CoDiAJe – The annotated diachronic corpus of judeo-spanish. Description of a multi-alphabetic corpus and its textual and linguistic annotations

Aldina Quintana

doi:10.5565/rev/scriptum.110

CoDiAJe – Corpus diacrónico anotado del judeoespañol. Descripción de un corpus multialfabético y de su anotación textual y lingüística

Autores/as

Aldina Quintana The Hebrew University of Jerusalem (Estate of Palestine / Israel)

PDF

Resumen

El judeoespañol se diferencia del español de finales del siglo xv y del español moderno en varios aspectos que afectan a la fonética y fonología, morfología, sintaxis y semántica. Sin embargo, la diferencia más fácilmente apreciable está en el alfabeto. A finales del siglo xix se comenzó a escribir con diferentes alfabetos: griego, cirílico y, sobre todo, latino en diferentes versiones. Sin embargo, desde tiempos remotos se utilizó el alfabeto hebreo, y su abandono definitivo solo ocurrió en la década de los cuarenta del siglo pasado, por lo que la mayor parte de los textos escritos en esta lengua están en caracteres hebreos.

CoDiAJe es un corpus diacrónico anotado que incluye documentos creados desde el siglo xvi hasta nuestros días, desarrollado en TEITOK. La importancia de su desarrollo está en que procesa datos lingüísticos en los alfabetos mencionados anteriormente, da al usuario la opción de visualizar cada texto en cinco formas gráficas (la versión original independientemente del alfabeto en el que fue escrita, su transcripción en caracteres latinos, una forma expandida para completar las abreviaturas o corregir la escritura defectuosa, una versión en judeoespañol moderno y una versión en la ortografía del español moderno), y permite realizar búsquedas no solo de una palabra específica sino de todas sus variantes lingüísticas y ortográficas en textos escritos en los diferentes alfabetos. Durante el proceso de anotación se fueron modificando las etiquetas de EAGLES para el español y se crearon algunas nuevas. Significa que, a medida que se van anotando los textos, vamos creando un etiquetador para el judeoespañol. Los textos digitalizados también se enriquecen con información semántico-conceptual e información sobre la filiación de todos los elementos no románicos que se detectan en los textos.

Palabras clave

judeoespañol, corpus multialfabéticos, anotación de corpus, variación lingüística, diacronía

Citas

ÁLVAREZ LÓPEZ, Cristóbal José (2017): Estudio lingüístico del judeoespañol en la revista “Aki Yerushalayim”. Sevilla: Universidad de Sevilla. PhD. dissertation directed by José Javier Rodríguez Toro and Aitor García Moreno.

ARNOLD, Rafael D. (in this volume): «La digitalización del fichero del Diccionario del Español Medieval (DEM): una nueva fuente para la historia del español y del judeoespañol», in Miriam Bouzouita and Antoine Primerano (eds.), Actas del V Congreso Internacional de Corpus Diacrónicos en Lenguas Iberorrománicas (CoDiLI5). Scriptum Digital, 8, pp. xxx.

BRADLEY, Travis G. and Ann Marie DELFORGE (2006): «Phonological Retention and Innovation in the Judeo-Spanish of Istanbul», in Timothy L. Face and Carol A. Klee (eds.), Selected Proceedings of the 8th Hispanic Linguistics Symposium. Somerville, MA: Cascadilla Proceedings Project, pp. 73-88.

BUNIS, DAVID M. (1993): A Lexicon of Hebrew and Aramaic Elements in Modern Judezmo. Jerusalem: The Magnes Press/Misgav Yerushalayim.

BUNIS, David M. (2009): «Judezmo Analytic Verbs with a Hebrew-Origin Pariciple: Evidence of Ottoman Incluence», in David M. Bunis (ed.), Languages and Literatures of Sephardic and Oriental Jews. Jerusalem: Misgav Yerushalayim/The Bialik Institute, pp. 94-166.

BUNIS, David M. (2019): «La ortografia de Aki Yerushaluyim: Un pinukolo en la estoria de la romanizasión del djuezmo (djudeo-espanyol)», Aki Yerushaluyim, 101.

http://www.akiyerushalayim.com/ay/101/101_03_ortografia.htm [Accessed: 08/07/2020].

BUSSE, Winfried (2005): «Rashí. Transliteración, transcripción y adaptación de textos aljamiados», Neue Romania, 34 (= Judenspanisch, IX), pp. 97-107.

CÁRDENAS, John (2004): «Judeo-Spanish and the Lexicalist Morphology Hypothesis: A Vindication of Inflectional and Derivational Morphology», California Linguistic Notes, 29, 1, pp. 1-23.

http://english.fullerton.edu/publications/clnArchives/pdf/cardenas_jslmh.pdf [Accessed: 30/06/2020].

DiJeSt = RUSINEK, Sinai: DiJeSt: Digitizing Jewish Studies. http://dijest.net/ [Accessed: 15/08/2020].

GARCÍA MORENO, Aitor (2010): «El judeoespañol II: Características». Madrid: Liceus. https://aprende.liceus.com/producto/judeoespanol-ii-caracteristicas/ [Accessed: 10/09/2019].

HUALDE, José Ignacio (2013): «Language Contact and Change in the Sound System of Judeo-Spanish», in Mahir Şaul (ed.), Judeo-Spanish in the Time of Clamoring Nationalisms. Istanbul: Libra kitap, pp. 151-178.

HUALDE, José Ignacio and Mahir ŞAUL (2011): «Istanbul Judeo-Spanish», Journal of the International Phonetic Association, 41, 1, pp. 89-110.

JANSSEN, Maarten (2012): «NeoTag: A POS Tagger for Grammatical Neologism Detection», in Nicoletta Calzolari, Khalid Choukri, Thierry Declerck, Mehmet Uğur Doğan, Bente Maegaard, Joseph Mariani, Asunción Moreno, Jan Odijk and Stelios Piperidis (eds.), Proceedings of the 8th International Conference on Language Resources and Evaluation, LREC 2012. Istanbul: ELRA (European Language Resources Association), s. p. http://maarten.janssenweb.net/Papers/neotag-lrec.pdf [Accessed: 26/09/2020].

JANSSEN, Maarten (2016): «TEITOK: Text-Faithful Annotated Corpora», in Nicoletta Calzolari, Khalid Choukri, Thierry Declerck, Sara Goggi, Marko Grobelnik, Bente Maegaard, Joseph Mariani, Helene Mazo, Asunción Moreno, Jan Odijk, Stelios Piperidis (eds.), Proceedings of the Tenth International Conference on Language Resources and Evaluation, LREC 2016, Paris: ELRA (European Language Resources Association), pp. 4037-4043. http://www.lrec-conf.org/proceedings/lrec2016/pdf/651_Paper.pdf [Accessed: 09/07/2020].

JANSSEN, Maarten (2018): «TEITOK as a Tool for Dependency Grammar», Procesamiento del Lenguaje Natural, 61, pp. 185-188. doi:http://dx.doi.org/10.26342/2018-61-28 [Accessed: 09/07/2020]

JANSSEN, Maarten, Josep AUSENSI and Josep M. FONTANA (2017): «Improving POS Tagging in Old Spanish Using TEITOK», in Gerlof Bouma and Yvonne Adesam (eds.), Proceedings of the NoDaLiDa 2017 Workshop on Processing Historical Language. Gothenburg: Linköping University Electronic Press (NEALT Proceedings Series, 32), pp. 2-6. https://www.aclweb.org/anthology/W17-0502.pdf [Accessed: 09/07/2020].

LLEAL GALCERÁN, Coloma (2004): «El judeoespañol», in Rafael Cano (coord.), Historia de la lengua española. Barcelona: Ariel, pp. 1139-1167.

LYONS, John (1981): Language and Linguistics. Cambridge: Cambridge University Press.

MANNING, Christopher D. and Hinrich SCHÜTZE (1999): Foundations of Statistical Natural Language Processing. Cambridge, MA: The MIT Press.

MINERVINI, Laura (2006): «El desarrollo histórico del judeoespañol», Revista Internacional de Lingüística Iberoamericana, 8, pp. 13-34.

MUÑOZ JIMÉNEZ, Isabel (1997): «Perífrasis verbales híbridas en judeoespañol literario», Revista de Filología Románica, 14, pp. 363-390.

OntoSem = GLIF (Grupo de Lingüística Formal): OntoSem Corpora. http://corptedig-glif.upf.edu/ontosem-corpora/ [Accessed: 15/08/2020].

PADRÓ, Lluís (2011): «Analizadores Multilingües en FreeLing», Linguamatica, 3, 2, pp. 13-20. http://www.lsi.upc.edu/~nlp/papers/padro11.pdf [Accessed: 06/07/2020].

PADRÓ, Lluís, Miquel COLLADO, Samuel REESE, Marina LLOBERES and Irene CASTELLÓN (2010): «FreeLing 2.1: Five Years of Open-Source Language Processing Tools», in Proceedings of 7th International Conference on Language Resources and Evaluation (LREC 2010). La Valletta: ELRA. http://www.lrec-conf.org/proceedings/lrec2010/pdf/14_Paper.pdf [Accessed: 06/07/2020].

PENNY, Ralph (2000): Variation and Change in Spanish. Cambridge: Cambridge University Press.

Post Scriptum = CLUL (ed.) (2014): P. S. Post Scriptum: Arquivo Digital de Escritura Quotidiana em Portugal e Espanha na Época Moderna. http://ps.clul.ul.pt/pt/index.php? [Accessed: 09/07/2020].

QUINTANA, Aldina (2006): Geografía lingüística del judeoespañol: Estudio sincrónico y diacrónico. Berna: Peter Lang.

QUINTANA, Aldina (2010): «El judeoespañol, una lengua pluricéntrica al margen del español», in Paloma Díaz-Mas and María Sánchez Pérez (eds.), Los sefardíes ante los retos del mundo contemporáneo. Indentidad y mentalidades. Madrid: Consejo Superior de Investigaciones Científicas, pp. 33-54.

SÁNCHEZ-MARCO, Cristina, Gemma BOLEDA, Josep Maria FONTANA and Judith DOMINGO (2010): «Annotation and Representation of a Diachronic Corpus of Spanish», in Proceedings of 7th International Conference on Language Resources and Evaluation (LREC 2010). La Valletta: ELRA.

https://upcommons.upc.edu/bitstream/handle/2117/10373/535_Paper.pdf?sequence=1&isAllowed=y [Accessed: 08/07/2020].

SÁNCHEZ-MARCO, Cristina, Gemma BOLEDA and Lluís PADRÓ (2011): «Extending the Tool, or How to Annotate Historical Language Varieties», in Kalliopi Zervanou and Piroska Lendvai (eds.), Proceedings of the 5th ACL-HLT Workshop on Language Technology for Cultural Heritage, Social Sciences, and Humanities. Stroudsburg (PA): Association for Computational Linguistics, pp. 1-9.

http://dl.acm.org/citation.cfm?id=2107637&CFID=979433322&CFTOKEN=43121501 [Accessed: 08/07/2020].

SÁNCHEZ-MARCO, Cristina, Josep Maria FONTANA and Judith DOMINGO (2012): «Anotación automática de textos diacrónicos del español», in Emilio Montero and Carmen Manzano (coords.), Actas del VIII Congreso Internacional de Historia de la Lengua Española, Santiago de Compostela, 14-18 de septiembre de 2009, vol. 2. Santiago de Compostela: Meubook: Asociación de Historia de la Lengua Española (AHLE), pp. 1709-1720.

TRUDGILL, Peter (2011): Sociolinguistic Typology: Social Determinants of Linguistic Complexity. Oxford: Oxford University Press.

VARVARO, Alberto and Laura MINERVINI (2008): «Orígenes del Judeoespañol (II): comentario lingüístico», Revista de Historia de la Lengua Española (RHLE), 3, pp. 149-195.