Corpus

Una parte fundamental del Proyecto es la recopilación de un corpus de textos y la creación de una base de datos de CSL en la prensa española con el fin de 

1. facilitar la difusión y consulta de textos, muchos de ellos poco accesibles, y 
2. promover la explotación con fines investigadores de este tipo de textos. 

Tras varios años de trabajo se han localizado y recopilado 44 columnas sobre la lengua, con un total de 6453 textos firmados por 37  columnistas en 16 periódicos nacionales, regionales, locales, en papel y en edición digital, para el período comprendido entre 1883-2023.

En esta fase, hemos considerado seleccionar los textos publicados en la prensa escrita desde sus orígenes en el siglo XIX hasta la actualidad. Asumimos el concepto de “siglo XX como diacronía” (Cano Aguilar, 1988) y entendemos, con Pons Bordería (2014, p. 1000), que “el siglo XX es un espacio de cambio lingüístico que reclama un estudio diacrónico”. 

En este sentido, las columnas sobre la lengua publicadas en la prensa son un testimonio de primera mano para poder estudiar las dimensiones del cambio lingüístico durante el siglo XX en términos de:

1. Construcción del discurso sobre la lengua como género: presentación verbal de la autoridad epistémica, tipo de metalenguaje, estrategias de interacción con los lectores, formas de dialogicidad, tipos de polifonía, cortesía, estrategias argumentativas, uso de recursos retóricos, etc.
2. Percepción de la lengua e imaginario lingüístico: unidad del idioma, purismo, corrección, lenguas en contacto, dialecto, etc.
3. Tipología y recurrencia de la problemática sobre la lengua que se plantea a lo largo del período. Léxica, lexicográfica y sociolingüística (la más abundante): neología, anglicismo, galicismo, tecnicismo, definiciones, usos, vulgarismos, fraseología, etc.; gramatical –construcciones sintácticas, uso de preposiciones, marcadores del discurso, etc.–; estilística, relativa a la pronunciación, los acentos, el español de América, etc.          

La prensa escrita es el medio que unifica la producción de textos sobre la lengua en todo este período por lo que hemos preferido ceñirnos a este formato. La prensa escrita, además, es un espacio de poder, de acceso limitado –sólo escriben en la prensa unos pocos– pero de gran difusión –tiene vocación de llegar a muchas personas–, está estrechamente unida a los cambios sociales y políticos y desempeña un papel relevante en la transmisión y circulación de saberes sobre el lenguaje. Incluimos los soportes papel y digital. En otras etapas se incorporarán otros medios de comunicación como radios, blogs sobre la lengua, páginas web, etc.

Prensa nacional y regional publicada en España y escrita en castellano. 

Una parte muy importante del corpus se encuentra en formato digital en distintas bases de datos. Sin embargo ha sido necesario:

1. Unificar formatos de lo ya localizado para poder integrarlo en la base de datos. 
2. Obtener de primera mano –de la prensa de origen– los textos que se encuentran publicados en libros o antologías. 
3. Localizar de textos que no estén incorporados a los corpus o no se hayan digitalizado.