Este apartado está dedicado a explicar el formato de la transcripción de C-ORAL-ROM etiquetado en XML con Pragmatext. En el capítulo cinco ya hemos adelantado el modo en que aparecen etiquetadas las unidades de información pragmática en XML. Aquí damos una explicación global al texto de la transcripción.Como ya sabemos, la información pragmática se ha
Read more En lo que respecta al nivel semántico-pragmático de la lengua, solamente podemos destacar en el ámbito del español dos corpus que tienen anotación semántica. En primer lugar, el corpus Cast3lb , etiquetado con Named Entities, papeles semánticos (que se corresponden con su respectiva función sintáctica) y relaciones anafóricas; y, en segundo lugar, nuestro corpus, C-ORAL-ROM, anotado
Read more Todos los corpus que conforman el proyecto C-ORAL-ROM están etiquetados con este modelo de anotación, aunque solamente nosotros distinguimos desde los inicios la categoría marcador del discurso.
Read more C-ORAL-ROM consta de cuatro versiones del corpus cada una con diferentes niveles de etiquetado. La primera es en formato texto y refleja el sistema de transcripción hasta aquí mostrado. La segunda muestra en XML las marcas de alineamiento con el sonido de la grabación. Después hay una versión de C-ORAL-ROM – en formato MULTEXT y
Read more En la tabla siguiente se recogen los signos de transcripción más importantes para la comprensión de las transcripciones: |p1cm|p7cm|p7cm| Signo & Definición & Ejemplo * Tres mayúsculas: & Comienzo de turno. Las siglas coincidirán con la que se les ha asignado al interlocutor en la cabecera & *ABC: *XZY: & En caso de que no
Read more En la cabecera se recoge información de naturaleza contextual clasificada en los siguientes campos:@Title: un breve título@File: el nombre del archivo@Participants: los datos sobre los participantes @Date: la fecha@Place: la ciudad donde se produjo la grabación@Situation: la situación@Topic: el tema o subtemas que se tratan@Source: el origen del texto@Class: el tipo según las distinciones de
Read more El corpus C-ORAL-ROM tiene aproximadamente unas 300.000 palabras. Desde un punto de vista macroestructural, en las transcripciones podemos diferenciar dos grandes bloques: la cabecera y la transcripción propiamente dicha del sonido de la grabación. A continuación explicaremos las características más importantes de cada uno de estos bloques en sendos subapartados.
Read more La Lingüística de Corpus y los Estudios sobre la Lengua Oral son disciplinas independientes, pero estrechamente relacionadas entre sí, que en las últimas décadas del siglo XX lograron finalmente establecerse como líneas de investigación oficiales y consolidadas a nivel institucional dentro de la Lingüística. Tal y como señala, F. Sánchez, atrás quedan los debates del pasado sobre la utilidad
Read more Este capítulo está dedicado a enmarcar nuestro trabajo dentro de la disciplina de Lingüística de Corpus. Hemos dividido la exposición de los conocimientos en tres grandes partes. En la primera, presentamos las características de diseño más interesantes del corpus con el que vamos a trabajar, al tiempo que lo insertamos dentro las líneas de investigación
Read moreAna Gonzalez Ledesma ©. All rights reserved.
