Corpus y Subconjuntos

El corpus es una colección de uno o más textos seleccionados para el análisis.

Cada subconjunto del corpus se define por medio de una modalidad de una variable.

T-LAB permite explorar y analizar las relaciones entre las unidades de análisis de todo el corpus o de sus subconjuntos.

Algunos ejemplos de corpus:

• un solo texto o documento que trate cualquier tema;
• un conjunto de artículos tomados de la prensa, referentes al mismo tema;
• una o varias entrevistas realizadas en el mismo proyecto de investigación;
• un conjunto de respuestas a una pregunta abierta de un cuestionario;
• una lista de direcciones sacada de internet;
• uno o varios libros del mismo autor que afronten temas similares;
• un conjunto de respuestas a una pregunta abierta de un cuestionario;
• transcripciones de focus groups.

Algunos ejemplos de subconjuntos:

• unos o más capítulos de un libro
• unos o más artículos periodísticos publicados en el mismo año;
  
• unas o más entrevistas con la misma categoría de gente;
  
• un subconjunto de respuestas a una pregunta abierta.

NOTA: Algunos subconjuntos del corpus son los "clusters temáticos" de documentos o de contextos elementales obtenidos usando las herramientas correspondientes de T-LAB.

En el caso de un corpus compuesto por varios textos, para hacer un conjunto correctamente analizable, se requiere que todas sus piezas tengan dos características que las hagan comparables:

a) una cierta homogeneidad temática y/o de contexto en el cual se han producido, para obtener datos comparables;

b) relaciones equilibradas entre sus dimensiones, tanto en términos de frecuencias como en términos de kilobytes, para no incurrir en anomalías estadísticas.

En la lógica de T-LAB, el corpus es una base de datos organizada en registros y campos. Más exactamente, los registros se componen de las entidades registradas (textos, segmentos de texto, palabras) y los campos se componen de las etiquetas usadas para clasificar las diversas entidades (los autores del texto, los contextos de referencia, los tipos de palabra, etc.).

Véase Preparación del corpus.