Elaboración, anotación y análisis del corpus oral del proyecto V.U.M. Léxico de frecuencia del español hablado en la ciudad de Málaga

Resumen

A partir de la recolección de un amplio corpus de lengua hablada en la ciudad de Málaga el trabajo analiza los textos que componen la base de datos y elabora un índice de frecuencia del léxico considerado. Insertado en un amplio proyecto de investigación que pretende profundizar en el conocimiento del español hablado en la ciudad de Málaga el trabajo ha intentado antes que nada mostrar a la comunidad científica el corpus de lengua hablada que es la base del proyecto. Para el diseño de la muestra se ha realizado una tipología exhaustiva de la lengua hablada basándonos en estudios de prestigio como los estudios comparativos de Biber o los de Gregory y Carrol, entre otros. Para realizar el índice de frecuencia del léxico que compone los textos hemos desarrollado una herramienta analítica electrónica que hemos utilizado como asistente a la lematización de los textos. Esta herramienta es tan versátil que nos ha permitido considerar en toda su extensión las características de la lengua hablada a la vez que nos ha posibilitado respetar en todo momento el sistema de maracación con el que el corpus está etiquetado. Dicho sistema sigue las recomendaciones de anotación de las normas de la text encoding initiative y está pensado para que el usuario disponga con la máxima fiabilidad y representatividad de las situaciones originarias de habla.