Recursos de Humanidades Digitales para el estudio del teatro (traducido): bases de datos, corpus y herramientas desarrollados en TRALIMA/ITZULIK

7Talía. Rev. estud. teat. 3, 2021: 7-16 Recursos de Humanidades Digitales para el estudio del teatro (traducido): bases de datos, corpus y herramientas desarrollados en TRALIMA/ITZULIK1 Olaia Andaluz-Pinedo2; Hugo Sanjurjo-González3; Raquel Merino-Álvarez4 Recibido: 27 de enero de 2021 / Aceptado: 19 de abril de 2021 Resumen: La investigación sobre teatro enmarcada en las Humanidades Digitales depende en gran medida de la disponibilidad de objetos de estudio en formato digital, así como de software que permita aplicar diversas técnicas de análisis. En el grupo de investigación TRALIMA/ITZULIK, se han desarrollado bases de datos y corpus, así como herramientas para su explotación. La creación de estos materiales y herramientas tiene como objetivo favorecer el acceso a datos contextuales y textuales de relevancia para la investigación del teatro traducido en España, un ámbito que a menudo queda relegado frente al teatro original a pesar de su amplia presencia en los escenarios. Cabe destacar que, lejos de limitarse al estudio de autores y obras extranjeros, las bases de datos y los corpus incluyen referencias a varios agentes del sistema teatral español (traductores, adaptadores, directores) de utilidad en diferentes disciplinas, y las herramientas se ajustan a la estructura específica de los textos teatrales para la construcción y el análisis de corpus monolingües, comparables y paralelos. De este modo, los materiales y las herramientas digitales permiten arrojar luz sobre una amplia variedad de preguntas de investigación. El objetivo de este artículo es presentar de manera conjunta las bases de datos, los corpus y las aplicaciones desarrollados por miembros de TRALIMA/ ITZULIK para el estudio del teatro (traducido) y, así, contribuir a la difusión de diversos recursos de Humanidades Digitales disponibles para los investigadores interesados en el estudio del teatro desde la variedad de perspectivas que caracteriza este campo multidisciplinar. Palabras clave: teatro traducido, Humanidades Digitales, bases de datos, corpus, herramientas de corpus. [en] Digital Humanities Resources for (Translated) Theatre: TRALIMA/ITZULIK Databases, Corpora and Tools Abstract: Theatre research framed within Digital Humanities depends to a great extent on the availability of objects of study in digital format, as well as software that allows the application of different analysis techniques. Within TRALIMA/ITZULIK research group, databases, corpora and corpus processing tools have been developed. The creation of these materials and tools seeks to provide access to relevant contextual and textual data for research on translated theatre in Spain, an area that has usually received less attention than original theatre, despite its wide presence on stages. However, far from being restricted to the study of foreign authors and plays, the databases and corpora include references to several agents of the Spanish theatre system (translators, adaptors, directors) that may be of use in different disciplines. In addition, the tools are adjusted to the specific structure of play-texts to build and analyse monolingual, comparable and parallel corpora. Thus, the digital materials and tools may shed light on a variety of research questions. The purpose of this article is to present the databases, corpora and software developed by members of TRALIMA/ITZULIK for the study of (translated) theatre. By doing so, we aim to contribute to the spread of Digital Humanities resources available to researchers interested in the study of theatre from the variety of perspectives that characterises this multidisciplinary field. Keywords: translated theatre, Digital Humanities, databases, corpora, corpus tools. Sumario. 1. Introducción. 2. Bases de datos. 2.1. Base de datos TRACEti. 2.2. Base de datos TEATRAD. 3. Corpus paralelos. 3.1. Corpus TRACEti. 3.2. Corpus TEATRAD. 4. Herramientas para la construcción y el análisis de corpus. 4.1. TAligner (Teatro). 4.2. ACM-theatre. 5. Ejemplos de uso. 5.1. Ejemplos de consultas en la base de datos. 5.2. Ejemplos de consultas en los corpus mediante las herramientas. 6. Conclusiones. 7. Referencias bibliográficas. Cómo citar: Andaluz-Pinedo, O.; Sanjurjo-González, H.; Merino-Álvarez, R. (2021). Recursos de Humanidades Digitales para el estudio del teatro (traducido): bases de datos, corpus y herramientas desarrollados en TRALIMA/ITZULIK, en Talía. Revista de estudios teatrales, 3, 7-16. 1 Este trabajo se ha realizado en el marco de la Red de Excelencia CorpusNet (MINECO, FF12016-81934-RED/AEI), el grupo de investigación consolidado TRALIMA/ITZULIK (Gobierno Vasco, IT1209/19; UPV/EHU GIU19/067) y la convocatoria de la UPV/EHU para la formación de personal investigador (PIF17/46). 2 Universidad del País Vasco UPV/EHU, [email protected] 3 Universidad de Deusto, [email protected] 4 Universidad del País Vasco UPV/EHU, [email protected] MONOGRÁFICO Talía. Revista de estudios teatrales ISSN-e: 2659-806X https://dx.doi.org/10.5209/tret.73943 8 Andaluz-Pinedo, O.; Sanjurjo-González, H.; Merino-Álvarez, R. Talía. Rev. estud. teat. 3, 2021: 7-16 Por un lado, conviene indicar que las bases de datos sobre teatro traducido inglés-español son escasas6. Algunas excepciones de gran interés se centran en Shakespeare y sus coetáneos, como ShEsTra7 o TRACEtci8, pero no se ha hallado ninguna que abarque los siglos XX y XXI. Por otro lado, es necesario mencionar algunas fuentes que no se dedican específicamente al teatro traducido, sino que lo integran junto con el original, como la completa base de datos de estrenos del Centro de Documentación de las Artes Escénicas y de la Música9 o el Archivo Digital de las Artes Escénicas de Andalucía10. Tampoco se han encontrado corpus paralelos de obras de teatro, es decir, corpus compuestos por textos originales y sus traducciones alineadas [Xiao y Yue 2009: 240-241]. Este vacío contrasta con el desarrollo reciente de corpus monolingües en español y en inglés, como Biblioteca Electrónica Textual del Teatro en Español de 1868-193611, integrado en la plataforma de Drama Corpora Project12, Enhanced Shakespearean Corpus13 o Shakespeare Corpus14. Es posible que la ausencia de corpus paralelos de teatro se relacione con la falta de software adaptado para el procesamiento de ese tipo de corpus. En este sentido, las herramientas descritas en este artículo presentan una aportación fundamental para el procesamiento de textos teatrales frente a otras genéricas, como AntConc [Anthony 2014] o Sketch Engine [Kilgarriff et al. 2014], debido a que se acomodan a la estructura específica del tipo de textos que nos ocupa [Andaluz-Pinedo y Sanjurjo-González en prensa]. Los materiales y las herramientas creados aportan datos contextuales y textuales de utilidad para responder interrogantes planteados en diversos campos. Por ejemplo, desde una perspectiva histórica, es posible rastrear el recorrido de traductores, directores o compañías teatrales en la escena de los siglos XX y XXI a través de las bases de datos. Por otro lado, si el foco se ubica en los textos, los corpus y las herramientas posibilitan innumerables análisis. A modo meramente ilustrativo se pueden citar la obtención de concordancias que muestren cómo se han traducido aspectos relevantes para la caracterización de los personajes, como el lenguaje soez [Arias-Badia 2020: 161], o la aplicación de técnicas estadísticas vinculadas con la estilística como las palabras clave [Culpeper 2014: 10-11]. Con el fin de favorecer y promocionar el acceso a los recursos, en TRALIMA/ITZULIK se está llevando a cabo una labor dirigida a su puesta a disposición del público. De este modo, la utilidad de los materiales y las aplicaciones software trasciende el entorno inmediato 6 En relación con el teatro escrito originalmente en español y traducido al inglés, es destacable la base de datos Out of the Wings (https://www. outofthewings.org/). Por otro lado, cabe mencionar otras bases de datos del ámbito anglosajón que, si bien no están dedicadas a traducciones teatrales en las lenguas citadas, contienen referencias de interés para su estudio, como Drama Online (https://www.dramaonlinelibrary.com/), Internet Broadway Database (https://www.ibdb.com/) o PlayographyIreland (http://www.irishplayography.com/). 7 https://www.um.es/shakespeare/shestra/ 8 https://trace.unileon.es/es/fondos-trace/catalogos/textos-teatrales/ 9 https://www.teatro.es/ 10 https://www.juntadeandalucia.es/cultura/cdaea/elektra 11 https://github.com/GHEDI/BETTE 12 https://dracor.org/ 13 http://corpora.lancs.ac.uk/esc-user-service/ 14 https://lexically.net/wordsmith/support/shakespeare.html 1. Introducción Las nuevas posibilidades para el estudio del teatro abiertas con los avances tecnológicos en las últimas décadas son múltiples. Las Humanidades Digitales (HD) propician el desarrollo de investigaciones interdisciplinares que aportan una visión poliédrica sobre el hecho teatral. En los cimientos de los análisis desarrollados en este campo se encuentran la creación de una variedad de materiales digitales y su examen por medio de herramientas informáticas y diversas técnicas. En esta contribución, nos centramos en recursos proporcionados por miembros del grupo de investigación TRALIMA/ITZULIK (TRAducción, LIteratura y Medios Audiovisuales): bases de datos y corpus de obras teatrales, junto con herramientas que facilitan su creación y análisis. El grupo TRALIMA/ITZULIK se dedica al estudio de la cultura traducida, incluida la cultura teatral, mediante recursos propios de las HD. En este marco, se han construido bases de datos, así como corpus, y se han desarrollado herramientas específicas para promover el estudio del teatro, traducido y original. La creación de estos materiales se vincula con la propia metodología adoptada en las investigaciones del grupo, el protocolo TRACE, que va “del telescopio cultural al microscopio lingüístico” [Gutiérrez-Lanza 2005: 57]. Así, la compilación y el estudio de bases de datos, con información contextual de diverso tipo, y la construcción y el análisis de corpus textuales mediante herramientas informáticas resultan esenciales para investigar “los mecanismos lingüísticos, culturales y sociales que se manifiestan en las traducciones”5. A pesar de que el uso de las HD para el estudio del teatro original se ha convertido en un campo popular, parece que apenas se ha prestado atención al componente traducido, que, sin embargo, constituye una parte esencial de la cultura teatral en España y en español [Merino-Álvarez 2016b: 304]. La propuesta de TRALIMA/ITZULIK pretende contribuir a cubrir este vacío en relación con el teatro originalmente escrito en inglés, una de las principales fuentes de teatro extranjero en este país, especialmente desde la década de los cuarenta [Merino-Álvarez 2017b: 440]. Es más, dada la integración del teatro traducido en el sistema teatral español, los agentes que intervienen en el proceso de traducción y producción a menudo son figuras clave en el teatro de producción propia. Así, las bases de datos y los corpus contienen datos contextuales y textuales relativos a varias figuras del panorama teatral español del siglo XX y principios del XXI, como José López Rubio, Adolfo Marsillach, Luis Escobar o Alberto González Vergel, por nombrar solo algunos [Merino-Álvarez 2016a: 184]. De igual modo, las herramientas de corpus desarrolladas permiten la construcción y el análisis de corpus monolingües, comparables y paralelos. Por tanto, resultan beneficiosas en el estudio de textos originales, así como traducciones, dando respuesta a un amplio abanico de necesidades de usuarios potenciales en cuanto a software para el procesamiento de corpus. 5 http://www.ehu.eus/tralima/grupo.html 9Andaluz-Pinedo, O.; Sanjurjo-González, H.; Merino-Álvarez, R. Talía. Rev. estud. teat. 3, 2021: 7-16 gran riqueza de información relacionada con el proceso de censura por el que pasaron las obras de teatro traducidas entre 1939 y 198520. Contiene datos difíciles de conseguir de otro modo, producto de una labor de documentación de gran envergadura realizada por las investigadoras Raquel Merino-Álvarez y María Pérez L. de Heredia21. De este modo, la facilitación del acceso a este tipo información y el carácter cualitativo de la compilación y organización de los datos constituyen aportaciones fundamentales de este recurso. La fuente principal de la base de datos TRACEti son los expedientes de censura conservados en el Archivo General de la Administración (AGA), “un rico yacimiento documental que permite acceder a datos sobre la historia de las traducciones en la España del siglo XX, datos que, en muchos casos, no se podían encontrar en otras fuentes documentales” [Merino-Álvarez 2017a: 141]. Durante más de 40 años los espectáculos teatrales debían pasar de manera obligatoria por el aparato censor, en un proceso que se iniciaba con la preceptiva solicitud de representación. Los documentos generados en el proceso de censura proporcionan “una suerte de ‘instantáneas’ o ‘fotogramas’ que, puestos en secuencia, permiten reproducir un rudimentario metraje documental que ayuda a entender qué obras teatrales extranjeras llegaron a representarse, de qué modo se produjo su autorización y quiénes fueron los protagonistas de dicho proceso” [Merino-Álvarez 2016b: 305]. Como señala Merino-Álvarez [2009: 21], el acceso directo a información archivada en el AGA es complejo “por la cantidad ingente de datos y por la propia organización de los mismos”. El procedimiento de compilación de los datos se acometió utilizando varias guías en diferentes fases de consulta, como muestreos o búsquedas por autores y títulos, y se basó en la consulta directa de los expedientes de censura. El registro ordenado de todo este caudal de información para propiciar su estudio es el propósito de la base de datos TRACEti. La estructuración de los datos recopilados se realizó con referencia a una matriz diseñada de forma específica para recoger información de censura en los proyectos TRACE. En la base de datos, cada entrada se refiere a un expediente, que se organiza en torno a una traducción teatral y puede contener varias peticiones de representación. En cada entrada se incluyen varios campos, como los relativos a los autores y los títulos origen y meta, a la fecha del estreno en España o la dirección de las producciones. 2.2. Base de datos TEATRAD La base de datos TEATRAD (TEAtro TRADucido), vinculada con TRACEti, se centra en las difusiones en el siglo XXI (2000-2019) del teatro traducido durante la censura franquista. Registra información sobre produc20 La delimitación del periodo en 1985 se debe a que la estructura burocrática de lo que había sido la censura “permanece virtualmente intacta” hasta ese año, en el que se crea el Instituto Nacional de las Artes Escénicas y de la Música [Merino-Álvarez 2000: 123]. 21 Para más información sobre los datos incluidos en el catálogo, véase Merino-Álvarez [2000: 124-132; 2010a: 363-373] y Pérez L. de Heredia [2004: 113-116]. Asimismo, se pueden consultar resultados de análisis fundamentados en la base de datos TRACEti en referencias como Merino-Álvarez [2000, 2003, 2016a, 2016b] y Pérez L. de Heredia [2003, 2004, 2005]. de su creación y los usuarios interesados podrán consultar información de las bases de datos y los corpus, y aplicar las herramientas para su análisis, o incluso para la creación y el estudio de sus propios corpus. Este artículo pretende presentar de manera conjunta los recursos propios de las Humanidades Digitales para el estudio del teatro (traducido) desarrollados en el grupo TRALIMA/ITZULIK. En primer lugar, se describen las bases de datos compiladas, TRACEti [Merino-Álvarez 2000; Pérez L. de Heredia 2004] y TEATRAD15. En segundo lugar, se introducen los corpus, denominados asimismo TRACEti [Merino-Álvarez y Andaluz-Pinedo 2017] y TEATRAD por su vinculación con las bases de datos. En tercer lugar, se hace referencia a las herramientas acomodadas para dar respuesta a las peculiaridades estructurales de corpus de textos teatrales, TAligner16 y la versión de teatro de ACM [Sanjurjo-González 2017a]. A continuación, se muestran ejemplos de uso tanto de las bases de datos como de los corpus y las herramientas. Por último, se plantean las conclusiones y vías futuras. 2. Bases de datos Las bases de datos ofrecen información contextual de gran valor para reconstruir la historia de diferentes aspectos del teatro (traducido), como los dramaturgos, las obras, los traductores, los directores, los periodos, etc. La compilación de los catálogos a partir de los que se generan las bases de datos TRACEti y TEATRAD se fundamenta en la necesidad de disponer de este tipo de datos para obtener una visión global del contexto en el que surgen las traducciones objeto de estudio desde diferentes perspectivas y, de este modo, poder seleccionar corpus bien definidos y justificados para pasar del estudio extratextual al textual. En palabras de Merino-Álvarez [2010a: 357], “para investigar cómo se había traducido en España el teatro originalmente escrito en inglés parecía inevitable confrontar una serie de interrogantes: quién o quiénes (autores y traductores), qué (obras) y cuándo o en qué periodos”. En la actualidad, la base de datos TRACEti está disponible para su consulta en la página web de TRALIMA/ ITZULIK17, donde próximamente también se incluirá el acceso a la base de datos TEATRAD. A través del buscador de la página web es posible realizar consultas sobre la base de datos usando como filtros los autores, títulos origen y meta, los años y las lenguas. Desde un punto de vista técnico, se trata de una base de datos MySQL18 con distintas funciones de exportación y visualizaciones que emplean librerías JavaScript, como por ejemplo D3.js19. 2.1. Base de datos TRACEti La base de datos TRACEti (TRAducciones CEnsuradas de teatro inglés), compilada como parte de los proyectos TRACE (TRAducciones CEnsuradas), ofrece una 15 La base de datos y el corpus TEATRAD se han creado como parte de una tesis doctoral que se está ultimando en la UPV/EHU. 16 http://www.ehu.eus/tralima/taligner.html 17 http://www.ehu.eus/tralima/catrace.php 18 https://www.mysql.com/ 19 https://d3js.org/ 10 Andaluz-Pinedo, O.; Sanjurjo-González, H.; Merino-Álvarez, R. Talía. Rev. estud. teat. 3, 2021: 7-16 y el teatro en el caso de las traducciones y la editorial y el lugar de publicación en las ediciones. 3. Corpus paralelos Los corpus de teatro generados en el grupo TRALIMA/ ITZULIK incluyen material textual en formato digital seleccionado de acuerdo con unos criterios justificados que se derivan del análisis de la información contenida en las bases de datos. El formato digital posibilita su análisis mediante herramientas informáticas, como las incluidas en la sección 4. Entre los diferentes tipos de corpus existentes, los corpus TRACEti y TEATRAD se clasifican como paralelos [Xiao y Yue 2009: 240-241]. Dado que no se han encontrado corpus paralelos de teatro disponibles, estos dos corpus suponen una aportación novedosa. 3.1. Corpus TRACEti El corpus TRACEti está compuesto por una selección de obras de teatro traducidas que se deriva de las regularidades observadas en el análisis del catálogo TRACEti, en coherencia con el protocolo metodológico TRACE [Merino-Álvarez 2010b: 136]. En concreto, dicha elección del material textual se relaciona con criterios como los temas considerados peligrosos por la censura, o la recurrencia de nombres de dramaturgos extranjeros en los escenarios españoles [Merino-Álvarez 2010b: 136]. Así, está formado por subcorpus que permiten examinar desde un punto de vista textual alguna regularidad observada desde una perspectiva contextual en el periodo de la censura franquista. El propio material textual, teatro traducido y censurado, supone una novedad, y los criterios de selección de los subcorpus aportan una guía cualitativa para su estudio, basada en investigaciones previas. Así, forman parte del corpus las obras Los chicos de la banda de Mart Crowley, Historia del zoo y ¿Quién teme a Virginia Woolf? de Edward Albee y Ejercicio para cinco dedos, Equus y La caza real del sol de Peter Shaffer. Ejercicio para cinco dedos, Los chicos de la banda e Historia del zoo se seleccionaron como parte de la investigación sobre la entrada del tema tabú de la homosexualidad a los escenarios españoles a través de traducciones durante el periodo de censura [Merino-Álvarez 2003, 2005a, 2007, 2010b]. Por otro lado, ¿Quién teme a Virginia Woolf? resulta paradigmático en cuanto al uso de lenguaje soez [Merino-Álvarez 2003, 2015]. Las obras de Edward Albee y Peter Shaffer también se seleccionaron por la presencia continuada de estos dramaturgos en la cultura teatral del periodo [Merino-Álvarez y Andaluz-Pinedo 2017]. En el corpus se incluyen traducciones escénicas y de lectura, obtenidas y digitalizadas a partir de diferentes fuentes, como libretos archivados en el AGA, ediciones escénicas publicadas en editoriales especializadas en teatro en esa época, como Escelicer, y ediciones de lectura, algunas de ellas procedentes de Argentina, de editoriales como Losada. Cabe señalar que a cargo de las traducciones se encuentran figuras destacadas del ámbito teatral como William Layton o José Méndez Herrera. ciones teatrales, publicaciones y nuevas formas de difusión como las funciones accesibles o las grabaciones de representaciones. Ofrece una visión de la pervivencia de estas obras traducidas en el siglo presente, un periodo de la cultura teatral aún poco estudiado desde la perspectiva de la traducción. Asimismo, presenta la novedad de aunar diferentes maneras de difusión del teatro (traducido), integrando no solo datos relativos a los estrenos y las publicaciones teatrales, sino también información sobre las nuevas maneras de llegar al público desarrolladas en las últimas décadas y vinculadas con formatos digitales. TEATRAD se centra en las obras traducidas que se identifican en la base de datos TRACEti, pero su foco está en su difusión en el siglo XXI con el fin de examinar su continuidad en la cultura teatral. Las fuentes consultadas en la compilación de la base de datos varían en función del tipo de difusión. Para recopilar información sobre las producciones teatrales, la fuente principal es el Centro de Documentación de las Artes Escénicas y de la Música (CDAEM)22, en particular su base de datos de estrenos teatrales y la Teatroteca; se aprovecha la valiosa labor de documentación reflejada en esta fuente y se filtran los autores y obras de lengua inglesa que estaban presentes durante la censura franquista. Además, se añade un dato de gran relevancia desde el punto de vista de la traducción: la creación de versiones accesibles, como audiodescripciones y subtitulados para sordos, a partir de la información disponible en la página web del proyecto Teatro Accesible23. Así, la parte de la base de datos TEATRAD relativa a los estrenos podría verse como un subcatálogo del ofrecido en el CDAEM, elaborado desde la perspectiva de la historia de las traducciones y la pervivencia de las mismas en el tiempo, lo que implica una selección cualitativa de autores y obras a partir de la base de datos TRACEti y la adición de datos relativos a la accesibilidad. Asimismo, se añade una capa más, relativa a las publicaciones, que conlleva asimismo una labor de búsqueda, selección y contraste de datos en fuentes fundamentales como el Catálogo Colectivo de Bibliotecas Públicas del Estado (CCBIP)24 y la base de datos de libros editados en España25. De este modo, no solo se vincula la información del periodo de censura con la del siglo XXI, sino que se trata de reflejar la difusión del teatro traducido en diferentes medios y formatos, y se da visibilidad a unas formas de trasvase intralingüístico innovadoras propias de este siglo, las versiones accesibles, que no pueden sino seguir fomentándose en el futuro. En esta base de datos cada entrada se corresponde con un acto de difusión, ya sea una producción teatral o una publicación. Los campos incluidos pretenden identificar cada difusión y aportar información fundamental para obtener una visión global de las producciones o publicaciones en las que se insertan. Así, por un lado, se incluye el nombre del autor origen y del traductor, el título original y traducido, y la etiqueta asignada al transvase, como traducción, adaptación o versión. Por otro lado, se recoge información relacionada con el medio de difusión, el año y otros datos como la compañía, la dirección 22 https://www.teatro.es/ 23 http://www.teatroaccesible.com/ 24 http://catalogos.mecd.es/CCBIP/cgi-ccbip/abnetopac 25 http://www.mcu.es/webISBN 11Andaluz-Pinedo, O.; Sanjurjo-González, H.; Merino-Álvarez, R. Talía. Rev. estud. teat. 3, 2021: 7-16 En definitiva, TEATRAD es un corpus paralelo, alineado a nivel de réplica, bilingüe, con la combinación lingüística inglés-español y especializado en textos teatrales. Se ha construido con la herramienta TAligner, debido a su acomodación a las particularidades de los textos teatrales. Así, cuenta con diferentes metadatos asociados a cada texto, en los que se recoge información relativa a los autores, traductores, títulos o años, entre otros campos, y está etiquetado estructuralmente en formato XML de manera que se distinguen varias unidades: actos, escenas, réplicas, personajes, acotaciones y diálogos. Además, la futura versión que se integrará en ACMtheatre dispondrá de las capas de anotación gramatical y semántica a nivel de palabra. La anotación gramatical utilizará SpaCy28 y la anotación semántica se basará en la taxonomía USAS Category System [Archer, Wilson y Rayson 2002]. Respecto a su tamaño, cuenta con alrededor de 500.000 palabras, y es posible definir subcorpus a partir de sus metadatos, por ejemplo, por obra, traductor o periodo. 4. Herramientas para la construcción y el análisis de corpus Como señala Anthony [2013: 141], hay que tener en cuenta la influencia de las herramientas en las posibilidades para el estudio de los corpus. El software permite aplicar diversas técnicas, desde la fundamental de obtener concordancias hasta extraer estadísticas reflejadas mediante visualizaciones sofisticadas. No obstante, también presenta límites en relación con las opciones disponibles para la construcción y el estudio de los corpus [Anthony 2013: 144]. En este sentido, las versiones para teatro de las aplicaciones TAligner y ACM-theatre generadas en el entorno de TRALIMA/ITZULIK se caracterizan por permitir la creación y el análisis de corpus de diferentes tipos, incluidos los paralelos, de una manera específica que tiene en cuenta las peculiaridades estructurales de los textos teatrales. En concreto, TAligner y ACM-theatre ofrecen opciones de etiquetado estructural y alineación a nivel de réplica para el proceso de construcción de corpus, y la posibilidad de filtrar las consultas del corpus de acuerdo con las unidades estructurales [Andaluz-Pinedo y Sanjurjo-González en prensa]. Es posible descargar TAligner del repositorio de la UPV/EHU (ADDI), así como de la página web de la Red de Excelencia CorpusNet29. Por su parte, ACM-theatre es un servicio web disponible mediante registro30. 4.1. TAligner (Teatro) TAligner es una herramienta que permite construir corpus paralelos y realizar consultas en ellos [Zubillaga, Sanz-Villar y Uribarri 2015; Sanz-Villar y Andaluz-Pinedo en prensa]. Según la clasificación de software para el análisis de corpus propuesta por McEnery y Hardie 28 https://doi.org/10.5281/zenodo.1212303 29 https://addi.ehu.es/handle/10810/42445, http://corpusnet.unileon.es/ herramientas-tecnicas 30 https://actres.unileon.es/ACM2.0/home/ Antes del desarrollo de una herramienta que se adaptara a las singularidades estructurales de la construcción de corpus teatrales, estos subcorpus se gestionaron mediante procesadores de texto de propósito general. No obstante, con el desarrollo más reciente de la aplicación TAligner, ha sido posible construir el corpus paralelo que se puede consultar a través de la propia herramienta. Este corpus, de unas 400.000 palabras, está segmentado de acuerdo con las unidades estructurales básicas de los textos teatrales: unidades globales como actos o escenas, réplicas, nombres de personajes, acotaciones y diálogos. De este modo, se pudo llevar a cabo su alineación a nivel de réplica, la unidad considerada más adecuada para esta tarea en los textos teatrales [Merino-Álvarez 1994: 45; Bandín 2007: 29]. Dicha alineación se expresa utilizando el lenguaje de marcado XML y se basa en su mayor parte en el estándar de Performance Texts de Text Encoding Initiative (TEI) [TEI Consortium 2019: 244-247]26. 3.2. Corpus TEATRAD Como el anterior, el corpus TEATRAD está formado por textos seleccionados a partir de unos criterios derivados del análisis de la información recogida en la base de datos homónima, de acuerdo con la metodología TRACE [Merino-Álvarez 2010b: 136]. En este caso, se aplica como criterio fundamental de selección la presencia elevada de ciertos autores y obras extranjeros en los escenarios (y publicaciones) del siglo XXI en España. Así, se incluyen diferentes traducciones que han dado a conocer las obras a los espectadores y lectores desde el periodo de censura hasta hoy en día. Se trata de un recurso de utilidad para comparar diferentes traducciones, no solo en relación con cuestiones de censura, sino con cualquier otra característica de esos textos. Asimismo, es posible consultar solo alguna de las traducciones incluidas en el corpus mediante filtros basados en sus metadatos. Las obras de teatro traducidas que se incluyen en el corpus son El zoo de cristal de Tennessee Williams, Las brujas de Salem de Arthur Miller, Días felices de Samuel Beckett y El amante de Harold Pinter. Los dramaturgos y títulos mencionados cuentan con una presencia elevada en el teatro español actual, según la base de datos TEATRAD. El corpus contiene tanto las traducciones que dieron a conocer dichas obras en las primeras producciones y publicaciones registradas en España, como otras que han contribuido a su difusión e integración en el ámbito escénico y editorial. Las traducciones escénicas se han obtenido de diversas fuentes, como los archivos de censura o ediciones escénicas, y algunas incluso han sido facilitadas por los propios profesionales encargados del transvase. Las traducciones de lectura se han conseguido a través de bibliotecas. En la mayor parte de los casos los textos se encontraban únicamente en formato impreso, por lo que ha sido necesaria una labor de digitalización27. 26 https://www.tei-c.org/release/doc/tei-p5-doc/es/html/DR.html 27 Entre los autores meta figuran profesionales como el profesor Ramón Espejo [Miller 2011; Williams 2019] o colaboraciones como la de Julián Escribano y Alberto González Vergel [Miller 2007]. 12 Andaluz-Pinedo, O.; Sanjurjo-González, H.; Merino-Álvarez, R. Talía. Rev. estud. teat. 3, 2021: 7-16 los a nivel de réplica y filtrar e interrelacionar las diferentes unidades estructurales para el análisis del corpus. Algunas diferencias con TAligner consisten en el carácter automático del proceso de alineación, la posibilidad de añadir anotación lingüística y la inclusión de opciones de análisis relativas a estadísticas [Andaluz-Pinedo y Sanjurjo-González en prensa]. ACM-theatre ofrece varias funciones para la creación de corpus paralelos y monolingües de textos teatrales: limpiar los textos en relación con fallos encontrados de manera recurrente en el reconocimiento óptico de caracteres, etiquetar las diferentes unidades (actos y escenas, réplicas, nombres de personajes, acotaciones y diálogos), alinear automáticamente a nivel de réplica, lematizar y añadir anotación gramatical por medio de SpaCy, empleando para ello las categorías de Universal POS tags31, y semántica, usando la taxonomía USAS Category System. Las posibilidades de análisis que proporciona esta herramienta son variadas. Aparte de concordancias, basadas no solo en palabras o expresiones regulares, sino también en la anotación lingüística, permite extraer estadísticas, como listas de frecuencias o palabras clave. Además, las opciones de análisis permiten filtrar e interrelacionar las unidades estructurales específicas de los corpus teatrales (véase sección 5.2.). El formato de los textos admitidos es el de texto plano. Por último, cabe mencionar una herramienta que se integrará en ACM, OpenTagger [Sanjurjo-González y Andaluz-Pinedo 2020]32. OpenTagger es una aplicación de anotación personalizada que permite crear un sistema de anotación propio o utilizar uno previo y anotar los textos de manera flexible y sencilla. Los textos anotados se pueden descargar y su futura integración en ACM facilitará aún más el proceso de consulta de textos con este tipo de anotación. El software admite el formato de texto plano, así como XML para revisar los textos anotados previamente con la herramienta, ya que se descargan en este formato. OpenTagger se puede utilizar con cualquier tipo de texto gracias a su flexibilidad, por lo que es aplicable a los textos teatrales. 5. Ejemplos de uso Los recursos descritos pueden ayudar a responder un amplio abanico de preguntas de investigación potenciales. En esta sección, se recogen algunos ejemplos de consultas posibles en las bases de datos y los corpus a modo ilustrativo. 5.1. Ejemplos de consultas en la base de datos Si nos interesa responder a la pregunta de cuándo entraron en los escenarios españoles las obras de un dramaturgo determinado del siglo XX, una consulta en la base de datos TRACEti resulta de gran utilidad. Al buscar al autor Samuel Beckett, uno de los más recurrentes en los expedientes de censura, los resultados muestran que la primera obra representada en España es Esperando a 31 https://universaldependencies.org/u/pos/ 32 https://actres.unileon.es/opentagger/ [2012: 37-48], pertenece a la tercera generación, caracterizada por la necesidad de instalación y/o ejecución en un ordenador personal y no a través de internet. Para la construcción y el análisis de corpus teatrales, TAligner ofrece algunas ventajas respecto a otras herramientas disponibles para corpus paralelos generales, ya que se ajusta a la especificidad estructural de este tipo de textos mediante la anotación estructural, la alineación a nivel de réplica y la aplicación de filtros a las consultas relacionados con las unidades estructurales [AndaluzPinedo y Sanjurjo-González en prensa]. TAligner se desarrolló a partir de la herramienta TRACE Corpus Tagger/Aligner 1.0©, diseñada para etiquetar unidades estructurales de diferentes tipos de textos estudiados en los proyectos TRACE, entre ellos los teatrales, y alinearlos a diferentes niveles [GutiérrezLanza, Bandín-Fuertes, García-González y LobejónSantos 2015]. Entre las mejoras de la herramienta, por ejemplo, se incluye una mayor flexibilidad para la alineación y la introducción de una pantalla de consultas que supone la integración de las funciones de construcción y estudio de corpus en un mismo software [SanzVillar y Andaluz-Pinedo en prensa]. Las opciones de TAligner para la construcción de corpus de textos teatrales consisten en la limpieza de los textos, el etiquetado estructural, la introducción de metadatos, la alineación manual a nivel de réplica y la edición de los archivos para solventar errores [AndaluzPinedo y Sanjurjo-González en prensa]. Cabe señalar que el etiquetado se expresa utilizando el lenguaje de marcado XML, basado en gran parte en el estándar de Performance Texts de TEI [TEI Consortium 2019: 244247]. Por otro lado, la alineación manual, a pesar de ser un proceso laborioso, resulta de utilidad si se necesita reducir el margen de error, y la posibilidad de edición de los textos en cualquier momento del proceso de alineación del corpus permite solventar problemas que puedan detectarse ya sea en los textos o en las etiquetas. El formato de entrada de los archivos ha de ser texto plano y el formato de salida de los textos alineados es XML. Por otro lado, para el análisis de corpus, ofrece una pantalla de consultas con filtros generales relacionados con los metadatos, como las lenguas de los textos o los títulos, así como específicos del teatro que utilizan el etiquetado estructural para seleccionar si interesa realizar búsquedas solo en diálogos o en acotaciones. 4.2. ACM-theatre ACM [Sanjurjo-González 2017a, 2017b, 2018] es un software desarrollado para construir y analizar corpus monolingües, comparables y paralelos con distintas capas de anotación lingüística. ACM emplea el paradigma cliente/servidor que caracteriza a las herramientas de análisis de corpus de cuarta generación [McEnery y Hardie 2012: 37-48]. Recientemente se ha desarrollado una nueva versión, ACM-theatre, capaz de procesar las peculiaridades de los textos teatrales [Andaluz-Pinedo y Sanjurjo-González en prensa]. De este modo, la versión ajustada para teatro de esta herramienta ofrece la opción de etiquetar la estructura de los textos teatrales, alinear- 13Andaluz-Pinedo, O.; Sanjurjo-González, H.; Merino-Álvarez, R. Talía. Rev. estud. teat. 3, 2021: 7-16 lizaciones significativas aumentan gracias a su formato digital y su procesamiento mediante software. Por ejemplo, es posible obtener una visualización de las palabras que caracterizan los diálogos de los personajes en una obra (original o traducida) determinada. En la figura 4 se muestra un gráfico de burbujas con las palabras clave de personajes de El crisol, traducido por el profesor Ramón Espejo [Miller 2011]. Para ello, se interrelacionan los filtros referidos al etiquetado estructural de los nombres de los personajes y el relativo a los diálogos y se aplica la estadística de las palabras clave, relacionada con la caracterización en Culpeper [2014: 10-11]. 6. Conclusiones En esta contribución se ha tratado de aportar una visión global de los recursos digitales creados hasta la fecha en el grupo TRALIMA/ITZULIK para la investigación del teatro (traducido): bases de datos, corpus y herramientas. Las bases de datos y los corpus incluyen una gran cantidad y variedad de datos extratextuales y textuales referidos a obras teatrales extranjeras traducidas, representadas y publicadas en diferentes periodos. Las herramientas permiten que el usuario cree sus propios corpus, frente a plataformas en las que solo se pueden estudiar corpus predefinidos. Además, posibilitan el análisis de los corpus mediante diversas técnicas como las concordancias y las estadísticas, todo ello ajustado al tratamiento específico de las peculiaridades de los textos teatrales. En definitiva, estos materiales y herramientas digitales han resultado vitales para las investigaciones sobre teatro traducido en España en TRALIMA/ITZULIK, y Godot, en 1955, pero no solo eso, sino que nos indican los años en los que se iniciaron diferentes expedientes en los que se archivan varias peticiones para las producciones sucesivas (figura 1). Si, por ejemplo, nos interesa conocer cómo se han difundido las obras de Arthur Miller en España en el siglo XXI, podemos realizar la consulta correspondiente en la base de datos TEATRAD. De este modo, se recuperan los registros relativos a las producciones teatrales, las funciones accesibles, las grabaciones, así como los datos sobre las publicaciones. A partir de esta información, es posible obtener visualizaciones que muestren las diferentes difusiones en relación con los años en los que se produjeron, por ejemplo, mediante un gráfico de líneas (figura 2). 5.2. Ejemplos de consultas en los corpus mediante las herramientas Uno de los aspectos considerados problemáticos durante la censura franquista es el lenguaje indecoroso. Mediante búsquedas en el corpus TRACEti o en las traducciones censuradas incluidas en el corpus TEATRAD podemos observar cómo se tradujeron este tipo de palabras o expresiones en ese periodo. En la figura 3 se recoge la búsqueda en el texto en inglés de ¿Quién teme a Virginia Woolf? de la palabra bastard, una de las sugeridas para el estudio de este aspecto en la propuesta metodológica de Gómez-Castro [2009: 137], y se observa que la traducción de José Méndez Herrera omite o suaviza todos los casos. Los datos disponibles en los corpus se pueden analizar aplicando diversas técnicas mediante las herramientas mencionadas. Asimismo, las posibilidades de visuaFigura 2. Gráfico a partir de información de la base de datos TEATRAD. Figura 1. Consulta en la base de datos TRACEti. 14 Andaluz-Pinedo, O.; Sanjurjo-González, H.; Merino-Álvarez, R. Talía. Rev. estud. teat. 3, 2021: 7-16 muestra el interés desde el campo de la estilística en el análisis de palabras clave como las extraídas en el último ejemplo de la sección anterior [Culpeper 2014: 1011]. Son incontables las preguntas de investigación que se pueden plantear y a las que estos materiales pueden ayudar a dar respuesta. Las posibilidades que ofrecen estos recursos pueden incluso trascender la investigapueden ser asimismo beneficiosos para cualquier investigador interesado en información relativa a los agentes, contextos y textos del teatro español original y traducido desde una variedad de perspectivas, tales como la historia del teatro o el análisis lingüístico. La multiplicidad de usos posibles de estos recursos plantea espacios de confluencia entre diferentes disciplinas, como Figura 4. Visualización de palabras clave por personajes en la obra El crisol. Figura 3. Búsqueda en la obra ¿Quién teme a Virginia Woolf? usando TAligner. 15Andaluz-Pinedo, O.; Sanjurjo-González, H.; Merino-Álvarez, R. Talía. Rev. estud. teat. 3, 2021: 7-16 en mayor profundidad las opciones de visualización generadas a partir de las estadísticas de los datos incluidos en los corpus. Parece que el camino de la creación y aplicación de recursos propios de las HD para el estudio del teatro (traducido) no ha hecho más que empezar y la exploración de técnicas innovadoras basadas en el medio digital sin duda seguirá reportando beneficios en la investigación en esta línea. ción descriptiva y adentrarse en aplicaciones relacionadas con la enseñanza. En el futuro, sería interesante llevar a cabo una ampliación de los corpus existentes, de manera que contengan más textos, organizados en torno a diferentes criterios de selección. Esta expansión del material lingüístico potenciaría aún más las posibilidades de análisis. Asimismo, una vía de futuro planeada consiste en explorar 7. Referencias bibliográficas Andaluz-Pinedo, Olaia y Hugo Sanjurjo-González (en prensa): “Corpus tools for parallel corpora of theatre plays: an introduction to TAligner and ACM-theatre”. Anthony, Laurence (2013): “A critical look at software tools in corpus linguistics”, Linguistic Research, 2: 141-161. https://doi.org/10.17250/khisli.30.2.201308.001 — (2014): AntConc [software]. Archer, Dawn, Andrew Wilson y Paul Rayson (2002): “Introduction to the USAS category system”, Benedict project report. http://ucrel.lancs.ac.uk/usas/usas%20guide.pdf Arias-Badia, Blanca (2020): Subtitling Television Series: A Corpus-Driven Study of Police Procedurals, Oxford, Peter Lang. Brezina, Vaclav (2018): Statistics in Corpus Linguistics: A Practical Guide, Cambridge, Cambridge University Press. Culpeper, Jonathan (2014): “Keywords and Characterization. An Analysis of Six Characters in Romeo and Juliet”, en David L. Hoover, Jonathan Culpeper y Kieran O’Halloran (eds.), Digital Literary Studies. Corpus Approaches to Poetry, Prose and Drama, Nueva York, Routledge: 9-33. https://doi.org/10.4324/9780203698914 Gómez-Castro, Cristina (2009): Traducción y censura de textos narrativos inglés-español en la España franquista y de transición: TRACEni (1970-1978), Tesis, León, Universidad de León. https://buleria.unileon.es/handle/10612/1413 Gutiérrez-Lanza, Camino (2005): “La labor del equipo TRACE: metodología descriptiva de la censura en traducción”, en Raquel Merino-Álvarez, José Miguel Santamaría y Eterio Pajares (eds.), Trasvases culturales: literatura, cine, traducción 4, Bilbao, UPV/EHU: 55-64. http://hdl.handle.net/10810/10533 Gutiérrez-Lanza, Camino, Elena Bandín-Fuertes, José Enrique García-González y Sergio Lobejón-Santos (2015): “Desarrollo de software de etiquetado y alineación textual: TRACE Corpus Tagger/Aligner 1.0©”, II Congreso Internacional de Humanidades Digitales Hispánicas: Innovación, globalización e impacto. Madrid, UNED. https:// humanidadesdigitaleshispanicas.es/wp-content/uploads/2020/02/Humanidades-Digitales-Hisp%C3%A1nicas.- Innovaci%C3%B3n-Globalizaci%C3%B3n-e-Impacto.pdf Kilgarriff, Adam, Vít Baisa, Jan Bušta, Miloš Jakubíček, Vojtěch Kovář, Jan Michelfeit, Pavel Rychlý y Vít Suchomel (2014): “The Sketch Engine: ten years on”, Lexicography, 1: 7-36. https://doi.org/10.1007/s40607-014-0009-9 McEnery, Tony y Hardie, Andrew (2012): Corpus Linguistics: Method, Theory and Practice. Cambridge: Cambridge University Press. Merino-Álvarez, Raquel (1994): Traducción, tradición y manipulación: teatro inglés en España 1950-1990, León, Universidad de León / Bilbao, UPV/EHU. http://hdl.handle.net/10810/15988 — (2000): “El teatro inglés traducido desde 1960: Censura, ordenación, calificación”, en Rosa Rabadán (coord.), Traducción y censura inglés-español 1939-1985, León, Universidad de León: 121-151. — (2003): “TRAducciones CEnsuradas inglés-español: del catálogo al corpus TRACE (teatro)”, en Ricardo Muñoz Martín (ed.), AIETI. Actas del I Congreso Internacional de la Asociación Ibérica de Estudios de Traducción e Interpretación, Granada, AIETI: 641-670. http://www.aieti.eu/pubs/actas/I/AIETI_1_RMA_Traducciones.pdf — (2005): “From Catalogue to Corpus in DTS: Translations Censored under Franco. The TRACE Project”, Revista Canaria de Estudios Ingleses, 51: 85-104. — (2007): “La homosexualidad censurada: estudio sobre corpus de teatro TRACEti inglés-español (desde 1960)”, en Raquel Merino-Álvarez (ed.), Traducción y censura en España (1939-1985). Estudios sobre corpus TRACE: cine, narrativa, teatro, Bilbao, UPV/EHU: 243-313. — (2009): “Traducciones (censuradas) de teatro inglés en la España de Franco. TRACE: una perspectiva histórica”, TRANS. Revista de Traductología, 13: 19-31. — (2010a): “La historia de las traducciones de teatro inglés en España en el siglo XX: perspectiva desde el proyecto TRACE”, en Rosa Rabadán, Trinidad Guzmán y Marisa Fernández (eds.), Lengua, traducción, recepción: en honor de Julio César Santoyo, León, Universidad de León: 357-384. — (2010b): “Building TRACE (TRAnslations CEnsored) theatre corpus: some methodological questions on text selection”, en Micaela Muñoz y Carmen Buesa (coords.), Translation and Cultural Identity: Selected Essays on Translation and Cross-Cultural Communication, Newcastle, Cambridge Scholars Publishing: 129-154. — (2016a): “Mapping translated theatre in Spain through censorship archives”, en Catherine O’Leary, Diego Santos Sánchez y Michael Thompson (eds.), Global Insights on Theatre Censorship, Oxford, Routledge: 176-190.