Cómo está hecho
Leer y votar
Un solo ejemplar de la primera edición (Santiago de Chile, 1847; 362 hojas a 300 ppp), leído por el taller con Kraken (el modelo CATMuS-Print) y con tres lecturas de Tesseract. No se votan: las Tesseract leen mejor la tabla de la pág. 210, pero en la prosa yerran el doble de palabras que Kraken, leen la i cursiva de Bello (la conjunción) como «¿», y el voto, al desempatar con el léxico, moderniza la ortografía del libro («conjugación» por conjugacion). Se publica la lectura de Kraken sola, sin tocar una letra.
Medir
Contra cinco páginas copiadas a mano en la imagen (págs. VIII, 35, 120, 210 y 325; 9.344 letras), la lectura se equivoca en un 3,26 % de las letras; en la prosa, entre el 0,26 % y el 2,90 %. Casi todo el error es la pág. 210, una tabla (los casos de los pronombres en dos columnas, singular y plural) que la máquina lee mezclando las columnas: 17,7 %. El texto publicado, con los titulillos fuera, da 3,40 %: la cabeza «CAPÍTULO VI.» del oro pasa aquí al título del capítulo.
| texto | CER | WER (sin la VIII) | pág. VIII | pág. 35 | pág. 120 | pág. 210 | pág. 325 |
|---|---|---|---|---|---|---|---|
| Kraken sola (lo publicado) | 3,26 % | 5,7 % | 2,90 | 0,59 | 0,70 | 17,69 | 0,26 |
| Tesseract (tess-b3) | 1,67 % | 10,8 % | 0,54 | 1,41 | 3,15 | 2,98 | 0,79 |
| Tesseract (tess-g25) | 1,65 % | 10,6 % | 0,39 | 1,23 | 2,75 | 3,80 | 0,95 |
| el voto de las tres (sin la VIII) | 1,86 % | 7,8 % | — | 0,86 | 1,90 | 5,79 | 0,47 |
Trocear
Por reglas que se leen, sin modelos de lenguaje (`herramientas/gramaticas-libro/`, con tests). Las reglas solo quitan o juntan lo que la máquina o el impresor ponen fuera del texto; no se corrige ninguna palabra.
- El párrafo que sigue en la página siguiente se junta, y la palabra partida entre dos páginas se escribe entera (170).
- El titulillo de arriba de cada página («CAPÍTULO XIV.», «ESTRUCTURA DE LAS PALABRAS.», «NOTAS.»), que la máquina lee aparte del número, fuera (297); y las cabezas sueltas «CAPÍTULO …» y «APÉNDICE.» (55), porque el capítulo se encuentra por su título.
- Los capítulos (I a LI y cuatro apéndices), del índice del libro: en su página se busca su título como lo leyó la máquina y se parte ahí; el título que se enseña es el del libro. El libro no tiene partes: aquí va en tres páginas (las palabras, el verbo y la oración). Las notas de Bello, por su cabeza («JÉNERO NEUTRO, páj. 75.»).
| partes | capítulos | párrafos | páginas leídas | palabras |
|---|---|---|---|---|
| 6 | 67 | 1759 | 347 | 118.563 |
Lo que queda mal y se ve: las tablas (los paradigmas de la conjugación y de los pronombres, con las columnas mezcladas), alguna letra de los títulos y las versalitas («jémero», «mombres»: en el índice de capítulos va el título del libro, pero en el texto queda lo leído), los signos del prólogo y del índice, y la fe de erratas del libro (pág. 355 del escaneo), que no se ha aplicado.
El texto entero, en TXT. Todo es de dominio público; lo nuestro (el troceado, las cuentas, estas páginas), CC BY 4.0, Karb and Sil.