Creación de un corpus literario a partir de textos de los años 2000 al 2019
Guardado en:
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de Publicación: | 2026 |
| Descripción: | El presente trabajo de investigación tiene como objetivo principal la compilación de un corpus lingüístico a partir de textos literarios representativos del español escrito de Costa Rica, publicados entre los años 2000 y 2019, con el fin de identificar y extraer unidades fraseológicas (UFS) de categoría verbal. La investigación se inscribe en la Maestría Académica en Lingüística de la Universidad de Costa Rica y aborda un vacío significativo en la lingüística de corpus costarricense, al ofrecer un corpus literario contemporáneo del español de Costa Rica como recurso digital consultable para la comunidad científica. Este trabajo integra tres áreas: la lingüística de corpus, la fraseología y la lingüística computacional. Se compilaron 32 novelas de autores costarricenses como Anacristina Rossi, Tatiana Lobo, Rodrigo Soto y Fernando Contreras Castro, entre otros. Los textos fueron digitalizados mediante escaneo OCR y procesados con herramientas tecnológicas como Python, SpaCy (para análisis morfológico y lematización) y Elasticsearch (para indexación y búsqueda), lo que permitió desarrollar el programa prototipo BuscarPalabras en colaboración con la Escuela de Ciencias de la Computación e Informática (ECCI) de la UCR. Los resultados del análisis se centran en tres verbos: agarrar, volar(se) y meter(se), a partir de los cuales se identificaron colocaciones, locuciones verbales y construcciones con verbos de apoyo (CVA). Entre los hallazgos más relevantes se encuentran expresiones propias del español costarricense como "agarrar una apretazón", "agarrar por pato", "meter gato con hueco" y "volarla", las cuales no están registradas en fuentes lexicográficas de referencia como el CREA ni en el Diccionario de americanismos, lo que confirma la utilidad del corpus para documentar el patrimonio fraseológico costarricense. La contribución principal de este trabajo es la creación del Corpus Literario Costarricense (CoLCo) como recurso fundacional para investigaciones futuras y el desarrollo de una herramienta tecnológica para búsquedas lematizadas. El corpus y el programa quedan disponibles en el Instituto de Investigaciones Lingüísticas (INIL) para futuras investigaciones, con más de 90 títulos adicionales identificados para la ampliación del corpus. |
| País: | Kérwá |
| Institución: | Universidad de Costa Rica |
| Repositorio: | Kérwá |
| Lenguaje: | Español |
| OAI Identifier: | oai:kerwa.ucr.ac.cr:10669/104743 |
| Acceso en línea: | https://hdl.handle.net/10669/104743 |
| Palabra clave: | Procesamiento de datos Lengua española Literatura Lexicografía Análisis lingüístico |