Un corpus común para el bribri, líneas de trabajo

Situación actual

La investigación sobre vocabulario en segundas lenguas usa listas de frecuencia para estimar cuántas palabras hace falta conocer para entender un texto escrito u oral.¹1Nation, I. S. P. (2006). How large a vocabulary is needed for reading and listening?²2Laufer, B. y Ravenhorst-Kalovski, G. C. (2010). Lexical threshold revisited: Lexical text coverage, learners’ vocabulary size and reading comprehension El paso de un corpus a listas de vocabulario para el aula tiene un procedimiento publicado para el galés.³3Knight et al. (2023). Corpus to curriculum: developing word lists for adult learners of Welsh No se encontró una lista de frecuencias publicada para el bribri. El corpus oral permite calcular una.

Las decisiones de vocabulario y de dialecto de cada material están dentro de cada PDF, no como datos. Algunas secuencias ya marcan variantes dialectales, como dakòl ~ dokòl, pero no hay un registro que permita contarlas, ni una forma sistemática de comparar un material con otro o con el habla.

Qué se entrega

1. Curvas de cobertura. Para cada material, la proporción de palabras y de tipos del corpus que cubre, por banda de frecuencia, por dialecto y por género. En lectura en segunda lengua, la comprensión crece de forma casi lineal con el porcentaje de palabras conocidas, sin un umbral brusco.⁴4Schmitt, Jiang y Grabe (2011). The percentage of words known in a text and reading comprehension Por eso el resultado es la curva completa, y no un número aislado.
2. La unidad de conteo, declarada. La forma de palabra como base, y el lema donde el analizador morfológico logra analizar, con la tasa de análisis informada. Las listas de frecuencia publicadas para lenguas de morfología rica cuentan por separado la forma y el lema.⁵5Perea, Urkia y Davis (2006). E-Hitz: A word frequency list and a program for deriving psycholinguistic statistics in an agglutinative language (Basque)⁶6Arppe, Schmirler y Harrigan (2020). A morphosyntactically tagged corpus for Plains Cree Esta medición hace lo mismo e informa la diferencia.
3. La revisión dialectal. Qué formas de cada dialecto usa cada material, contra los textos del corpus de cada dialecto.
4. La revisión de repetición. Cuántas veces reaparece cada palabra nueva a lo largo de una secuencia, y su dispersión, con las medidas que usan los estudios de manuales de lengua.⁷7Sun, Y. y Dang, T. N. Y. (2020). Vocabulary in high-school EFL textbooks: Texts and learner knowledge⁸8Klinger, R. (2024). Vocabulary frequency and dispersion in Japanese junior high school EFL textbooks
5. Una página de resultados que se lee sin ayuda, y un documento breve planteado como insumo para la próxima edición.

Plan

Qué requiere

• Ninguno adicional. Los materiales ya están publicados y el análisis corre sobre copias descargadas.
• Que los autores de los materiales vean los resultados primero, porque el planteamiento es evidencia para la siguiente edición.

Qué queda al final

Una medición del vocabulario de los materiales didácticos del bribri contra el habla, y un resultado que la próxima edición de los materiales puede usar.

Riesgos

• El corpus oral es una muestra pequeña del habla. Las bandas de frecuencia resultan gruesas, y el informe lo dice.
• El analizador puede analizar una proporción baja de las formas del corpus. Entonces la unidad es la forma de palabra, y la tasa de análisis es en sí un resultado.
• La revisión puede leerse como una crítica. El planteamiento y el orden de quién la ve primero lo evitan.

Referencias

1. Nation, I. S. P. (2006). How large a vocabulary is needed for reading and listening? The Canadian Modern Language Review, 63(1), 59–82. doi.org/10.3138/cmlr.63.1.59↑
2. Laufer, B., y Ravenhorst-Kalovski, G. C. (2010). Lexical threshold revisited: Lexical text coverage, learners’ vocabulary size and reading comprehension. Reading in a Foreign Language, 22(1), 15–30. doi.org/10.64152/10125/66648↑
3. Knight, D., Fitzpatrick, T., Morris, S., Tovey-Walsh, B., Prosser, H., y Davies, E. (2023). Corpus to curriculum: Developing word lists for adult learners of Welsh. Applied Corpus Linguistics, 3(2), Artículo 100052. doi.org/10.1016/j.acorp.2023.100052↑
4. Schmitt, N., Jiang, X., y Grabe, W. (2011). The percentage of words known in a text and reading comprehension. The Modern Language Journal, 95(1), 26–43. doi.org/10.1111/j.1540-4781.2011.01146.x↑
5. Perea, M., Urkia, M., Davis, C. J., Agirre, A., Laseka, E., y Carreiras, M. (2006). E-Hitz: A word frequency list and a program for deriving psycholinguistic statistics in an agglutinative language (Basque). Behavior Research Methods, 38(4), 610–615. doi.org/10.3758/BF03193893↑
6. Arppe, A., Schmirler, K., Harrigan, A. G., y Wolvengrey, A. (2020). A morphosyntactically tagged corpus for Plains Cree. En M. Macaulay y M. Noodin (Eds.), Papers of the Forty-Ninth Algonquian Conference (pp. 1–16). Michigan State University Press. doi.org/10.14321/j.ctvv417gp.5↑
7. Sun, Y., y Dang, T. N. Y. (2020). Vocabulary in high-school EFL textbooks: Texts and learner knowledge. System, 93, Artículo 102279. doi.org/10.1016/j.system.2020.102279↑
8. Klinger, R. (2024). Vocabulary frequency and dispersion in Japanese junior high school EFL textbooks. Vocabulary Learning and Instruction, 13(2), 1–18. doi.org/10.29140/vli.v13n2.1171↑