La historia conceptual ha demostrado cómo ciertos conceptos reflejan, pero también motivan la formación de procesos políticos, socio-económicos y epistemológicos de una sociedad y época en la que circulan. Particularmente, en el periodo del siglo 18 e inicios del siglo 19, el análisis de un concepto clave como el de la naturaleza representa un valioso punto de partida para numerosos planteamientos de la historiografía, los estudios culturales, y las ciencias literarias sobre procesos de modernización, ilustración y emancipación en América Latina, y en relación con Europa. Un acercamiento interdisciplinario que combine métodos de la hermenéutica y de análisis de discurso con métodos informáticos permite investigar la polisemia sincrónica y la evolución diacrónica de los conceptos, y por ende, las estructuras a las que aluden.
En comparación con una colección de documentos moderna, un corpus histórico suele caracterizarse por un volumen menor y por una inferior calidad de los datos, lo cual representa desafíos, pero también oportunidades para el desarrollo y refinamiento de métodos de text-mining. Algunas de estas oportunidades se presentan al mejorar la calidad del contenido de los documentos utilizando diferentes métodos de filtrado y OCR, así como en definir post-procesos, que van desde eliminar términos basura o irrelevantes, hasta corregir términos mal reconocidos por el OCR. En cuanto al problema de contar con un volumen menor, esto presenta oportunidades para probar modelos que exigen una retroalimentación de expertos humanos y generan explicaciones más profundas sobre los resultados, que a su vez resulta frecuentemente en una mejor comprensión de los algoritmos o modelos.
En esta dirección, el taller propone la presentación y exploración de una serie de procesos, intuiciones y prácticas que conducen a buenos resultados para la investigación de la historia semántica de conceptos en un corpus histórico (prensa y otros documentos de España, La Nueva Granada, Quito y Perú).
Estructura
En la primera fase, se ejemplifica la selección y organización de métodos para la limpieza del texto, la optimización de la calidad del OCR, y el preprocesamiento lingüístico (toquenización, lemmatización, normalización, POS, NER), así como la elaboración y asignación de metadatos.
En la segunda fase, se presenta y se explora junto con lxs participantes algunos métodos para la investigación del cambio semántico de un concepto en el corpus. Entre ellos están la generación de representaciones del contenido de los documentos (diferentes tipos de embeddings y diferentes niveles de contextualización semántica), la generación y visualización de coocurrencias entre términos, topic modeling, clustering, entre otros. Con este diseño, el taller pretende hacer énfasis en la combinación y mutua retroalimentación de métodos de humanidades y de informática.
Participantes
El taller se entiende como una introducción a la investigación histórica con métodos de text-mining y natural language processing. Se dirige a todxs lxs interesadxs en corpus históricos y en mixed methods en la intersección de informática, estudios culturales e historiografía. Previamente se les pondrá a disposición a los participantxs un corpus y herramientas con que trabajar en el taller.