Los Conceptos de 'codificación' y 'estandarización' según las experiencias catalana y asturiana
Bibliographic record
Abstract
El catalán y el asturiano son dos lenguas de la Península Ibérica en pleno proceso de normalización lingüística. En algunos territorios, el catalán cuenta con un apoyo institucional sólo comparable al del francés en el Quebec o al del neerlandés en Flandes. Por el contrario, el asturiano aún no cuenta con un apoyo institucional importante, y el poco que tiene no va más allá de una simple y triste protección folclórica. El proceso de codificación del catalán moderno se inició a principios del siglo XX con la reforma ortográfica y gramatical de Pompeu Fabra; y en la actualidad, el Institut d'Estudis Catalans sigue en ello en torno a temas más formales de estandarización oral. A pesar que el proceso de normativización de la lengua escrita está prácticamente finalizado aún quedan por definir algunos aspectos gramaticales , existen numerosos problemas de tipo sociolingüístico como el movimiento secesionista valenciano o la falta de reconocimiento oficial en algunos territorios como Aragón, Francia, L'Alguer (Cerdeña) o Murcia. El proceso de codificación del asturiano se inició en Asturias a mediados de la década de 1970, y dio sus primeros frutos en la década de 1980 con la creación de la Academia de la Llingua Asturiana. En la actualidad, el asturiano cuenta con una ortografía, una gramática y un diccionario normativos; pero los retos del siglo XXI paralelamente a los de tipo social serán cómo adecuar la diversidad dialectal a la norma lingüística. La actual ortografía propone grafías que permiten representar las distintas soluciones dialectales, soluciones que no contempla ni la gramática ni el diccionario normativos. La situación de ambas lenguas diversidad dialectal, situación sociolingüística, etc. difiere enormemente, pero son numerosos los aspectos en la codificación lingüística que permiten compartir experiencias y métodos de actuación
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.002 | 0.004 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".