Título: Introducción a la Lingüística de Corpus, sus usos y aplicaciones

Autores: Paula J. Liendo, Micaela J. González, Stella M. Maluenda, Norma A.

Maure, Silverio Ortiz, Leticia N. Pisani, Romina N. Sánchez.

Coordinación: Paula J. Liendo

Asesoramiento editorial: Ma. Palmira Massi

Diseño: Silverio Ortiz

E-book publicado en Biblioteca Digital de Lenguas. (Identificador:

https://bibliotecadelenguas.uncoma.edu.ar/items/show/608)
Formato: PDF

Realizado en el marco del PIN J031: Alfabetización académica y tipologías

textuales en la enseñanza del inglés para la traducción, 2018-2022.

Facultad de Lenguas. Universidad Nacional del Comahue, diciembre de 2021.

Av. Mendoza y Perú. Código Postal (8332). General Roca, Río Negro,
Argentina.

2
 Esta obra está bajo una licencia de Creative Commons.
Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.

3
 Introducción a la lingüística de corpus, sus usos y aplicaciones. Liendo, P. y otros

Índice
1. Prólogo
2. ¿Qué es la Lingüística de Corpus?
2.1 ¿Qué beneficios aporta la LC en el ámbito del aprendizaje de las
lenguas?
2.2 Lingüística de corpus: ¿un marco teórico o metodológico?
2.3 Un poco de historia: lingüística, LC y enseñanza de las lenguas
2.4 ¿Cómo impacta en la educación superior? La enseñanza del idioma
inglés como lengua extranjera (ILE) y la formación de traductores
2.4.1. El corpus en la enseñanza de ILE
2.4.2. El corpus en la formación de traductores
2.4.2.1. Estudios de Traducción con corpus
3. ¿Qué es un corpus? ¿Para qué sirve? ¿Qué tipos de corpus existen?
3.1 Corpus, géneros y tipologías textuales
3.1.1 Los corpus y la alfabetización académica
3.2 Diseño de corpus: qué es, tipos de corpus
3.2.1 Tipos de corpus
3.2.2 Importancia de la digitalización
4. Herramientas informáticas para la gestión de corpus digital
4.1 Programas y aplicaciones para la gestión de corpus
4.2 Corpus informatizados de consulta en línea
5. ¿Qué herramientas existen para anotar y analizar un corpus?
5.1 ¿Para qué analizar un corpus? La importancia de definir paradigma y
método de investigación
5.2 ¿Cómo anotar y analizar un corpus?
5.2.1. ¿Qué significa marcar en este contexto?
5.2.2. ¿Cómo se visualizan los resultados?
5.3. Algunos ejemplos del uso de herramientas para anotar y analizar

4
corpus
5.3.1. ATLAS.ti
5.3.2. CATMA 6
6. Palabras finales

5
 Agradecimiento

Nuestro agradecimiento a las colegas y estudiantes que participan o

han participado en el proyecto de investigación —PIN I J031,
Alfabetización Académica y Tipologías Textuales en la Enseñanza del
Inglés para la Traducción— que da marco y origen a este manual. Y
gracias a nuestras y nuestros estudiantes, en quienes pensamos
como receptores y beneficiarios últimos de esta y todos las
actividades que realizamos, y a quienes dedicamos este trabajo.

6
 Introducción a la lingüística de corpus, sus usos y aplicaciones. Liendo, P. y otros

1. Prólogo

Este manual tiene como principal objetivo lograr una aproximación a las
distintas definiciones de corpus y de la Lingüística de Corpus (LC), así como
ofrecer guías prácticas para su uso. Se produce en el marco de las
investigaciones del proyecto PIN I J031, Alfabetización Académica y Tipologías
Textuales en la Enseñanza del Inglés para la Traducción (2018-2022),
Traductorado Público en Idioma Inglés, Universidad Nacional del Comahue,
Argentina.
En el transcurso del mencionado proyecto, hemos leído y conversado
extensamente sobre la centralidad de los corpus textuales en el ámbito
académico en la actualidad, sobre todo gracias a los avances tecnológicos de
los últimos veinte años. Y mediante esta práctica, hemos descubierto que
estas herramientas son mucho más que instrumentos para reunir datos; se
han constituido como ejes temáticos, teóricos y metodológicos de
investigaciones de los más variados campos y de corte eminentemente
transversal e interdisciplinario.
No obstante, podría decirse que la iniciativa de diseñar esta publicación
surge casi por casualidad. En las reuniones de nuestro equipo de trabajo —en
un tiempo presenciales, hoy aún virtuales— los intercambios sobre cuestiones
académicas de forma y de fondo con respecto al curso de los avances en la
investigación van siempre acompañados por el comentario de situaciones
relativas a nuestro quehacer en las aulas: la relevancia de ciertos conceptos
para la didáctica de una materia, la importancia del desarrollo de alguna
estrategia en la labor traductora, la posible aplicación de una herramienta a la
enseñanza, por citar solo algunos ejemplos.
Es así que pensamos que podría ser interesante compartir nuestros
hallazgos sobre la LC y sus principales usos con la comunidad académica de

7
nuestra universidad, en particular, y hacer extensiva la invitación a miembros
de otras instituciones educativas relacionadas con el aprendizaje de lenguas
segundas o extranjeras. El punto de partida para la redacción del manual fue
la realización de una encuesta. El análisis de las respuestas obtenidas por ese
medio nos permitió observar que, si bien la mayoría de las personas
encuestadas sabe qué es o para qué se utiliza un corpus de textos (72,9%),
menos de un treinta por ciento recuerda fehacientemente que se haya
utilizado un corpus en sus clases de idioma extranjero —poco menos que un
tercio de las y los docentes, y alrededor de un cuarto de las y los estudiantes—.
También es interesante destacar que la mayor parte de las y los estudiantes
consultados refirieron a usos prácticos de los corpus en las clases, como
resolución de dudas terminológicas o de colocaciones, mientras que entre las
ventajas de su utilización señalaron el desarrollo de estrategias, como agilizar
búsquedas, identificar géneros o incorporar vocabulario; y competencias, por
ejemplo, la traductora, y sus subcompetencias.
Los resultados de la encuesta nos alentaron a pensar en este manual como
una herramienta útil para docentes y estudiantes, que permita comprender
qué es un corpus, cómo se vincula con el aprendizaje de lenguas extranjeras, y
qué usos se les puede dar en las clases. Y con el mismo espíritu de
construcción colectiva del conocimiento, los invitamos a volcar sus opiniones
en un cuestionario, luego de leer o utilizar este manual. Esperamos sus
respuestas y sugerencias para seguir generando otras formas de divulgación y
transferencia.
El objetivo último de este manual es proporcionar un andamiaje de los
aspectos principales de la LC y sus aplicaciones áulicas para el aprendizaje de
las lenguas y la didáctica de la traducción. A tal fin, proporcionaremos
algunas definiciones de LC, y su relación con la educación, en particular en la
enseñanza de lenguas extranjeras y la formación de traductores (§ 2). Luego
compartiremos algunas definiciones de corpus, diseño de corpus,
clasificaciones y tipologías textuales, y su vinculación con los géneros
textuales (§ 3). A continuación, incluiremos un listado de corpus en línea (en

8
inglés y español) y algunos ejemplos de búsqueda (§ 4), así como una guía
práctica para anotar y analizar corpus propios según el paradigma de
investigación (§ 5). La lista de referencias al final de cada sección permitirá
ahondar en los temas que resulten de interés.
Nos despedimos con el deseo de que este manual resulte relevante para su
práctica y formación, y a la espera de sus opiniones.

9
 Introducción a la lingüística de corpus, sus usos y aplicaciones. Liendo, P. y otros

2. ¿Qué es la Lingüística de Corpus?

Tanto en el ámbito de la lingüística como en otros ámbitos académicos, los

avances y las investigaciones interdisciplinarias traen aparejados nuevos
desafíos: conflictos no resueltos acerca de la terminología a utilizar, múltiples
definiciones de conceptos, diversos enfoques similares —pero no
exactamente iguales— que coexisten, perspectivas más teóricas que se
contraponen a otras más aplicadas. Esta es una situación en la que todos nos
encontramos alguna vez, al leer un texto o intentar comprender un concepto
de un área de conocimientos nueva para nosotros.
En este sentido, el concepto de Lingüística de Corpus (LC) no es nuevo,
pero algunos aspectos son aún controvertidos. En líneas generales, es posible
definir a la LC como un enfoque para el estudio de las lenguas que consiste en la
recopilación y procesamiento de corpus lingüísticos. Esta forma de trabajo permite
utilizar datos reales y exhaustivos que reflejan la lengua viva, así como observar
el conocimiento lingüístico de los hablantes. En otras palabras, nos posibilita
el acceso a producciones lingüísticas reales de quienes usan una lengua en
situaciones concretas para estudiarlas. El análisis de la información
recolectada ofrece resultados fehacientes que favorecen el desarrollo del
conocimiento científico.

2.1 ¿Qué beneficios aporta la LC en el ámbito del

aprendizaje de las lenguas?

Entre los aportes más interesantes de la LC a la enseñanza-aprendizaje de

lenguas, podemos señalar:

10
 que se centra en el estudio de las producciones lingüísticas de los
hablantes en una situación concreta; por lo tanto, ofrece valiosas
oportunidades para analizar cómo los alumnos utilizan su lengua o sus
lenguas;
que brinda una base empírica para el desarrollo de materiales educativos
y metodológicos de diversa índole, así como para la construcción de
gramáticas, tesauros, y diccionarios;
que ofrece ejemplos más naturales que los que proporcionan muchas
veces los libros de textos y las bases de recursos didácticos, porque son
una muestra del uso real de la lengua y el bagaje cognitivo de sus
hablantes;
que estos ejemplos permiten, en términos chomskianos, la observación
y el análisis de la actuación lingüística (performance), en contraposición
con la competencia lingüística (competence), y así es posible desarrollar
teorías lingüísticas sobre el funcionamiento y la adquisición del lenguaje
(ver también § 2.3);
que facilita la descripción, análisis y enseñanza de los distintos tipos de
discursos, tanto generales como especializados, orales y escritos;
que sus aportes han favorecido una mayor centralidad del léxico en la
enseñanza-aprendizaje de lenguas extranjeras, en particular en lo que
respecta a las colocaciones y las expresiones idiomáticas o «unidades
prefabricadas»;
que todo lo señalado anteriormente ha influido en la evaluación, ya que
se observa un mayor énfasis en las estructuras gramaticales, los giros
idiomáticos y las palabras clave en contexto en el diseño de pruebas y
ejercicios, su input textual y los criterios de valoración utilizados.

2.2 Lingüística de corpus: ¿un marco teórico o

metodológico?

El uso de la LC como fuente de evidencias es perfectamente compatible con

otras teorías. No obstante, para algunos renombrados lingüistas (Parodi,
2008; Leech, 1992, entre otros) es relevante definir a la LC como una teoría o

11
como una metodología.
Si consideramos que los corpus se usan como modelos de uso; es decir, que
son representativos de los usos reales de las lenguas en una comunidad
determinada, debemos coincidir con Pérez Paredes (2021: 1): «A corpus is
used to model usage and we can think of a corpus as a proxy for usage»1. Si
pensamos en un corpus como en un agente o representante del uso real, este se
convierte en un instrumento, un método utilizado por los investigadores para
buscar la respuesta a su pregunta.
Dado este enfoque empírico de la LC, Parodi (2008), por ejemplo, entiende
que la LC no es otra rama de la lingüística, como lo son la sintaxis o la
semántica, sino un método de investigación aplicable a otras disciplinas desde
enfoques teóricos diversos, que es flexible (porque se basa en datos originales
y completos, como unidades de sentido y con propósitos comunicativos
específicos), si bien cuenta con principios reguladores bien definidos.
Por otra parte, para Leech (1992), la LC no es un campo de estudio, sino
un área disciplinar determinada por la centralidad de los corpus que posee
metodologías específicas resultantes de la integración de los avances
tecnológicos y de ciertas categorizaciones. Otros autores, como Sinclair
(1991) y Simpson y Swales (2001), sostienen que la LC es una técnica o una
tecnología, que tiene al corpus mismo como fundamento y depende
principalmente de una construcción adecuada, para que el resultado sea una
base de datos representativa.
Una postura conciliadora de estas posiciones es la de Pérez Paredes
(2021). Este autor explica que la gran variedad de enfoques y paradigmas
utilizados en las investigaciones sobre educación devienen en inconsistencias
terminológicas, que resultan de las diferentes perspectivas sobre la realidad y
las epistemologías utilizadas. Es por esto que destaca la importancia de
vincular las metodologías de investigación con los supuestos filosóficos a los
que se adhiere. En general, las investigaciones definen, por un lado, la
epistemología y las perspectivas teóricas; por otro los métodos y la

12
metodología. Sin embargo, el uso de métodos distintos, concluye Pérez
Paredes, proporcionará explicaciones de la realidad diferentes, ya que estos
dependen de metodologías, perspectivas teóricas y paradigmas investigativos
diversos. Este autor resume la relación etiológica —o causativa— entre
epistemología, teoría, metodología y método, tal como se describe en la
Figura 1.
Figura 1
Figure 1.3 Research in education – Based on Pring (2004) and Gray’s (2004)’s
adaptation of the work of Crotty (1998) (Pérez Paredes, 2021: 8)

En este sentido, las y los investigadores que adhieren a un paradigma

cientificista, que considera que existe una realidad objetiva —independiente,
constituida por objetos que interactúan entre sí— desarrollarán teorías,
metodologías y métodos diferentes de quienes siguen el paradigma
constructivista o fenomenológico, que sostiene que vivimos en un mundo de
ideas, y que son estas las que eventualmente construyen nuestra propia
realidad —y no hay una realidad exterior por descubrir sino tantas como
investigadores existan.
Teoría o método, tecnología o área disciplinar, no caben dudas de que la
LC es un área de investigación reciente, cuyo uso se ha extendido
significativamente en las últimas décadas. A modo de resumen, podemos

13
señalar que:

la LC tiene un carácter eminentemente interdisciplinar ya que el estudio

de una lengua en su contexto implica una postura cognitivista y
socioconstructivista;
no existe aún una clara definición de sus procedimientos;
es probable que los avances en las tecnologías de la información y la
comunicación favorezcan la disponibilidad de datos que resulten en más
y mejores investigaciones en el área.

Es importante destacar, también, que el uso más extendido de la LC en las

últimas décadas se aplica al análisis de lenguajes especializados, es decir a los
usos de la lengua enmarcados en comunidades de usuarios en las que tienen
un cierto significado. Es aquí donde se encuentra el nexo fundamental entre
la LC y el análisis del discurso, en particular la Teoría de géneros discursivos
(ver también §3.1).

2.3 Un poco de historia: lingüística, LC y enseñanza de

las lenguas

A partir del surgimiento de la Lingüística Generativa (LG) en la década de

1950, y su posterior influencia hegemónica, todas las demás posturas que no
sostuvieron una visión idealizada de la lengua o metodologías de índole
hipotético-deductivo se vieron debilitadas. Es decir, el giro generativista y
racionalista dejó de lado el empirismo, y la LC tradicional —enmarcada en
paradigmas socioculturales y contextualistas— se vio opacada por esta nueva
corriente.
Si bien es innegable que la LG ha realizado aportes fundamentales en
materia del desarrollo y adquisición del lenguaje humano, también es cierto
que la preponderancia de esta línea hizo que la lengua, como objeto de
estudio de las investigaciones, fuera casi exclusivamente concebida con una

14
visión idealizada, focalizada —en términos chomskianos— en la competencia
lingüística (linguistic competence) en desmedro de la actuación (performance) o
lenguaje en uso. Esta última era, para la LG, demasiado cambiante e
impredecible para ser un objeto de ciencia adecuado.
A comienzos de la década de 1960, se observa un resurgimiento de los
estudios basados en corpus, que resultó principalmente de los avances en las
tecnologías computacionales y un renovado interés en los usos de las lenguas
naturales y cotidianas y su variabilidad en distintos registros y géneros. Al
mismo tiempo, surgen en Inglaterra y los países escandinavos importantes
proyectos de investigación abocados a la construcción de grandes corpus
lingüísticos digitales en idioma inglés.
Alrededor de veinte años después, en la década de 1980, se observa un
segundo momento en la LC, y se identifica con la creación de mega-corpus de
cientos de millones de palabras. También se puede detectar un tercer giro,
probablemente aún en curso, que emerge del interés por el estudio de
discursos especializados. Estos constituyen normalmente muestras más
pequeñas, si se las compara con los corpus generales, pero de mayor
focalización temática, estructural y funcional.
En el marco de la Lingüística aplicada a la enseñanza de las lenguas, el
resurgimiento en el interés en la LC es importante en función del diseño de
enfoques didácticos. Algunos especialistas en pedagogía de las lenguas como
Stern (1983, 1992) o Richards y Rodgers (1986) plantean que para diseñar un
proyecto didáctico es necesario hacer explícito qué entendemos por una
lengua —cómo la definimos, qué significa ser un usuario experto, cuáles son
las unidades básicas de su estructura—, así como establecer qué significa
enseñarla o aprenderla. De tal modo, los enfoques didácticos de los últimos
cuarenta años tienen una orientación mayormente comunicativa o
socioconstructivista, por lo que parten de una concepción del lenguaje como
un fenómeno social, con un propósito comunicativo.
En este contexto, se puede visualizar la importancia de la LC en el diseño

15
curricular para la enseñanza de lenguas. Es decir, un usuario experto de una
lengua necesitará poseer conocimientos lingüísticos sistémicos, discursivos y
socioculturales; y la enseñanza-aprendizaje de dicha lengua será un proceso en
el que las y los estudiantes elaboran sus propias teorías lingüísticas según el
input con el que se enfrentan y la negociación de las correcciones que reciben,
de acuerdo con el enfoque comunicativo (Canale & Swain,1980; Swain, 1985;
Krashen, 1987, 1988). El uso de corpus deviene en un contacto con datos
sobre el uso real de la lengua que favorece el aprendizaje como construcción
social, y prepara al estudiante para desempeñarse con eficacia en un contexto
académico o profesional determinado.

2.4 ¿Cómo impacta en la educación superior? La

enseñanza del idioma inglés como lengua extranjera
(ILE) y la formación de traductores

2.4.1. El corpus en la enseñanza de ILE

En la década de los ochenta el uso de corpus se consolidó como materia prima

para la descripción y análisis del uso real de la lengua y se utilizó como
insumo para la elaboración de gramáticas y diccionarios bajo el enfoque
denominado COBUILD (Collins Birmingham University International Language
Database). Esto tiene estrecha relación con el enfoque para la enseñanza de
lenguas asistida por computadora, conocida como computer-assisted language
learning (CALL).
Los primeros antecedentes de la enseñanza de idiomas y el uso de corpus
son:

el Enfoque Léxico (Lexical Approach), propuesto por Sinclair y Renouf; y

el enfoque conocido como Data-Driven Learning (DDL por sus siglas en

16
 inglés) de Tim Johns, quien incorporó el corpus y el análisis de
concordancias para la enseñanza del inglés como lengua extranjera, en el
que se inspiró el equipo COBUILD (Corpas Pastor, 2012).

Si bien ambos enfoques tenían como objetivo que las y los estudiantes
accedan a un entorno real de uso de la lengua, se diferencian en que el
Enfoque Léxico utiliza los datos provenientes del corpus para la investigación
y el diseño curricular; mientras que el DDL introduce el corpus en el aula y
promueve el descubrimiento autónomo a partir de los datos reales. Para ello,
utiliza dos tipos de procedimientos::

inductivos: o aprendizaje por descubrimiento, en el que las y los

estudiantes observan, clasifican, generalizan y construyen hipótesis;
y deductivos: en el que se basan en generalizaciones previas para
después clasificar los datos, contrastarlos con las reglas aprendidas y
finalmente consolidar y precisar aún más los conocimientos adquiridos.

2.4.2. El corpus en la formación de traductores

En lo que respecta a la enseñanza de la traducción, el uso de corpus tiene una

doble relevancia: como herramienta para la enseñanza y el aprendizaje, tal
como mencionamos anteriormente; y como una herramienta utilizada por las
y los traductores profesionales para las distintas etapas del proceso de trabajo,
a saber:

la obtención del texto base;

el análisis y la preparación del texto base;
la traducción propiamente dicha;
la corrección y optimización;
y finalmente la entrega (Martín-Mor y otros, 2014).

De hecho, el ámbito de la traducción ha sido pionero al incorporar las

tecnologías como su herramienta principal de trabajo, ya que, a medida que

17
han evolucionado las tecnologías de la información y de la comunicación,
también lo ha hecho el campo laboral de estos profesionales de la
comunicación. Es más, las tecnologías aplicadas a la traducción han cobrado
tal relevancia que se ha desarrollado un área específica en torno a esta
temática: la informática aplicada a la traducción.
A su vez, los avances en los estudios en el área de la didáctica de la
traducción indican claramente cuáles son las competencias que se deben
desarrollar para adquirir la macrocompetencia traductora, que incluye a las
siguientes competencias:

la competencia lingüística, que refiere al conocimiento profundo de las

lenguas de trabajo;
la competencia extralingüística, que abarca el conocimiento sobre aspectos
culturales y temáticos;
la competencia instrumental o profesional, que integra los saberes sobre el
campo laboral, el uso de herramientas, la habilidad para documentarse;
la habilidad de transferencia, que refiere las etapas de comprensión de un
texto base y su correcta reexpresión en una lengua meta; y
la competencia estratégica, la capacidad de poder identificar y resolver
problemas que surjan durante todo proceso de trabajo.

Tanto la competencia estratégica como la competencia instrumental y la

habilidad de transferencia son específicas de la competencia traductora
(PACTE, 2005). Es decir, son las que diferencian a traductores profesionales
de hablantes bilingües, por ejemplo. Por tanto, en general, estos son los
conocimientos y destrezas que se abordan en las asignaturas específicas de
traducción.
Dentro de las habilidades que incluye la competencia instrumental, se
encuentra la competencia documental o competencia informacional, que consiste
en la identificación de un problema y la correcta solución a partir de fuentes
de documentación, principalmente electrónicas.
Aquí el uso de corpus, particularmente en la traducción especializada,

18
adquiere un rol central, y su finalidad varía según la necesidad. Las opciones
pueden ser diversas, de un corpus se pueden extraer terminología específica,
fraseología, colocaciones, patrones sintagmáticos (léxico-gramaticales),
equivalentes, entre otros ejemplos. A su vez, el uso de corpus paralelos y
comparables en el aula de traducción tiene otras aplicaciones: por un lado,
permite a las y los estudiantes analizar las técnicas y estrategias utilizadas por
profesionales, y por otro, acceder a textos auténticos escritos por
especialistas.

2.4.2.1. Estudios de Traducción con corpus

En lo que concierne a la investigación, existe una línea descriptiva, llamada

Estudios de Traducción con corpus, cuya metodología posibilita el estudio
detallado de la lengua traducida y compararla con corpus equiparables
escritos en lengua de origen. De esta manera, es posible observar el
comportamiento de traductoras y traductores y evidenciar cuáles son las
tendencias en la producción de sus textos, establecer universales de la
traducción, estudiar normas de traducción y caracterizar distintos estilos
traductores.
A modo de conclusión, podemos afirmar que existe un abanico de
posibilidades para la aplicación de los corpus en el ámbito de la enseñanza-
aprendizaje de las lenguas así como en la investigación y en el ámbito
profesional relacionados con ellas. Cualquiera sea el caso, es necesario el
desarrollo de un alto grado de competencia tecnológica. En tal sentido, tanto
estudiantes como docentes de traducción nos vemos desafiados ante una
realidad que implica una actualización constante en lo que respecta a recursos
electrónicos, herramientas y métodos de trabajo.

Referencias

19
 Canale, M. & Swain, M. (1980). Theoretical bases of communicative
approaches to second language teaching and testing, Applied Linguistics, 1 (1),
1-47.
Corpas Pastor, G. (2012). Corpus, tecnología y traducción. En Casas
Gómez, M. & García Antuña, M. (Coords.), XII Jornadas de Lingüística, 2, 75-
98.
Gray, D.E. (2004). Doing Research in the Real World. Sage Publications
Limited.
Krashen, S. D. (1987). Principles and Practice in Second Language
Acquisition. Prentice-Hall International.
Krashen, S.D. (1988). Second Language Acquisition and Second Language
Learning. Prentice-Hall International.
Leech, G. (1992). Corpora and theories of linguistic performance. En
Svartvik, J. (Ed.), Directions in Corpus Linguistics (pág. 105-122). Mouton de
Gruyter.
Martín Mor, A., Piqué Huerta,, R. y Sánchez-Gijón, P. (2014). Cambios
en el paradigma de la traducción especializada. IX Simposio sobre traducción,
terminología e interpretación. La Habana, (1-10).
Parodi, G. (2008). Lingüística de Corpus. Una Introducción al Ámbito,
RLA. Revista de Lingüística Teórica y Aplicada, 46 (1), 93-119.
Pérez Paredes, P. (2021). Corpus Linguistics for Education. A Guide for
Research. Routledge.
Richards, J. C., & Rodgers, T. S. (1986). Approaches and methods in
language teaching. Cambridge University Press.
Pring, R. (2004). The Philosophy of Education. Bloomsbury.
Simpson, R. & Swales, J. (1991). Corpus Linguistics in North America. The
University of Michigan Press
Sinclair, J. (Ed.) (1991). Corpus, Concordance, Collocation. Oxford
University Press.

20
 Stern, H. H. (1983). Fundamental concepts in language teaching. Oxford
University Press.
Stern, H. H. (1992). Issues and options in language teaching. Oxford
University Press.
Swain, M. (1985). Communicative Competence: Some roles of
Comprehensible Input and Comprehensible Output in its Development. En
Gass, S. & Madden, C. (Ed.), Input in second language acquisition (pág. 235–
253). Newbury House.

1 El uso de las cursivas es nuestro.

21
 Introducción a la lingüística de corpus, sus usos y aplicaciones. Liendo, P. y otros

3. ¿Qué es un corpus? ¿Para qué sirve? ¿Qué

tipos de corpus existen?

En las últimas décadas, muchos lingüistas han propuesto definiciones para

corpus tomando en cuenta distintos aspectos. Por ejemplo, Sinclair (1991)
define el corpus como: «a collection of naturally-occurring language text, chosen
to characterize a state or variety of a language». Como vemos, esta definición no
dice mucho sobre las características de los textos que componen el corpus ni
sobre su almacenamiento. La lingüista especializada en discurso Mona Baker
(1995) expande esa definición al considerar que un corpus es una colección
de textos completos —en lugar de ejemplos u oraciones—, almacenados de
forma electrónica, que se pueden analizar automática o semi-
automáticamente (y no a mano). De forma similar, Francis (1982) aporta una
definición que considera la naturaleza de los textos y el propósito de su
recopilación: «A corpus is a collection of texts assumed to be representative
of a given language, dialect, or other subset of a language to be used for
linguistic analysis».
En resumen, un corpus puede definirse como una colección de textos
escritos u orales —a veces completos, a veces constituída de extractos—,
almacenados de forma electrónica. En conjunto, estos textos resultan
representativos de una lengua, dialecto, o un aspecto de la lengua, y pueden
utilizarse para un análisis lingüístico. Al ser una representación de una
lengua, los corpus sirven para ejemplificar y explicar ciertos fenómenos
lingüísticos; ayudan a entender cómo los hablantes usan la lengua y el
lenguaje, y por qué.
Existen distintos tipos de corpus. Tomando algunas de las clasificaciones
que menciona Tolchinsky (2014), podemos decir que la principal distinción

22
se establece entre corpus escritos y corpus orales. Dentro de estos últimos,
están los corpus que son transcripciones del habla, y los que tienen tanto la
transcripción como el registro en audio. Además, los corpus se pueden
clasificar según el porcentaje y la distribución de los textos que lo componen o
según la especificidad de los temas de dichos textos —especializados o
generales—. Otros se diferencian según la cantidad de texto que se incluye en
el corpus: algunos incluyen pocos textos completos, y otros incluyen muchos
extractos de varios textos. También existen los corpus anotados, es decir,
aquellos que no solo tienen textos o extractos, sino también etiquetas con
información morfológica, sintáctica y semántica (ver también § 3.2.2, 4.2 y
5.1).
En lo que respecta al campo de la traducción, una de las clasificaciones
más relevantes es la de corpus ad hoc, que puede definirse como una colección
de textos compilados para la realización de un trabajo de traducción
específico (Rodríguez-Inés, 2008). También se encuentran los corpus
paralelos y los comparables (Krüger, 2012). Los primeros son una colección de
textos en la lengua meta y las traducciones de dichos textos; los segundos
consisten en textos traducidos y originales en la misma lengua. Se podrían
mencionar clasificaciones de corpus que toman en cuenta otros aspectos,
pero no las veremos aquí.

3.1 Corpus, géneros y tipologías textuales

Género y Tipología son dos términos que se usan para clasificar textos en
distintos grupos. Diversos lingüistas ofrecen definiciones distintas de ambos
términos, y no hay un acuerdo general sobre dónde termina uno y empieza el
otro. De forma sencilla, podemos decir que el género es una manifestación
textual con propósitos comunicativos particulares y reconocidos por una
comunidad discursiva (Swales 1990, 2004; Bhatia 1993, 2004). Es decir, la

23
cantidad de géneros posibles es ilimitada; hay tantos géneros como
comunidades discursivas.
Los géneros se diferencian entre sí por su propósito comunicativo,
organización retórica, realizaciones léxico-gramaticales, dinamismo y
evolución. Swales (1990) sugiere que los géneros varían también según otros
parámetros, por ejemplo, su intención retórica, medio o modo de
comunicación, y grado de atención por parte del emisor a la audiencia
potencial. Bhatia (1993), por su parte, hace hincapié en la necesidad de
determinar un propósito o finalidad comunicativa para poder definir un
género, ya que cualquier cambio significativo en el propósito comunicativo
resultará en un género diferente. Así, para Bhatia, un anuncio publicitario y
una solicitud de trabajo son un mismo género, ya que ambos tienen como
finalidad promocionar.
Muchos autores proponen otras definiciones de género que no citaremos
en este manual, ya que propician más confusión que claridad. Y si en el marco
de esta indeterminación terminológica intentamos definir tipología textual, o
tipo textual, se nos presentan nuevos desafíos. Una definición útil puede ser la
de Beaugrande y Dressler (1981), por ejemplo, quienes señalan que las
tipologías textuales se conforman según las formas en las que se pueden
utilizar los textos pertenecientes a un género. Estos autores mencionan una
señal de tránsito, una rima infantil o un artículo periodístico como ejemplos
de tipos textuales; no obstante, otros autores (Swales y Bathia, entre otros)
dirían que estos son géneros.
En el ámbito del análisis del discurso y la traducción, también existen
discrepancias. A la clasificación en textos descriptivos, narrativos y
argumentativos, Beaugrande y Dressler la definen como tipos textuales, Reiss y
Vermeer (1991) como campo estilístico, y Trosborg (1997), como tipo de texto
según la finalidad retórica. A modo de síntesis, se puede afirmar que estos y
otros autores concuerdan sobre la importancia de analizar los conceptos de
género y tipo de texto, si bien la mayoría reconoce la imposibilidad de hacer

24
una clasificación acabada de ellos, por ser categorías dinámicas que varían y
evolucionan dentro de una comunidad discursiva.
Podemos concluir que, para elaborar un corpus de textos, resulta
imprescindible primero adherir a una tipología o definir una que se
enmarque dentro de una concepción de géneros textuales. Algunas
características a tener en cuenta para definir un género son:

un propósito comunicativo común;

una comunidad discursiva determinada;
el medio y modo de comunicación;
un conocimiento de la audiencia/receptores;
similitud en propósito y organización retórica;
un carácter dinámico, y la posibilidad de evolucionar.

3.1.1 Los corpus y la alfabetización académica

La lingüística de corpus ofrece oportunidades revolucionarias para analizar

cómo se utiliza la lengua, dado que se centra en el estudio de las producciones
lingüísticas concretas de los hablantes en una situación en particular
(Tolchinsky, 2014). Como vimos en § 2.3, el uso de corpus influye
directamente en el diseño de materiales didácticos y en el desarrollo de
actividades relevantes para la enseñanza de la lengua aplicada, por ejemplo, a
la traducción, pero principalmente constituye un abordaje integral para la
comprensión y redacción de textos en el ámbito académico. La alfabetización
académica propone el desarrollo de estrategias de acceso, construcción y
difusión del conocimiento en la universidad. Este enfoque resulta un eje
central en la formación de grado, ya que implica alentar a docentes y
estudiantes a ser partícipes activos de las prácticas discursivas
contextualizadas que se rigen por la especificidad de cada disciplina (Liendo
et al, 2018).
Dado que los corpus nos aportan ejemplos del uso realista de la lengua,

25
también nos muestran las complejidades y los matices del lenguaje natural.
Así es que nos pueden aclarar cuestiones sobre el uso de colocaciones, de
terminología especializada, de expresiones idiomáticas y también de unidades
prefabricadas, entre otros. Proponer que los alumnos realicen el análisis de
los corpus constituye una grandiosa oportunidad para que formulen hipótesis
de trabajo, por ejemplo: ¿en qué tipo de texto encontramos este aspecto? ¿Por
qué? (Tolchinsky, 2014). Entre sus múltiples aplicaciones debemos destacar
que el trabajo directo con corpus de textos propicia el aprendizaje por
descubrimiento, la autonomía y la reflexión de los procesos de aprendizaje en
el ámbito académico (Elvira-García, 2021).

3.2 Diseño de corpus: qué es, tipos de corpus

Como vimos en §3, el concepto de corpus es ambiguo y puede referirse a

colecciones o inventarios de textos como a corpus informatizados, ya que
estos se forman con piezas de una lengua que se seleccionan y ordenan según
criterios explícitos, para luego utilizarse como muestras de uso de ese idioma
en particular (Tolchinsky, 2014).
En la actualidad, no podemos dejar de hablar de corpus informatizados,
que nos permiten recolectar una cantidad extensa de diferentes textos, orales
o escritos, para así poder codificarlos y clasificarlos de manera adecuada, y
luego hacer diferentes búsquedas entre las grandes cantidades de textos en
formato digital que recopilemos.
Los corpus informatizados posibilitan el almacenamiento de los textos en
un soporte electrónico, que principalmente permite la recuperación fácil y
accesible por parte de los usuarios, así como establecer reglas para su acceso,
codificación y clasificación de los tipos de textos (Marín, 1994 en Tolchinsky,
2014). La digitalización de los textos posibilita la sistematización de
búsquedas, y el trabajo deja de ser artesanal. Las ventajas son varias, ya que
gracias al almacenamiento en soporte electrónico es posible recopilar grandes

26
cantidades de textos, que son accesibles para los usuarios y recuperables
cuando lo necesiten (Elvira-García, 2021).

3.2.1 Tipos de corpus

Lo primero que debemos preguntarnos es qué tipo de corpus será necesario

para el objetivo del estudio que llevemos a cabo. Dependiendo de nuestro
propósito recopilaremos corpus de textos orales o escritos, de fragmentos de
textos o textos completos, etc.
Como ilustra Elvira-García en el esquema que sigue (2021:48) (Figura 2),
los corpus se pueden clasificar siguiendo distintos criterios. Algunos de ellos
tienen en cuenta, por ejemplo, su contenido o tipos de textos; el tipo de
lengua, ya sea general o especializada (por ejemplo lenguaje jurídico); el
tiempo, es decir, el momento en el que esos textos fueron producidos; las
lenguas en las que están escritos esos textos —en el caso de corpus bilingües—,
etc.

27
 Figura 2. Tipología de Corpus
Esquema 4. Tipología de corpus (Elvira-García, 2021:48)

Uno de los aspectos más importantes para tener en cuenta la hora de

recopilar un corpus es el concepto de representatividad, que se entendería
como la cualidad que tienen los textos de reflejar de manera fiel la realidad.
Como investigadores, luego debemos definir de qué parte de esa realidad
queremos que sea representativo nuestro corpus. Esto también va a
determinar el tamaño de la muestra, ya que cuando creamos un corpus, no
tenemos acceso a todos los textos existentes. Y además debemos decidir qué
datos vamos a recolectar a partir de esos textos.
En ese sentido, resulta interesante la distinción que hace Elvira-García

28
(2021) entre tres categorías de diseño de corpus:

Un corpus oportunista es el que está diseñado para responder una

pregunta concreta, para recolectar datos concretos. En este caso, el
tamaño de la muestra va a ser más acotado, como por ejemplo, el corpus
que recolecta una o un docente para investigar los errores que cometen
sus estudiantes.
Un corpus monitor es aquel que no es muy definido, sino que se va
modificando de acuerdo a los datos que se quieran recolectar en un
determinado momento, por ejemplo cuando se quiere tomar ejemplos
reales del habla.
Un corpus equilibrado, en cambio, es aquel cuya muestra será más
extensa, y cuyo diseño es bien riguroso, por ejemplo en el caso de que
una editorial se propone confeccionar un diccionario.

Una vez que se decidió el tipo de corpus comienza la tarea de compilar los
textos.

3.2.2 Importancia de la digitalización

Como se mencionó anteriormente, en la actualidad se confecciona una gran

cantidad de corpus de manera digital; y como el acceso a textos en la web es
amplio y abierto, para el trabajo de recolección no va a ser necesario
digitalizar los textos durante la etapa de compilación.
Una vez que recopilamos nuestros textos, el siguiente paso es
organizarlos. Para ello primero es necesario realizar un marcaje o
codificación, con el simple pero no menos importante objetivo de ordenar los
textos que componen nuestro corpus, por ejemplo agruparlos en archivos
teniendo en cuenta distintos criterios: autor, año, lugar, etc. Esto va a
depender de las características de nuestro corpus (Elvira-García, 2021). El
marcaje nos da información del contexto en que se ha producido ese texto. La

29
anotación, en cambio, es un recurso que nos permite realizar un análisis de la
lengua del mensaje en sí (Elvira-García, 2021) (ver también § 3, 4.2 y 5.1). Si
trabajamos con corpus digitalizados, los resultados que podemos obtener al
realizar las búsquedas nos mostrarán el uso de determinado aspecto que sea
de nuestro interés.
Los corpus se pueden anotar en todo los niveles gramaticales, además es
posible realizar anotaciones especializadas (ver también § 4.2). El uso de
herramientas digitales como CATMA (§ 5.1) permite etiquetar los textos
seleccionados que forman parte del corpus, anotando los distintos rasgos que
previamente se han establecido o definido. En pocas palabras, podemos
resumir que el uso de anotaciones permite explorar los resultados que
arrojan, y así realizar un acercamiento más incisivo a los textos objeto de
nuestro estudio. Es preciso considerar que el sistema de anotación será el que
nos sea útil, y eso debe ser consensuado entre los usuarios del corpus o
investigadores de antemano.

Referencias
Baker, M. (1995). Corpora in translation studies: an overview and some
suggestions for future research. Target 7(2), 223-243.
Beaugrande, R. & Dressler, W. (1981). Introducción a la lingüística del texto.
Ariel.
Bhatia, V. K. (1993). Analysing Genre: Language Use in Professional Settings.
Longman
Bhatia, V. K. (2004). Worlds of Written Discourse: A Genre-based View.
Continuum.
Elvira-García, W. (2021). Uso de Corpus en la Clase de ELE La Lengua Real
como modelo. Cuadernos de Didáctica. Difusión.
Krüger, R. (2012). Working with Corpora in the Translation Classroom.
Studies in Second Language Learning and Teaching, 2(4), 505-525.

30
https://doi.org/10.14746/ssllt.2012.2.4.4
Liendo, P. (2017). Proyecto de Investigación Alfabetización Académica y
Tipologías textuales en la enseñanza del inglés para la traducción. Facultad de
Lenguas. Universidad Nacional del Comahue.
https://bibliotecadelenguas.uncoma.edu.ar/items/show/332
Liendo, P; Maure, N; Maluenda, S; Salinas, S. (2018). Alfabetización
académica: Traducción, investigación y enseñanza. En Actas Congreso El
Conocimiento como espacio de encuentro. 5ta edición.
Marin, Marcos (1994). Informática y Humanidades. Gredos.
Reiss, K. & Vermeer, H. (1991). Grundlegung einer Allgemeinen
Translationstheorie (2da edición). Niemeyer.
Rodríguez-Inés, P. (2008) Uso de corpus electrónicos en la formación de
traductores (inglés-español-inglés) (ISBN 9788449043307), [Tesis doctoral,
Universitat Autònoma de Barcelona]. Tesis Doctorals en Xarxa.
https://www.tdx.cat/handle/10803/286111#page=1.
Sinclair, J. (1991). Corpus, concordance, collocation. Oxford University
Press.
Swales, J. M. (1990). Genre Analysis: English in Academic and Research
Settings. Cambridge University Press.
Swales, J. M. (2004). Research Genres: Explorations and Applications.
Cambridge University Press.
Tolchinsky, L. (2014). El uso de corpus lingüísticos como herramienta
pedagógica. Textos. Didáctica de la Lengua y de la Literatura (65), pág. 9-17.
Trosborg, A. (1997) (Ed.). Text Typology and Translation. John Benjamins.

31
 Introducción a la lingüística de corpus, sus usos y aplicaciones. Liendo, P. y otros

4. Herramientas informáticas para la

gestión de corpus digitales

Los corpus digitales o informatizados representan una herramienta

sumamente importante para la investigación lingüística ya que permiten
ahorrar tiempo y trabajar de manera más ordenada y exhaustiva (Tramallino,
2021).
Es pertinente mencionar que un corpus lingüístico informatizado o
digital no es meramente una recopilación de documentos; debe cumplir
ciertos criterios de organización interna de los datos con un propósito
lingüístico. En esta línea, Torruella y Listerri (1999) señalan que un corpus
informatizado es «una recopilación de textos seleccionados según criterios
lingüísticos, codificados de modo estándar y homogéneo, con la finalidad de
poder ser tratados mediante procesos informáticos y destinados a reflejar el
comportamiento de una o más lenguas» (p. 7). Parodi (2008) agrega que el
corpus debe estar disponible para que pueda ser reutilizado en otras
investigaciones o estudios de una lengua, y contar con datos precisos sobre la
procedencia y recopilación de las muestras.
En los últimos años se ha desarrollado una gran cantidad de programas
para el estudio de corpus que pueden utilizarse en línea o mediante la
descarga e instalación en nuestras computadoras. Estos programas actúan
principalmente como interfaz entre los lingüistas y las computadoras para
extraer del corpus elementos de información relevantes en una investigación.
Más adelante veremos de manera general el funcionamiento de dos ejemplos
de software diseñados para tal fin (ver § 5.2).
Una de las ventajas de utilizar herramientas o programas informáticos es
que permiten recopilar grandes cantidades de documentos que, mediante una
correcta codificación, ordenación y organización de los datos, permitirá que

32
quien investiga pueda aprovechar al máximo la información contenida en el
corpus (Torruella & Listerri, 1999).
En nuestra opinión, según los programas más comunes, en el proceso de
trabajo con corpus electrónico, podríamos identificar cinco etapas o fases de
aplicación de herramientas informáticas:

1. Creación
2. Anotación
3. Análisis
4. Visualización
5. Exportación

Estas etapas pueden completarse y reiniciarse de forma consecutiva,

como se ilustra en la Figura 3.
Figura 3.
Fases del trabajo con corpus electrónico

La implementación de herramientas informáticas en cada etapa dependerá de

las prestaciones del software utilizado y de los objetivos de cada investigador.
En estas fases de trabajo, es común encontrar terminología referida a
programas específicos:

1. Creación: compiladores, conversores, rastreadores web (web crawlers),

removedores, procesadores de texto, entre otros.

33
 2. Anotación: codificación, asignación de etiquetas, anotación sintáctica y
semántica (parsing).
3. Análisis: de concordancia, colocación, co-ocurrencia, frecuencia, listas
de palabras.
4. Visualización: nubes de palabras, redes de términos, árbol doble,
gráficos de distribución, exploración.
5. Exportación: datos en diferentes formatos de intercambio de archivos
capaces de ser interpretados por otras aplicaciones informáticas tales
como: xml, csv, txt, rdf, html, etc.

4.1 Programas y aplicaciones para la gestión de corpus

A continuación, presentamos una recopilación de herramientas que pueden

utilizarse según la etapa o fase de trabajo en la que se encuentre la
investigación. Cada programa de la lista contiene un enlace al sitio del
propietario, para quienes deseen conocer en detalle su funcionamiento. Se
incluye una etiqueta según la función o el tipo de análisis a realizar, aunque
algunos consisten en paquetes de programas que posibilitan un trabajo
integral con múltiples funciones para analizar un corpus digital:

Fase de Creación

Online Convert.com -- conversor

AntFileConverter -- conversor
BootCat -- compilador
Corpus Text Processor -- compilador
CLaRK -- compilador
SpiderLing -- rastreador, compilador

Fase de Anotación

ANVIL -- anotador
ANNIS -- anotador

34
 CorefAnnotator -- anotador
Dexter -- anotador
DisMO -- anotador
UAM CorpusTool -- anotador
UAM ImageTool -- anotador

Fase de Análisis

aConCorde -- concordancias
AntConc -- concordancias
AntPConc -- concordancias
Concordancer -- concordancias
ConcGramCore -- colocación, concordancias
Pareidoscope -- colocación
KHCoder -- analizador, compilador
KWords -- palabras clave
OneClick Terms -- palabras clave
kfNgram -- n-gramas

Kits de Investigación

ATLAS.ti -- paquete de software

CATMA -- paquete de software (on-line)
CorpKit -- paquete de software
CorpusExplorer -- paquete de software
NOOJ -- paquete de software

4.2 Corpus informatizados de consulta en línea

Del mismo modo, recopilamos algunos enlaces a los corpus más conocidos
que pueden consultarse de manera directa en internet. Algunos de estos
corpus pueden descargarse para trabajar sin conexión:

Corpus de Referencia

35
 English-Corpora.org -- Mark Davies -- inglés
CREA -- Real Academia Española -- español
CORPES XXI -- Real Academia Española -- español
Corpus del español -- Mark Davies -- español
CORDIAM. Corpus Diacrónico y Diatópico del Español de América --
Academia Mexicana de la Lengua -- español
El Grial -- Pontificia Universidad Católica de Valparaíso -- español

Corpus de Aprendientes

CHILDES (Child Language Data Exchange System) -- Brian

MacWhinney & Catherine Snow -- inglés
International Corpus of Learner English (ICLE) -- Sylviane Granger
(University of Louvain) -- inglés
SPLLOC (Spanish Learner Language Oral Corpus) -- Universidad de
Southampton, Universidad de Newcastle, Universidad de York --
español
AACFELE (Adquisición y aprendizaje del componente fónico del
español como lengua extranjera) -- Universidad de Alcalá -- español
CEDEL2 (Corpus escrito del Español como L2) -- Cristobal Lozano --
español
CAES (Corpus de Aprendices de Español como Lengua Extranjera) --
Instituto Cervantes -- español

En internet, existen múltiples ejemplos de consulta y tutoriales para el uso de

corpus en línea. CORPES XXI ofrece un video2 que describe de forma breve
una búsqueda y visualización de resultados para el análisis de concordancia:

36
 (ver en Youtube: https://www.youtube.com/watch?v=m6e_NUJI_rM)

Referencias
Parodi, G. (2008). Lingüística de Corpus. Una Introducción al Ámbito,
RLA. En Revista de Lingüística Teórica y Aplicada, 46 (1), 93-119.
RAEInforma. (2021). El CORPES XXI, en un minuto.
https://www.youtube.com/watch?v=m6e_NUJI_rM
Rodríguez Ines, P. (2008). Uso de corpus electrónicos en la formación de
traductores [Tesis Doctoral, Universitat Autónoma de Barcelona].
https://www.tdx.cat/bitstream/handle/10803/286111/pri1de2.pdf?
sequence=1&isAllowed=y
Berberich, K. & Ingo Kleiber (2020). Tools for Corpus Linguistics.
https://corpus-analysis.com/ Torruella, Joan & Llisterri, Joaquim. (1999).
Diseño de corpus textuales y orales. En Filología e informática.
https://gramatica.usc.es/~gamallo/aulas/lingcomputacional/biblio/LinguisticaDeCorpus.
Tramallino, C. P. (2021). Avances en el tratamiento computacional en corpus
de aprendientes de español como lengua segunda y extranjera. Quintú
Quimün. Revista de Lingüística, 5.
http://revele.uncoma.edu.ar/htdoc/revele/index.php/lingustica/article/view/3189
Vivaldi Palatresi, J. (2009). Catálogo de herramientas informáticas
relacionadas con la creación, gestión y explotación de corpus textuales.

37
Revista Tradumàtica: tecnologies de la traducció, 7, 1-9.

2 Disponible en https://www.youtube.com/watch?v=m6e_NUJI_rM

38
 Introducción a la lingüística de corpus, sus usos y aplicaciones. Liendo, P. y otros

5. ¿Qué herramientas existen para anotar y

analizar un corpus?
5.1 ¿Para qué analizar un corpus? La importancia de
definir paradigma y método de investigación.

Como se observó anteriormente, los objetivos de la utilización de corpus

pueden ser muy amplios. Por ello, es fundamental que los investigadores
definan a qué paradigma de investigación responden antes de decidir sobre el
método que se va a seguir. Como vimos en § 2.2, los investigadores pueden
adherir a un paradigma cientificista, en cuyo caso parten del supuesto de que
hay una realidad objetiva que no depende del punto de vista de las y los
investigadores; o tener una postura constructivista, que sostiene que se parte
de las ideas para construir la propia realidad.
En línea, también, con lo expuesto en § 2.2, el método de investigación, y
luego la metodología, dependerá del paradigma elegido. Para anotar y
analizar textos de un corpus, podemos elegir entre dos métodos de análisis:

El método cuantitativo: que utiliza etiquetas predefinidas para identificar

rasgos o propósitos comunes de un tipo de texto (como frecuencia,
distribución, colocaciones, palabras clave, entre otras). Su objetivo es
obtener datos estadísticos para analizar fenómenos preexistentes, y así
poder hacer generalizaciones de los resultados.
El método cualitativo: que utiliza etiquetas existentes o creadas
especialmente para hacer anotaciones o realizar un análisis con el objeto
de registrar fenómenos mediante la observación de la asociación o relación
entre variables en un contexto situaconal determinado. El fin último es
identificar la naturaleza profunda de las realidades, sus sistemas de

39
 relaciones, y su dinamismo.

Algunas de las herramientas, entre las que se encuentran las que

introduciremos con mayor detalle más adelante (ver § 5.3), son consideradas
híbridas, es decir que permiten llevar adelante análisis cualitativos y
cuantitativos. En otras palabras, quienes utilicen esta herramienta podrán:

explorar la causalidad entre variables, la operacionalidad y la medición

de conceptos; usar grandes muestras y lograr obtener una
generalización (métodos cuantitativos); o
desarrollar teorías y modelos a partir de las anotaciones, los datos
obtenidos y el análisis realizado; evaluar los fenómenos complejos que
requieren múltiples métodos de análisis; utilizar muestras pequeñas
analizadas en profundidad (métodos cualitativos).

En resumen, el gran beneficio de este tipo de herramientas es que

brindan la posibilidad de estudiar datos sobre la lengua mientras es utilizada
en actos reales de comunicación, en forma de textos.

5.2 ¿Cómo anotar y analizar un corpus?

Para anotar y analizar un corpus, es posible trabajar con textos escritos y
transcripciones de textos orales. En ambos casos, los investigadores en lengua
y lingüística pueden seleccionar textos especializados, auténticos o con
características particulares, según el propósito de la investigación, para
marcarlos.
Estos textos, luego, se cargan en la interfaz de la herramienta para llevar a
cabo un análisis, que se almacena y organiza en un mismo proyecto con
distintas colecciones (carpetas con sus correspondientes textos) organizadas
por temas. Es importante considerar que en cada proyecto puede haber un
único usuario o varios, quienes pueden utilizar la aplicación de forma
simultánea con algunas herramientas. Una vez que se accede a la colección,
cada usuario puede anotar los textos con las etiquetas previamente definidas,

40
por ejemplo, indicando o marcando características propias del tipo de texto,
del uso de la lengua, etc.

5.2.1. ¿Qué significa marcar en este contexto?

La anotación consiste en señalar o marcar aspectos lingüísticos particulares
de cada texto con etiquetas. Desde luego, el número y tipo de etiquetas
dependerá del propósito de la investigación. Por ejemplo, es posible anotar
rasgos discursivos de un texto, que se pueden dividir en distintos sub-rasgos:
comunicativos, formales y cognitivos y que, a su vez, se pueden subdividir en
distintas subcategorías y sub-subcategorías determinada por los usuarios.
Una vez anotados los textos, estos códigos pueden relacionarse para formar
familias y subfamilias; es decir, analizarse.

5.2.2. ¿Cómo se visualizan los resultados?

Estos vínculos pueden visualizarse de distintas formas, como ya se
mencionó, según el propósito con el que se quieran analizar los datos
obtenidos; por ejemplo:

Nube de palabras: sirve para evaluar la frecuencia con la que ciertos

rasgos o ciertas palabras aparecen en determinados textos (ver también
§4).
Gráfico de distribución: una opción de visualización de algunas
herramientas para crear gráficos de distribución para palabras, frases,
grupos de palabras o etiquetas a partir de uno o más textos y en uno o
más diagramas.
Árbol doble (double tree): una opción interactiva para visualizar las
palabras clave en contexto.
Palabra clave en contexto (KWIC, por sus siglas en inglés): otra de las
opciones de visualización de algunas herramientas, que muestra las
palabras que aparecen delante y detrás de la palabra que fue anotada
como palabra clave.

41
5.3. Algunos ejemplos del uso de herramientas para
anotar y analizar corpus
Como se explicó anteriormente, un corpus puede adaptarse a distintos
propósitos de investigación. Esta característica hace posible realizar, por un
lado, un análisis cuantitativo para identificar rasgos o propósitos comunes o
frecuentes de un tipo de texto y, por otro lado, un análisis cualitativo para
registrar ocurrencias lingüísticas, como colocaciones, metáforas,
terminología, etc.
En paralelo con la LC, la tecnología computacional también avanzó
vertiginosamente en el desarrollo de hardware (sistemas físicos) y de software,
(programas computacionales), lo cual permitió que, a mediados de la década
de 1980 y en poco tiempo, surgieran los programas informáticos de ayuda al
análisis cualitativo de datos —también conocido como QDA, por sus siglas en
inglés— y así sus primeros usuarios, los analistas cualitativos. No obstante,
desde entonces, su uso ha aumentado considerablemente entre académicos
que realizan investigaciones cualitativas y cuantitativas. Estos notables
avances tecnológicos contribuyeron a la construcción y el almacenamiento de
estas bases de datos computarizadas, así como al desarrollo de sistemas de
interrogación y recuperación de la información contenida en dichos sistemas
(Parodi, 2008) (ver también §4).
A continuación, se detallarán dos herramientas de marcado de textos, que
permiten realizar tanto un análisis cualitativo como cuantitativo y que
ofrecen distintas opciones de visualización de resultados, como ya se
mencionó en §5.2.2.

5.3.1. ATLAS.ti

42
ATLAS.ti3 es un programa informático de ayuda al análisis cualitativo de
datos (QDA). En resumen, el programa permite segmentar y codificar datos
específicos, determinar relaciones o diálogos entre distintos códigos y
desarrollar anotaciones para llevar adelante una revisión precisa del sistema
que se utiliza. Es decir, el análisis se almacena y organiza en un único archivo,
llamado Unidad Hermenéutica, donde se encuentran los documentos primarios
—en el caso de los investigadores en lengua y lingüística, los textos—, de los
que se extraen citas (segmentos) a los que se aplican los códigos (etiquetas).
Estos códigos son las unidades básicas de análisis, que luego pueden
relacionarse para formar familias (y subfamilias) (Muñoz Justicia & Sahagún
Padilla, 2017). Estas relaciones, llamadas vínculos, pueden visualizarse en vistas
de red, como se muestra en la Figura 4.
Figura 4.
ATLAS.ti 7 Quick Tour - Guía Rápida (Friese).

Originalmente el programa se diseñó teniendo en cuenta las necesidades de

las investigaciones en áreas relacionadas a las ciencias sociales, pero luego su
uso se extendió a muchas otras ciencias que encontraron útil su aplicación.
El objetivo principal de ATLAS.ti fue el desarrollo de una herramienta
efectiva para que los usuarios pudieran analizar grandes cantidades de
material de investigación, notas y teorías relacionadas. Si bien el programa
facilita muchas de las actividades vinculadas con el análisis cualitativo y la

43
interpretación de datos —como la selección, el etiquetado y la anotación—, es
importante destacar que su propósito final no es la automatización completa
de estos procesos. En resumen, estas son las principales ventajas del uso de
Atlas.ti:

No se limita al análisis de una rama científica en particular.

Permite un análisis cualitativo, es decir que determina los elementos que
conforman la fuente primaria de datos, por ejemplo, datos textuales,
gráficos y audiovisuales e interpreta su significado.
Hace posible la transformación de datos en conocimiento útil, en otras
palabras, la administración del conocimiento.
Ofrece versiones de prueba gratuitas y planes económicos para
estudiantes, instituciones educativas, entre otros. Además, los usuarios
se pueden formar a través de seminarios en línea gratuitos sobre la
herramienta.

5.3.2. CATMA 6

CATMA4 es un software de código abierto para el análisis y marcado de texto

asistido por computadora que se creó en la Universidad de Hamburgo y que
se encuentra en continuo desarrollo desde 2008.
Este programa tiene un enfoque «no dogmático», es decir que el sistema
no prescribe un conjunto de reglas o esquemas de anotaciones, tampoco obliga
a los usuarios a aplicar taxonomías rígidas a los textos, sino que los alienta a
explorar los fenómenos textuales desde sus necesidades: es posible crear,
ampliar y modificar continuamente los conjuntos de etiquetas creados. De esta

44
manera, si existe más de una interpretación para un texto determinado, el
sistema no interfiere de ninguna forma en la selección de múltiples etiquetas
ni en las anotaciones incluidas.
El programa combina tres módulos de funciones interactivas: el módulo
Anotar permite la creación flexible de conjuntos de etiquetas y el etiquetado
digital de textos; el módulo Analizar ofrece una serie de opciones de análisis
predefinidas, así como la posibilidad de introducir consultas individualizadas;
y con el módulo Visualizar, se obtiene una disposición gráfica de los datos.
Estos son, brevemente, los principales beneficios que ofrece el uso de
CATMA 6:

Habilita la exportación de los datos marcados y su reutilización en otros

contextos.
Aunque puede utilizarse para realizar un análisis cualitativo, también es
posible realizar un análisis cuantitativo mediante el módulo Analizar.
La arquitectura modular permite que los usuarios aborden el texto desde
distintos parámetros. Por ejemplo, en el módulo Anotar se puede realizar
una lectura minuciosa y en el módulo Analizar podemos obtener un
análisis cuantitativo de los datos y anotaciones.
Es posible trabajar en línea, en equipos y de forma simultánea mediante
la creación de proyectos. Es decir, no es necesario descargar una
aplicación o programa, sino que se puede acceder de forma grupal e
individual a los distintos proyectos, generar cambios, guardarlos y
sincronizarlos para que el resto del equipo los visualice, como se
muestra en la Figura 5.

45
 Figura 5.
Visualización de proyectos en CATMA 6

Referencias
Friese, Susanne (2021). ATLAS.ti 9 Windows User Manual. ATLAS.ti
Scientific Software Development.
https://doc.atlasti.com/ManualWin.v9/ATLAS.ti_ManualWin.v9.pdf
Muñoz Justicia, J & Sahagún Padilla, M. (2017). Hacer análisis cualitativo
con Atlas.ti 7. Manual de uso. Versión 11. Licencia Creative Commons.
Atribución 4.0 Internacional.
https://manualatlas/psicologiasocial.eu/atlasti7.html
Parodi, G. (2008). Lingüística de Corpus. Una Introducción al Ámbito,
RLA. En Revista de Lingüística Teórica y Aplicada, 46 (1), 93-119.

3 Versión de prueba disponible en https://atlasti.com/free-trial-version/

4Disponible en https://catma.de/

46
 Introducción a la lingüística de corpus, sus usos y aplicaciones. Liendo, P. y otros

Esperamos que la lectura de este manual haya resultado útil. De ser así,
agradeceremos su difusión, y los invitamos a contactarse con nuestro equipo
para enviarnos consultas y sugerencias. Por último, nos será de gran ayuda
recibir sus comentarios. Los alentamos a completar el cuestionario.
¡Muchas gracias!

Paula J. Liendo, Micaela J. González, Stella M. Maluenda, Norma A.

Maure, Silverio Ortiz, Leticia N. Pisani, Romina N. Sánchez.

PIN J031: Alfabetización académica y tipologías textuales en la enseñanza del

inglés para la traducción. Facultad de Lenguas. Universidad Nacional del
Comahue, 2018-2022.

47