Qué se mide, de dónde viene cada dato y bajo qué condiciones lo publica su fuente. Las descargas de Glototeca todavía no están disponibles; cada fuente original sí, y aquí está el enlace a cada una.
Qué entendemos por recursos digitales
Nos referimos a los elementos técnicos necesarios para construir herramientas de lenguaje: traductores, reconocimiento de voz, correctores, teclados predictivos. No a contenido cultural como libros, música, video o sitios web escritos en la lengua.
La distinción importa porque son cosas distintas. Una lengua puede tener una literatura abundante y ningún corpus con el que entrenar un modelo; lo contrario también ocurre. Este sitio mide solo lo segundo, y no dice nada sobre la vitalidad cultural de una lengua.
Los cinco tipos que se cuentan
Conjuntos de datos
Colecciones de texto o audio preparadas para que un programa las lea.
Modelos
Sistemas ya entrenados que declaran trabajar con la lengua.
Corpus de voz
Grabaciones con su transcripción, la base del reconocimiento de voz.
Treebanks
Oraciones con su análisis gramatical anotado a mano.
Soporte en reconocimiento de voz
Si un modelo de reconocimiento declara la lengua entre las que admite.
Permiten copiar, distribuir, adaptar y explotar comercialmente la información. Exigen dar crédito como «Fuente: INEGI, [producto]» y avisar de cualquier transformación sin presentarla como hecha o avalada por el INEGI.
Fuente original
Ir a la fuentewww.inegi.org.mx/programas/ccpv/2020/#tabulados
Versión procesada por Glototeca
Próximamente La descarga todavía no existe.
INALI, Catálogo de las Lenguas Indígenas Nacionales (2008)
Fija
Define las 68 agrupaciones y sus 364 variantes, con autodenominaciones y localidades: la unidad de registro del sitio.
Cómo se obtiene
PDF oficial, leído con un programa y verificado por su huella digital
Frecuencia
Fija: publicación cargada una sola vez, no se vuelve a medir
El documento, publicado en el Diario Oficial de la Federación el 14 de enero de 2008, no contiene aviso de derechos, licencia ni condiciones de reproducción. Se revisaron sus 256 páginas.
La página legal prohíbe la reproducción total o parcial sin autorización por escrito.
Los grados de riesgo que muestra este sitio se extrajeron de esta publicación con derechos reservados. Se solicitará al INALI permiso para redistribuirlos como datos abiertos con atribución; todavía no se ha pedido ni confirmado.
Fuente original
Ir a la fuentesite.inali.gob.mx/pdf/libro_lenguas_indigenas_nacionales_en_riesgo_de_desaparicion.pdf
Versión procesada por Glototeca
Próximamente La descarga todavía no existe.
Sobre las licencias
Aquí conviven dos cosas con condiciones distintas.
El trabajo propio de Glototeca se publica bajo CC BY 4.0: la correspondencia entre agrupaciones, códigos ISO 639-3 y Glottocodes; las mediciones semanales con sus cuatro estados; la resolución a nivel de variante; y los hallazgos sobre errores de dirección en los nombres de variantes. Podrá descargarse desde esta página cuando esa función exista.
Los datos tomados de terceros conservan la licencia que publique cada fuente, indicada arriba con la fecha en que se consultó. Glototeca no afirma tener derecho a redistribuirlos en bloque hasta confirmarlo fuente por fuente.
Hay un caso abierto. Los grados de riesgo provienen de un libro del INALI de 2012 que reserva todos los derechos. Su situación no está resuelta en ningún sentido: no se publican bajo CC BY 4.0 como si lo estuviera, y dependen de la respuesta del INALI. El estado actual aparece en la ficha de esa fuente.