Saltar al contenido

Métodos textuales · Dos transcripciones de novelas históricas · Obtenidas en 2026

Cómo cambian la medición las reglas de comillas en dos transcripciones de novelas

Tres reglas de comillas, aplicadas sin cambios, dan una diferencia de 5,78 puntos porcentuales en la transcripción de Pride and Prejudice y de 35,70 en la de Frankenstein. En los primeros párrafos no hubo ninguna diferencia. Son porcentajes mecánicos de texto contenido entre comillas, no la proporción de diálogo.

Publicado
Compartir
Comparte esta página
CorreoCómo citar y reutilizar
Resultados principales en texto
Imágenes reutilizablesCómo cambian la medición las reglas de comillas en dos transcripciones de novelas — 5,78 puntos porcentuales: Rango entre las tres reglas en la transcripción de Austen. Texto extraído completo; mismo denominador y tres reglas fijas.Descargar imagen para compartir (JPG) ↓

Resultados principales

5,78 puntos porcentuales

Rango entre las tres reglas en la transcripción de Austen

Texto extraído completo; mismo denominador y tres reglas fijas.

35,70 puntos porcentuales

Rango entre las tres reglas en la transcripción de Shelley

Texto extraído completo. No mide el estilo de la autora ni la exactitud del significado.

0 puntos porcentuales

Rango en cada prueba inicial

Primeros cincuenta párrafos conservados. Que coincidieran no permitía anticipar lo que pasa con el texto completo.

24

Párrafos inspeccionados de forma sistemática

Doce posiciones fijas y equidistantes por libro; inspección cualitativa de pasajes, sin una referencia de comparación validada.

La medición cambia cuando cambia la regla de comillas

Una misma novela digital puede dar estimaciones muy distintas de texto entre comillas sin cambiar ni una palabra del texto de entrada. En las dos transcripciones que se examinan aquí, el rango entre tres reglas fijas de puntuación fue de 5,78 puntos porcentuales para Pride and Prejudice y de 35,70 para Frankenstein. Estas diferencias se refieren a una medida mecánica del texto. No establecen cuánto diálogo usó cada autora, ni si una narración es más conversacional que otra, ni qué estilo prefieren los lectores. El numerador depende de qué palabras (en términos técnicos, tokens) coloca una regla dentro de tramos entre comillas. El denominador depende de la transcripción elegida y del procedimiento de extracción.

El análisis empezó con una comprobación deliberadamente pequeña: los primeros cincuenta párrafos conservados de cada libro. Las tres reglas dieron porcentajes idénticos dentro de cada una de esas ventanas iniciales. Al aplicar las mismas reglas al texto completo extraído aparecieron diferencias que los comienzos no habían mostrado. Esa secuencia es central en este estudio de caso: que las reglas coincidan en un pasaje breve y de fácil acceso no basta para saber si un programa de análisis de comillas se comportará igual en todo el libro. Ni la coincidencia inicial ni la diferencia posterior establecen una propiedad general de las novelas. Son observaciones reproducibles sobre dos entradas fijas.

Una pregunta acotada, no una clasificación literaria

Lo que se mide es el porcentaje de tokens de palabra definidos que una regla clasifica como contenidos entre comillas dobles, dentro de una transcripción extraída. La sensibilidad es el porcentaje máximo menos el mínimo entre las tres reglas para esa misma entrada. Mantener fijo el denominador en cada comparación separa las decisiones sobre dónde empiezan y terminan las comillas de las diferencias de extensión entre libros. No se promedian las dos novelas para estimar nada sobre la ficción en inglés. No se muestrean autores, épocas, países, géneros ni lectores, y no se da ningún intervalo de confianza para una población imaginaria de libros.

La muestra es intencional y fija: el ítem 1342 del Project Gutenberg, Pride and Prejudice, de Jane Austen, y el ítem 42324, la versión de 1831 de Frankenstein, de Mary Shelley. El diálogo y la narración epistolar o enmarcada ofrecen situaciones contrastadas útiles para examinar reglas de comillas, pero esa razón de elegirlas no permite una comparación general de estilos literarios. No se añadió ninguna otra novela después de ver los resultados. El catálogo más amplio de Gutenberg, la disponibilidad de idiomas y la cobertura de formatos quedan fuera de este estudio. Su aportación es una auditoría de medición dentro de los textos, no otro recuento de entradas de un catálogo.

Los libros, sus ediciones y los archivos descargados

La autoría original corresponde a Austen y a Shelley. Austen vivió de 1775 a 1817 y Shelley, de 1797 a 1851. Pride and Prejudice apareció por primera vez en 1813, pero las páginas preliminares del ítem 1342 que se recibió identifican como fuente la edición ilustrada de George Allen de 1894, con prefacio de George Saintsbury e ilustraciones de Hugh Thomson. Saintsbury vivió de 1845 a 1933 y Thomson, de 1860 a 1920. Sus aportaciones se señalan como suyas y no se atribuyen a Austen. El prefacio y los bloques de ilustraciones quedan fuera del texto narrativo medido. No es una comparación de primeras ediciones.

El ítem 42324 identifica la publicación de H. Colburn y R. Bentley de 1831, y su nota de transcripción describe una reproducción fotográfica de esa edición. No se da la identidad bibliográfica de esa reproducción, y aquí no se inventa. Los archivos se obtuvieron el 30 de octubre de 2026. La cabecera del texto de Austen indica una actualización del 1 de septiembre de 2026, mientras que la página del ítem indicaba el 29 de septiembre; la cabecera del de Shelley indica el 23 de octubre. Son fechas distintas de las de las ediciones históricas. Las entradas se definen por la huella de sus bytes, y no solo por el título o por un enlace de descarga actual. La puntuación es una prueba sobre estas transcripciones, no sobre la tipografía de los manuscritos originales de las autoras.

Delimitar y conservar los límites del texto

Se comprobaron los comienzos y los finales de ambos textos con lo que los rodea. El texto de Austen empieza con la frase inicial sobre una verdad universalmente reconocida, después de las páginas preliminares, el prefacio y el índice. Termina con el último párrafo, sobre los Gardiner, antes de la ilustración final, la información de imprenta y el material de Gutenberg. El de Shelley empieza con la primera frase narrativa de Walton, después de la introducción y el prefacio. El destinatario y la fecha de la primera carta van antes de ese punto de partida y se excluyen. Termina con la desaparición de la criatura, antes de la marca de final, los datos de imprenta, las correcciones del transcriptor y la licencia. Las fechas, firmas y destinatarios de las cartas posteriores se quedan dentro del texto.

Dentro de esos límites se eliminan los bloques completos de ilustraciones mediante un procedimiento de corchetes equilibrados. También se eliminan los títulos de capítulo y de carta que están solos en su línea. Los párrafos se definen por líneas en blanco, y los párrafos conservados se unen con dos saltos de línea. El código incluye los puntos exactos de inicio y final, las posiciones de caracteres en la fuente normalizada y las huellas. Es una especificación de extracción reproducible, no una afirmación de que cada palabra conservada sea prosa narrativa. Las notas dentro del texto y los restos de formato que estas reglas no cubren siguen presentes. Es una limitación que se encontró al inspeccionar los pasajes y que se conservó, en lugar de repararla en silencio después de ver los resultados del texto completo.

Tres reglas fijadas antes de comparar los textos completos

La regla R1 es una alternancia global de comillas dobles. Las comillas dobles curvas se tratan igual que las rectas, y cada comilla que aparece cambia el estado entre «fuera» y «dentro». Una pareja completa define un tramo, aunque cruce el límite de un párrafo. Se excluye un tramo final sin pareja. Esta regla sencilla ignora la información sobre la dirección que dan las comillas curvas de apertura y de cierre. También trata como un cambio de estado una comilla de apertura repetida al principio de un párrafo que continúa, aunque un lector la entendería como la continuación de la misma cita.

La regla R2 usa la misma lógica de alternancia por parejas, pero reinicia el estado en cada párrafo. Las parejas completas dentro de un párrafo aportan palabras. El tramo sin terminar se excluye antes de que empiece el párrafo siguiente. La regla R3 distingue las comillas curvas de apertura de las de cierre y mantiene el estado entre párrafos. Si ya hay una cita abierta, otra comilla de apertura al principio de un párrafo se trata como continuación. En los demás casos, las comillas rectas alternan, con la misma convención de continuación al principio del párrafo. Se anotan las reaperturas curvas internas inesperadas y los cierres sueltos. Son tres definiciones de trabajo, no una competición con una respuesta correcta ya establecida. R3 sigue siendo una regla aproximada, sobre todo con tipografías poco habituales y convenciones de comillas mezcladas.

Palabras, cobertura y diagnósticos

Las palabras se reconocen con la expresión declarada [A-Za-z]+(?:['’][A-Za-z]+)*. Los apóstrofos internos, rectos o curvos, se quedan dentro de la palabra cuando están entre letras. Los guiones separan palabras y los dígitos se excluyen. Las letras con acento y las ligaduras no entran en los rangos alfabéticos ASCII y pueden partir una palabra. Una palabra entra en el numerador si su punto medio cae dentro de un tramo entre comillas completo. Esta convención hace que el cálculo sea exacto y reproducible, pero no debe confundirse con un separador de palabras lingüísticamente completo. Cambiarlo definiría otro análisis y no forma parte de la comparación que se presenta.

Las tres reglas ignoran a propósito las comillas simples como delimitadores independientes. Un pasaje entre comillas simples dentro de unas comillas dobles ya contadas no añade cobertura, porque sus palabras ya están dentro del tramo exterior. Pueden quedar fuera las intervenciones entre comillas simples de primer nivel, las introducidas con raya y el estilo indirecto sin marcas. Los diagnósticos registran los tramos completos, las colas sin pareja, las aperturas de continuación, los cierres sueltos y las reaperturas internas. En R2, una cola sin pareja significa que la alternancia queda abierta al final del párrafo. No demuestra que el signo que la inició fuera, por su sentido, una comilla de apertura. Las listas de posiciones conservan dónde aparecieron esas colas.

Qué mostró la prueba inicial y qué no podía mostrar

Tras corregir la extracción, los primeros cincuenta párrafos conservados de Austen contienen 1.254 palabras, de las cuales 955 cuentan todas las reglas: el 76,1563 %. El comienzo correspondiente de Shelley contiene 3.885 palabras, de las cuales 156 cuentan todas las reglas: el 4,0154 %. Hay 52 tramos completos en el comienzo de Austen y 13 en el de Shelley, sin colas finales sin pareja con ninguna regla. Las ventanas contienen cantidades de texto distintas, porque los párrafos varían de longitud. Sus porcentajes tan diferentes no deben usarse para ordenar novelas enteras ni para describir la práctica habitual de las autoras.

La inspección de pasajes encontró un defecto en la primera implementación de la extracción, antes de aceptar la prueba inicial. Una expresión regular dejaba de eliminar la ilustración al llegar a un corchete anidado. Quedaban restos de corchetes y una marca de ilustración sin leyenda, que ocupaban posiciones en la ventana de cincuenta párrafos. El resultado no válido de Austen era de 850 palabras de 1.140, el 74,5614 %. La eliminación con corchetes equilibrados restableció la ventana prevista y cambió el porcentaje en 1,5949 puntos. El resultado no válido se conserva con una etiqueta explícita. Es prueba de un fallo de implementación, no una estimación general del sesgo de la extracción. Que las reglas coincidieran no había permitido detectar ese fallo.

Sensibilidad en el texto completo de Austen

El texto completo extraído de Austen contiene 122.174 palabras en 2.060 párrafos conservados. R1 incluye 57.181 palabras, el 46,8029 %. R2 incluye 50.280, el 41,1544 %. R3 incluye 57.345, el 46,9372 %. El rango, es decir, el máximo menos el mínimo, es de 5,7827 puntos porcentuales. R1 encuentra 1.751 tramos completos; R2 y R3 encuentran 1.735 cada una. R2 registra 32 colas de párrafo sin pareja, mientras que R3 reconoce 32 aperturas de continuación. R1 y R3 terminan sin cola final sin pareja. R3 tampoco registra cierres curvos sueltos ni reaperturas curvas internas.

Que los porcentajes totales de la alternancia global y de la regla que reconoce la continuación estén tan próximos no demuestra que asignen los mismos tramos. La cobertura total puede ocultar cambios que se compensan, y no se presenta ninguna estimación de exactitud palabra por palabra. La diferencia mayor con la regla que reinicia en cada párrafo muestra que limitar las parejas completas a un solo párrafo excluye texto que las otras definiciones sí incluyen. La auditoría de pasajes identifica, entre las estructuras relevantes, cartas escritas de varios párrafos. Por eso, una parte mayor incluida de forma mecánica no se puede interpretar sin más como que se recupera más conversación hablada. También puede incluir más texto de una carta o de otro objeto escrito que se cita.

Sensibilidad en el texto completo de Shelley

El texto completo extraído de Shelley contiene 75.234 palabras en 768 párrafos conservados. R1 incluye 38.625 palabras, el 51,3398 %. R2 incluye 11.769, el 15,6432 %. R3 incluye 30.545, el 40,6000 %. El rango es de 35,6966 puntos porcentuales. R1 registra 388 tramos completos; R2 y R3 registran 293 cada una. R2 registra 190 colas de párrafo sin pareja y R3 reconoce 190 aperturas de continuación. Ninguna de las dos reglas globales termina con una cola sin pareja. Como el texto medido usa comillas dobles rectas, los diagnósticos de R3 propios de las comillas curvas (cierres sueltos y reaperturas internas) no resuelven las cuestiones de significado de fondo.

Estos resultados muestran por qué un número par de comillas al final es un control de calidad débil. Una alternancia global puede volver al estado «fuera» al terminar, aunque antes haya cruzado límites que no correspondían. Las aperturas repetidas al principio de un párrafo pueden cambiar su estado y alterar tramos largos de cobertura sin dejar ningún desequilibrio al final. La auditoría confirma estructuras de continuación en el relato de la criatura y en una carta escrita, pero no clasifica cada palabra dudosa ni atribuye toda la diferencia numérica a una sola característica. El rango observado pertenece a esta transcripción y a estas reglas, no a Frankenstein en todas sus ediciones.

Una inspección sistemática fija de los dos textos

Antes de calcular los resultados del texto completo se fijaron doce posiciones de párrafo por libro, con índices equidistantes desde el primer párrafo conservado hasta el último. En concreto, la posición k es 1 + floor(k × (N − 1) / 11), para k de cero a once y N párrafos conservados. Se inspeccionaron los veinticuatro párrafos elegidos. Sus índices contados desde uno, sus huellas y sus etiquetas descriptivas están en el archivo de auditoría. Este procedimiento reparte la inspección entre el principio, la parte central y el final, sin elegir párrafos porque den la mayor diferencia numérica.

Los párrafos elegidos de Shelley incluyen un fragmento de continuación del relato de la criatura, una intervención entre comillas simples dentro de ese relato, un párrafo de continuación en la carta escrita de Elizabeth y un texto identificado expresamente como inscripción. Otro párrafo elegido es una nota dentro del texto que cita un título literario. Los de Austen incluyen diálogo directo, narración, preguntas referidas de forma indirecta y correspondencia descrita dentro de la narración. Que los párrafos estén equidistantes no garantiza que se cubran todos los rasgos poco frecuentes, y estas son descripciones cualitativas de pasajes, no un conjunto de anotaciones validado por otras personas. La auditoría respalda descripciones concretas de las estructuras encontradas. No da la precisión, la exhaustividad, la frecuencia de errores ni la concordancia entre anotadores para todo el corpus.

Por qué el texto entre comillas no puede llamarse diálogo

Una auditoría intencional anterior, distinta de esta, inspeccionó veintiséis párrafos: doce de las ventanas iniciales y catorce pasajes de diagnóstico posteriores. En Austen registra cartas con marcas de continuación, discurso indirecto anidado, un proverbio citado y apóstrofos. En Shelley registra una exclamación imaginada de un destinatario, referencias literarias, frases habladas dentro de una carta sin comillas exteriores, una pregunta referida sin comillas y una carta escrita de varios párrafos. Esta auditoría es distinta del conjunto sistemático fijo. Hay párrafos que aparecen en las dos, así que sus totales no deben sumarse como si cada pasaje inspeccionado fuera único. Los ejemplos escogidos con un propósito no se usan para estimar una tasa de error.

Estas categorías importan porque las comillas tipográficas y la función comunicativa responden a preguntas distintas. Una carta escrita puede estar entera entre comillas sin ser un intercambio de conversación. Una inscripción puede citarse como un objeto que un personaje encuentra. Una frase puede citar una obra literaria, y un discurso imaginado puede representar una respuesta que se espera, no algo que se dijo. Y al revés, la narración puede contar que alguien hizo una pregunta sin poner sus palabras entre comillas. Las reglas actuales no resuelven esas diferencias. Llamar «porcentajes de diálogo» a sus resultados sería añadir una afirmación sobre el significado que ni la medición ni la auditoría han validado.

Límites que quedan en la extracción y alcance de la evidencia

La auditoría sistemática fija dejó ver una nota de Shelley dentro del texto, y la inspección dirigida anterior encontró restos de sintaxis de formato alrededor del saludo de una carta de Austen. Esas palabras se quedan, porque la especificación de extracción no se ha modificado. Conservarlas hace reproducible el cálculo fijado, pero impide afirmar que el denominador sea prosa narrativa depurada. Quitar la nota o la sintaxis de formato exigiría una variante de extracción definida aparte y un nuevo cálculo, no una corrección invisible de las cifras actuales. Del mismo modo, el separador de palabras ASCII, el tratamiento de los límites de párrafo y la exclusión de las comillas simples son límites de alcance deliberados, no características que los resultados hayan demostrado que sean las mejores.

La muestra es demasiado pequeña y está demasiado elegida a propósito para sostener una conclusión sobre una población. Los textos históricos se conocen aquí a través de transcripciones actuales, que pueden diferir de los libros impresos originales. Este estudio no las ha cotejado con imágenes de páginas ni con manuscritos. No se intenta comparar la puntuación moderna con la histórica. Tampoco hay una referencia de comparación del significado anotada por otras personas. Estas restricciones no borran las diferencias de sensibilidad dentro de cada entrada, pero delimitan lo que significan. Otra persona puede reproducir cómo se comportan estos tres procedimientos con estos bytes. No puede deducir la intención de una autora, la experiencia de un lector ni si cada tramo es correcto.

Trabajos anteriores y aportación metodológica más acotada

El análisis de las citas en textos literarios es un área de investigación establecida. El Project Dialogism Novel Corpus ofrece anotaciones de citas literarias y de atributos de contexto, y la documentación de comillas de LitBank distingue el discurso directo de otros textos entre comillas. Por eso, observar que las comillas pueden encerrar algo distinto de un diálogo no se presenta como un descubrimiento. Este estudio no sustituye esos recursos ni establece un modelo mejor para atribuir citas. Las tres reglas transparentes se eligieron para mostrar las decisiones de medición, no para competir con sistemas entrenados ni para demostrar un rendimiento puntero.

La evidencia más acotada es la combinación de una comparación entre dos transcripciones fijas, una prueba breve sin diferencias, un resultado del texto completo claramente distinto, diagnósticos explícitos y una corrección documentada de la extracción. Muestra cómo una comprobación previa tranquilizadora puede no bastar para el alcance de un cálculo posterior. Los resultados necesitan una verificación independiente del código y de la interpretación. Una exclusión del material editorial definida aparte, o un ejercicio de anotación del significado, abordarían otras incertidumbres que quedan. Añadir más novelas antes de esas comprobaciones aumentaría el volumen sin mejorar necesariamente la validez. Este análisis no incluye ninguna ampliación del corpus.

Reutilización, atribución y reproducción

Las páginas de los dos ítems de Gutenberg identifican las obras como de dominio público en Estados Unidos, y se inspeccionaron las cabeceras y las licencias recibidas sin encontrar ningún aviso de obra restringida. Las pautas de Gutenberg permiten investigar con obras sin restricciones, pero no certifican la situación del derecho de autor en todas las jurisdicciones. Los autores y colaboradores históricos fallecieron hace mucho tiempo. Eso apoya una elección prudente de las fuentes, pero no da una autorización legal universal. Alisson Bento es responsable del análisis, de los cálculos y del texto explicativo, no de la autoría ni de la propiedad de las novelas, de su prefacio histórico ni de sus ilustraciones. Las descargas propuestas no incluyen ninguna novela completa ni añadidos editoriales modernos.

Los archivos complementarios contienen recuentos derivados, etiquetas de auditoría y huellas, los métodos exactos de extracción, el código ejecutable del análisis y las referencias de las fuentes. Los archivos originales con sus licencias se mantienen aparte y no son públicos. Se obtuvieron dos archivos de texto plano individuales de un servidor espejo que figura en la lista de Gutenberg, sin rastreo recursivo y con solicitudes espaciadas por más de dos segundos. Una ruta de archivo obsoleta devolvió un error 404 antes de que funcionara la ruta generada que se admite. No se eludió ninguna restricción de autorización. Se distinguen las fechas de la publicación original, de la edición fuente, de la actualización de la transcripción y de la obtención. Reproducir los cálculos no autoriza por sí mismo a redistribuir el texto fuente. Los requisitos de reutilización de cada jurisdicción siguen siendo una cuestión distinta de la reproducibilidad del cálculo.

Cómo las reglas de comillas cambian la medida

Cuerpos extraídos completos · dos transcripciones exactas de Project Gutenberg. PROPORCIÓN DE TOKENS ENTRE COMILLAS — NO DE DIÁLOGO

Gráfico completo y fuente
Gráfico de barras con los porcentajes de palabras entre comillas dobles según tres reglas, en dos transcripciones completas del Project Gutenberg. Ítem 1342 (fuente ilustrada de 1894, 122.174 palabras): R1, 46,8029 %; R2, 41,1544 %; R3, 46,9372 %; rango entre reglas de 5,7827 puntos porcentuales. Ítem 42324 (fuente de 1831, 75.234 palabras): R1, 51,3398 %; R2, 15,6432 %; R3, 40,6000 %; rango entre reglas de 35,6966 puntos porcentuales. Es la proporción de palabras entre comillas, no la proporción de diálogo. Los rangos no son intervalos de confianza. Dos libros no forman un corpus representativo.

Desplaza el gráfico horizontalmente para examinarlo. ↔

Gráfico y valores

Desplaza la tabla horizontalmente para ver todas las columnas.

Resultados de los textos completos con tres reglas fijas
TranscripciónTokens (palabras)R1 global (%)R2 por párrafo (%)R3 con continuación (%)Rango (puntos porcentuales)
1342122.17446,802941,154446,93725,7827
4232475.23451,339815,643240,600035,6966

Porcentaje de las palabras definidas que quedan mecánicamente dentro de tramos entre comillas dobles con pareja. No son porcentajes de diálogo.

R1: Cada comilla doble alterna apertura/cierre entre párrafos; se excluyen las colas sin pareja. R2: Misma alternancia, reiniciada al final de cada párrafo; se excluyen las colas sin pareja. R3: Comillas curvas direccionales; las aperturas al inicio del párrafo continúan un segmento abierto. Las rectas alternan, salvo continuación inicial; se excluyen las colas sin pareja. Reglas deterministas fijas: los rangos no son intervalos de confianza ni incertidumbre estadística. Mismo cuerpo y denominador de tokens para las reglas de cada libro. Dos libros no constituyen un corpus representativo; no se infiere superioridad de estilo autoral. Cero colas globales sin pareja no demuestra precisión semántica. Persisten notas en el cuerpo y limitaciones de extracción; no se proporciona un patrón de referencia semántico ni una evaluación de concordancia entre anotadores. Fuentes: Project Gutenberg, PG1342 y PG42324. Cálculos originales y figura: Alisson Bento. Los ID identifican transcripciones concretas, no todas las ediciones. Esta figura no reproduce pasajes de las fuentes ni ilustraciones.

Descargar gráfico (SVG) ↓ · Descargar gráfico (PNG) ↓

Datos y descargas

Desplaza la tabla horizontalmente para ver todas las columnas.

Resultados de los textos completos con tres reglas fijas
TranscripciónTokens (palabras)R1 global (%)R2 por párrafo (%)R3 con continuación (%)Rango (puntos porcentuales)
1342122.17446,802941,154446,93725,7827
4232475.23451,339815,643240,600035,6966

Porcentaje de las palabras definidas que quedan mecánicamente dentro de tramos entre comillas dobles con pareja. No son porcentajes de diálogo.

Desplaza la tabla horizontalmente para ver todas las columnas.

Diagnóstico de cada regla en los textos completos
TranscripciónReglaTokens incluidosTramos con parejaColas sin parejaAperturas de continuaciónCierres sueltosReaperturas internas
1342R157.1811.7510000
1342R250.2801.73532000
1342R357.3451.73503200
42324R138.6253880000
42324R211.769293190000
42324R330.545293019000

Que no haya colas finales sin pareja no prueba que la segmentación sea correcta. Las colas de R2 son restos mecánicos de la alternancia.

Evidencia y método

Cómo lo calculamos

  1. Dos novelas escritas originalmente en inglés, fijas. Se usan las huellas exactas de las fuentes, se cotejaron los puntos de inicio y final del texto con lo que los rodea y se fijó el separador de palabras antes de comparar los textos completos.
  2. Tres reglas de comillas sin cambios; el denominador es constante dentro de cada transcripción; todas las comparaciones son descriptivas y deterministas.
  3. Los primeros cincuenta párrafos conservados se mantienen como prueba exploratoria. El defecto de la primera versión de la extracción (v0), que eliminaba mal las ilustraciones, se corrigió de forma transparente antes de ampliar el análisis.
  4. Se inspeccionaron doce posiciones de párrafo equidistantes por libro. La auditoría intencional anterior se identifica por separado. No se afirma exactitud respecto de una referencia validada del significado.

Lo que los datos no permiten concluir

  • Muestra intencional de dos transcripciones; no se infiere nada sobre autoras, géneros, poblaciones, preferencias de los lectores ni causas.
  • Las cartas, las referencias literarias, las inscripciones y el discurso imaginado no son siempre diálogo hablado. Se excluyen las comillas simples de primer nivel y las intervenciones con raya.
  • Se conservan una nota dentro del texto y restos de formato. El separador de palabras ASCII parte las palabras con acentos o ligaduras. No se afirma nada sobre la tipografía de los manuscritos.
  • No hay anotación independiente del significado. Que no haya colas finales sin pareja no prueba que el resultado sea correcto. R3 es una regla aproximada.
  • No se verificó la situación fuera de Estados Unidos. La reproducibilidad y los derechos de redistribución del texto fuente son cuestiones distintas.

Fuentes originales

  1. Project Gutenberg 1342: Pride and Prejudice

    Project Gutenberg 1342, Pride and Prejudice: Jane Austen, 1775–1817; marcado como dominio público en Estados Unidos. Las páginas preliminares del texto descargado identifican la edición de George Allen de 1894; se excluyen el prefacio de Saintsbury y las ilustraciones de Thomson. La huella exacta del archivo del espejo está en el manifiesto de la fuente.

    Consultado 30 de octubre de 2026

  2. Project Gutenberg 42324: Frankenstein

    Project Gutenberg 42324, Frankenstein: Mary Shelley, 1797–1851; marcado como dominio público en Estados Unidos; versión de 1831 de H. Colburn y R. Bentley. El archivo describe una reproducción fotográfica, sin identidad bibliográfica especificada. Los bytes exactos están fijados.

    Consultado 30 de octubre de 2026

  3. Project Gutenberg License

    Licencia del Project Gutenberg: permite la reutilización para investigación de obras sin restricciones. Se comprobó la licencia real del archivo. No certifica la situación fuera de Estados Unidos.

    Consultado 30 de octubre de 2026

  4. Project Gutenberg Permission How-to

    Guía de permisos del Project Gutenberg: diferencias entre transcripción y edición fuente, enlaces de reconocimiento y límites según la jurisdicción.

    Consultado 30 de octubre de 2026

  5. Project Gutenberg Robot Access

    Acceso automatizado del Project Gutenberg: sin rastreo del sitio web; admite los procedimientos de obtención designados; el ejemplo indica una separación de dos segundos.

    Consultado 30 de octubre de 2026

  6. Project Gutenberg Official Mirrors

    Servidores espejo oficiales del Project Gutenberg: incluyen el espejo pglaf que se usó para los dos archivos UTF-8 individuales.

    Consultado 30 de octubre de 2026

  7. Project Gutenberg Mirroring How-to

    Guía de espejos del Project Gutenberg: orientaciones admitidas; rsync no estaba disponible aquí; no se hizo ningún espejo recursivo.

    Consultado 30 de octubre de 2026

  8. Project Dialogism Novel Corpus paper

    Artículo del Project Dialogism Novel Corpus: Vishnubhotla, Hammond y Hirst (2022), antecedente de anotación de citas literarias; no se descargó ni se reutilizó texto del corpus.

    Consultado 30 de octubre de 2026

  9. LitBank official repository

    Repositorio oficial de LitBank: su capa de citas distingue el discurso directo de otros textos entre comillas y trata la tipografía más allá de las comillas; solo como contexto de antecedentes.

    Consultado 30 de octubre de 2026

  10. George Saintsbury author metadata

    Metadatos de autor de George Saintsbury: establecen las fechas 1845–1933. Su aportación como autor del prefacio de la fuente de Austen se identifica aparte y no se atribuye a Austen.

    Consultado 30 de octubre de 2026

  11. Bodleian John Johnson Collection: Hugh Thomson

    Bodleian, John Johnson Collection, Hugh Thomson: la nota de la colección identifica al ilustrador Hugh Thomson, 1860–1920. Se excluyen las ilustraciones.

    Consultado 30 de octubre de 2026

  12. Jane Austen House: first reading of Pride and Prejudice

    Jane Austen House, primera lectura de Pride and Prejudice: publicación original en enero de 1813, distinta de la edición fuente analizada de 1894.

    Consultado 30 de octubre de 2026

Cómo citar y reutilizar

Alisson Bento. Cómo cambian la medición las reglas de comillas en dos transcripciones de novelas. Análisis metodológico de las transcripciones 1342 y 42324 del Project Gutenberg, obtenidas el 30 de octubre de 2026; ediciones históricas de origen de 1894 y 1831. https://alissonbento.com/es/research/quotation-measurement-sensitivity-two-transcriptions/

Análisis, cálculos y explicación: Alisson Bento. Novelas originales: Jane Austen (1775–1817), Pride and Prejudice, y Mary Wollstonecraft Shelley (1797–1851), Frankenstein. Prefacio de la fuente de Austen: George Saintsbury (1845–1933); ilustraciones: Hugh Thomson (1860–1920); ambos quedan excluidos. Los ítems de Gutenberg están marcados como dominio público en Estados Unidos y se inspeccionaron las licencias reales. No se afirma ninguna autorización válida en todas las jurisdicciones ni ningún respaldo institucional. Solo se ofrecen resúmenes derivados, código, métodos y referencias, no las novelas completas.

Correcciones o consultas editoriales

Compártelo.

Cómo cambian la medición las reglas de comillas en dos transcripciones de novelas | Alisson Bentoalissonbento.com

WhatsAppFacebookXTelegramRedditThreadsCorreoSMS