1. Introducción
A pesar del avance en la lingüística de corpus, la localización de contextos definitorios (CD) y contextos de uso aún no se ha implementado de manera automática en diccionarios y otros recursos terminológicos empleados por profesionales de la traducción o de los ámbitos de conocimiento objeto de traducción (Corpas y Roldán, 2014). La práctica profesional, en particular la traducción del ámbito biosanitario (Corpas y Roldán, 2014), se ve dificultada, a su vez, por la ausencia de contextos de los términos en los diccionarios especializados (Barceló y Delgado, 2015).
Gracias al desarrollo e implementación de los lenguajes de interrogación de corpus (Corpus Query Language, CQL) y expresiones regulares1 en corpus, la investigación en lingüística de corpus se ha incrementado considerablemente (Corpas y Seghiri, 2007 ; Nazar y Galdames, 2020), lo cual podría ayudar en la búsqueda de los CD y los contextos de uso en textos de especialidad. Sin embargo, estas investigaciones suelen centrarse en el inglés como lengua de trabajo, debido a la hegemonía de aquel como lingua franca de la comunicación científica (Bordons, 2004; Haße et al., 2011; Navarro, 2001, 2006; Ruiz Rosendo, 2007), por lo que los patrones pragmáticos, léxicos y gramaticales que conforman las ecuaciones de búsqueda se han aplicado poco en el análisis de corpus franceses (Boré y Malrieu, 2017; Cartier y Viaux, 2018); no obstante, en español hay diversos estudios que aplican estos patrones para recuperar información definitoria (Sierra, 2009; Sierra et al., 2010).
Para cubrir la carencia de estudios que contemplen el francés a la hora de emplear la metodología de corpus en la literatura científica, en este trabajo se propone localizar los CD y los contextos de uso en un corpus francés de terminología del ámbito de las tecnologías biomédicas, para comprobar la utilidad de los patrones léxicos y sintácticos recurrentes, relativos a los contextos ricos en conocimiento en francés, que se incorporarán a una serie de ecuaciones de búsqueda que contemplen esta variación mediante CQL y expresiones regulares soportadas por la herramienta en línea de gestión de corpus Sketch Engine (Kunilovskaya y Koviazina, 2017). Para ello, se compila el corpus especializado comparable de 100 artículos de investigación sobre ingeniería genética y biotecnología en francés, para identificar si las temáticas localizadas en el corpus proporcionan información definitoria, y verificar, así, que la metodología de corpus seguida (restricciones diasistemáticas, bases de datos empleadas, etc.) ha sido la adecuada.
2. Contextos definitorios
La lingüística de corpus es una disciplina que ha crecido de manera exponencial en los últimos años en términos de investigación, herramientas disponibles y aplicaciones tanto teóricas como prácticas (Clark et al., 2010; McEnery et al., 2006; Sierra, 2017). Esto se debe a queuna de las tecnologías más utilizadas en el estudio del lenguaje desde hace décadas es el corpus (Egbert et al., 2020). En este sentido, la utilización de herramientas de gestión y análisis de corpus ha ayudado a que la investigación en lingüística y traducción aumente el volumen de textos que se pueden analizar y extienda el alcance de sus resultados, con una metodología replicable en numerosos idiomas.
En la actualidad, estas herramientas de gestión y análisis de corpus son muy variadas y soportan diversos lenguajes de interrogación -como es el caso del CQL o las expresiones regulares- que, combinados en lo que se conoce como una ecuación de búsqueda, pueden localizar no solo terminología, sino también estructuras sintácticas con variantes léxicas, para extraer información semántica y estructural (León Araúz et al., 2016). Así, la metodología de corpus se ve complementada por estas ecuaciones de búsqueda avanzadas para localizar una mayor información, por medio delas cuales se identifican relaciones gramaticales complejas.
Gracias a estas relaciones gramaticales, se puede automatizar la búsqueda y la recuperación de información semántica, por ejemplo, debido a los contextos ricos en conocimiento (Knowledge-Rich Context, krc), muy útiles para la labor terminográfica y para la traducción especializada por igual (Condamines y Rebeyrolle, 1997; Meyer, 2001; Picton et al., 2017). Para Meyer,
Por contexto rico en conocimiento, designamos un contexto que indica al menos un elemento de conocimiento de área que podría ser útil para el análisis conceptual. En otras palabras, el contexto debe indicar al menos una característica conceptual, ya sea un atributo o una relación (2001, p. 281).
Como se indica en esta propuesta definitoria, estos contextos ricos en conocimiento son de gran utilidad para extraer información contextual (colocaciones, régimen preposicional, registro, etc.) y proporcionar información sobre relaciones gramaticales que servirían para ampliar el conocimiento sobre un ámbito específico o, incluso, como base para formular definiciones (Valero y Alcina, 2010).
No obstante, al utilizar contextos, debido a la utilidad de sus relaciones conceptuales, suelen entenderse como CD. Estos se definen, para este estudio, como un fragmento de texto de un documento especializado, en el que aparece, mediante una serie de patrones lingüísticos, un término y su definición, u otros elementos semánticos contextualizados que ayuden a la conceptualización del término (Alarcón et al., 2007; Sierra, 2009).
La investigación acerca de los CD suele estar vinculada a la terminografía, debido a la necesidad de localizar definiciones para acompañar a los términos, la cual se ha visto potenciada por avances tecnológicos que permiten la extracción automática de terminología (Cabré et al., 2001; Sierra, 2011). Sin embargo, la extracción automática de definiciones presenta mayor complejidad, en cuanto a las características que muestran diferentes tipologías textuales a nivel sintáctico y pragmático, que resultan en una gran variedad de relaciones que se dan entre el término y la definición, o los rasgos que se pueden extraer de dicho término en el texto (Sierra, 2009).
La dificultad que se identifica de los CD, como se enuncia en el párrafo anterior, radica en la manera en la que se relacionan los diferentes elementos que los conforman. Estos elementos que configuran el CD son el término (T), la definición (D) y el patrón definitorio (pd), con variaciones potenciales del PD, que podrían incluir una predicación verbal definitoria (PVD), marcadores reformulativos definitorios (MRD), marcadores tipográficos definitorios (MTD) o patrones pragmáticos (PP) (Alarcón et al., 2007; Sierra, 2009).
El T se entiende como un signo lingüístico que hace referencia a un concepto especializado (Cabré, 2001), que puede estar presente o no mediante relación anafórica con otro elemento del texto o, como es habitual, por medio de una estructura nominal, con un sustantivo como núcleo (Alarcón y Sierra, 2006). Aunque no se puede desdeñar la idea de que los términos se concreten como unidades de significación especializada no léxicas (Estopà, 2001), en función del campo de conocimiento que se analice (Alarcón et al., 2007).
La D, por otro lado, se entiende como la descripción del concepto que dicho término representa (Cabré, 2001), que podría darse mediante una definición aristotélica o por medio de la identificación de rasgos propios del término (Alarcón et al., 2007).
La relación que se mantiene entre T y D suele facilitar la interpretación de ambos elementos (Alarcón y Sierra, 2006), mediante el patrón definitorio (PD) y sus variaciones potenciales ya enunciadas, lo cual constituirían una serie de patrones sintácticos recurrentes que facilitan la recuperación de esta información lingüística (Sierra, 2009), y que se explicitan a continuación.
Las PVD son ciertos patrones verbales recurrentes, generalmente verbos metalingüísticos, como definir, u otros verbos que suelen introducir definiciones, como entender o ser (Alarcón et al., 2007), que pueden aparecer acompañados de otros elementos lingüísticos según el régimen preposicional de dichos verbos.
Por otro lado, los MRD son aquellas estructuras sintácticas que proporcionan un indicador al lector del texto de una reformulación o ejemplificación de términos o definiciones anteriores, como en las expresiones como es el caso, es decir, etc. (Sierra et al., 2003).
Estas indicaciones en el texto pueden ser de carácter lingüístico (MRD) o de carácter ortotipográfico, lo que se consideraría un MTD, como serían los paréntesis, los dos puntos o recursos estilísticos de énfasis como la cursiva, empleada como resalte y con función metalingüística.
Finalmente, cabe mencionar los PP, los cuales sirven para contextualizar diferentes aspectos de los términos y las definiciones, con alusiones a autoría, temporalidad, contextos de uso, frecuencia de uso, etc. (Alarcón et al., 2007; Sierra et al., 2008), lo que ayudaría a extraer información analítica sobre el término.
Así, estas estructuras son variadas y utilizan sintagmas diferentes. Además, las propuestas de búsqueda para recuperar gran cantidad de información han de ser abiertas, con el fin de localizar estructuras sintácticas recurrentes, en lugar de palabras específicas y sus respectivas colocaciones (López, 2020). De lo contrario, la información recuperada estaría más centrada en la terminología empleada que en patrones definitorios.
3. Método
Para llevar a cabo esta investigación, se ha compilado un corpus de 100 artículos de investigación para comprobar la extracción de información definitoria en estos géneros textuales. A continuación se muestran las características principales del corpus empleado, así como la herramienta usada.
3.1. Corpus
Para esta investigación, se ha decidido compilar un corpus monolingüe francés de textos especializados. Este corpus se ha creado con el fin de ampliarlo en un futuro a un corpus comparable bilingüe francés-español, el cual se caracteriza, principalmente, porque los textos que lo componen en ambas combinaciones lingüísticas son textos originales, no traducciones, lo que garantiza que se evitarán las potenciales pérdidas de sentido y estructuras sintácticas idiomáticas que se originan en el proceso de traducción, y permite una extracción de resultados más segura (Condamines et al., 2013; Corpas, 2001; Laursen y Arinas-Pellón, 2012). Además, de esta manera se puede realizar una investigación tanto monolingüe como contrastiva sobre los diferentes patrones definitorios que se emplean en ambos idiomas en el ámbito de la ingeniería genética y la biotecnología. No obstante, por lo pronto, la presente investigación se centra únicamente en la lengua francesa.
Los textos que componen el corpus se han seleccionado tras proponer las siguientes restricciones diasistemáticas y pragmáticas: los textos han de pertenecer al género artículo de investigación y han de tratar sobre ingeniería genética y biotecnología; en este sentido, se han incluido textos sobre ingeniería genética y biotecnología a nivel general, nanotecnología, neuroprótesis, biónica, transgénesis, edición genética, entre otros temas, aplicados a humanos, animales y vegetales. Esta pluralidad temática se debe a las limitaciones impuestas por la combinación lingüística (francés), que en el ámbito de la investigación suponen una reducción considerable de la investigación disponible sobre estos ámbitos científicos (Haße et al., 2011; Martínez, 2010; Rodríguez, 2017).
El idioma en el que habrían de estar redactados los textos para su publicación es francés, en su variante europea, para evitar así la variación terminológica y garantizar una mayor homogeneidad al localizar expresiones mediante palabras clave específicas. Además, los textos deben estar publicados con posterioridad a 2010, con lo que se busca eliminar la variación diacrónica que puede tener un ámbito como la biotecnología y la ingeniería genética, así como evitar la inclusión de artículos de carácter ético, muy recurrentes en años anteriores a 2010, debido a los tímidos avances y con tantas implicaciones ideológicas, que podrían alterar los resultados (transhumanismo, ética de la ingeniería genética, etc.).
Para la localización de estos textos se ha recurrido a buscadores especializados como Google Académico, PubMed y Medicina en Español (MEDES). Estos buscadores han permitido utilizar los diferentes filtros y la lógica booleana para aplicar las restricciones diasistemáticas presentadas anteriormente (año de publicación, lugar de publicación, idioma, género, temática, etc.).
Como se mencionaba anteriormente, una de las mayores limitaciones que se ha tenido durante la compilación del corpus es la selección textual de artículos en francés, lengua que a pesar de tener una presencia relevante en internet (Pimienta y Prado, 2016), se suele utilizar con menos frecuencia en la divulgación científica (Navarro, 2001). Esto se puede ver en los resultados recuperados en la base de datos PubMed, una base de datos específica de literatura científica biosanitaria con más de 30 000 000 millones de publicaciones, que solo recupera 759 831 resultados en el caso del francés al buscar únicamente por el idioma y sin aplicar restricciones diasistemáticas.
Una vez que se han respetado los anteriores criterios de inclusión textual, el corpus compilado posee las características que se enuncian en la Tabla 1.
Tabla 1
Características del corpus objeto de estudio
Como se puede apreciar, los textos tienen una longitud media de 6323 palabras en francés, y la ratio type / token indica que no hay mucha variación léxica en el corpus compilado (Capsada y Torruella, 2017). Esta ratio también se puede considerar elevada, debido al número de palabras (tokens) del corpus, que apenas supera el medio millón de palabras, así como de la condición especializada del corpus objeto de estudio, que implicaría temas recurrentes en los diferentes textos y similitud en metodologías, instrumentos y otros elementos que incluyen estos artículos, con una consecuente repetición léxica.
El formateo de los textos se ha reducido a la conversión de formatos editables (ODT, DOC/X) y formatos electrónicos (HTML) a un formato no editable (PDF) que permita un mejor procesamiento, manejo y gestión. La elección del formato PDF se debe a la herramienta seleccionada para la compilación y explotación del corpus.
3.2. Herramienta empleada
Las herramientas de gestión y análisis de corpus actuales presentan similitudes a nivel funcional (Rodríguez y Ortega, 2020). Sin embargo, la herramienta seleccionada para realizar esta investigación es Sketch Engine (s. f.). Esta se ha seleccionado por su versatilidad, la variedad de formatos textuales que soporta (PDF entre ellos), los análisis que pueden llevarse a cabo gracias a su lenguaje de interrogación (CQL) y a las expresiones regulares que admite (Kilgarriff et al., 2014), como también por incluir la función de etiquetado gramatical automático con una elevada calidad (Fromm et al., 2020). Este etiquetado, además, varía en función de cada idioma, por lo que las búsquedas mediante la utilización de CQL han de ser específicas de cada idioma, debido a las estructuras oracionales propias de cada lengua, así como al comportamiento textual y macroestructural que tienen diversos géneros textuales.
Esta variación provoca que las estrategias de búsqueda en corpus cambien según el idioma objeto de estudio. En el caso del francés, se hace uso de las etiquetas gramaticales francesas que proporciona FreeLing, basado en las premisas del grupo EAGLES (1996). Estas etiquetas gramaticales se utilizan integradas en ecuaciones de búsqueda con CQL, así como con expresiones regulares, para verificar que su uso devuelve contextos definitorios de ayuda para la traducción especializada, teniendo en consideración las estructuras particulares de los diferentes patrones que presentan estos contextos.
Estos lenguajes formales, tanto CQL como las expresiones regulares, se emplean para la interrogación avanzada de corpus, con el fin de extraer información sintáctica (Jakubíček et al., 2010; Ryšavá et al., 2015).
4. Resultados
Para mejorar la localización de los resultados, se establece una clasificación de las ecuaciones de búsqueda propuestas para la extracción de contextos definitorios en el corpus francés objeto de estudio, basada en los elementos de los CD. Así pues, las ecuaciones propuestas se estructuran en función de si los elementos principales de las ecuaciones de búsqueda son PVD, MRD, MTD o PP.
4.1. Predicaciones verbales definitorias
Como se mencionaba anteriormente, las PVD son patrones verbales recurrentes que introducen definiciones (Alarcón et al., 2007). Los verbos que se suelen emplear a la hora de proponer la definición de un término suelen ser être, s’entendre, désigner, dénommer, etc. Estos verbos pueden aparecer en forma de participio pasado o en una construcción pasiva en francés (est entendu, dénommé, etc.), en contraposición al español, que suele redactarse en forma reflexiva con la partícula se (se define, se denomina, se entiende) (Alarcón y Sierra, 2017). Teniendo esto en cuenta, a continuación se presenta una ecuación de búsqueda basada en CQL.
Esta ecuación de búsqueda es básica, en el sentido en que utiliza el verbo être únicamente como núcleo de la PVD. Sin embargo, ya arroja 645 resultados en el corpus interrogado.
La ecuación de búsqueda está estructurada para localizar un determinante opcional, seguido de un sustantivo como elemento obligatorio, que se considera el núcleo del elemento que se pretende definir. Al sustantivo pueden seguirle una concatenación de entre 0 y 2 sustantivos o adjetivos (o una alternancia de ellos), con lo que se pretenden recuperar términos poliléxicos.
Tras esta estructura, se introduce el verbo être lematizado, seguido de un determinante opcional y un sustantivo que, como en la parte del término, se considera también núcleo de la definición. Así, esta ecuación arroja resultados como los siguientes:
Par définition, les marqueurs tumoraux sont les indicateurs biologiques de ces changements moléculaires survenant lors du processus tumoral
Como se puede observar en estos resultados, con esta simple ecuación de búsqueda se localizan numerosos contextos definitorios vinculados al verbo être.
Una de las limitaciones que se entrevé en la ecuación de búsqueda es que no se logró recuperar la totalidad del término o del evento que se pretende definir (altérations génetiques de ces élements). Una manera de solventar estas limitaciones es realizar una ampliación de lo que se entiende por “término” o “evento definible”. Así, se propone la siguiente ecuación de búsqueda, que contempla esta limitación:
Con esta propuesta, se incluyen términos poliléxicos que pueden estar constituidos por varios sustantivos concatenados (Candida maltosa), seguidos de adjetivos (thrombopénie alloimmune) y vehiculados por las palabras de, comme o par, con el siguiente sustantivo (système de traitement biologique). Esta búsqueda arroja 907 resultados en el corpus, lo que supone un incremento de resultados considerable respecto a la anterior ecuación de búsqueda, al ampliar únicamente el término en la estructura del CD.
Por otro lado, al incluir otros verbos empleados comúnmente en las PVD y mencionados anteriormente, se observa un incremento anecdótico en los resultados (924), con la siguiente ecuación de búsqueda:
Esta ecuación arroja nuevos resultados, con presencia esta vez de estructuras introductorias como dénommé o définit.
La norme EN149 définit trois classes d’efficacité de filtration pour ces masques, à savoir FFP1, FFP2 et FFP3
Con estos resultados se identifican ciertos patrones verbales recurrentes en el proceso de definición en el contexto académico y científico en francés, que ayudarían a los investigadores a localizar tanto terminología como relaciones gramaticales y semánticas con las cuales ampliar su conocimiento al respecto.
4.2. Marcadores reformulativos definitorios
Los MRD incluían elementos que introducían al lector reformulaciones o ejemplificaciones de términos, con ayuda generalmente de locuciones, entendidas como unidades fraseológicas con fijación interna, unidad de significado y fijación externa pasemática, que suelen funcionar como elementos oracionales (Corpas, 1996), de uso común en estos contextos como c’est-à-dire, par exemple, autrement dit, etc.
Algunas propuestas de ecuación de búsqueda que incluyan estos elementos son las siguientes: en primer lugar, se propone la ecuación de búsqueda que localice la locución c’est-à-dire:
En esta ecuación se pueden intuir algunas de las limitaciones que presenta el francés respecto al inglés en cuanto al uso de CQL, un lenguaje de interrogación que está basado en la sintaxis inglesa, a pesar de tener un etiquetado gramatical específico para la localización de información en francés. En el ejemplo se ve que la contracción de ce y est en c’est no se localiza como una búsqueda lematizada de ce ([lemma=”ce”]), sino que se ha de buscar con el atributo [word] y la letra c para localizar esta contracción. Esta búsqueda nos permite localizar reformulaciones como las siguientes:
Dans le cas de protéines inconnues, c’est à dire non répertoriées dans les banques de données protéiques
En esta ecuación de búsqueda se realiza únicamente la búsqueda de la locución que, en estos contextos, introduce estas reformulaciones o acotaciones semánticas, como la que se muestra en el ejemplo anterior. En el corpus objeto de estudio arroja un resultado, por lo que no es necesario acotar más; sin embargo, en un corpus con mayor volumen de palabras y, por consiguiente, de contextos definitorios, sería necesario acotar esta búsqueda con una propuesta como la siguiente:
Así, la estructura localizaría una serie de sustantivos o adjetivos (o una alternancia de ellos), seguida de una coma opcional que precede ortotipográficamente a la locución c’est-à-dire en francés, que se cierra con otra coma opcional.
Las convenciones ortotipográficas se han introducido como optativas, debido al posible desconocimiento de las normas de redacción de los investigadores; de esta manera, al hacerlas opcionales, se recuperarían aquellos casos con errores ortotipográficos.
De igual modo, y con otro MRD similar, se encuentra la expresión à savoir, que también puede ir precedida por signos ortotipográficos como comas y dos puntos. Para recuperar esta expresión dentro de un CD, se propone la siguiente ecuación de búsqueda:
Esta búsqueda, lanzada en el corpus objeto de estudio, devuelve 21 resultados. En esta ocasión, la expresión à savoir ([word="à"][word="savoir"]) se enmarca entre dos elementos opcionales, una coma o dos puntos, que vendría tras la localización de una serie de elementos que podrían conformar un término monoléxico, poliléxico o uno que incluya el lema de en su estructura:
l’absence d’un traitement efficace peut causer différentes complications: à savoir la rétinopathie; la néphropathie,
Otra estructura similar considerada un MRD sería autrement dit. Para recuperar esta estructura, se propone la siguiente ecuación de búsqueda:
De igual modo que con la búsqueda que localiza la estructura à savoir, se enmarca la expresión autrement dit entre signos ortotipográficos opcionales, para poder recuperar los potenciales contextos con usos de puntuación no normativos. La búsqueda recupera 4 resultados, ambos con esta variación ortotipográfica, como se ve en los siguientes ejemplos:
Il en résulte une entrave à la progression des polymérases, autrement dit une inhibition de réplication ou de transcription
Dans la population caucasienne, les deux variants les plus fréquents sont CYP2C9*2 (Arg144Cys) et CYP2C9*3 (Ile359Leu), présents chez, respectivement, 8 à 19 % et 6 à 10% des sujets : autrement dit, près d’un tiers de la population générale possède au moins un allèle muté.
Un caso similar se presenta con la construcción par exemple, que se podría localizar con la siguiente ecuación de búsqueda:
Los resultados que arroja esta búsqueda son de 479, entre los que se localiza, como en los casos previos, una variación a nivel ortotipográfico, que se recupera gracias a la inclusión de la coma y los dos puntos opcionales en la ecuación de búsqueda.
pouvant ensuite être étudiés en détail par des techniques immunocytochimiques, par exemple pour une délimitation précise de la tumeur au sein du tissu
L’étape de fixation (1) du virus sur le récepteur cellulaire ( CD4/CCR5 par exemple ) peut être étudiée
Tras analizar estos ejemplos anteriores, se observa que los MRD forman parte de los CD, pero que la relación que mantienen con el término no es tanto de definición, sino de matización o de ampliación de la información propuesta en el texto. Estos elementos, si bien no proporcionan una definición aristotélica, añaden matices informativos que ayudarían al receptor de estos textos a interpretar correctamente el contenido por medio de ejemplificaciones o reformulaciones. Además, se puede ver un mayor uso de la expresión par exemple en detrimento de c’est-à-dire o à savoir, que podrían considerarse poco adecuadas a nivel de registro en el ámbito científico.
4.3. Marcadores tipográficos definitorios
Los MTD, al igual que los MRD, introducen en el texto pautas para identificar el comienzo de una reformulación o definición, esta vez con elementos de carácter ortotipográfico, como pueden ser los paréntesis, los dos puntos o recursos como la cursiva. A continuación se muestran las propuestas de ecuación de búsqueda con estos elementos.
El primer MTD que se plantea es el uso de los dos puntos. Para ello, se proporciona la siguiente ecuación de búsqueda:
Esta simple ecuación busca eliminar ruido informativo mediante la localización de un sintagma nominal precedido del signo ortotipográfico de dos puntos y un determinante. Esta búsqueda arroja 1062 resultados, de los cuales la mayoría introducen potenciales definiciones o reformulaciones, como se observa en los siguientes ejemplos:
relié à un spectromètre de masse (MS) en tandem: la première colonne est un échangeur fort de cations (CE), la deuxième une phase inverse (PI)
deux aspects clés de la cytocinèse : les microtubules du fuseau mitotique dictent la position du sillon de clivage; et l’invagination de la membrane est associée à la contraction d’un anneau cortical interne d’actine/myosine II
El uso de este signo ortotipográfico está muy extendido a nivel de redacción en el ámbito académico. Un ejemplo de ello se encuentra en las interferencias que no devuelven los resultados, ya que se localizan títulos de publicaciones científicas presentes en las referencias bibliográficas (elemento indispensable del género textual objeto de estudio), como los siguientes ejemplos:
No obstante, y sabiendo cómo funciona la creación de títulos de publicaciones científicas y las recomendaciones para ello, se construye la siguiente ecuación de búsqueda basada en la anterior:
De esta manera, se establece como principio creador de títulos en publicaciones científicas la recomendación de la American Psychology Association (APA), una referencia en muchos ámbitos científicos actuales, que recomienda no incluir títulos de más de 12 palabras (APA, 2020). Así, teniendo como referencia que la posición de los dos puntos sería intermedia en el título, añadimos una expresión que amplía la búsqueda con 8 palabras más a partir de los dos puntos, de las cuales han de ser 1 o 2 determinantes, seguidos de 1 sustantivo o 1 adjetivo, y 6 palabras que no incluyan un signo ortotipográfico que sea un punto, un cierre de interrogación o, de nuevo, dos puntos. Con la inclusión de esta última parte se garantiza que la expresión no localiza varias frases, ya que se limita a devolver la frase que incluye los dos puntos. Esta ecuación de búsqueda devuelve 693 resultados, entre los cuales ya no se detectan títulos y solo hay frases presentes en el texto del artículo.
Otro MTD recurrente en el ámbito académico es el uso de paréntesis. La localización de estos se puede realizar con la siguiente ecuación de búsqueda (7083 resultados):
Para cribar los resultados que pueden resultar de la información en el género textual (como, por ejemplo, la identificación de un ISSN digital o impreso), se añade la etiqueta de sustantivo antes de la apertura de paréntesis:
No obstante, y a pesar de que se reducen considerablemente los resultados (4012), siguen apareciendo resultados que no son CD, sino elementos como citas y referencias bibliográficas. Para filtrar también estos resultados en una única ecuación de búsqueda, se propone la siguiente:
Con esta sintaxis de búsqueda, los resultados se reducen a más de un tercio desde la primera ecuación a un total de 2256.
En la anterior ecuación de búsqueda, los resultados devuelven una estructura compuesta por dos sustantivos, adjetivos o una combinación de ambos, excluyendo la estructura que precede el paréntesis bibliográfico: una letra inicial (una letra mayúscula seguida de un punto). En esta ocasión, los ejemplos de paréntesis son aquellos que se pretenden localizar en esta investigación, es decir, aquellos que introducen una definición, reformulación o matización de un término que precede el paréntesis, como se ve en los siguientes ejemplos:
Dans la technologie SELDI (surface enhanced laser desorption-ionization), ce qui est retenu sur la surface chromatograpique est analysé en spectrométrie de masse
L’existence de métaboliseurs ultrarapides (MUR) (activité augmentée) ou intermédiaires (MI) (activité réduite)
Les médecins généralistes calculaient le SAM score (Self Assessement Melanoma Risk Score) et repéraient ainsi les patients à risque
la production d’enzymes ou d’autres protéines recombinantes (insuline, interférons, hormone de croissance), mais seule Pichia pastoris est actuellement mise à contribution pour la production d’AcM
Estos ejemplos ilustran la función de los paréntesis reformulativos en este género textual, con un léxico especializado que, en numerosas ocasiones, utiliza siglas que se desarrollan usando estos recursos ortotipográficos, así como ejemplificaciones para detallar el contenido expuesto.
4.4. Patrones pragmáticos
Los PP sirven para contextualizar algunos aspectos que afectan al término o a la definición. Para ello, se propone una serie de ejemplos que podrían recuperar información contextual. La primera propuesta de PP es la estructura par définition:
Con esta ecuación de búsqueda, se localizan unos 13 casos, que reafirman las sospechas iniciales a la hora de construirla.
La estructura par définition puede ser un elemento de inicio de frase, por lo que una mala elección de atributo podría reducir los resultados recuperados; para evitar esto, se ha introducido la primera palabra de la estructura (par) con el atributo [lc] (lowercase), que convierte la búsqueda en indiferente a la capitalización y localizaría esta forma en mayúscula (comienzo de frase) y minúscula.
Para ubicar también esta estructura, se hace opcional la presencia de un sustantivo tras la estructura par définition, así como la inserción de la coma para recuperar, como se mencionaba anteriormente, estructuras con incorrecciones ortotipográficas.
Tras la estructura par définition se recupera un determinante opcional, que puede preceder un sintagma nominal, seguido de uno o varios (hasta 3) sustantivos, adjetivos, verbos o una combinación de ellos.
Par définition, les marqueurs tumoraux sont les indicateurs biologiques de ces changements moléculaires survenant lors du processus tumoral
Le diabète par définition peut être regroupé en deux types majeurs : le diabète de type 1 appelé aussi diabète insulino-dépendant qui est causé par la destruction des cellules bêta du pancréas,
Así, se evita la pérdida de resultados, al mantener una búsqueda no marcada por la capitalización de sus elementos; si el atributo [lc] se cambiase por el atributo [word], los resultados se reducirían a 3, lo que implica una ineficaz recuperación de la información.
Otra estructura considerada un PP es la partícula comme, que introduciría matices o definiciones por parte de los autores. Para realizar la propuesta de búsqueda se ha de tener en cuenta que comme es una partícula muy empleada en lenguaje académico y, también, en géneros textuales menos especializados, por lo que su utilización está muy extendida y puede devolver demasiados resultados. Se propone así la siguiente ecuación de búsqueda:
Esta ecuación de búsqueda plantea una estructura en la que la partícula comme está precedida de uno o varios verbos; de esta manera, se contempla el uso de tiempos verbales compuestos muy recurrentes en francés. Además, se alterna el uso de verbos con adverbios, recurso estilístico igualmente muy empleado en la lengua que se analiza en la presente investigación.
Como se ha mencionado en estrategias de búsqueda anteriores, la limitación de los resultados se basa en la creación de un patrón de término que incluya un sintagma nominal compuesto por uno o varios sustantivos, adjetivos o la combinación de ellos, para identificar así terminología poliléxica o estructuras complejas que pretenden ser definidas. Esta ecuación de búsqueda devuelve 338 resultados, con unas estructuras compuestas por los verbos considérer (74), utiliser (33), reconnaître (27), définir (16), apparaître (15), présenter (13), décrire (11) y otros muchos verbos con una menor frecuencia de uso.
l’établissement d’un profil protéique spécifique peut être considéré comme fiable et reproductible si le protocole utilisé pour le recueil des échantillons, leur analyse et l’interprétation des résultats
Les principaux facteurs reconnus comme cancérogènes sont l’amiante, la poussière de bois, les rayonnements ionisants, le radon, la silice, les métaux lourds
Un site précis du génome de la cellule préalablement caractérisé comme étant transcriptionnellement actif, peut être également ciblé
De estos ejemplos se desprende la necesidad de considerar estos PP como parte de los CD, que añaden información adicional a los términos que se emplean en los textos especializados, como condición, causa, enumeración, etc. Los PP se toman como elementos periféricos de los CD; sin embargo, estas estructuras ayudan a reformular y matizar conceptos en ámbitos especializados, un recurso muy necesario al intentar extraer la mayor cantidad de información posible de un término.
5. Conclusiones
Tras realizar las pertinentes ecuaciones de búsqueda en el corpus francés, se dejan entrever las limitaciones específicas que, respecto a la lengua inglesa, tiene la lengua francesa en cuanto a procesamiento de la información y la recuperación mediante un corpus etiquetado, dado que la primera es la que toman como base la mayoría de programas y expresiones regulares.
Sin embargo, estas mismas expresiones regulares son las que ayudan en la recuperación de la información cuando se dan este tipo de problemas, como es el caso de la contracción de ce seguida del verbo être en tercera persona del singular (c’est), que se ha de recuperar como dos palabras (c + est), al no contemplar la letra c como una variante morfológica del demostrativo ce. Este error es frecuente en el etiquetado gramatical francés, el cual, según la literatura científica, suele confundir contracciones de artículos y demostrativos, así como alternar categorías gramaticales entre, por ejemplo, participios y adjetivos (Denis y Sagot, 2012).
No obstante, estas ecuaciones de búsqueda permiten deducir que la lengua francesa tiene el mismo potencial que la lengua inglesa, de acuerdo con los numerosos estudios que emplean el inglés como lengua de trabajo (Cabezas-García y Faber, 2018; Evert et al., 2020; Ježek y Melloni, 2011; León-Araúz y Reimerink, 2019, 2020), al ser procesada formalmente por medio de CQL y expresiones regulares para extraer contextos definitorios mediante patrones recurrentes de PVD, MRD, PP e incluso MTD, con un procesamiento adecuado de la sintaxis y la morfología francesa. De hecho, los estudios que toman como base la lengua francesa son muy necesarios aún en la actualidad, para potenciar la investigación científica sobre esta combinación lingüística e incentivar así una utilización de estrategias que se puedan seguir en la traducción profesional, con el fin de extraer información contextualizada y definitoria de textos especializados que pueda ayudar en el trasvase lingüístico.
Además, uno de los principales problemas que se da en la traducción especializada del francés al español es precisamente la interferencia lingüística que se produce entre lenguas romances (Cagnolati, 2015), que se ve potenciada en la traducción de esta combinación lingüística en el ámbito biosanitario, debido a la presencia de falsos amigos o calcos léxicos y sintácticos, entre muchos otros problemas de traducción (Ortega, 2003). Esta estrategia de búsqueda ha demostrado ser de utilidad en la extracción de información para el proceso de traducción, si se aplica al ámbito profesional, y una gran fuente de información contextual y definitoria para generar más recursos terminológicos especializados en la combinación lingüística francés-español, si se aplica al ámbito investigativo. En cualquier caso, se muestra como una línea de trabajo con gran potencial aplicada a diferentes áreas de especialización temática.
En vista de los resultados, se plantea que si bien la cantidad de palabras puede ser reducida debido a que no es un corpus de gran tamaño, este corpus se ha configurado, como se ha mencionado anteriormente, como un corpus abierto, por lo que admite la incorporación de nuevos textos, siempre y cuando respeten las restricciones diasistemáticas planteadas en la metodología. Así, el corpus aumentaría en palabras (tokens) y tipos (types), con lo que se presentarían, de este modo, unos resultados con mayores frecuencias.
Por otro lado, se ha detectado cierto potencial para ampliar esta línea de investigación en futuras publicaciones. Una de estas líneas está vinculada a Sketch Engine, la herramienta empleada para comprobar la utilidad de las ecuaciones de búsqueda basadas en CQL y en expresiones regulares. Sketch Engine permite generar patrones gramaticales que se pueden incorporar en la plataforma y localizar colocaciones gramaticales y léxicas con la función Word sketch. Estas ecuaciones de búsqueda podrían aumentarse y catalogarse según las relaciones gramaticales y semánticas que se establecen entre los elementos de la búsqueda (causa-efecto, hiperonimia, etc.) (León-Araúz et al., 2016). Así, la propia herramienta podría establecer estas relaciones automáticamente, al introducir el término que se pretende analizar en un entorno más intuitivo y con una mayor cantidad de datos cuantitativos.
Además, se han identificado ciertas limitaciones en cuanto al tamaño del corpus objeto de estudio, ya que las frecuencias son, en ocasiones, demasiado bajas para poder generalizar resultados. Sin embargo, con un corpus que contenga un mayor número de palabras (tokens) y siguiendo la metodología llevada a cabo, se podría analizar si la ausencia de estas estructuras se debe al género textual (artículo de investigación) y registro (académico) que se localizan en los textos o, por el contrario, y al contrastarlos con esta investigación, se debe a la cantidad de palabras con las que se inicia este estudio.
No obstante, y a pesar de las frecuencias de uso expuestas, los ejemplos del estudio demuestran el potencial de estas búsquedas no solo para la investigación en traductología y terminografía, sino también para la práctica profesional de la traducción especializada del francés al español, que con tan pocos recursos sigue contando en la actualidad.