Cómo está hecho

Leer

Cada ortografía, de un escaneo del libro, leída por el taller de OCR de Wordkers con Kraken (el modelo CATMuS-Print, que lee la ſ larga como s). Un escaneo y una lectura por edición: no hay voto. Al de 1754 le faltan seis páginas (98-99, 146-147 y 186-187), lo que se nota en el capítulo de las mayúsculas, en la lista de abreviaturas y en la lista de voces. Dónde hay ejemplares de cada una: en su ficha.

Medir

Cinco trozos de cada edición (una página entera cada uno, repartidas por el libro, una de ellas de la lista de voces) copiados a mano mirando la imagen, y comparados con lo que leyó la máquina:

ediciónerrores por letra (CER)por palabra (WER)letras del oro
17411,46 %8,1 %2.667
17541,08 %6,2 %3.415
17630,99 %5,3 %3.246
18151,10 %6,3 %3.448

Las fuentes de estas cifras: [Nuestra lectura de 1741; Nuestra lectura de 1754; Nuestra lectura de 1763; Nuestra lectura de 1815].

Las tildes

En los veinte trozos copiados a mano no hay ni un acento grave (à) ni un circunflejo de tilde suelta; en lo que leyó la máquina de esas mismas páginas hay 21 entre à, ò, ô y â, y faltan las dos cremas de la de 1741. Por eso no contamos tildes en «Cómo escriben», y un cambio de una regla a otra que es solo de tilde no cuenta como cambio.

Trocear

Por reglas que se leen, sin modelos de lenguaje (`herramientas/ortografias-academia/trocear.py`, con tests):

  1. Las cabezas, del índice del propio libro. La máquina lee mal muchas cabezas («ARTE I.», «CA P. I.», «S. IV») y las pega a la prosa. Las partes, los capítulos (y en 1741, los párrafos §) salen de la tabla de cada edición, con su página; en esa página se busca dónde empieza cada uno, por su marca o por las primeras palabras de su título.
  2. Las reglas. Un párrafo que empieza por su número («8.», «35», «III.») abre regla, y los que le siguen sin número van con ella. Cuando la lectura pega dos reglas en un párrafo, se parte por el número solo si es el que toca en ese capítulo. En 1741 el tratado no numera sus párrafos: cada uno va con su número de orden (¶).
  3. Lo que la lectura une mal: la palabra partida entre dos páginas (vo | ces), el reclamo del pie de página, la signatura del pliego y la capital de adorno del principio de cada capítulo, que la máquina pierde («Unque» por Aunque). Son malas lecturas nuestras; las erratas del libro no se tocan.
  4. Los ejemplos: lo que sigue a «como», «v. g.» o «por exemplo», hasta el punto o los dos puntos.
  5. Las listas de voces de dudosa ortografía y de apellidos: una voz por renglón, con su letra y su página. En la de 1815, a dos columnas, la lectura mezcla a veces las dos.
ediciónseccionesreglas numeradaspárrafos sin númerocon ejemplosvoces en las listas
17411562711120
17541020051111.716
17631112212681.715
1815108111571.643

Si en un capítulo faltan números (de la 3 se pasa a la 5), es que la lectura pegó dos reglas sin dejar el número a la vista: la 4 va dentro de la 3.

Casar las reglas

Para saber qué cambia de una edición a la siguiente (`comparar.py`):

  1. Cada regla de la nueva se compara con todas las de la anterior por los pares de palabras seguidas que comparten, con las grafías que cambian las reformas igualadas (ph = f, ss = s, x = j, y = i, qua = cua…), para que la misma regla escrita con otra ortografía case consigo misma.
  2. Se casan de una en una, de la pareja más parecida a la menos, cada regla con una sola, y solo si comparten al menos el 30 % de los pares de la más corta.
  3. Casada y con el mismo texto (sin contar mayúsculas, puntuación ni tildes): igual. Con cambios que solo son de grafía (esso → eso, quando → cuando): grafía. Con otros cambios en el 12 % de sus palabras o menos: casi igual. Con más: retocada. Sin pareja: nueva; de la anterior, sin pareja: quitada.

Una «casi igual» puede serlo solo por nuestra lectura: con un 1 % de errores por letra, en una regla de cien palabras se equivocan unas seis en cada edición. Por eso cada fila dice qué palabras cambian, para mirarlo.

Todo es de dominio público; lo nuestro (el troceado, las cuentas, estas páginas), CC BY 4.0, Karb and Sil.

Textos de Karb and Sil, con licencia Creative Commons Reconocimiento 4.0 (CC BY 4.0): cópialo, compártelo y adáptalo citándonos. Las ortografías de la Academia Española de 1741, 1754, 1763 y 1815 y sus portadas son de dominio público. Cada dato lleva su fuente entre corchetes; lo que es lectura nuestra, va marcado. Editor: Wordkers. Hecho a partir de nuestras notas de estudio; generado el 21/11/2026 01:05.