La Recopilaci?n De Diccionarios A Partir De Corpus Ling??sticos. Drac: Diccionario De Referencia Del Guaran? Contempor?neo
1. Introducción:
En el ámbito de la lexicología -ciencia que se ocupa del estudio de las unidades léxicas de una lengua y de las relaciones sistemáticas que se establecen entre ellas (Cfr. DRAE, 2002)-, los diccionarios -Del b. lat. dictionarium- constituyen los libros en el que se «recogen y explican de forma ordenada voces de una o más lenguas, de una ciencia o de una materia determinada» (Ídem) y/o se plasman las recopilaciones sistematizadas y ordenadas de los significados asociados a «todas» las palabras que usa en una determinada comunidad de hablantes. Por ende, estas fuentes de información -impresas o en formato electrónico- se convierten en la referencia fonética, gramatical, léxica, cultural, histórica, científica y técnica de los usuarios de una lengua. En los diccionarios podemos encontrar, asimismo, todo lo relacionado con la estructura y adecuación entre los vocablos y los símbolos lingüísticos que usan y el significado que abarcan. Más allá de un producto léxico concebido para dar respuesta a algunas necesidades lingüísticas de un grupo de usuarios, dichos libros conforman la extensión de la memoria humana. Es decir, ya que nuestra mente tiene límites -en cuanto a la memoria- y no es capaz de almacenar todo el acervo de símbolos lingüísticos y sus respectivos significados, todo lo relacionado con el vasto campo de actividad de los seres humanos, los conceptos, las actividades, fenómenos, objetos, etc., tenemos que echar mano de un repositorio que nos ayude a recordarlos y/o nos provea la información necesaria para entenderlos. Por eso Lara (1987:31) sostiene que los diccionarios constituyen la representación social y colectiva de todo lo que tiene sentido y representa algo para la sociedad.
Ese banco de datos, que en un principio eran meros «glosarios» de términos, que más explicar el significado, ofrecían vocablos equivalentes o sinónimos, generalmente ordenados alfabéticamente, se convirtieron en obras de consulta de palabras, términos, expresiones, etc., con sus respectivos significados, etimología, ortografía, y en algunos casos, contiene incluso la pronunciación -mediante transcripción fonética o archivos de audio-.
Desde los primeros listados de palabras, recopilados en los estadios incipientes de la lexicografía, hasta el tipo de libro -o programa de ordenador- que hoy se conoce como diccionario, mucho ha cambiado; se percibe claramente que la ciencia lexicográfica ha experimentado una importante mejora y perfeccionamiento. Hoy en día los diccionarios ya no se limitan a recoger un repertorio de palabras con sus significados, sino que incluyen, además, información complementaria extremadamente útil, como, por ejemplo, ubicar un determinado vocablo en sus contextos de uso más frecuentes, aportar información gramatical sobre su categoría morfológica y/o sintáctica, las locuciones más frecuentes en las que aparece el término buscado, etc.
2. La tradición lexicográfica y la lengua guaraní:
Los primeros diccionarios, recopilados hace 4500 años, tenían un objetivo muy concreto: evitar problemas de comunicación -malinterpretación de conceptos-, tanto en las relaciones comerciales como culturales (Ahumada, 2000:51). Es bien sabido que hasta mediados del siglo XVIII, la mayor parte de los diccionarios elaborados se recopilaban de un modo empírico y a partir de otros diccionarios. O sea, basándose en criterios muy subjetivos, los autores añadían nuevas palabras y significados, según su entender y conocimientos. Como subraya Haensh (1996:16), no existía una base teórica coherente y sistemática que sirviese de fundamento y aportase métodos y técnicas para la recopilación de los primeros glosarios. Por ello, muchos expertos de la actualidad afirman que dichos trabajos eran obras de «aficionados o autores de buena voluntad» (Sánchez, 2001:2-3), que trabajaban sin criterios sistemáticos, rigurosos y científicos. Aquilino Sánchez (Ídem) subraya que esta ha sido la realidad de la lexicografía hasta la llegada de la ilustración a Europa, cuando se inicia una etapa más criteriosa en la que la recopilación basada en el uso de la lengua que hacían algunos autores de prestigio. Este criterio, aunque pueda parecer sesgado y subjetivo, tuve tiene como hito el Diccionario de la Real Academia Española, publicado a finales del siglo XVIII, y que se convirtió en el principal instrumento normativo de la lengua castellana. No ahondaremos aquí en el tema de la recopilación de diccionarios de la lengua española. No obstante, es importante resaltar que estos criterios metodológicos -basados en las referencias literarias- adoptados en Europa, según el citado autor, fue habitual hasta finales del siglo XX, tanto para el español como para la mayoría de las demás lenguas europeas.
En lo que concierne a las lenguas autóctonas, es bien sabido que durante la colonización, con la llegada de la misión jesuítica, durante el descubrimiento de las llamadas lenguas tupí-guaraníes, se da inicio a un proceso de cultivación de las lenguas indígenas, ya que la catequización de los nativos americanos prácticamente obligaba a los jesuitas a estudiar y conocer la lengua de los pueblos sometidos.
Según Dietrich (1994:287), la obra «cumbre de la lingüística jesuítica del siglo XVI es el Arte de Grammatica da Lingoa mais usada na costa do Brasil»¸ del padre José de Anchieta, publicada en 1595. Esta obra encuentra su parangón en el primer diccionario de la lengua guaraní, recopilado por Montoya bajo el título «El Tesoro de la lengua guaraní» y publicado en 1639 (Ibíd.). Desde entonces, pese al sinfín de diccionarios de la lengua guaraní surgidos -Cfr. Guasch, Cadogan, Sanabria, Mayans, etc.-, es evidente que los criterios no han variado mucho respecto de cómo se seleccionan las entradas y se definen los vocablos. En general, parece ser que casi todos se limitan a seguir los criterios establecidos por Montoya, e inclusive, en los diccionarios más modernos, hay casos en que son perceptibles los calcos, o sea, se copian ipsis litteris las voces y acepciones definidas.
En este sentido, y teniendo en cuenta de que en Paraguay las lenguas española y guaraní, que han convivido durante casi 500 años, se han influido mutuamente, produciendo una considerable variación léxica, fónica y morfosintáctica en ambas lenguas, estamos convencidos de que hay que llevar a cabo un proyecto con miras a recopilar un diccionario moderno que sirva de referencia para la lengua guaraní hablada en la actualidad. A ejemplo del español, que ya cuenta con un diccionario que basa la mayor parte de sus definiciones en ejemplos de uso extraídos de un corpus lingüístico, el Gran Diccionario de Uso del Español Actual, el DRAC (Diccionario de Referencia del Guaraní Contemporáneo), que proponemos a continuación, se compondrá de ejemplos reales de uso extraídos del Corpus CORACON[1]. En líneas generales, lo que se pretende es recopilar un diccionario sobre la base metodológica de los resultados obtenidos en la explotación del Corpus de Referencia del Guaraní Contemporáneo.
3. La «moderna lingüística de corpus» en los estudios lingüísticos
Parece existir un cierto consenso en cuanto al hecho de que nueva lingüística del corpus (Leech, 1991, 1992), avalada por los hallazgos informáticos de las tres últimas décadas, represente el renacimiento de la investigación lingüística basada en la observación y el análisis de datos, típicos del paradigma estructuralista. Por otro lado, parece una tautología afirmar que este renacimiento esté vinculado al uso del ordenador, tal y como aclara Leech (1991:9-10): «At a basic level, the resurgence of corpus linguistics can be measured in terms of the increasing power of computers and of the exponentially increasing size of corpus, viewed simplistically as large bodies of computer-readable text».
El término corpus, hoy por hoy, va más allá de una simple colección o conjunto de textos representativos de un determinado idioma o dialecto para usarse en el análisis lingüístico (Francis, 1982:17 apud Pérez Hernández, 2002:40), como vemos en las siguientes definiciones recogidas en las páginas del British National Corpus[2]:
A collection of linguistic data, either written texts or a transcription of recorded speech, which can be used as a starting-point of linguistic description or as a means of verifying hypotheses about a language. (Crystal, 1991)
(…) a collection of naturally occurring language text, chosen to characterize a state or variety of a language. (Sinclair, 1991:17)
En las anteriores definiciones ambos autores enfatizan uno de aspectos más importantes a la hora de seleccionar los textos: éstos deben basarse en reproducciones de situaciones reales que expresan una condición natural de uso de la lengua. Es decir, ya sea una colección de diálogos de un seminario, transcripciones de discursos grabados, etc., uno de los criterios que deberá seguirse para el análisis lingüístico será contar con muestras lo más fiables posible. Otro aspecto que merece especial atención en las definiciones que hemos visto anteriormente es que los lingüistas ya tienen tan asumido el hecho de que la compilación y el almacenamiento de los textos serán en formato digital que ni lo mencionan. En este sentido siempre que citamos el término corpus[3], en realidad nos referimos a un corpus electrónico o corpus legible por máquina.
Estos corpus electrónicos pueden ser sometidos a una serie de cálculos complejos y, debido a la velocidad de procesamiento de los ordenadores modernos, se puede obtener respuestas estadísticas sin ningún error en cuestión de segundos.