Datos y método

Descargas

Versión 0.1.0, generada el 2026-10-11. 70 textos, 88.069 palabras y 3.272 versos.

• corpus.jsonTodo el corpus: textos completos, metadatos, obras y fuentes.
• metadatos.csvUna fila por texto, para hojas de cálculo, R o Python.
• corpus-txt.zipUn archivo de texto plano por pieza, organizado por libro.
• palabras.jsonFrecuencias y palabras distintivas por género y por libro.

Licencias

Adela Zamudio murió en 1928, así que sus textos son de dominio público. La transcripción, la limpieza, la segmentación y los metadatos que añade este proyecto se publican con licencia CC BY 4.0: pueden reutilizarse citando al Lab TecnoSocial.

Lab TecnoSocial (2026). Corpus Adela Zamudio, versión 0.1.0. Cochabamba, Bolivia.

Cómo se hizo

1. Inventario. Se buscó toda la obra de Zamudio disponible en línea: HathiTrust, Internet Archive, Google Books, Wikisource, la Biblioteca Virtual Miguel de Cervantes y la Biblioteca del Bicentenario, además de los PDF que reunió el Lab.
2. Extracción. Los PDF con texto se extrajeron directamente. Los escaneos sin texto se pasaron por reconocimiento óptico de caracteres (OCR) en español con Tesseract.
3. Segmentación. Cada libro se dividió en sus piezas siguiendo su propio índice. Se quitaron las cabeceras, los folios y las marcas de digitalización. Los poemas conservan un verso por línea y sus estrofas.
4. Cotejo. Cuando una pieza existe en más de una edición, se alinearon los testimonios para elegir el texto más limpio, y cada pieza registra todas las ediciones en que aparece.
5. Corrección. Las erratas del OCR se corrigen con reglas reproducibles y con una lista de correcciones puntuales. La ortografía de época, como «relijioso», se respeta.
6. Curaduría. Las reseñas, los temas y la línea de vida se redactaron con asistencia de IA a partir de fuentes citadas. Están pendientes de revisión por el equipo del Lab.

Fidelidad de los textos

• transcripción 29 textos. Transcripción de una edición en texto
• ocr-revisado 12 textos. OCR revisado contra el facsímil o un testimonio limpio
• ocr 29 textos. OCR con limpieza automática: puede contener erratas

Lo que falta

La novela Íntimas (1913), el poemario Ensayos poéticos (1887) y sus artículos de prensa no tienen hoy una transcripción libre en línea. Aparecen en el explorador con su ficha, pero su texto no está en el corpus. Las próximas versiones incorporarán los poemas que el diario Fígaro de Buenos Aires publicó entre 1887 y 1888 y el cotejo completo con Ráfagas. Si tienes un ejemplar o una transcripción, escríbenos desde labtecnosocial.org.