Un corpus electrónico proporciona al lingüista la posibilidad de identificar y detallar aquello qué es útil para la investigación, lo que significa un ahorro de tiempo al delimitar el objeto de estudio. Además, los programas informáticos cada vez más específicos para cada área, potencian las posibilidades de análisis y explotación de los datos relevantes. Por ello, a parte de añadir otros aspectos importantes para la compilación de un corpus -criterios explícitos-, algunos investigadores señalan la importancia de almacenar los datos en formato digital, como en la definición de nos ofrecen Atkins, Clear y Ostler (1992:1): » [a corpus is] a subset of an ETL (Electronic Text Library) built according to explicit design criteria for a specific purpose».
Los criterios explícitos que se deben seguir para la compilación suelen ser determinados a partir de la definición del objeto de estudio, teniendo en cuenta la finalidad de la investigación y los objetivos que se desean alcanzar. Como destacan Leech (1991:73-80) y McEnery & Wilson (2001, 2001b), los datos observables -empíricos- extraídos de grandes colecciones de textos en formato digital -corpus- permiten al lingüista realizar análisis objetivos sobre la lengua, ya sea con fines lingüísticos, lexicológicos o terminológicos. En el ámbito de la lexicografía, como veremos en la siguiente sección, disponer de inmensos corpus lingüísticos, al que el lingüista o lexicógrafo tiene acceso a través de varios programas que procesan los textos de diferentes formas, llamados genéricamente herramientas de recuperación de información (information retrieval (IR) software o IR tools), facilita sobremanera la elaboración de diccionarios, ya que les permite a los lexicógrafos ampliar de forma magnífica las posibilidades de análisis lingüístico durante el proceso de compilación de las entradas. En resumen, y como sostiene Pérez Hernández (2002:36):
(…) la lingüística de corpus ha hecho patente la importancia de derivar la descripción lingüística de un análisis detallado de la lengua usada de forma natural, ya que este estudio puede ayudar a revelar muchas regularidades (e irregularidades) en nuestro uso de la lengua que antes no se habían observado, o pueden ayudarnos a verlas de forma más uniforme, con una perspectiva más amplia y con índices de frecuencia relativa más fiables.
3.1 La recopilación de diccionarios a partir de corpus lingüísticos
La Universidad de Birmingham ha sido la pionera en el uso del corpus en la compilación de diccionarios. A través de la editorial COBUILD (Collins Birmingham University Internacional Language Database), se llevó a cabo la construcción de un corpus de 20 millones de palabras que dio origen al diccionario Collins Cobuild Dictionary of English Language (Sinclair, 1987). Esta iniciativa capitaneada por Sinclair supuso un marco en el uso de corpus electrónico. Al usar un corpus lingüístico en formato digital de millones de palabras los lingüistas pueden acceder a todos los ejemplos disponibles en los que aparece una determinada palabra o expresión, y en pocos segundos se pueden cruzar miles de datos y solicitar estadísticas sobre incidencias, combinaciones, etc. En la actualidad, este tipo de procedimiento suele ser utilizado en la confección y revisión de diccionarios por casi todas las editoriales importantes. En cuestión de minutos se puede revisar un diccionario y aportar ejemplos actualizados sobre el uso de una palabra o término. Al analizar un mayor número de ejemplos naturales o muestras reales de uso lingüístico es posible lograr una mayor exactitud y fiabilidad. En algunos casos, las recopilaciones finitas, los cálculos fiables sobre frecuencia, variedades de lenguaje en las que se utiliza una palabra, etc., suponen la clave en la cuantificación relacionada con los estudios léxicos y han sido fundamentales en esta área.
Todos los archivos en formato digital son modificables y de fácil manejo, lo que les permite a los lexicógrafos actualizar, siempre que necesario, el significado de las entradas léxicas o terminológicas, así como añadir nuevas palabras al diccionario. Además, se puede aportar informaciones concernientes a nuevas posibilidades de uso y datos relativos a frecuencia o variaciones de significado según determinadas regiones o poblaciones. Estas son algunas de las características que nos lleva a considerar un diccionario electrónico como un corpus vivo y mutante. En la Web de segunda de generación los diccionarios se actualizarán automáticamente y estarán integrados de tal forma con la Web que interactuarán con los usuarios. Son múltiples las posibilidades que nos ofrece un corpus informatizado en la labor lexicográfica, por ello, los ordenadores y las herramientas de procesamiento de corpus supusieron una verdadera revolución en el mundo editorial y en el ámbito lexicológico.
La idea de recopilar un diccionario de referencia para la lengua guaraní nació ante la necesidad de registrar aspectos de lengua -extranjerismos, neologismos e hispanismos- que ya forman parte del vocabulario activo y corriente del guaraní, tal y como sostiene Lustig (1996:10):
Mientras tanto hay una serie de palabras que se han adaptado completamente a la fonética e integrado al vocabulario considerado guaraní, escapando por lo tanto al caudal léxico español con el que el hablante espontáneamente puede desvirtuar la «guaranidad» del discurso. Algunos ejemplos nominales son: kavaju (caballo), kavara (cabra), ovecha (oveja), guéi (buey), Huã (Juan), aramirõ (almidón), aramboha (almohada), kesu (queso), sevói (cebolla), korasõ (corazón). Pero también hay verbos, que muchas veces han sufrido un cambio de significado, como malisia (maliciar / suponer, creer), dipara (disparar / correr, huir) o pika (picar / tomar, chupar)[4].
Además de recoger estas «peculiaridades» léxicas, imperantes para el registro del acervo lingüístico de nuestro país, este se convertirá en el primer diccionario electrónico de referencia de la lengua guaraní y se ceñirá a los estándares lexicográficos actuales, o sea, se basará sus entradas en un Corpus Lingüístico, es decir, en el material propuesto convergerán todas las características de la lexicografía moderna en su primera aparición, como veremos a continuación.
Aunque, en algunos casos, la influencia del español sobre la lengua guaraní ha sido tan fuerte que parece haber aumentado la permeabilidad lingüística -proceso natural cuando dos lenguas permanecen en contacto durante mucho tiempo-, dando origen a un proceso -a veces- exacerbado de trasvase, préstamos lingüísticos y asimilaciones de hispanismos por parte de la lengua guaraní, este factor no debe ser entendido como negativo; si acaso, peculiar y enriquecedor. En consonancia con Germán de Granda (1990:162-164), quien opina que la interferencia léxica del guaraní sobre el español paraguayo, no representa un elemento desestructurador de este último código lingüístico, sino más bien, constituye, por el contrario, un factor positivo de enriquecimiento del mismo, creemos que el guaraní paraguayo goza de muy buena salud en cuanto a su estructura morfosintáctica y el repertorio léxico.
Los préstamos lingüísticos, transferencias e interferencias[5] ocurridos entre la lengua autóctona y el idioma de los colonizadores, han permitido la supervivencia del guaraní, o sea, han ayudado a traer de la mano una lengua primitiva a la modernidad, y al contrario de lo algunos piensan, todavía constituyen factores positivos, ya que está asegurando el futuro de la lengua guaraní en una sociedad moderna, veloz y lingüísticamente flexible, que, gracias a los avances de algunas ciencias y el advenimiento de nuevas tecnologías de la información y la comunicación, ha propiciado la aparición de un «repertorio léxico franco» -es inútil intentar generar artificialmente neologismos para Internet, televisión, computador/a, laptop, taxi, pendrive, shopping, marketing, show, acordeón, etc.-; tampoco es conveniente evitar la influencia lógica en ámbitos especializados y/o distorsionar conceptos universales , optando por la creación en laboratorio de equivalentes para complemento circunstancial, adjunto adnominal, plataforma, informática, científico, investigación, lexicológico, terminológico, lingüístico, república, democracia, policía, política, etc. En resumen, los extranjerismos e hispanismos, si asimilados con criterios, no hacen más que enriquecer el caudal léxico del guaraní y suplen algunas lagunas y carencias de una lengua primitiva que, gracias a los discursos puristas de algunos, se resiste a aceptar los cánones lingüísticos de la modernidad y rechaza el vocabulario que no posee. En otras palabras, la incorporación de los vocablos -hispanismos y/o extranjerismos- que ya forman parte del léxico activo en guaraní ampliará las posibilidades connotativas y denotativas de dicha lengua, que no podrían ser realizadas utilizando solamente los recursos léxicos propios del guaraní normativo.
Por último, es importante destacar que los fenómenos descritos anteriormente nada tienen que ver con el sonado jopara-, que muchas veces se asemeja a una interlengua, empleada, por un lado, como recurso lingüístico cuando la proficiencia oral -y/o escrita- es limitada en una de las dos lenguas, y por otro, como estrategia para confundir a los oyentes foráneos, excluyéndolos de la conversación; esta es, bajo nuestra óptica, una demostración de poder de un pueblo valeroso que a lo largo de casi quinientos años ha sido oprimido, y que encuentra en la lengua su refugio y fortaleza, lo que demuestra una seña de identidad y representa un punto de confluencia y