Estudio de neologismos a través de big data en un corpus textual extraído de Twitter

Abstract

El uso de la informática es cada vez más habitual en el trabajo lingüístico. La Lingüística de Corpus, en especial, se está viendo beneficiada por este emparejamiento, gracias a los avances a la hora de gestionar y procesar los corpora. En este trabajo proponemos la utilización de big data y de Twitter para comprobar su utilidad a la hora de estudiar la formación y aparición de neologismos. Gracias a la creación de una herramienta informática diseñada específicamente para el trabajo lingüístico en big data, obtenemos una inmensa cantidad de datos textuales que nos servirán para la compilación de corpora. Estos datos no solo nos ofrecen información lingüística, sino también temporal y espacial. Mediante la selección de unos parámetros específicos, estudiaremos distintos términos con diferentes patrones de formación para comprobar cómo se forman, dónde y cuándo se introducen en la lengua y cómo y cuánto se utilizan.

The use of computers is more and more usual in linguistic research. Corpus linguistics, in particular, is benefiting from this matching, due to the improvements in management and processing of corpora. In this work we propose to test the usefulness of big data and Twitter as a resource to study the formation and appearance of neologisms in language. Thanks to the development of a software specifically designed for linguistic work with big data, we will obtain a vast amount of information which will be used to compile linguistic corpora. This data not only provides us linguistic information, but also facts related to temporal and spatial information. Through the selection of some specific settings, we will study various terms with different formation patterns, in order to know how they are formed, when and where they are introduced in the language and how they are used.