Materiales 1 Los corpus

Se construyeron dos corpus especializados (Hunston, 2002; Sinclair, 1991) y paralelos86 (Connor y Moreno, 2005; Moreno, 2008). Son especializados dado que fueron construidos ad hoc para representar un género en particular en una disciplina específica y para responder las preguntas de investigación planteadas en este estudio. Son paralelos ya que se construyeron sobre la base de los mismos parámetros, de manera tal que los resultados obtenidos sean comparables a partir del análisis individual de cada corpus (Connor y Moreno, 2005; Moreno, 2008). Ambos corpus son representativos de un género (el artículo de investigación), un registro (científico), un canal de comunicación (escrito) y una disciplina (ciencias agrarias) en dos lenguas (inglés y español). Para el diseño de los corpus se consideraron principios metodológicos centrales de la lingüística de corpus con el objetivo de garantizar sistematicidad, y de la retórica contrastiva para garantizar la comparabilidad

86 _{Como ya hemos señalado anteriormente (Capítulo 3), en este estudio adoptamos la noción de corpus paralelo} propuesta por Connor y Moreno (2005) desde la retórica contrastiva. No obstante, cabe recordar que en la terminología de la lingüística de corpus, un corpus paralelo se define como aquel que consiste de dos o más corpus de textos traducidos en diferentes lenguas, mientras que los corpus comparables consisten de dos o más sub-corpus de textos originales que representan diferentes lenguas y están diseñados bajo los mismos parámetros (Hunston, 2002).

146 entre el inglés y el español. En los párrafos que siguen se describen los criterios utilizados para la construcción de los corpus, basados principalmente en los lineamientos propuestos por Sinclair (1991, 2005), C. Meyer (2004), Biber (2008) y Pearson (1998).

Los corpus se diseñaron sobre la base de dos criterios centrales: balance y representatividad. El balance está determinado por la estructura interna homogénea de los corpus ya que, como mencionamos anteriormente, ambos son específicos con respecto al género, al registro, al canal de comunicación y a la disciplina en dos lenguas, inglés y español. La representatividad se logró siguiendo los siguientes parámetros: disponibilidad de textos en formato electrónico, diversidad de fuentes de publicación, período, tamaño, uso de textos completos, y filiación de los escritores. Para garantizar la comparabilidad de los corpus, dichos lineamientos estuvieron regidos por el principio de tertium comparationis (Connor y Moreno, 2005), lo que nos permitió establecer una plataforma común a ambas lenguas para llevar a cabo un estudio comparativo sobre un género específico. Todos los criterios permitieron, siempre que no estuvieran condicionados por factores de disponibilidad, controlar variables relacionadas a la producción y recepción de los artículos de investigación seleccionados para construir los corpus.

En cuanto al primer parámetro de construcción, disponibilidad de textos en formato electrónico, recolectamos artículos digitales publicados en revistas científicas disponibles online, a las que se accedió desde la biblioteca MinCyT87, biblioteca virtual del Ministerio de Ciencia y Tecnología de Argentina, disponible para instituciones académicas y universidades del país. La misma incluye numerosos sistemas de indexación y bases de datos, tales como Scopus y Science Direct, que controlan la calidad de las publicaciones.

El segundo parámetro, diversidad de fuentes de publicación, se hace visible en las ocho revistas que fueron seleccionadas para la compilación de los corpus. Las mismas son publicadas por organizaciones de prestigio -editoriales internacionales, instituciones de investigación y universidades argentinas-. El corpus en inglés contiene artículos de investigación publicados en cuatro revistas científicas de edición internacional: Agricultural Systems, Applied Soil Ecology, Field Crops Research, y Plant and Soil. El corpus en español contiene artículos de investigación publicados en cuatro revistas científicas de edición argentina: Agriscientia, Ciencia del Suelo, Revista de Investigaciones Agropecuarias (RIA),

147 y Revista de la Facultad de Ciencias Agrarias. Todas las revistas funcionan sobre la base del sistema de referato por pares. Al momento en que los textos fueron recolectados (año 2012), las revistas en inglés tenían un factor de impacto mayor a 2 (Science Citation Index – SCI, Thompson Reuters), y las revistas en español estaban indexadas en las bases Scopus y/o Latindex. Los tres parámetros, referato, alto factor de impacto e indexación, nos permiten garantizar la calidad de las publicaciones en inglés y en español.

En cuanto al criterio de período, la recolección de los textos se inició en el año 2012, comenzando con los artículos publicados en la última edición de cada revista y luego en las ediciones anteriores hasta llegar al número de textos que cubriera un millón de palabras en alguno de los dos corpus. Siguiendo este criterio, fue necesario recolectar artículos publicados en los años 2012, 2011, 2010 y 2009, con excepción de la revista RIA, que no publicó durante el período 2010-2008, por lo que se incluyeron artículos publicados en el año 2007. La delimitación del período 2012-2007 permitió asegurar que los resultados reflejaran el uso de RRCC en un determinado lapso de tiempo.

Con respecto al uso de textos completos y el tamaño de los corpus, se recolectó la misma cantidad de textos, 199, para cada lengua, siguiendo el principio de comparabilidad de Connor y Moreno (2005). Cabe aclarar que el número de artículos seleccionados de cada una de las ocho revistas varió en relación a la frecuencia de publicación de las mismas y la cantidad de artículos publicados cada año. Los 199 textos del corpus en inglés suman un total de 1.074.614 palabras, y los 199 textos en español un total de 598.601. La diferencia en el número de palabras se debe a que, en general, los artículos en inglés son más extensos que los artículos en español, con un promedio de 5.400 palabras por artículo en inglés y 3.000 por artículo en español.

También se consideró la filiación de escritores, un parámetro de construcción de los corpus que nos permitió establecer una comparación más rigurosa entre las dos lenguas. Para el corpus en inglés se seleccionaron artículos cuyos autores declaraban tener filiación en instituciones de países de habla inglesa (por ej., Estados Unidos, Inglaterra, Australia). Para el corpus en español, se seleccionaron artículos cuyos autores declaraban tener filiación en instituciones de Argentina. Al igual que la frecuencia de publicación de las revistas, el criterio de filiación también determinó el número de artículos que podíamos seleccionar de cada revista. La Tabla 4.1 sintetiza la descripción de los dos corpus.

148 Tabla 4.1.

Síntesis de la estructura de los corpus

Parámetros Corpus en inglés Corpus en español

Género Artículo de investigación Artículo de investigación

Registro Científico Científico

Disciplina Ciencias agrarias Ciencias agrarias

Fuente de publicación

Tipo Revistas científicas de edición _argentina Revistas científicas _{internacionales}

Nombres

Agriscientia Ciencia del Suelo RIA

Revista de la Facultad de Ciencias Agrarias

Field Crops Research Applied Soil Ecology Agricultural systems Plant and soil

Factor de impacto --- Mayor a 2 (SCI)

Indexación Scopus y/o Latindex Scopus

Continuidad Continúa vigente Continúa vigente

Disponibilidad electrónica

Sí – publicación online Sí – publicación online

Período de publicación de los artículos

2012 - 2011 - 2010 - 2009 2012 - 2011 - 2010 - 2009 - 2007

Filiación de los autores de los artículos

Filiación en un país de habla inglesa

Filiación en Argentina

Número de textos 199 199

Tamaño de los corpus 1.074.614 palabras 598.601 palabras

Siguiendo los criterios descriptos anteriormente, se recolectaron los artículos y se guardaron en su formato original (.pdf). Luego, cada texto fue convertido a archivo Word (.doc). De las versiones Word se eliminaron el abstract de cada artículo, las tablas, fotos, figuras, ilustraciones, gráficos y fórmulas, como así también nombres e información sobre los autores, referencias, agradecimientos, títulos de tablas, leyendas, y encabezamientos. Finalmente, estas versiones de los textos se guardaron en formato ‘.txt’ para poder contabilizar el número de palabras utilizando el software WordSmith Tools 4.0 (Scott, 2004). En las versiones txt se etiquetaron los subtítulos correspondientes a las secciones de los artículos y las direcciones de páginas Web que aparecían en algunos textos, en ambos casos

149 para excluirlos del conteo de palabras. Para la identificación de los textos, cada archivo se rotuló con un código alfanumérico: un número y una sigla que corresponde a los nombres de las revistas, por ejemplo CDS para Ciencia del Suelo y ASE para Applied Soil Ecology.

4.2.2. Software

Se utilizaron dos programas: un software estadístico, PSPP88 (versión 0.10.2) y WordSmith Tools 4.0 (Scott, 2004). El primero se usó con el objetivo de llevar a cabo el procesamiento informático para el análisis estadístico-descriptivo de los datos. El software WordSmith Tools 4.0 se utilizó para contabilizar el número de palabras y determinar el tamaño de los corpus.