LINGÜÍSTICA COMPUTACIONAL.
No existe unanimidad al ubicar la lingüística computacional en el conjunto de las ciencias,
situándola unos en el terreno de la lingüística, y otros en el terreno de la informática. En su afán
de comprender el lenguaje, y simularlo en una computadora, no es descabellado decir que aúna
intereses de ambas disciplinas. En el momento en el que el lenguaje aparece implicado en el
quehacer de la LC, la vinculación con la lingüística es indiscutible. Comparte con la lingüística
el interés por descubrir y describir el funcionamiento del lenguaje, y difiere de ésta las
herramientas que emplea para llevar a cabo sus investigaciones. Si el lenguaje es el vínculo de
la LC con la disciplina de la lingüística, el empleo de la computadora como herramienta
fundamental de trabajo es el vínculo que posee la LC con la Informática. La unión de ambos es
sencilla: reproducir una capacidad cognitiva, la lingüística en este caso, en programas
informáticos, con algún fin práctico. Para alcanzar esta pretensión también se necesitan las
aportaciones de la Informática, y en especial una de sus ramas, la Inteligencia Artificial. La
participación de diversas ciencias y saberes en la caracterización del objeto de estudio, del
lenguaje, es una constante de la Lingüística; es por esto, que ocurra lo mismo con la LC.
LINGÜÍSTICA DE CORPUS.
Se ocupa de la constitución y explotación de grandes muestras de uso real de la lengua (corpus),
tanto en su vertiente textual como oral. Proporciona el input necesario para realizar
investigaciones teóricas pertinentes o para desarrollar aplicaciones sustentadas sobre el material
auténtico. Su avance ha sido espectacular desde las décadas de los ochenta y noventa,
propiciado en gran medida por el avance de las tecnologías: capacidad de almacenamiento,
mejora de los procesadores, etc. En el ámbito de la LC, han constituido un gran recurso,
prácticamente imprescindible, en la elaboración de gramáticas y léxicos. También hay que
entender el empleo y uso de los corpus dentro de una perspectiva metodológica general que
adopta el empirismo como forma de concebir el estudio de la lengua. Es, precisamente, el
conjunto de datos (enunciados lingüísticos de cualquier tipo), lo que se denomina corpus en un
sentido general del término. Pero ha sido el empleo de ordenadores para reunir, organizar y
procesar esos datos lo que ha conferido modernidad a esta tarea, hasta el punto de propiciar el
despegue de una forma de hacer lingüística, la llamada lingüística de corpus.
Usos: para el estudio de las lenguas muertas, para dar cuenta del proceso de adquisición del
lenguaje infantil a través de la transcripción, para establecer convenciones ortográficas, para
obtener listas de vocabulario para la enseñanza de segundas lenguas, para hacer estudios
comparativos entre lenguas o para elaborar gramáticas descriptivas.
Para algunos autores (como por ejemplo Noam Chomsky), en cambio, los corpus no son
válidos, ya que están sujetos a variaciones y desviaciones de la norma de diverso tipo debidas a
limitaciones de memoria, errores, distracciones, etc., por dar cuenta de la actuación (evidencia
externa de la lengua). Además, son incompletos y sesgados. El corpus es por definición cerrado,
finito, tiene unos límites; de ahí su incapacidad para dar cuenta de la naturaleza no finita,
ilimitada de las lenguas. → Todo esto frente a la primera lingüística de corpus.
A partir de los años 80, hay un renacer de la lingüística de corpus, motivado por varias causas:
el auge de las áreas aplicadas de la Lingüística en general y de la Lingüística computacional en
particular (necesidad de contar con datos del uso de la lengua), por su eclecticismo (no se
concibe como incompatible con el recurso a ojos de los lingüistas), por la mayor disponibilidad
de corpus electrónicos (avance de Internet) y el desarrollo de nuevas tecnologías para la
introducción de textos de forma más rápida. Por lo que los corpus se caracterizarán por ser un
conjunto de textos informatizados (formato electrónico), por ser cada vez más grandes, por tener
una vertiente comercial (y no limitarse al campo de las investigaciones), por ampliarse el
número de lenguas que disponen de corpus, por la automatización de diferentes tareas de
procesamiento de textos, etc.
¿Cuáles son las ventajas e inconvenientes del trabajo con corpus?
Algunas ventajas justifican el interés por los corpus electrónicos: proporcionan objetividad y
permiten la posibilidad de verificar teorías construidas a partir de ellos, aportan rapidez y
precisión a un bajo coste, facilitan el acceso y manipulación del material, permiten el
procesamiento automático de textos así como la explicitación de diferentes tipos de
información, responden a la necesidad de contar con grandes cantidades de datos reales
fácilmente accesibles como una base más realista para el estudio del lenguaje y han permitido
automatizar parcial o totalmente diversas tareas que antes requerían un trabajo manual,
mediante programas diseñados para la extracción de información de los corpus. Además son un
