El conjunto de datos de Relaciones Cognadas Indoeuropeas

Área de la Ciencia:

• Lingüística computacional
• La lingüística histórica
• Estudios de la evolución del lenguaje

Sus antecedentes:

• La familia de lenguas indoeuropeas es vasta, con relaciones históricas complejas.
• La comprensión de los patrones afines es crucial para reconstruir los protoidiomas y rastrear la evolución lingüística.
• Los conjuntos de datos existentes a menudo carecen de una cobertura completa o formatos estandarizados para el análisis computacional.

Objetivo del estudio:

• Introducir el conjunto de datos de Relaciones Cognadas Indoeuropeas (IE-CoR), un nuevo recurso para la investigación lingüística.
• Proporcionar un conjunto de datos de referencia para estudios computacionales sobre la evolución de las lenguas indoeuropeas.
• Facilitar el estudio de la herencia léxica y la transferencia horizontal entre las lenguas indoeuropeas.

Principales métodos:

• Compilación de un conjunto de datos relacionales que cubre 160 lenguas indoeuropeas.
• Análisis de 25.731 entradas de lexema en 4.981 conjuntos afines basados en 170 significados de referencia.
• Incluir datos sobre la transferencia horizontal, la calibración en el tiempo y los metadatos geográficos y sociales.
• Adherencia a los protocolos de formato de datos entre lenguas (CLDF) para la interoperabilidad.

Principales resultados:

• El conjunto de datos del IE-CDR contiene 25.731 entradas de léxicos en 160 idiomas, organizadas en 4.981 conjuntos afines.
• Representa los 13 principales clados indoeuropeos e incluye datos sobre la transferencia horizontal de palabras.
• El conjunto de datos incorpora la calibración del tiempo, los metadatos geográficos y sociales para un análisis mejorado.

Conclusiones:

• El conjunto de datos del IE-CoR ofrece un recurso completo y estandarizado para la lingüística histórica computacional.
• Sirve como un punto de referencia valioso para la investigación de la evolución de las lenguas indoeuropeas.
• El diseño del conjunto de datos promueve la interoperabilidad y puede servir de modelo para otras familias lingüísticas.