COFRE – Corpus of Online Forum Replies. A Trilingual TripAdvisor Corpus for the Study of Address Forms and Beyond

• Sampedro Mella, María ^[1] ; Cougnon, Louise-Amélie ^[1] ; De Cock, Barbara ^[1]
  1. [1] UCLouvain
• Localización: Variación / Variation: Revista de variación y cambio lingüístico, ISSN-e 3020-9854, Nº. 3, 2026, págs. 132-156
• Idioma: inglés
• Títulos paralelos:
  • COFRE – Corpus of Online Forum Replies. Un corpus trilingüe de TripAdvisor para el estudio de las formas de tratamiento y mucho más
• Enlaces
  • Texto completo
• Resumen
  • español

    Este artículo presenta el Corpus of Online Forum Replies (COFRE), un corpus multilingüe recopilado a partir de foros de TripAdvisor de cuatro países europeos: Bélgica, Francia, España y Portugal. Contiene un total de 4084 hilos y 32 147 respuestas, y abarca un periodo de once años (2015-2025). Se ha diseñado como base para el estudio empírico de las formas de tratamiento en contextos comparables de comunicación mediada por ordenador. Los objetivos principales de este artículo son (1) describir el diseño, recopilación y anotación del corpus, (ii) cuantificar el uso de las formas de tratamiento en estas interacciones y (iii) analizar contrastivamente las formas de tratamiento en estas lenguas. El corpus se recopiló manualmente en formato HTML (2025-2026) e incluye información sobre los mensajes (títulos, contenido, respuestas y fechas) y los usuarios (cuando estaba disponible), que fue automáticamente pseudonimizada. Las formas de tratamiento se anotaron con spaCy (Python) en el nivel pronominal y verbal. Los resultados preliminares muestran diferencias sustanciales en el uso de estas formas entre países, especialmente entre España (en donde la forma informal T aparece en casi todos los casos) y los demás países (en los que predomina la forma V). Además del estudio de las formas de tratamiento, el corpus constituye un recurso valioso para la investigación en el discurso digital, la lingüística, la pragmática y la lingüística computacional.

  • English

    This paper presents the Corpus of Online Forum Replies (COFRE), a multilingual corpus collected from TripAdvisor forums in four European countries: Belgium, France, Spain, and Portugal. The corpus contains 4,084 discussion threads and 32,147 replies, covering an eleven-year period (2015-2025). The corpus provides the basis for the empirical study of address forms in comparable contexts in computer-mediated communication.The main objectives of this paper are (i) to describe the design, compilation, and annotation of the corpus, (ii) to quantify the use of address forms in these interactions, and (iii) to provide a contrastive analysis of address practices in the concerned languages. The corpus was manually collected in HTML format (2025-2026), including information about the messages such as titles, textual content, replies, and dates. User information was also included when available, and was automatically pseudonymised. Address forms were annotated with spaCy (Python) at the pronoun and verb level. Preliminary results reveal substantial cross-country differences in the use of these forms, particularly between Spain (where the informal T-form is used in nearly all cases) and the other countries (where the V-form is preferred). Beyond the study of address forms, COFRE provides a valuable resource for research on digital discourse, linguistics, pragmatics, and computational linguistics.