§ 1¿Biblioteca o filtros?

Todas las herramientas de análisis aceptan filtros: países, fechas, partido, sexo, sin la presidencia, sin los turnos largos. Para contar una palabra o dibujar su curva no hace falta una biblioteca. Hace falta cuando el objeto del estudio no es una palabra, sino un conjunto que hay que definir y al que se vuelve muchas veces.

Una biblioteca se enfoca de tres maneras, que se combinan:

• Un tema: terms, con min_occurrences para quedarse con las intervenciones que lo tratan y no con las que lo nombran, o regex=true para una expresión regular.
• Un periodo: date_from y date_to, o una fecha distinta en cada país con event_dates, days_before y days_after, como en la biblioteca de la pandemia.
• Un grupo: party, sex o id_dep, para los discursos de un partido, de las diputadas o de una persona.

Un tema dentro de un periodo, en un solo país, es la biblioteca de las dos reformas de las pensiones en Brasil. Esta guía hace una en cuatro países y se detiene en la definición, porque el tema se dice con palabras corrientes que significan cosas distintas en cada cámara.

§ 2De la pregunta a la definición

Antes de abrir una herramienta conviene escribir la pregunta y desmontarla. Cada parte se convierte en un parámetro, y lo que no se decide aquí lo decide el agente por ti.

La última fila importa más de lo que parece. Para una tendencia, la definición tiene que medir lo mismo en las cuatro cámaras y en todos los años. Para comparar vocabularios, el conjunto tiene que estar limpio: unas pocas intervenciones sobre otra cosa bastan para que sus palabras suban a la lista. Por eso una definición no se juzga por cuántas intervenciones trae, sino por cuántas de las que trae responden a la pregunta.

§ 3Probar las palabras

Tres cifras piden una lectura antes de definir nada.

• Desplazado se dice más en Colombia que en los otros tres países juntos. Las doce intervenciones leídas (de 488) hablan del desplazamiento interno por el conflicto armado. Es otro tema: queda fuera.
• Venezolano, solo, no basta. De las dieciséis intervenciones leídas (de 1.434), seis hablan de migrantes; las demás, de la política venezolana, de incursiones militares en la frontera, de la economía o de una banda criminal. Hace falta una palabra de migración al lado.
• Migrante se dice en Ecuador 5.269 veces, tres veces y media más que en Chile. Las doce intervenciones leídas (de 1.241) hablan de ecuatorianos en el extranjero (remesas, consulados, retornados, los asambleístas elegidos por los emigrantes) o de la trata de personas. En Ecuador, migrante es ante todo el ecuatoriano que se fue.

§ 4Primera definición: un umbral y un cruce

La primera biblioteca recoge el tema migratorio. El parámetro min_occurrences dice cuántas veces tienen que aparecer los términos en una intervención: con 1 entra cualquiera que los nombre; con 2 o 3, las que hablan de ello. El umbral no se adivina: se prueba.

Pasar de una mención a dos deja la biblioteca en menos de la mitad. Para saber qué se pierde, se lee lo que queda entre los dos umbrales: una biblioteca hecha con la diferencia de las otras dos.

Son 2.746 intervenciones. De las veinte leídas, unas cuatro tratan la migración; las demás la nombran de paso: una cláusula contra la discriminación que enumera la «condición migratoria», un tratado, una organización en una lista, el título de una ley leído en el pleno, el nombre de una institución, la migración del campo a la ciudad, desplazados llamados refugiados, la biografía de quien habla. Se queda el umbral de dos menciones: la biblioteca migracion.

Falta Venezuela. Una intervención entra en la biblioteca si usa cualquiera de los términos (es un «o»), y min_occurrences cuenta las apariciones de todos juntos. Por eso «migración y Venezuela» no se pide en una sola biblioteca: se hacen dos y se cruzan.

La biblioteca venezuela tiene 3.289 intervenciones; el cruce, migracion_y_venezuela, 468: 165 de Chile, 86 de Colombia, 145 de Ecuador y 72 de Perú. Es la primera definición: dos menciones de migración o más, y Venezuela, en la misma intervención.

§ 5Describir y leer una muestra en cada cámara

La descripción avisa de dos cosas. En Ecuador, el 84,4 % de las palabras de la biblioteca está en turnos de más de 10.000 palabras, y en Perú el 30,9 %: documentos leídos en el pleno, que se miran en el § 7. Y hay años con menos de cinco intervenciones (de 2015 a 2018 en Chile, cuatro años en Colombia y cinco en Perú) que no se pueden leer como tendencia. Lo que la descripción no dice es si las intervenciones hablan de lo que buscas. Eso solo se sabe leyendo.

En Chile, 16 de las 20 hablan de migrantes venezolanos; en Colombia, 17; en Perú, 18. En Ecuador, 6. Las otras catorce de Ecuador hablan de ecuatorianos que viven en Venezuela, de emigrantes ecuatorianos con Venezuela nombrada en otro punto de la intervención, de listas de países y de tratados, de la política venezolana, de un asilo diplomático (otro sentido de refugiado) o de seguridad. La definición funciona en tres cámaras y falla en la cuarta, por la razón que el § 3 dejaba ver: en Ecuador, el debate migratorio trata de los ecuatorianos, y en una intervención larga Venezuela aparece por otros motivos.

§ 6Segunda definición: en la misma frase

El fallo de Ecuador tiene una forma: la palabra de migración y Venezuela están en la misma intervención, pero no en la misma frase. La segunda definición lo pide con una expresión regular.

(?i)\b(migrante|migraci|migratori|inmigra|refugiad)[^.;:?!]{0,200}\bvenezolan|\bvenezolan[^.;:?!]{0,200}\b(migrante|migraci|migratori|inmigra|refugiad)

Se lee así. (?i) hace que no distinga mayúsculas: una expresión regular se aplica al texto tal como está, con sus mayúsculas y sus tildes, y por eso los prefijos se cortan antes de la tilde (migraci encuentra migración y migraciones). \b marca el comienzo de una palabra. [^.;:?!]{0,200} admite hasta 200 caracteres sin punto, dos puntos, punto y coma ni cierre de interrogación o de exclamación: más o menos, la misma frase. La barra | repite la búsqueda en el otro orden. La definición cambia dos cosas a la vez: pide la misma frase, y solo el gentilicio, venezolano, no el nombre del país, que es el que aparece en las listas y en la política exterior.

La prueba es la misma: veinte intervenciones al azar en cada cámara, con kwic y la misma expresión.

La segunda definición es precisa en las cuatro cámaras, pero no es mejor en todo. En Ecuador pasa de 145 a 53 intervenciones y se lleva casi todo el ruido. En Chile pasa de 165 a 49, y lo que pierde era sobre todo del tema: si la muestra vale para el resto, la primera reúne en Chile más de cien intervenciones sobre migrantes venezolanos, y la segunda se queda con menos de la mitad (el § 9 lo mide), porque allí se nombra a los migrantes y a Venezuela en frases distintas. En Colombia crece de 86 a 106, porque la segunda acepta una sola mención de migración si está junto a venezolano.

Ninguna de las dos es la buena. La primera cubre más donde funciona; la segunda se puede leer sin ruido en las cuatro cámaras. La guía sigue con la segunda y mira las dos juntas en el § 8: lo que digan las dos se puede afirmar; lo que dependa de la definición, no.

§ 7Corregir a mano y anotar

SELECT i.country, i.date, i.n_words, i.speaker_raw
FROM lib.library_items li
JOIN lib.libraries l ON l.id = li.library_id
JOIN interventions i ON i.country = li.country AND i.id_int = li.id_int
WHERE l.name = 'migracion_venezolana' AND i.n_words > 10000
ORDER BY 1, 2

En Ecuador, el 87,6 % de las palabras de la nueva biblioteca está en turnos largos, y en Perú el 39,4 %. Son diez intervenciones. Las ocho de Ecuador son informes leídos por la secretaría o la prosecretaría, de entre 17.895 y 224.643 palabras: documentos, no debate. Las dos de Perú son discursos del poder ejecutivo, la presentación del presidente del Consejo de Ministros ante el pleno en mayo de 2020 (13.133 palabras) y el mensaje presidencial de julio de 2023 (10.090): son discurso, y se quedan.

SELECT id_int FROM interventions
WHERE country IN ('CO', 'PE', 'EC', 'CL') AND n_words > 10000 AND regexp_matches(speaker_raw, '(?i)secretari')

La consulta busca en todo el corpus; library_edit solo quita las que están en la biblioteca, ocho, y deja 259. La exclusión queda guardada: si la biblioteca se reconstruye (§ 10), esas ocho no vuelven. El identificador de la intervención que se anota (id_int) sale de cualquier lectura con kwic, y la nota y las etiquetas viajan con ella a las bibliotecas que se combinen, a la exportación y a la tabla de intervenciones.

Tras la limpieza, los turnos largos pesan 0 % en Ecuador y siguen en el 39,4 % en Perú, porque se han quedado a propósito: en las comparaciones por palabras se dejan fuera con max_turn_words=10000, que no los borra de la biblioteca. Las partes son pequeñas: 49 intervenciones de 38 oradores en Chile no aguantan un corte por partido o por sexo.

§ 8Usar la biblioteca

Año a año. La primera pregunta del estudio es cuándo se debatió el tema en cada cámara.

WITH lib AS (
  SELECT l.name AS library, li.country, year(i.date) AS year, count(*) AS items
  FROM lib.library_items li
  JOIN lib.libraries l ON l.id = li.library_id
  JOIN interventions i ON i.country = li.country AND i.id_int = li.id_int
  WHERE l.name IN ('migracion_y_venezuela', 'migracion_venezolana')
  GROUP BY 1, 2, 3),
base AS (
  SELECT country, year(date) AS year, count(DISTINCT id_session) AS sessions, count(*) AS interventions
  FROM interventions
  WHERE dm_speech = 1 AND country IN ('CO', 'PE', 'EC', 'CL') AND date >= DATE '2015-01-01'
  GROUP BY 1, 2)
SELECT n.library, b.country, b.year, b.sessions, b.interventions, coalesce(lib.items, 0) AS items,
       round(1000.0 * coalesce(lib.items, 0) / b.interventions, 2) AS per_1000
FROM base b
CROSS JOIN (VALUES ('migracion_y_venezuela'), ('migracion_venezolana')) n(library)
LEFT JOIN lib ON lib.library = n.library AND lib.country = b.country AND lib.year = b.year
ORDER BY 1, 2, 3

Por cada mil, y no en bruto, porque las cámaras cambian de tamaño: el pleno de Colombia tuvo 16.198 intervenciones en 2017 y 58.757 en 2020; el de Perú, 19.962 en 2019 y 87.932 en 2020. En bruto, el año con más intervenciones sobre el tema en Colombia es 2020 (24); por cada mil, 2018 (1,01).

Las dos definiciones coinciden en lo que se puede afirmar. Colombia sube antes que nadie, en 2017 y 2018, y casi desaparece desde 2022. Perú tiene un solo pico, en 2023. Ecuador sube en 2019 y 2020, y otra vez en 2025. Difieren en lo que no se puede afirmar sin más: la primera da a Ecuador una línea alta todos los años (entre 0,47 y 3,30 por mil), que en buena parte es la emigración ecuatoriana; y en Chile las dos suben en 2021 y en 2023, pero en 2023 la primera llega a 2,49 por mil y la segunda a 0,56. Cuánto más debate Chile el tema depende de la definición.

Las sesiones de cada pico. Un año con veinte intervenciones puede ser un solo debate.

Diez de las 22 intervenciones de Perú en 2023 son de la sesión del 3 de mayo, sobre los migrantes que se acumulan en Tacna, en la frontera con Chile. Seis de las siete de Ecuador en 2025 son del 27 de agosto, cuando la Asamblea debate la denuncia del estatuto migratorio con Venezuela. Siete de las 21 de Colombia en 2019 son del 20 de agosto, con el proyecto que da la nacionalidad a los hijos de venezolanos nacidos en Colombia. Siete de las nueve de Chile en 2021, de una sesión de octubre sobre los ingresos clandestinos por el norte. Antes de leer un pico como una tendencia, lee la sesión.

Lo que desaparece. La parte colombiana casi se vacía desde 2022.

Son 111 intervenciones. La mayoría de las leídas hablan de Venezuela como política exterior: las elecciones de 2024, el restablecimiento de las relaciones, el gas, el comercio. Los migrantes siguen ahí (una intervención recuerda que en Colombia viven al menos dos millones de venezolanos), pero el pleno ya no debate su llegada.

De qué habla cada cámara. La biblioteca también sirve para comparar vocabularios, cada cámara consigo misma.

Con field="library" y un solo país, la comparación es la biblioteca frente al resto de su propia cámara: no compara las lenguas ni los estilos de cuatro parlamentos, sino de qué habla cada uno cuando habla del tema.

Cada cámara debate un problema distinto. Chile, la entrada por el norte: Colchane, Bolivia, visa, irregular, expulsiones. Colombia, la emergencia y la diplomacia: emergencia, salud, humanitaria, cancillería, relaciones, exterior. Ecuador, el marco legal (estatuto, denuncia, movilidad humana, el nombre de su ley de migración) y la seguridad (homicidios). Perú, los extranjeros y el control de su frontera sur: extranjeros, frontera, vigilancia, Tacna, Chile, ACNUR.

§ 9Más allá de las palabras clave

Una biblioteca hecha con palabras recoge las intervenciones que las dicen. Un debate sobre un tema tiene también las que no las dicen: la pregunta que sigue, la respuesta del ministerio, quien habla de «los migrantes» sin decir de dónde vienen, quien llama al tema por otro nombre. Las lecturas de los §§ 5 y 6 miden la precisión: de lo que entra, cuánto responde a la pregunta. Falta la cobertura: de lo que responde a la pregunta, cuánto entra. La precisión se lee dentro de la biblioteca; la cobertura, fuera.

El MCP no busca por significado: las bibliotecas se definen con palabras, expresiones regulares y filtros. Lo que una definición deja fuera se busca donde debería estar, y se lee. Esta sección mira en tres sitios: otras palabras del debate, el resto de cada debate y lo que una definición pierde frente a otra. Cada lectura cuenta tres clases: las intervenciones que hablan de migrantes venezolanos y los nombran en algún punto; las que hablan de migración sin decir de dónde; y las demás (otro tema, la política de Venezuela o el procedimiento).

Ampliar el vocabulario. La tabla del § 8 da palabras de cada debate que la definición no busca: Colchane en Chile, movilidad humana en Ecuador, extranjeros en Perú. ¿Son otras maneras de decir el tema?

Colchane, el paso fronterizo con Bolivia, sale en 125 intervenciones, y 117 están fuera. Las líneas leídas hablan de la frontera norte (la migración que entra por ella, los militares, las visitas de parlamentarios), y ninguna dice de dónde vienen los migrantes: la palabra nombra una ruta, no una nacionalidad. Movilidad humana sale en 1.113, y 1.097 están fuera: casi todas nombran el Ministerio de Relaciones Exteriores y Movilidad Humana, la comisión de la Asamblea o la ley que protege a los ecuatorianos en el exterior. Extranjero sale en 1.507, y 1.489 están fuera: sobre todo en el extranjero (los peruanos que viven fuera, las elecciones fuera del país, los viajes del presidente de la República), y capitales, empresas o tropas extranjeras. Una palabra que distingue un debate no lo define: lo distingue porque el debate la usa más que el resto de la cámara, y el resto la usa para otras cosas.

Pero una línea de kwic enseña unos 240 caracteres, y una intervención puede nombrar a los venezolanos en otro punto. Como para hablar de migrantes venezolanos hay que nombrarlos, hay un techo que no hace falta leer, y una lectura que sí: las intervenciones de la muestra que nombran Venezuela, enteras.

Nombran Venezuela 21 de las 117 de Colchane, 118 de las 1.097 de movilidad humana y 67 de las 1.489 de extranjero. En las muestras, tres de Colchane, tres de movilidad humana y ninguna de extranjero. Leídas enteras, las tres de Colchane hablan de migrantes venezolanos: ponen la crisis o el régimen de Venezuela como causa de lo que pasa en la frontera, lejos de la línea leída. Las tres de movilidad humana hablan de los ecuatorianos que viven en Venezuela, de su política o de delincuencia organizada. De las veinte de Colchane, por tanto, tres son de la primera clase, doce de la segunda y cinco de otras cosas de la frontera.

Cuando la clase depende de algo que se dice en otro punto, la línea no basta: se lee la intervención entera. Colchane trae sobre todo la segunda clase, y añadirla a la definición es decidir que la pregunta incluye la migración que entra por el norte, se diga o no de dónde viene. Movilidad humana y extranjero traerían cientos de intervenciones de otro tema por unas decenas, como mucho, de la primera clase.

El contexto del debate. Un debate es una secuencia: quien pregunta, quien responde, quien replica. La biblioteca recoge las intervenciones que dicen las palabras, y el resto del mismo debate queda fuera. Para verlo se buscan las sesiones donde la biblioteca tiene tres intervenciones o más y, en cada una, las que hay entre la primera y la última de la biblioteca sin estar en ella.

WITH items AS (
  SELECT i.country, i.id_session, i.id_int, i.intervention_order
  FROM lib.library_items li
  JOIN lib.libraries l ON l.id = li.library_id
  JOIN interventions i ON i.country = li.country AND i.id_int = li.id_int
  WHERE l.name = 'migracion_venezolana'),
debates AS (
  SELECT country, id_session, min(intervention_order) AS first, max(intervention_order) AS last
  FROM items GROUP BY 1, 2 HAVING count(*) >= 3),
outside AS (
  SELECT i.* FROM interventions i
  JOIN debates d ON i.country = d.country AND i.id_session = d.id_session
   AND i.intervention_order BETWEEN d.first AND d.last
  WHERE i.dm_speech = 1 AND NOT regexp_matches(coalesce(i.speaker_raw, ''), '(?i)presid')
    AND i.id_int NOT IN (SELECT id_int FROM items))
SELECT o.country, count(DISTINCT o.id_session) AS sessions,
       (SELECT count(*) FROM items i JOIN debates d ON i.country = d.country AND i.id_session = d.id_session
        WHERE i.country = o.country) AS in_library,
       count(*) AS outside, count(*) FILTER (WHERE o.n_words >= 50) AS outside_50_words_or_more,
       count(*) FILTER (WHERE regexp_matches(o.text, '(?i)venezolan|venezuela')) AS outside_naming_venezuela
FROM outside o GROUP BY 1 ORDER BY 1

Para la muestra, la misma consulta termina en SELECT country, date, id_int, n_words, text FROM outside, con veinte filas por país elegidas al azar y siempre las mismas (QUALIFY row_number() OVER (PARTITION BY country ORDER BY md5(id_int)) <= 20). El filtro de la presidencia es una versión simple del que usan las herramientas: quita también, por ejemplo, a quien preside el Consejo de Ministros en Perú, que en el § 7 se quedaba. El identificador id_int lleva delante el código del país, así que basta para saber si una intervención está en la biblioteca. La consulta corta cada texto en 900 caracteres (max_cell_chars): como con las palabras, las que nombran Venezuela se leen enteras.

Fuera hay muchas más intervenciones que dentro, pero no son más debate sobre el tema. En Colombia, de las 903 que quedan fuera solo 352 tienen 50 palabras o más: el resto son votaciones, lecturas de artículos y avisos de procedimiento. De las veinte leídas en cada cámara, hablan de migrantes venezolanos y los nombran siete en Perú, tres en Colombia, tres en Chile y dos en Ecuador. Nombrar Venezuela no basta: en Chile, cuatro de las siete que la nombran son de una sesión especial de 2018 sobre su situación política, y en Ecuador dos de cuatro hablan de los ecuatorianos que viven allí.

La segunda clase pesa tanto como la primera: siete de veinte en Perú, cuatro en Chile, cuatro en Colombia. Son «los migrantes», «las personas que vienen de afuera», «la crisis migratoria», las expulsiones, la ley de refugio. En un debate sobre la migración venezolana, muchas hablan de los venezolanos sin nombrarlos, pero no todas: en Chile, haitianos está entre las palabras del debate (§ 8). Si entran o no es una decisión sobre la pregunta, no sobre las palabras: ¿la llegada de migrantes venezolanos, o la migración que llega por esas fronteras? Se decide antes de añadir nada, se escribe y se aplica igual en las cuatro cámaras.

Medir la cobertura: leer lo que queda fuera. El tercer sitio es lo que una definición pierde frente a otra. El § 6 calculaba que en Chile la segunda definición se queda con menos de la mitad de lo que reúne la primera. Se puede medir.

Son 304 intervenciones: 128 de Chile, 115 de Ecuador, 33 de Perú y 28 de Colombia. Por el § 5 (6 de 20), las de Ecuador deben de ser sobre todo el ruido que la primera definición tenía allí; no se leen aquí. De las veinte de Chile, dieciséis hablan de migrantes venezolanos. La segunda definición las pierde por tres razones: los migrantes y Venezuela están en frases distintas; la frase dice Venezuela y no venezolano; o la palabra de migración no es ninguna de las que busca: migrando, migrar, llegada, expulsión.

Todas las lecturas, juntas:

La última columna convierte cada lectura en un intervalo. Como la primera clase tiene que nombrar Venezuela, se estima entre las que la nombran: la proporción de la primera clase entre las leídas que nombran Venezuela, con su intervalo del 95 % (el de Wilson), por las que nombran Venezuela fuera. Si la muestra no tiene ninguna, el intervalo va de cero al techo. Con muestras tan pequeñas, da un orden de magnitud, no una medida.

Lo que más falta, en Chile, es lo que la segunda definición pierde de la primera: entre 75 y 118 intervenciones sobre migrantes venezolanos. Con las 49 que tiene, la segunda cubre entre el 29 % y el 40 % de lo que encuentran las dos juntas, y eso como mucho, porque hay intervenciones que no encuentra ninguna. Es precisa en las cuatro cámaras (§ 6) y en una cubre un tercio: precisión y cobertura se miden por separado. El resto de los debates añade unas decenas en cada cámara, y Colchane entre 9 y 21; los tres sitios se solapan en parte, así que no se suman. Movilidad humana y extranjero traen sobre todo otros temas.

Para añadir lo que falta hay dos caminos. Una definición más: library_create con extend=true suma a la biblioteca otra definición (aquí, para Chile, una expresión que acepte llegada, expulsión o el verbo migrar junto a venezolano), y la reconstrucción la repite. O lo leído: library_edit (action="add", id_ints=[…]) añade las intervenciones que se han leído y aceptado, y la reconstrucción las encuentra por su texto. Las dos se prueban como la primera definición: una muestra dentro, una lectura fuera y el recuento apuntado. Esta guía no añade nada: enseña dónde mirar y cuánto falta. Las bibliotecas de trabajo de esta sección se borran como las del § 10.

§ 10Mantenerla

Reconstruirla. Cada país publica ediciones nuevas de sus datos, y los identificadores de las intervenciones cambian de una edición a otra.

La reconstrucción vuelve a aplicar las definiciones, mantiene las exclusiones y encuentra por su texto las intervenciones añadidas a mano y sus notas. Sobre la misma edición, el informe dice que se quedan las 49, 106, 45 y 59 intervenciones, que no entra ninguna, que no se pierde ninguna y que no se pierde ninguna nota: Ecuador sigue en 45, y no en 53, porque las ocho lecturas siguen fuera. Con una edición nueva, el informe dice qué entra y qué se pierde en cada país; una intervención cuyo texto se corrigió cuenta como perdida, y su definición puede volver a traerla. La lectura de la muestra es de una edición: con otra, se vuelve a leer.

Una biblioteca combinada, como migracion_y_venezuela, no tiene definición propia. La reconstrucción encuentra sus intervenciones por su texto, pero no repite ninguna definición, así que no recoge lo que una edición nueva añada. Para ponerla al día se reconstruyen migracion y venezuela y se cruzan otra vez, y lo que se hubiera corregido a mano en la combinada se pierde. Las correcciones a mano se hacen en bibliotecas con definición propia, como la segunda.

Ampliarla. extend=true añade a una biblioteca que ya existe otro país u otro periodo, con su propia definición, y per_country da a un país sus propios términos: para sumar Brasil, la misma expresión en portugués.

Exportarla.

Escribe un archivo .2replib por país, porque el explorador abre un país cada vez; un índice con el que library_import reconstruye la biblioteca comparada; y la tabla, con cada intervención, sus datos, su nota y sus etiquetas. Cada .2replib se importa en el explorador con el CSV de su propio país cargado: el explorador no lo comprueba.

Borrar lo que ya no hace falta.

Sin confirm, dice lo que borraría (las 5.249 intervenciones de migracion_1) y no borra nada. Con confirm=true borra la biblioteca, nunca los datos. Se quedan migracion y venezuela, que hacen falta para poner al día el cruce, y las dos definiciones. Para el apéndice de métodos, query_log lista cada paso con sus parámetros y la versión de los datos (Inicio, § 5).

§ 11Lista de comprobación

1. Escribe la pregunta: de qué, dónde, cuándo, quién y para qué.
2. Prueba las palabras con term_counter, país por país, y lee con kwic cada cifra que sorprenda.
3. Prueba el umbral: compara una, dos y tres menciones, y lee lo que queda entre dos umbrales.
4. «A y B» son dos bibliotecas y un cruce (library_combine), o una expresión regular.
5. Describe la biblioteca antes de compararla: el tamaño de cada parte, los turnos largos, los años con poco.
6. Lee una muestra al azar en cada cámara, cuenta cuántas responden a la pregunta y apúntalo.
7. Si una cámara falla, estrecha la definición, vuelve a leer y apunta lo que pierdes en las otras.
8. Mide también la cobertura: lee lo que queda fuera (lo que pierde cada definición, el resto de los debates, las palabras del debate), pon un techo con lo que nombra el tema y decide qué hacer con lo que lo trata sin nombrarlo.
9. Quita por consulta lo que no es la unidad del estudio, y anota los hitos.
10. Tasas, no recuentos, y la sesión detrás de cada pico.
11. Deja fuera las palabras que definen la biblioteca antes de leer un vocabulario.
12. Guarda las definiciones, las lecturas y la edición de los datos; reconstruye, exporta y borra lo que ya no sirve.