que pueda ser leída de la mejor manera posible como texto alternativo completo al texto del alumno.
• Un error en una secuencia puede afectar a más de una palabra, aunque las palabras afectadas no sean sucesivas. Por ejemplo, una discordancia entre una serie de elementos deícticos y su antecedente. El error, por supuesto, solo es uno. Tendremos un segmento que recoja a todos los deícticos discordantes y en él codificaremos un solo error de discordancia (podrían aparecer otros errores de otro clase, por supuesto).
• En las secuencias corregidas no aparece los símbolos \n, \S ni \G, porque no pueden constituir error, solo reflejan la apariencia del texto manuscrito. Si un error se refiere a una partición de palabra a final de línea se procede del modo siguiente:

  nTABULADOR...dí-\na...TABULADOR...día...
  
  dí-\nTABULADORdía\n
  Ortografía. Signos de puntuación. Guion. División de palabras a final de línea.
  

• Las secuencias en las que no hay errores se numeran y se reproducen en el fichero donde corresponde, sin secuencia corregida y sin segmentos con errores:

  nTABULADORSecuencia
  

• Casos en los que se ha utilizado la etiqueta <DISTINTO>: conflicto entre corrección de una secuencia teniendo en cuenta un error textual y la corrección de un segmento de esa secuencia teniendo en cuenta el contexto de la secuencia (por incoherencia temporal con el texto las formas en presente de la secuencia en cuestión debían ser corregidas por formas en pasado, pero la única forma en pasado de la secuencia en cuestión, mal correlacionada temporalmente con la forma original en presente, pasaba así a ser correcta); impropiedades léxicas que corregimos como tales pero que contienen además en la forma original algún error ortográfico.