Wikcionario

Wikcionario ( EE.UU .: / ˈ w ɪ k ʃ ə n ɛr i /^ⓘ WIK -shə-nerr-ee, Reino Unido : / ˈ w ɪ k ʃ ən ər i /^ⓘ WIK -shə-nər-ee; rima con "dictionary") es unwebpara crear undiccionariode contenido gratuitode términos (incluyendopalabras,frases,proverbios,reconstrucciones lingüísticas, etc.) en una gran cantidad delenguas naturalesy variaslenguas artificiales. Estas entradas pueden contenerdefiniciones,imágenespara ilustración,pronunciaciones,etimologías,inflexiones, ejemplos de uso,citas, términos relacionados ytraduccionesde términos a otros idiomas, entre otras características. Eseditado de forma colaborativapor voluntarios a través de unawiki.Su nombrees unacombinaciónde las palabraswikiydiccionario. Está disponible en198idiomas y eninglés simple. Al igual que su proyecto hermanoWikipedia, Wikcionario es administrado por laFundación Wikimediay escrito de forma colaborativa porvoluntarios, llamados "Wikcionarios". Susoftware wiki,MediaWiki, permite que casi cualquier persona con acceso al sitio web cree y edite entradas.

Dado que Wikcionario no está limitado por las restricciones de espacio de impresión, la mayoría de sus ediciones en diferentes idiomas proporcionan definiciones y traducciones de términos de muchos idiomas, y algunas ediciones ofrecen información adicional que normalmente se encuentra en los tesauros .

Los datos de Wikcionario se utilizan con frecuencia en diversas tareas de procesamiento del lenguaje natural .

Wikcionario se publicó en línea el 12 de diciembre de 2002, ^{[ 2 ]} tras una propuesta de Daniel Alston y una idea de Larry Sanger , cofundador de Wikipedia. ^{[ 3 ]} El 28 de marzo de 2004, se iniciaron los primeros Wikcionarios en idiomas distintos del inglés , en francés y polaco . Desde entonces, se han creado Wikcionarios en muchos otros idiomas. Wikcionario estuvo alojado en un dominio temporal (wiktionary.wikipedia.org) hasta el 1 de mayo de 2004, cuando cambió al dominio actual. ^{[ a ]} A partir de julio de 2021 Wikcionario cuenta con más de 30 millones de artículos (e incluso más entradas) en todas sus ediciones. ^{[ 4 ]} La edición lingüística más grande es el Wikcionario en inglés, con más de 7,5 millones de entradas, seguido por el Wikcionario en francés con más de 4,7 millones y el Wikcionario en malgache con más de 3,5 millones de entradas. Cuarenta y tres ediciones lingüísticas de Wikcionario contienen más de 100 000 entradas cada una. ^{[ b ]}

Muchas de las definiciones en las ediciones lingüísticas más grandes del proyecto fueron creadas por bots que encontraron formas creativas de generar entradas o (en raras ocasiones) importaron automáticamente miles de entradas de diccionarios publicados anteriormente. Siete de los 18 bots registrados en el Wikcionario en inglés en 2007 ^{[ c ]} crearon 163.000 de las entradas allí. ^{[ 5 ]}

Otro bot, " ThirdPersBot ", fue responsable de la adición de varias conjugaciones de tercera persona que no habrían recibido sus propias entradas en los diccionarios estándar; por ejemplo, definió " smoulders " como la "forma de presente simple de tercera persona del singular de smoulder ". De las 1.269.938 definiciones que el Wikcionario en inglés proporciona para 996.450 palabras en inglés, 478.068 son definiciones de "forma de" de este tipo. ^{[ 6 ]} Esto significa que, incluso sin tales entradas, su cobertura del inglés es significativamente mayor que la de los principales diccionarios impresos monolingües. El Tercer Nuevo Diccionario Internacional de Merriam-Webster , por ejemplo, tiene 475.000 entradas (con muchas palabras clave adicionales incrustadas); el Diccionario Oxford de inglés tiene 615.000 palabras clave, pero también incluye inglés medio , para el cual el Wikcionario en inglés tiene 34.234 definiciones de glosa adicionales. Existen estadísticas detalladas que muestran cuántas entradas de distintos tipos existen.

El Wikcionario en inglés no depende de bots en la misma medida que otras ediciones. Los Wikcionarios en francés y vietnamita , por ejemplo, importaron grandes secciones del Free Vietnamese Dictionary Project (FVDP), que proporciona diccionarios bilingües de contenido gratuito desde y hacia el vietnamita. ^{[ d ]} Estas entradas importadas constituyen prácticamente todo el contenido de la edición vietnamita. Al igual que la edición en inglés, el Wikcionario en francés ha importado aproximadamente 20 000 entradas de la base de datos Unihan de caracteres CJK . El Wikcionario en francés creció rápidamente en 2006 gracias en gran parte a los bots que copiaban muchas entradas de diccionarios antiguos con licencia libre, como la octava edición del Dictionnaire de l'Académie française (1935, alrededor de 35 000 palabras), y al uso de bots para agregar palabras de otras ediciones del Wikcionario con traducciones al francés. La edición rusa creció en casi 80.000 entradas a medida que " LXbot " agregó entradas estándar (con encabezados, pero sin definiciones) para palabras en inglés y alemán . ^{[ 7 ]}

A julio de 2021, el Wikcionario en inglés cuenta con más de 791.870 definiciones de glosa y más de 1.269.938 definiciones totales (incluidas las diferentes formas) solo para las entradas en inglés, con un total de más de 9.928.056 definiciones en todos los idiomas. ^{[ 8 ]}

A agosto de 2026 , existen sitios de Wikcionario para 198 idiomas, de los cuales 174 están activos y 24 están cerrados. ^{[ 1 ]} Los sitios activos tienen 49.198.607 artículos, y los sitios cerrados tienen 339 artículos. ^{[ 13 ]} Hay 7.948.569 usuarios registrados, de los cuales 9.345 están activos recientemente. ^{[ 13 ]}

Para obtener una lista completa con los totales, consulte las estadísticas de Wikimedia: ^{[ 14 ]}

La recepción crítica inicial de Wikcionario fue mixta. En 2006, Jill Lepore escribió en el artículo "La marca de Noé" para The New Yorker , ^{[ 15 ]}

En Wikcionario no hay votación . Ni siquiera hay un equipo editorial. «¡Sé tu propio lexicógrafo!», podría ser el lema de Wikcionario . ¿Quién necesita expertos? ¿Para qué pagar por un diccionario escrito por lexicógrafos si podemos armar uno nosotros mismos? Wikcionario no es tanto republicano ni democrático como maoísta . Y su calidad depende de los libros cuyos derechos de autor han expirado, de los que plagia.

La reseña de Keir Graff para Booklist fue menos crítica:

¿Tiene cabida Wikcionario? Sin duda. La dedicación y el entusiasmo de sus numerosos creadores demuestran que existe un mercado. Y es estupendo contar con otra fuente fiable para buscar términos poco comunes que surgen en el vertiginoso mundo actual y en el entorno digital. Pero, como ocurre con muchas fuentes web (incluida esta columna), su uso es más recomendable para usuarios avanzados, en combinación con fuentes más fiables.

Las referencias en otras publicaciones son fugaces y forman parte de discusiones más amplias sobre Wikipedia, sin ir más allá de una definición, aunque David Brooks en The Nashua Telegraph la describió como "salvaje y desordenada". ^{[ 16 ]} Uno de los impedimentos para la cobertura independiente de Wikcionario es la continua confusión de que es simplemente una extensión de Wikipedia. ^{[ g ]}

La medición de la corrección de las inflexiones para un subconjunto de las palabras polacas en el Wikcionario en inglés mostró que estos datos gramaticales son muy estables (un estudio mostró que solo 131 de 4748 palabras polacas han tenido corregidos sus datos de inflexión). ^{[ 17 ]}

A partir de 2016Wikcionario ha experimentado un uso creciente en el ámbito académico . ^{[ 18 ]} En la edición de febrero de 2024 de Nature , se evaluó la relación entre el nivel de vocabulario del MCER y el interés de los usuarios en las entradas de Wikcionario en inglés. ^{[ 19 ]}

Wikcionario tiene datos semiestructurados . ^{[ 20 ]} Los datos lexicográficos de Wikcionario se pueden convertir a un formato legible por máquina para ser utilizados en tareas de procesamiento del lenguaje natural . ^{[ 21 ] [ 22 ] [ 23 ]}

La minería de datos de Wikcionario es una tarea compleja. Existen las siguientes dificultades: ^{[ 24 ]}

• (1) los cambios constantes y frecuentes en los datos y esquemas
• (2) la heterogeneidad en los esquemas de edición de idiomas de Wikcionario ^{[ h ]} y
• (3) la naturaleza antropocéntrica de una wiki .

Existen varios analizadores sintácticos para diferentes ediciones lingüísticas de Wikcionario: ^{[ 25 ]}

• DBpedia Wikcionario  : ^{[ 26 ]} un subproyecto de DBpedia , los datos se extraen de los Wikcionarios en inglés, francés, alemán y ruso; los datos incluyen idioma, partes de la oración , definiciones, relaciones semánticas y traducciones. La descripción declarativa del esquema de página , ^{[ 27 ]} expresiones regulares ^{[ 28 ]} y el transductor de estados finitos ^{[ 29 ]} se utilizan para extraer la información.
• JWKTL ( Java Wiktionary Library)  : ^{[ 30 ]} proporciona acceso a volcados del Wikcionario en inglés y alemán a través de una API de Wikcionario en Java . ^{[ 31 ]} Los datos incluyen idioma, partes de la oración, definiciones, citas, relaciones semánticas, etimologías y traducciones. JWKTL se distribuye bajo la Licencia Apache .
• wikokit  : ^{[ 32 ]} el analizador sintáctico del Wikcionario en inglés y del Wikcionario en ruso. ^{[ 33 ]} Los datos analizados incluyen idioma, partes de la oración, definiciones, citas, ^{[ 34 ] [ i ]} relaciones semánticas ^{[ 35 ]} y traducciones. Este es un software de código abierto con múltiples licencias .
• Las entradas etimológicas se han analizado en el proyecto Etymological WordNet . ^{[ 36 ]}

Algunos ejemplos de tareas de procesamiento del lenguaje natural que han utilizado datos de Wikcionario son:

• Traducción automática basada en reglas entre el idioma neerlandés y el afrikáans ; se utilizaron datos del Wikcionario en inglés, el Wikcionario en neerlandés y Wikipedia con la plataforma de traducción automática Apertium . ^{[ 37 ]}
• Construcción de un diccionario legible por máquina mediante el analizador NULEX, que integra recursos lingüísticos abiertos: Wikcionario en inglés, WordNet y VerbNet . ^{[ 38 ]} El analizador NULEX extrae información del Wikcionario en inglés sobre el tiempo verbal, la forma plural y las partes de la oración (sustantivos).
• Reconocimiento y síntesis de voz , donde se utilizó Wikcionario para crear automáticamente diccionarios de pronunciación. ^{[ 39 ]} Se recuperaron pares de palabras y pronunciaciones de 6 ediciones de idiomas de Wikcionario ( checo , inglés, francés, español , polaco y alemán). Las pronunciaciones están en términos del Alfabeto Fonético Internacional . ^{[ j ]} El sistema ASR basado en Wikcionario en inglés tiene la tasa de error de palabras más alta, donde cada tercer fonema debe cambiarse. ^{[ 41 ]}
• Ingeniería de ontologías ^{[ 42 ]} y construcción de redes semánticas . ^{[ 43 ]}
• Coincidencia de ontologías . ^{[ 44 ]}
• Simplificación del texto . Medero y Ostendorf ^{[ 45 ]} evaluaron la dificultad del vocabulario ( detección del nivel de lectura ) con la ayuda de datos de Wikcionario. Se investigaron las propiedades de las palabras extraídas de las entradas de Wikcionario (longitud de la definición y recuento de categorías gramaticales , sentido y traducciones). Medero y Ostendorf esperaban que
  • (1) Las palabras muy comunes tendrán más probabilidades de tener múltiples partes de la oración,
  • (2) Las palabras comunes tendrán más probabilidades de tener múltiples significados,
  • (3) Es más probable que las palabras comunes se hayan traducido a varios idiomas. Estas características extraídas de las entradas de Wikcionario fueron útiles para distinguir los tipos de palabras que aparecen en los artículos de Wikipedia en inglés simple de las palabras que solo aparecen en los artículos comparables en inglés estándar.
• Etiquetado de partes de la oración . Li et al. (2012) ^{[ 46 ]} construyeron etiquetadores POS multilingües para ocho idiomas con pocos recursos sobre la base del Wikcionario en inglés y modelos ocultos de Markov . ^{[ k ]}
• Análisis de sentimientos . ^{[ 47 ]}

En 2018 se creó una página llamada " Wikidata : Datos lexicográficos" para brindar soporte de datos estructurados a los Wikcionarios. Almacena datos de palabras de todos los idiomas en un modelo de datos legible por máquina, bajo un espacio de nombres dedicado llamado " Lexema " en Wikidata. A octubre de 2021, el proyecto había acumulado más de 600 000 entradas de lexemas de varios idiomas. ^{[ 48 ]}

• Lingua Libre

• Sitio web oficial
• Wikipedia: Lista de Wikcionarios
• Lista de todas las ediciones de Wikcionario
• Paquete de Wikcionario para Android en el repositorio de F-Droid
• Estadísticas multilingües de Wikcionario
• Página de Wikimedia sobre Wikcionario (que incluye una lista de todos los Wikcionarios existentes).
• Páginas sobre Wikcionario en Meta .