TEXTOS DEL CORPUS
El corpus SELENE incluye 898 textos de diferentes tipos: argumentaciones, descripciones y dos tipos de narraciones: personales y de ficción. Los manuscritos fueron elaborados por estudiantes hispanohablantes de 2º, 4º y 6º de primaria y de 3º de secundaria de escuelas mexicanas.
La mitad de los textos fue recolectada en escuelas públicas y la otra mitad en escuelas privadas debido a que mientras obteníamos autorización para trabajar en escuelas públicas, visitamos escuelas privadas para hacer pruebas piloto y afinar las situaciones para solicitar la producción de los textos. Para la configuración final del corpus conservamos los documentos obtenidos en ambos tipos de escuelas.
En la siguiente tabla se muestra la composición del corpus
| Tipo de texto | Descripción de Escuela (DE) |
Narración de ficción Video del perro (NP) |
Narración Personal Experiencia de Miedo (NM) |
Argumentación Debate sobre los animales (AA) |
Total | ||||
| Grado | Pública | Privada | Pública | Privada | Pública | Privada | Pública | Privada | |
| 2° | 30 | 30 | 30 | 30 | 30 | 30 | 30 | 29 | 239 |
| 4° | 30 | 29 | 30 | 30 | 30 | 30 | 30 | 30 | 239 |
| 6° | 30 | 30 | 30 | 30 | 30 | 30 | 30 | 30 | 240 |
| 3° Sec | 0 | 0 | 30 | 30 | 30 | 30 | 30 | 30 | 180 |
| Total | 90 | 89 | 120 | 120 | 120 | 120 | 120 | 119 | 898 |
Tabla 1. Textos que integran el corpus SELENE
El corpus incluye diferentes versiones de cada manuscrito.
- Imagen digitalizada del manuscrito original.
- Documento ORIGINAL. Es una trasliteración verbatim de lo que cada estudiante escribió.
-
Documento NORMALIZADO. Se trata de una versión con las siguientes modificaciones con respecto a los manuscritos originales:
- Se separaron las palabras de manera convencional.
- Se aplicaron las normas ortográficas (literales y acentuales).
- Se desataron las abreviaturas.
- La puntuación se mantuvo tal y como estaba.
- En ningún caso se cambió una palabra por otra, tampoco se agregaron ni omitieron palabras aun cuando fuera evidente que faltaban o sobraban.
- Documento ETIQUETADO. Se asignaron etiquetas a las palabras ortográficas para identificar a qué categoría gramatical pertenecen.
Nombre de los documentos
Cada uno de los manuscritos se identifica con una etiqueta que contiene la información específica que se muestra en la siguiente tabla:
| Grado | Escuela | Nombre escuela | Sexo | Tipo de texto | ID del estudiante |
|---|---|---|---|---|---|
| 02 \ = Segundo de primaria | P \ = Privada | A = (Querétaro) | F \ = Femenino | DE \ = Descripción: Escuela | Número consecutivo de cuatro dígitos |
| 04 \ = Cuarto de primaria | G \ = General | B \ = (CDMX) | M \ = Masculino | NM \ = Narración personal: Experiencia de Miedo | |
| 06 \ = Sexto de primaria | C \ = (Querétaro) | NP \ = Narración de ficción: Historia del Perro y el monje | |||
| 09 \ = Tercero de secundaria | I \ = (CDMX) V \ = (CDMX) | AA \ = Argumentativo: Animales |