XML-TEI

El XML-TEI es el formato escogido por el proyecto D4R para estructurar sus documentos, ya que permite establecer parámetros únicos para la descripción de todos los componentes del corpus y además es un sistema que permite el intercambio para que otros proyectos y personas en el presente y el futuro, puedan hacer uso de los datos recolectados y anotados durante nuestro trabajo.

¿Qué es el XML?

XML es la sigla usada para hacer referencia al eXtensible Markup Language (Lenguaje de Marcado Extensible). Fue desarrollado a partir de las bases de datos existentes por el W3C (World Wide Web Consortium) y se utiliza para almacenar datos de forma legible.

El XML se creó con algunos objetivos principales. En primer lugar, era importante que fuera idéntico al HTML en cuanto a la recepción, el tratamiento y el almacenamiento de la información, de modo que pudiera utilizar las tecnologías ya desarrolladas para este último. Otro elemento importante era que XML debía ser conciso en la información para poder definir los datos en su almacenamiento. Por otro lado, el hecho de que fuera extensible significaba que XML podía ser utilizado por todos los dominios del conocimiento para almacenar sus bases de datos. Se convirtió en algo fácil de leer y editar, además de la facilidad de programación que ello implicaba.

El XML no sólo se utiliza en las plataformas de Internet, sino que se plantea como una posibilidad de estandarizar la información que puede estructurarse de diferentes maneras para integrarse en bases de datos, editores de texto y casi cualquier otro formato imaginable. XML no es una tecnología aislada, hay muchas otras tecnologías que la complementan y la hacen mucho más importante, siendo su principal función hoy en día permitir la compatibilidad entre sistemas para compartir información de forma ágil, segura y fiable. Echemos un vistazo a la estructura de un documento XML.

¿Cómo se hace un documento XML?

La unidad mínima dentro de un documento XML es la etiqueta o elemento, estos pueden contener otras etiquetas o elementos. Para crear una etiqueta en XML, utilizamos los símbolos “menor que” (<) seguido del nombre de la etiqueta y más que (>) para cerrar la etiqueta, luego añadimos el contenido que tendrá la etiqueta y cerramos la etiqueta utilizando menos que (<), la barra (/) el nombre de la etiqueta y “más que” (>). Los nombres de las etiquetas no deben tener espacios, cuando se hace un espacio dentro de la etiqueta todo escrito después del espacio es considerado como un atributo.

Las etiquetas pueden contener texto, otras etiquetas (o ambas), también pueden estar vacías o incluso ser etiquetas que se cierran en sí mismas.

XML
<etiqueta>contenido de la etiqueta</etiqueta>
<etiqueta>contenido de la etiqueta<otraEtiqueta></otraEtiqueta></etiqueta>
<etiqueta></etiqueta>
<etiqueta/>

Para que un document XML sea válido debe tener tres características:

  1. Solo puede contener un único elemento raíz
  2. Debe tener una estructura estrictamente jerárquica, que no es otra cosa que respetar  la estructura de un árbol.lo que quiere decir que un par de etiquetas puede contener otros pares de etiquetas. Si y sólo si las dos etiquetas (de apertura y de cierre) de cada par están contenidas en este par de etiquetas de la siguiente forma:
  3. Los valores atributos en XML siempre deben estar encerrados entre comillas simples o dobles
XML
<etiqueta atributo="Valor_atributo"></etiqueta>

¿Qué es la TEI?

La TEI es la sigla de la Text Encoding Initiative, es uno de los proyectos más antiguos de lo que se conoce como las Humanidades Digitales, y se creó como un proyecto de investigación informática en Humanidades hace más de 30 años. El objetivo de este proyecto era “proponer un conjunto de recomendaciones sobre cómo los investigadores deben crear recursos textuales legibles por ordenador”. Lou Burnard, hablando de la evolución de los métodos de investigación en las humanidades y las ciencias sociales, explica el nacimiento y el desarrollo de la TEI, en un contexto en el que todavía no existía la World Wide Web y en el que “la única computación seria se hacía en grandes máquinas (mainframes)” (Burnard, 2014).

Algunos intelectuales empezaron a hablar de la necesidad de trabajar con recursos a gran escala, a pensar en posibles formas de utilizar los avances del “tratamiento de textos para el trabajo lexicográfico”, en un mundo en el que abundaban las teorías sobre cómo utilizar la información “hipertextualmente”. En otoño de 1987, el NEH (National Endowment for the Humanities) financió una reunión para establecer las directrices del TEI (Burnard, 2014).

Al principio, en un entorno en el que los cambios en los lenguajes de representación textual dentro de la informática eran permanentes, el objetivo era facilitar la creación, el intercambio y la integración de datos textuales informatizados (TEI, 1988), con parámetros bien establecidos para garantizar la sostenibilidad del proyecto en el tiempo, y cuyas herramientas debían ser suficientes para representar las características textuales necesarias para la investigación. Todo tenía que ser sencillo, claro y concreto, fácil de usar para los investigadores sin necesidad de un software especial. El TEI debe permitir una definición rigurosa y un procesamiento eficaz del texto y, por último, proporcionar extensiones definidas por el usuario para cumplir con las normas existentes y emergentes (Text Encoding Initiative).

El TEI es una iniciativa que se preocupa más por el significado del texto que por la apariencia del mismo, razón principal por la que es independiente del software, lo que permite procesar la información sin ninguna pérdida entre sistemas operativos. Burnard sostiene que el éxito del TEI a lo largo de su historia responde a un sentido estrictamente darwiniano en el que “el TEI evoluciona respondiendo a los cambios que su comunidad de usuarios considera beneficiosos, mientras que ignora los que no lo son” (Burnard, 2014).

Cuando nos referimos al TEI, se puede hablar de tres cosas diferentes pero estrechamente relacionadas. En primer lugar, el TEI es un consorcio internacional, creado en 1987, que desarrolla y mantiene directrices para la codificación electrónica de textos en las ciencias sociales y las humanidades. El TEI es también una iniciativa científica que sirve para codificar textos de todo tipo y de todas las épocas, para que puedan ser explotados digitalmente. Por último, TEI podría definirse como un enfoque metodológico específico que se incorpora a las directrices TEI para codificar textos en formato XML.

En conclusión, la TEI se nos presenta como una “forma” de hacer XML en la que el conjunto de etiquetas a utilizar ya está definido. además, es una norma, ampliamente utilizada, que permite intercambiar datos utilizando el “mismo lenguaje” (principio de interoperabilidad).

El uso básico del programa <oXygen/> XML Editor

Para facilitar el manejo de los documentos (que pueden llegar a ser bastante complejos) el proyecot D4R ha priorizado la utilización del programa <oXygen/> XML Editor es el editor de texto más avanzado en el uso de la TEI, además de ser el más eficiendo en evitar y corregir posibles errores en los documentos, veremos a continuación los elementos principales de la interfaz de este programa:

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search