Curso 2 · Bibliografía · Carlos Isaac Zainea

Organizada por semana. Las lecturas centrales están marcadas con ●. Los enlaces llevan a versiones de acceso abierto cuando existen; las ediciones en español se indican para que el estudiante pueda buscarlas en biblioteca.

Fuentes de acceso abierto que cubren buena parte del curso

Python Software Foundation. Documentación de Python en español: tutorial, biblioteca estándar y guías. https://docs.python.org/es/3/
pandas development team. Documentación de pandas. https://pandas.pydata.org/docs/
The Programming Historian en español. Lecciones revisadas por pares sobre métodos digitales para humanidades. https://programminghistorian.org/es/
Secretaría del Senado de Colombia. Textos normativos consolidados. http://www.secretariasenado.gov.co/
Gobierno de Colombia. Portal de datos abiertos. https://www.datos.gov.co/
Biblioteca Nacional de Colombia. Colecciones digitales y hemeroteca. https://bibliotecanacional.gov.co/
ACL Anthology. Literatura de lingüística computacional citada en el curso. https://aclanthology.org/
arXiv. Literatura técnica sobre anotación con modelos de lenguaje. https://arxiv.org/

Semana 1. Qué es un corpus y qué lo hace válido

● Valles, M. S. (1997). Técnicas cualitativas de investigación social. Reflexión metodológica y práctica profesional. Madrid: Síntesis. Cap. 4.
● Nguyen, D., Liakata, M., DeDeo, S., Eisenstein, J., Mimno, D., Tromble, R. y Winters, J. (2020). "How We Do Things With Words: Analyzing Text as Social and Cultural Data". Frontiers in Artificial Intelligence 3, 62. https://doi.org/10.3389/frai.2020.00062
Scott, J. (1990). A Matter of Record: Documentary Sources in Social Research. Cambridge: Polity Press.
Biber, D. (1993). "Representativeness in Corpus Design". Literary and Linguistic Computing 8(4), 243-257. https://doi.org/10.1093/llc/8.4.243
Glaser, B. G. y Strauss, A. L. (1967). The Discovery of Grounded Theory: Strategies for Qualitative Research. Chicago: Aldine. Cap. 3, sobre muestreo teórico.
Flick, U. (2015). El diseño de la investigación cualitativa. Madrid: Morata.
Flick, U. (2007). Introducción a la investigación cualitativa. 2.ª ed. Madrid: Morata.
Congreso de Colombia. Ley 23 de 1982, sobre derechos de autor. http://www.secretariasenado.gov.co/senado/basedoc/ley_0023_1982.html
Congreso de Colombia. Ley 1581 de 2012, protección de datos personales. http://www.secretariasenado.gov.co/senado/basedoc/ley_1581_2012.html
Congreso de Colombia. Ley 1712 de 2014, transparencia y acceso a la información pública. http://www.secretariasenado.gov.co/senado/basedoc/ley_1712_2014.html

Semana 2. Python mínimo para humanidades

● Python Software Foundation. El tutorial de Python. Caps. 3 y 7. https://docs.python.org/es/3/tutorial/
● Rockwell, G. y Sinclair, S. (2016). Hermeneutica: Computer-Assisted Interpretation in the Humanities. Cambridge, MA: MIT Press. Cap. 1.
Karsdorp, F., Kestemont, M. y Riddell, A. (2021). Humanities Data Analysis: Case Studies with Python. Princeton: Princeton University Press. Acceso abierto: https://www.humanitiesdataanalysis.org/
Project Jupyter. Documentación de JupyterLab. https://jupyterlab.readthedocs.io/
Python Software Foundation. Módulos pathlib y csv. https://docs.python.org/es/3/library/pathlib.html y https://docs.python.org/es/3/library/csv.html

Semana 3. Recolección legal y reproducible

● Congreso de Colombia. Ley 1712 de 2014. Títulos I y II. http://www.secretariasenado.gov.co/senado/basedoc/ley_1712_2014.html
● Congreso de Colombia. Ley 1581 de 2012. Títulos I a III. http://www.secretariasenado.gov.co/senado/basedoc/ley_1581_2012.html
● Koster, M., Illyes, G., Zeller, H. y Sassman, L. (2022). Robots Exclusion Protocol. RFC 9309. Internet Engineering Task Force. https://www.rfc-editor.org/rfc/rfc9309
Reitz, K. y colaboradores. Requests: HTTP for Humans. https://requests.readthedocs.io/
Richardson, L. Beautiful Soup Documentation. https://www.crummy.com/software/BeautifulSoup/bs4/doc/
Python Software Foundation. Módulos hashlib, time y json. https://docs.python.org/es/3/library/hashlib.html

Semana 4. El catálogo maestro

● Gibbs, G. (2012). El análisis de datos cualitativos en investigación cualitativa. Madrid: Morata. Cap. 3.
● Wilkinson, M. D. et al. (2016). "The FAIR Guiding Principles for scientific data management and stewardship". Scientific Data 3, 160018. https://doi.org/10.1038/sdata.2016.18
pandas development team. 10 minutes to pandas. https://pandas.pydata.org/docs/user_guide/10min.html
pandas development team. Merge, join, concatenate and compare. https://pandas.pydata.org/docs/user_guide/merging.html
Gebru, T., Morgenstern, J., Vecchione, B., Wortman Vaughan, J., Wallach, H., Daumé III, H. y Crawford, K. (2021). "Datasheets for Datasets". Communications of the ACM 64(12), 86-92. https://arxiv.org/abs/1803.09010
Gitelman, L. (ed.) (2013). "Raw Data" Is an Oxymoron. Cambridge, MA: MIT Press.

Semana 5. Limpieza y normalización

● Rawson, K. y Muñoz, T. (2019). "Against Cleaning". En M. K. Gold y L. F. Klein (eds.), Debates in the Digital Humanities 2019. Minneapolis: University of Minnesota Press. https://dhdebates.gc.cuny.edu/
● Cordell, R. (2017). "'Q i-jtb the Raven': Taking Dirty OCR Seriously". Book History 20, 188-225. https://doi.org/10.1353/bh.2017.0006
Python Software Foundation. Unicode HOWTO. https://docs.python.org/es/3/howto/unicode.html
Python Software Foundation. Módulos unicodedata y re. https://docs.python.org/es/3/library/unicodedata.html y https://docs.python.org/es/3/library/re.html
Drucker, J. (2011). "Humanities Approaches to Graphical Display". Digital Humanities Quarterly 5(1). http://www.digitalhumanities.org/dhq/vol/5/1/000091/000091.html

Semana 6. Primera lectura computacional

● Sinclair, J. (1991). Corpus, Concordance, Collocation. Oxford: Oxford University Press. Caps. 1 y 8.
● Moretti, F. (2015). Lectura distante. Buenos Aires: Fondo de Cultura Económica. Cap. 1. Original: Distant Reading, Londres: Verso, 2013.
Moretti, F. (2000). "Conjectures on World Literature". New Left Review 1, 54-68.
Rockwell, G. y Sinclair, S. (2016). Hermeneutica. Caps. 2 y 3. Voyant Tools: https://voyant-tools.org/
Firth, J. R. (1957). "A Synopsis of Linguistic Theory, 1930-1955". En Studies in Linguistic Analysis. Oxford: Blackwell, 1-32.
Church, K. W. y Hanks, P. (1990). "Word Association Norms, Mutual Information, and Lexicography". Computational Linguistics 16(1), 22-29. https://aclanthology.org/J90-1003/
Manning, C. D. y Schütze, H. (1999). Foundations of Statistical Natural Language Processing. Cambridge, MA: MIT Press. Cap. 5.
Zipf, G. K. (1949). Human Behavior and the Principle of Least Effort. Cambridge, MA: Addison-Wesley.
Jockers, M. L. (2013). Macroanalysis: Digital Methods and Literary History. Urbana: University of Illinois Press.
Underwood, T. (2019). Distant Horizons: Digital Evidence and Literary Change. Chicago: University of Chicago Press.
Ramsay, S. (2011). Reading Machines: Toward an Algorithmic Criticism. Urbana: University of Illinois Press.
Python Software Foundation. collections.Counter. https://docs.python.org/es/3/library/collections.html

Semana 7. Lectura asistida y registro de frontera

● Grimmer, J. y Stewart, B. M. (2013). "Text as Data: The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts". Political Analysis 21(3), 267-297. https://doi.org/10.1093/pan/mps028
● Ziems, C., Held, W., Shaikh, O., Chen, J., Zhang, Z. y Yang, D. (2024). "Can Large Language Models Transform Computational Social Science?". Computational Linguistics 50(1), 237-291. https://doi.org/10.1162/coli_a_00502
Grimmer, J., Roberts, M. E. y Stewart, B. M. (2022). Text as Data: A New Framework for Machine Learning and the Social Sciences. Princeton: Princeton University Press.
Gilardi, F., Alizadeh, M. y Kubli, M. (2023). "ChatGPT outperforms crowd workers for text-annotation tasks". Proceedings of the National Academy of Sciences 120(30). https://doi.org/10.1073/pnas.2305016120
Pangakis, N., Wolken, S. y Fasching, N. (2023). "Automated Annotation with Generative AI Requires Validation". https://arxiv.org/abs/2306.00176
Krippendorff, K. (1990). Metodología de análisis de contenido. Teoría y práctica. Barcelona: Paidós.
Bardin, L. (1986). El análisis de contenido. Madrid: Akal.
Zainea, C. I. (2026). "Los modelos de lenguaje no alucinan: cometen infortunios". https://izainea.github.io/blog/alucinacion-o-infortunio/
Zainea, C. I. (2026). "La prótesis hermenéutica". https://izainea.github.io/blog/protesis-hermeneutica/

Semana 8. El corpus como aserción

● Bender, E. M. y Friedman, B. (2018). "Data Statements for Natural Language Processing: Toward Mitigating System Bias and Enabling Better Science". Transactions of the Association for Computational Linguistics 6, 587-604. https://aclanthology.org/Q18-1041/
● Zainea, C. I. (2026). Agencia sin imputación. Hermenéutica, pragmática y la validación epistémica del discurso artificial. https://izainea.github.io/escritos/agencia-sin-imputacion.pdf
Gebru, T. et al. (2021). "Datasheets for Datasets". Communications of the ACM 64(12), 86-92. https://arxiv.org/abs/1803.09010
Wilkinson, M. D. et al. (2016). "The FAIR Guiding Principles". Scientific Data 3, 160018. https://doi.org/10.1038/sdata.2016.18
Nguyen, D. et al. (2020). "How We Do Things With Words". Frontiers in Artificial Intelligence 3, 62. https://doi.org/10.3389/frai.2020.00062
Zainea, C. I. (2026). "Agencia sin imputación: por qué «la máquina no comprende» no cierra la discusión". https://izainea.github.io/blog/agencia-sin-imputacion/
Python Packaging Authority. pip freeze. https://pip.pypa.io/en/stable/cli/pip_freeze/