Corpus Hispánico y Americano en la Red: Textos Antiguos

Enlaces a grupos CHARTA

Características del corpus de CHARTA

El corpus de CHARTA nace como consecuencia del interés común de varios grupos de investigación sobre las fuentes documentales de los archivos. Todos ellos con una gran sensibilidad, muy propia de este campo, a los problemas de autenticidad textual. El documento se concibe de manera global, y no solo como fuente de datos lingüísticos. En esta perspectiva, los elementos de validación (crismón, sello, rúbricas) cobran particular valor. Ello explica una primera característica: los textos se transcriben íntegramente. No es este, pues, un corpus de referencia.

Pero tan importante como el anterior es otro rasgo nacido de la concepción misma del corpus. Es muy frecuente entender los corpus solo como una vía para facilitar a los usuarios el acceso a los textos, y el acento se pone en el modo de extraer la información, mientras que es menos habitual insertar plenamente el corpus en los procedimientos de edición propiamente dicha. De ahí que lo corriente hasta ahora haya sido incorporar materiales textuales ajenos, procedentes de ediciones previas. Por el contrario, aquí ofrecemos ediciones propias, desarrolladas íntegramente; la edición forma así parte del proceso elaborativo del corpus de CHARTA, y no se concibe como una fase previa. Proponemos, en consecuencia, como clasificación básica de los corpus la distinción entre dos opciones:

Este carácter de corpus primario condiciona la selección de los documentos, según se verá. Por otro lado, al no escogerse los textos de entre colecciones previamente publicadas, el corpus es abierto, es decir, siempre susceptible de nuevas incorporaciones (el concepto clave es el de versión temporal siempre rehaciéndose, por tanto, no acabado, o "in fieri").

Los corpus en la investigación lingüística y filológica

No cabe duda de que el uso de corpus electrónicos se ha difundido entre los investigadores de las disciplinas humanísticas hasta extremos inimaginables hace poco. Hoy es inconcebible un estudio, por ejemplo, de sintaxis histórica, sin el recurso a los mismos. El hecho es la consecuencia natural del aprovechamiento de las posibilidades que ofrecen las nuevas tecnologías, pero, en una perspectiva más amplia, va parejo de un concepción empírica de las humanidades, y en particular de la lingüística, más firmemente anclada ahora en el texto, que se convierte en fundamento último de toda propuesta científica. Ello explica que se hayan desarrollado especialmente para textos de épocas históricas pasadas, con llamativa anticipación sobre otras parcelas. El recurso a los corpus amplía enormemente las perspetivas de la investigación, que ahora pueden abarcar con una intensidad mayor épocas y espacios más amplios, y acudir a una tipología textual más variada. El tratamiento estadístico de los datos, las búsquedas proporcionales aumentan el valor de este recurso.

Es sabido que igual que para la lengua actual, resulta imprescindible una cierta "competencia" sobre la lengua de épocas pasadas, y no puede suplirse con el rastreo en corpus. Claro que solo podrá aspirarse a una competencia parcial, pero solo esta familiaridad nos permite poner en duda aquello que nos parece raro y ahondar en su estudio, y hasta ahora no se ha encontrado otro modo para alcanzarla que la lectura íntegra de los textos. El método, entonces ha de ser circular o dialéctico: los textos alimentan nuestra idea de cómo era la lengua antigua; nuestra idea de la lengua obliga a cuestionarnos continuamente los datos que nos ofrecen los textos, y, a su vez, el corpus, al presentar el texto no aislado, sino envuelto en un marco intertextual, puede ayudar a responder a algunas de las cuestiones señaladas acerca del proceso de elaboración del mismo. Esta manera de entender las cosas ha estado presente desde el principio en la concepción de nuestra red, y explica alguna de las características del corpus que aquí se presenta.

Posibles orientaciones del corpus

Información de la cabecera

En este sentido, la cabecera de cada pieza pretende dar la información básica de interés en diversos ámbitos, y podrá incrementarse con datos adicionales, lo que ya está previsto en el diseño actual, con campos obligatorios y opcionales (estos últimos se indican entre []):

Representatividad del corpus

Un problema que ha preocupado largamente a los investigadores es el de la representatividad de los corpus, entendida ahora no como el grado de credibilidad respecto de la lengua de uso que cabe otorgar a los documentos, sino referida al hecho de la igualdad proporcional en número de documentos y en extensión textual pareja (en número de palabras) respecto de los tres parámetros operativos de selección: (1) tiempo, (2) espacio geográfico y (3) tipología documental.

Dentro se la red CHARTA se ha planteado esta cuestión en el marco de los objetivos generales del corpus, latos, de su finalidad más específica en el ámbito de la historia de la lengua y dialectología histórica, y de las posibilidades prácticas de ofrecer materiales amplios en un plazo corto. Por otro lado, influyen condicionamientos que nacen de la naturaleza de la propia investigación:

Comparabilidad científica

En consecuencia, la identidad proporcional es inalcanzable por las características propias de los fondos mismos, y tampoco reflejaría las exigencias intrínsecas de la propia investigación. De ello se deriva una caractrística negativa del corpus de CHARTA: la falta de exhaustividad geográfica para el dominio hispánico en una primera fase. El corpus estará disponible con lagunas importantes, que, sin embargo, se irán colmando en fases sucesivas. Nuestra experiencia previa nos indica que, de otro modo, seguramente el corpus quedaría en mero proyecto.

Con todo, el problema de la proporcionalidad de un corpus tiene otras dimensiones que no se nos escapan. Con vistas a la cuantificación de los resultados de una búsqueda lingüística (pero también en plano como el gráfico y aun paleográfico u otros), la comparabilidad es una exigencia científica imposible de cuadrar al cien por cien. El investigador puede exigirse, por ejemplo, confrontar segmentos textuales de la misma extensión igual o aproximado número de palabras) proporcionalidad de las búsquedas, o le interesará comparar el mismo número de documentos de las provincias de León y Zamora, con vistas a estudiar la zonificación del antiguo dialecto leonés, etc. La herramientas de búsqueda integradas en el corpus deben dar la posibilidad de acotar la muestra, limitarla y filtrarla respecto de diferentes parámetros.

Cronología y geografía

En cuanto al criterio cronológico, cabe señalar que ningún corpus del ámbito de la documentación archivística hispánica tiene un objetivo de tanto alcance, ya que pretende recorrer los siglos que median desde la etapa de orígenes de la lengua española hasta el siglo XIX inclusive. Esta amplitud temporal otorga especial valor histórico al proyecto, especialmente en lo que concierne al contacto de lenguas, pues permitirá secuenciar las diversas influencias lingüísticas en Europa y fuera de Europa a lo largo del tiempo.

En el plano geográfico, lógicamente, la fase más antigua, hasta 1492, afecta al espacio de la Península Ibérica y Europa. Desde el siglo XVI el espacio de los documentos se amplía a América, y posteriormente a Filipinas. Para América se pretende en una primera fase incluir documentos de las diversas demarcaciones administrativas de la época colonial (virreinatos) y de la independencia. Tomando a efectos prácticos como referencia estos últimos, en una primera fase se incluirán documentos del Sur de los Estados Unidos. Se incluirá el área centroamericana, Venezuela y espacio andino y el espacio sur (Chile y Argentina). La inclusión de documentos filipinos constituye otra novedad del corpus: el Archivo Nacional de Filipinas cuenta con fondos de extraordinario valor, apenas conocidos por los investigadores europeos.

En el plano sociolingüístico, el objetivo es abarcar toda la variedad posible de registros, desde los más elevados, los propios del documento oficial (“documento público”) a los más humildes. Las declaraciones en juicio proporcionan un material lingüístico muy útil para el estudio de la transferencia entre oralidad y escritura.

Actualmente el corpus de CHARTA incluye los siguiente [...]. Para más detalles, véase Estadística general.

De cada documento se ofrece

Esta articulación interna de los materiales se justifica, a su vez, por los objetivos mismos del corpus de CHARTA. Mientras que la mayor parte de los corpus secundarios tienen un interés lingüístico, el nuestro va más allá, con ser la historia de la lengua y la dialectología histórica las parcelas en las que más se ha pensado al concebirlo. Se tienen en cuenta para la edición y recuperación de información las exigencias y requisitos de todas la áreas implicadas en el estudio del documento, de la diplomática a la historia general (según se ha dicho anteriormente). Tampoco se descarta al público no especialista como potencial usuario, que buscará tal vez información de carácter privado. Y, muy especialmente, se orienta a la enseñanza, que en realidad no separamos de la investigación.