Methodological Approach to the Design of Digital Discourse Corpora in Spanish. Proposal of the CÓDICE Project

Abstract

Having analyzed the current situation of Spanish corpora-and the scarce representativeness of digital communication in themand corpora from different types of interactions on digital platforms (e-mail, chats, SMSs), we noticed the need to create a repository of stable language samples aiming to solve this deficiency. Before implementing the CODICE, an open and collaborative repository of language samples from the digital discourse in Spanish, it becomes necessary to deal with the specific problems of compiling and transcribing this type of data. The present work addresses this approach aiming towards two goals: 1) establishing common standards, mainly concerning contextual and situational factors, in order to facilitate sociopragmatic analysis, and 2) developing ethical standards to ensure the anonymization of participants.

Problemas de recogida y fijación de muestras del discurso digital

“…Fuera de estos macroproyectos no siempre es posible la recogida de muestras de lengua que conserven la representatividad necesaria para legitimar un estudio (Toruella & Llisterri 1999). La respuesta a estas dificultades debiera venir de los corpus lingüísticos generales disponibles para las diferentes lenguas; sin embargo, en estos no se brinda atención suficiente al discurso digital y, menos aún, a sus géneros conversacionales (Vela Delfa & Cantamutto 2015;Cantamutto & Vela Delfa In press). Esta carencia resulta especialmente acuciante en una lengua como el español que, según datos del Instituto Cervantes (Moreno Fernández 2012), es la tercera más usada en los intercambios digitales: en los corpus generales de reciente compilación no se incluyen datos procedentes de interacciones mediatizadas.…”

“…Como adelantamos en el apartado anterior, la enorme dificultad reconocida por los analistas del discurso en la recolección individual de datos representativos y fiables conduce a que muchos de los trabajos publicados llegan a conclusiones que se asumen "precarias", "exploratorias", "no representativas". A través de CoDiCE se busca subsanar dicha limitación gracias a la confluencia de datos primarios de investigaciones particulares, recogidos mediante un protocolo uniforme, que fue avanzado en Vela Delfa y Cantamutto (2015). CoDiCE no se corresponde con un intento ambicioso de resolver todos los problemas que los investigadores enfrentan en la elaboración de un corpus de discurso digital pero busca asumir y paliar los problemas que se desprenden de su particular naturaleza.…”