Un corpus común para el bribri, líneas de trabajo
Línea de trabajo
Un mapa de lo que existe
Un catálogo público de los recursos, conjuntos de datos, modelos, herramientas y artículos sobre el bribri, con licencia y estado, revisado de forma periódica.
Línea posterior. Puede empezar con el material ya publicado, y usa los identificadores del corpus cuando existan. Duración estimada: dos meses.
Situación actual
Los trabajos sobre el bribri están dispersos en revistas, repositorios de concursos internacionales, sitios personales, archivos de lenguas y un repositorio institucional. Encontrarlos requiere varias búsquedas en fuentes distintas, y algunas colecciones, como una depositada en 2025 en un archivo de lenguas en peligro, solo aparecen si se busca en ese archivo.1 Un artículo de posición reciente señala la falta de infraestructura que conecte datos y herramientas como el obstáculo recurrente del campo.2
Los conjuntos de datos que otros grupos derivaron del material del bribri se copian de un repositorio a otro, cada uno con sus propias particiones y sin un enlace explícito con el texto de origen. Un corpus multilingüe de ejemplos glosados publicado en 2026, por ejemplo, incluye 616 ejemplos de bribri sin licencia ni procedencia declaradas.3
Los catálogos de lenguas que existen, como OLAC y Glottolog, cubren miles de lenguas a la vez y son legibles por máquina. Ninguno es específico del bribri, ninguno reúne a la vez artículos, conjuntos de datos y herramientas, y ninguno revisa si los enlaces siguen vivos.
Qué se entrega
- El sitio del catálogo. Una página por recurso, conjunto de datos, modelo, herramienta, proyecto y artículo, con licencia, formato, tamaño, ubicación, fecha de la última verificación y estado. Exportación a datos.
- El monitor. Un programa que revisa cada enlace del catálogo una vez por semana y abre un aviso cuando uno cambia de estado.
- La sección de datos y resultados. Cada conjunto de datos y partición conocidos, con su procedencia, y una tabla de resultados tomada de los artículos.
- El enlace con el corpus. Cada entrada de los conjuntos de datos externos, enlazada al identificador del enunciado de origen mediante la tabla de correspondencia del corpus.
- Una vía de contribución. Una plantilla para que cualquier grupo agregue entradas.
Plan
| Semanas | Trabajo |
|---|---|
| 1 a 3 | El sitio del catálogo a partir del material ya reunido. Exportaciones. |
| 4 | El monitor y su primera revisión. |
| 5 a 7 | La sección de datos y resultados, enlazada por la tabla de correspondencia del corpus cuando exista. |
| 8 | La vía de contribución y la entrega. |
Qué requiere
- Ninguno adicional. El catálogo contiene metadatos y enlaces, y no copia datos de terceros.
Qué queda al final
Un catálogo que cualquier grupo puede usar de inmediato, y un registro de qué recursos siguen en línea.
Riesgos
- El catálogo necesita a alguien que lo mantenga cuando el proyecto termine. La línea siguiente propone el mecanismo. Sin ella, el monitor sigue en marcha mientras su alojamiento siga activo, lo que requiere una revisión mínima cada pocos meses.
Referencias
- Herrera Miranda, R. (2025). Documentation of Talamancan Bríbri (Chibchan, Costa Rica) [Colección bribri-herreramiranda-0778, proyecto ELDP IPF0426]. Endangered Languages Archive. hdl.handle.net/2196/cd0c64c6-951d-43d1-820c-abcd78bae63c↑
- Gessler, L., Anastasopoulos, A., Auderset, S., Bodt, T., Chelliah, S., Christian, S., Fily, M., Herrera, S., Huber, E., Loáiciga, S., Meelen, M., Östling, R., Palmer, A., y Visser, E. (2026). The missing middle: Language documentation needs better infrastructure, not better models. En Proceedings of the Ninth Workshop on the Use of Computational Methods in the Study of Endangered Languages (ComputEL-9) (pp. 136–147). Association for Computational Linguistics. doi.org/10.18653/v1/2026.computel-1.15↑
- Dartmouth College. (2026). polygloss-corpus-bribri [Conjunto de datos]. Hugging Face. huggingface.co/datasets/dartmouth/polygloss-corpus-bribri↑