Presentado o novo corpus do galego actual con máis de 400.000 formas diferentes

Esta mañá presentouse en rolda de prensa o novo Corpus Documental do Galego Actual (CORGA). A cita contou coa presenza, entre outros persoeiros, do secretario de Política Lingüística, Valentín García, que lembrou que a versión ampliada desta ferramenta lingüística elaborada polo Centro Ramón Piñeiro para a Investigación en Humanidades (CRPIH) (dependente da Consellería de Cultura e Educación) incorpora preto de 32 millóns de palabras, “das que algo máis de 400.000 son formas diferentes”. Tamén participaron na presentación os directores do CORGA, Guillermo Rojo e María Sol López, e os responsables da coordinación lingüística e informática do proxecto, os investigadores da Universidade de Santiago de Compostela Eva Domínguez e Mario Barcala, respectivamente.
Segundo sinalou o secretario xeral durante a súa intervención “a nova versión ampliada do CORGA pon a disposición da comunidade científica e da cidadanía en xeral novas posibilidades para a investigación lingüística nunha aposta polas novas tecnoloxías en galego”.
O CORGA, como dixemos, é un corpus documental desenvolvido no CRPIH e integrado por distintos tipos de textos (xornais, semanarios, revistas, ensaios e textos de ficción (novela, relato curto e teatro) que abrangue temporalmente desde o ano 1975 ata a actualidade e que está codificado no estándar XML (eXtensible Markup Language).
A nova versión ampliada, a 1.7, está dispoñible na Rede no enderezo corpus.cirp.es/corga. Sobre o conxunto de formas ortográficas ás que dá acubillo, sinalouse na presentación que “é posible consultar palabras ou expresións en xeral, por tipos de texto, épocas, áreas temáticas ou calquera combinación dos parámetros anteriores”. Ademais, disponse dun sistema de consulta da nómina de autores e obras que permite buscar que obras ou autores están no corpus, saber que número de palabras totais e documentos corresponde á busca realizada ou que cantidade de palabras contén o CORGA nunha certa área temática, período de tempo etc.
No acto de hoxe tamén que se lembrou que o Centro Ramón Piñeiro rematou o subcorpus de adestramento xornalístico e de narrativa que utiliza o Etiquetador-Lematizador do Galego Actual (XIADA), constituído na nova versión ampliada por algo máis de 600.000 formas ortográficas, que se achega de balde para a comunidade investigadora na versión 2.6 do Corpus de Referencia do Galego Actual etiquetado (CORGAetq) no enderezo corpus.cirp.es/corgaetq.