§ 1Cuatro estudios

Cada estudio muestra parlaibero-mcp en uso: una cadena de peticiones con sus resultados reales y las comprobaciones que, más de una vez, cambian la conclusión. El agente elige la herramienta, la ejecuta en tu ordenador y lee el resultado.

Cada estudio es una página con el mismo formato. Una petición dice lo que se escribe al agente; debajo, la herramienta que usa con sus parámetros principales, y después el resultado: tablas, gráficos o páginas interactivas. Los resultados son reales, se obtuvieron con el script casos.py y cualquiera puede reproducirlos (los nombres de persona que se excluyen de las listas de palabras se guardan aparte, fuera del repositorio). La respuesta que redacte tu agente cambiará; los datos, no. Al final de cada estudio hay una petición que lo pide todo de una vez.

Si nunca has hecho una biblioteca, empieza por la guía Una biblioteca desde cero. Construye una paso a paso, de la pregunta a la lista de comprobación: cuándo hace falta, cómo se prueban las palabras y el umbral, cómo se lee una muestra en cada cámara y qué se hace cuando la primera definición falla.

§ 2Qué hay en la base

Cada país es un conjunto de datos de Harvard Dataverse con su DOI y su versión, y se descarga una vez (entre 0,5 y 1,5 GB, unos minutos) con download_country; los más grandes pueden descargarse desde la terminal con parlaibero-mcp download BR. Los datos quedan en una base DuckDB local, en ~/.parlaibero, y todo se calcula en tu ordenador. Cada fila es una intervención, enlazada cuando se puede con el registro de diputados, que aporta el sexo, el partido y la circunscripción.

Antes de interpretar una tendencia hay que saber cuánto texto la sostiene, y de qué tipo.

Algunas actas no separan los documentos leídos en voz alta (informes, proyectos, listas) del discurso. En Uruguay, el 32,0 % de las palabras de esos años está en turnos de más de 10.000 palabras; en México, el 26,4 %; en Argentina, el 19,3 %; en España, el 0,8 %. Una comparación de palabras entre estos países, sin max_turn_words=10000, compara sobre todo documentos.

§ 3Cómo pedir

El agente traduce la petición en llamadas, así que cuanto más precisa la pregunta, mejor la elección. Conviene decir qué países y qué periodo, qué unidad (palabras, turnos, intervenciones, sesiones) y qué grupos, y pedir las comprobaciones: la base antes de comparar, la lectura antes de interpretar, una tasa en lugar de un recuento. Un estudio suele seguir este camino:

1. ¿Qué hay y con qué base? (list_countries, coverage, get_documentation)
2. ¿Cuánto se dice y desde cuándo? (term_counter, ngram_viewer)
3. ¿Dónde se concentra? (term_frequency, get_session)
4. ¿Qué se dice exactamente? (kwic, collocations, search_text, get_intervention)
5. ¿Quién habla, y qué distingue a los grupos? (share_of_voice, distinctive_words)
6. Un subconjunto para estudiarlo a fondo (library_create, library_describe), paso a paso en la guía de bibliotecas
7. Temas, actores y menciones (cooccurrence_network, comention_network, mention_network), y la lectura de los temas hasta un informe (theme_dossier, check_codebook, theme_report)
8. Lo que ninguna herramienta hace (query_sql)
9. Cerrar el estudio: exportar, registrar y citar (export_result, library_export, query_log, how_to_cite)

Puedes pedir un estudio entero de una vez o paso a paso. Paso a paso cuesta más, pero permite mirar cada resultado antes del siguiente, que es donde aparecen los problemas. La página de herramientas describe las 34, con sus parámetros y un ejemplo de petición.

§ 4Antes de creer un resultado

Los cuatro estudios y la guía de bibliotecas encuentran quince trampas. Ninguna es un error del agente: son propiedades de las actas, de los registros y de las medidas, y cada una tiene su comprobación.

• El corpus empieza tarde. El primer uso es el del corpus, no el del país. Feminicidio, § 1
• La media móvil desplaza los picos. Lee el recuento de cada año antes de fechar uno. Feminicidio, § 2
• Un término no se traduce. España y Portugal nombran la violencia contra las mujeres de otra forma. Feminicidio, § 5
• Prefijos y fechas mal puestas. covid* encuentra Covidien; una sesión puede estar mal fechada. Pandemia, § 1
• La cámara no se reunía. Un primer uso tardío puede ser una primera sesión. Pandemia, § 1
• Recuentos y proporciones. La cámara que más dice una palabra puede ser la que menos atención le presta. Pandemia, § 2
• Documentos leídos. En algunas cámaras, un tercio de las palabras son documentos. § 2 de esta página
• Una línea de base. Un cambio se mide contra el mismo grupo en el mismo periodo, no contra 1. Pandemia, § 5
• La Mesa habla desde el escaño. Las fórmulas de votación cuentan como voz. Voz, § 3
• Palabras o turnos. La misma voz cambia según la unidad. Voz, § 2
• La lengua antes que el tema. Las listas de palabras comparan lenguas y estilos. Voz, § 4 y pandemia, § 4
• Etiquetas, fronteras y huecos del registro. Federaciones de un mismo partido, el día en que cambia la legislatura, años incompletos. Voz, § 5
• Contar un marco no es adoptarlo, y un nombre no es una persona. Marcos, § 4 y § 6
• Una definición que vale en tres cámaras falla en la cuarta. Lee una muestra en cada cámara por separado. Bibliotecas, § 5
• Precisa no es completa. Una definición sin ruido puede dejar fuera dos tercios del tema: la cobertura se mide leyendo lo que queda fuera. Bibliotecas, § 9

§ 5Cerrar un estudio