Text Encoding Initiative
La Text Encoding Initiative (TEI) es un consorcio que desarrolla y mantiene un estándar para la representación de los textos en forma digital. Se trata de un proyecto de investigación en humanidades digitales que goza de una amplísima difusión y utilización en bibliotecas y colecciones de texto digitales y en la creación de corpora lingüísticos. Se basa en el lenguaje XML, una versión simplificada del SGML.
Las TEI Guidelines
Las TEI Guidelines en su conjunto lo que hacen es definir una gramática XML. Difiere de otros formatos textuales (como el HTML y OpenDocument) en que se trata un marcado o etiquetado semántico y no presentacional, es decir, se preocupa por lo que es el texto no por cómo debe aparecer y establecen el significado de cada elemento y atributo. Las Guidelines describen más de 500 elementos textuales agrupados en una veintena de módulos a veces altamente especializados como el módulo para diccionarios, teatro, corpus lingüísticos, transcripción de fuentes primarias, mientras que otros son generales y básicos para cualquier documento TEI.
La TEI proporciona un esquema muy útil porque:
- Define y especifica varios cientos de distinciones textuales.
- Proporciona un juego de módulos que se pueden emplear para definir esquemas que tengan en cuenta esas distinciones (véase el cuadro de la página siguiente).
- Facilita un mecanismo de actualización y acomodación para modificar y combinar esas definiciones con las nuevas que se pudieran crear utilizando el mismo modelo conceptual.
- Ofrece hojas de estilo para transformar los textos codificados a HTML o PDF.
- Facilita el intercambio y la integración de los datos entre los investigadores.
- Es válido para todo tipo de textos, de cualquier lengua y de cualquier época.
Ejemplos
<?xml version="1.0" encoding="UTF-8"?>
<TEI xmlns="http://www.tei-c.org/ns/1.0">
<teiHeader>
<!–- obligatorio -->
</teiHeader>
<text>
<front>
<!–- opcional -->
</front>
<body>
<!–- obligatorio -->
</body>
<back>
<!–- opcional -->
</back>
</text>
</TEI>
Ejemplo práctico
<?xml version="1.0" encoding="UTF-8"?>
<teiHeader>
<fileDesc>
<titleStmt>
<title>NACIMIENTO DE CRISTO</title>
<author>Federico García Lorca</author>
</titleStmt>
<publicationStmt>
<p>Ejemplo para Wikipedia</p>
</publicationStmt>
<sourceDesc>
<p>Transcrito desde una vieja edición</p>
</sourceDesc>
</fileDesc>
</teiHeader>
<text>
<body>
<head>NACIMIENTO DE CRISTO</head>
<lg>
<l>Un pastor pide teta por la nieve que ondula</l>
<l>blancos perros tendidos entre linternas sordas</l>
<l>El Cristito de barro se ha partido los dedos</l>
<l>En los filos eternos de la madera rota.</l>
</lg>
<lg>
<l>¡Ya vienen las hormigas y los pies ateridos!</l>
<l>Dos hilillos de sangre quiebran el cielo.</l>
<l>Los vientres del demonio resuenan por los valles</l>
<l>golpes y resonancias de carne de moluscos.</l>
</lg>
<lg>
<l>Lobos y sapos cantan en las hogueras verdes</l>
<l>coronadas por vivos hormigueros del alba</l>
<l>La mula tienen un sueño de grandes abanicos</l>
<l>y un toro sueña un toro de agujeros y agua.</l>
</lg>
<lg>
<l>El niño llora con un tres en la frente.</l>
<l>San José ve en el heno tres espinas de bronce</l>
<l>los pañales exalan un rumor de desierto</l>
<l>con cítaras sin cuerdas y degolladas voces</l>
</lg>
<lg>
<l>La nieve de Manhattan empuja los anuncios</l>
<l>y lleva gracia pura por las falsas ojivas.</l>
<l>Sacerdotes idiotas y querubes de pluma</l>
<l>van detrás de Lutero por las altas esquinas.</l>
</lg>
</body>
</text>
</TEI>
Historia
Antecedentes
Antes de la creación del TEI, los humanistas no tenían estándares comunes para codificar textos electrónicos. A lo largo de los años los académicos desarrollaron métodos variados con el objetivo de representar caracteres especiales y codificar divisiones lógicas de un texto, así como representar información analítica e interpretativa y y reducir el aparato de texto crítico a una secuencia lineal única.[1]
Debido a la falta de un formato estándar y unificado, entre 1960 y 1980 se empezaron a desarrollar esquemas de codificación desde cero y a partir de adaptaciones de los ya existentes. Los esquemas ya existentes reflejaban principalmente los intereses de sus desarrolladores y estaban adaptados a los programas que utilizaban. En su mayoría eran incompatibles con las investigaciones de otros humanistas, debido a que tenían que modificarlos sustancialmente para poder usarlos, siempre y cuando se pudiesen reutilizar.[1]
Cuando la comunidad de humanidades informáticas (en inglés: Computing humanities) reconoció esta problemática, se reunieron e intentaron en varias ocasiones (San Diego, 1977; Pisa, 1980) desarrollar estándares de codificación para los textos legibles por ordenadores. Sin embargo, no se llegó a ningún consenso y se interrumpieron.[1]
Origen
La Text Encoding Initiative nació en un congreso organizado por la Association for Computers and the Humanities (ACH) en el Vassar College en 1987, y fue financiado por la U.S. National Endowment for the Humanities (en español: Fundación Nacional de los Estados Unidos para las Humanidades). Al congreso asistieron alrededor de 30 representantes de diferentes archivos, centros de humanidades informáticas, proyectos de investigación y organizaciones profesionales para reconsiderar la viabilidad de la estandarización y realizar recomendaciones en relación a su ámbito de aplicación, estructura, contenido y redacción, conocidos actualmente como los «principios de Poughkeepsie» (en inglés: Poughkeepsie Principles).[n 1][1][2]
El congreso fue un éxito, ya que, por una parte, se supo más sobre los problemas de la codificación y se aclararon los principios que debían seguirse para resolver esta problemática. Por otra parte, el grupo de Vassar logró reunir y componerse de una mayor representación de organizaciones clave y centros de investigación activos que en anteriores reuniones. Además, el reciente desarrollo del Standard Generalized Markup Language aportó una herramienta para desarrollar un esquema de codificación sencillo, flexible y extensible que cumpliese con las diferentes necesidades de la investigación textual. El consenso que se alcanzó en el congreso fue que esta necesidad estaba creciendo y había que resolverla urgentemente.[3]
Desarollo de las pautas de codificación
Tras el congreso, la Association for Computational Linguistics (ACL) y la Association for Literary and Linguistic Computing (ALLC) acordaron unirse a la ACH como patrocinadores para elaborar las pautas del estándar.[4] Estas tres organizaciones se comprometieron a guiar el esfuerzo y la búsqueda de financiación para apoyar la TEI como un proyecto a nivel internacional y multilingüe. Sin embargo, pronto se reconoció que este proyecto no solo era del interés de las humanidades, sino que también se podía aplicar a diversas aplicaciones de la industria del lenguaje.[3]
En otoño de 1993, la TEI publicó su primera versión completa de las Guidelines for the Encoding and Interchange of Machine-Readable Texts (en español: Pautas para la codificación e intercambio de textos legibles por ordenadores).[5][6]
Durante sus primeros desarrollos, hasta la versión P3, la TEI se desarrolló sobre la base del SGML, pero en 2002, bajo la denominación P4 apareció la primera especificación en XML. En 2005 aparecería la P5. La versión actual es la P5 2.8.0, presentada el 6 de abril de 2015. Existe una versión TEI Lite, que es una versión aligerada que puede satisfacer el 90% de las necesidades del 90% de la comunidad TEI.
Notas
- ↑ Poughkeepsie (condado de Dutchess, Nueva York) es la ciudad en la que se encuentra el Vassar College, donde se celebró el primer congreso.
Referencias
- ↑ a b c d Ide y Sperberg-McQueen, 1995, p. 15.
- ↑ «The Preparation of Text Encoding Guidelines». tei-c.org. 13 de noviembre de 1987. Consultado el 2 de enero de 2018.
- ↑ a b Ide y Sperberg-McQueen, 1995, p. 16.
- ↑ «iv. About These Guidelines - The TEI Guidelines». www.tei-c.org (en inglés). Consultado el 31 de diciembre de 2017.
- ↑ «Design Principles for Text Encoding Guidelines». tei-c.org (en inglés). 14 de diciembre de 1988. Consultado el 2 de enero de 2018.
- ↑ Ide y Sperberg-McQueen, 1995, p. 17.
Bibliografía
- Ide, Nancy M.; Sperberg-McQueen, C. M. (1995). «The Text Encoding Initiative: Its History, Goals, and Future Development». En Nancy M. Ide, Jean Véronis (eds.), ed. Text encoding initiative : background and contexts. Dordrecht: Kluwer Academic Publishers. pp. 5-15. ISBN 978-94-011-0325-1.
- Sperberg-McQueen, C. M.; Burnard, Lou, eds. (1994). Guidelines for Electronic Text Encoding and Interchange. Chicago: Text Encoding Initiative. Consultado el 8 de febrero de 2018.
- Burnard, L. 2014. What is the Text Encoding Initiative? How to add intelligent markup to digital resources. Marseille: OpenEdition Press. Extraído de http://books.openedition.org/oep/426 ISBN 9782821834606.
- Fradejas Rueda, J. M. 2009-2010. "La codificación XML/TEI de textos medievales". Memorabilia 12: 219–247. Accesible en red.