Cossío Olavide, Mario

Como explica Alberto Blecua, en su ya clásico

 Manual de crítica textual

, el error de copia es la razón de ser de la crítica textual (18). Por error se entiende el acto de copiar algo diferente a lo que aparece en un modelo (antígrafo) del que se copia –aunque, como explicaré en una próxima entrada dedicada al error, no copiar lo mismo puede no ser un error–. Tanto Balduino (53) como Blecua (19), entre muchos otros, proponen una serie de

Tipología del error (1): el error accidental

Después de Jakob Nachbin –cuya inesperada muerte dejó trunco su trabajo sobre el

 Lucidario

–, la crítica no ha prestado atención a la autoría de esta obra, con la excepción de Ana Montero, quien en su tesis doctoral aludía a la prominencia de Juan Gil de Zamora en el entorno cortesano de Sancho IV. Montero vio este rol como un elemento a favor de la tesis de la autoría egidiana de la obra, pero al mismo tiempo reconocía que la forma de

Los autores del Lucidario (6): Juan Gil de Zamora (1)

Tras José Amador de los Ríos y Joaquín y Tomàs Carreras i Artau, la cuestión de la autoría del

 Lucidario

ha sido discutida en profundidad solamente por dos investigadores a lo largo del último siglo.

Los autores del Lucidario (5): Jakob Nachbin

En la entrada anterior comencé a hablar del modo de colación (

 Collation Mode

) de ChrysoCollate.

Herramientas de collatio digital: ChyrsoCollate (2)

Retomando el hilo de la entrada anterior, en esta entrada explicaré cómo funcionan los botones función «+L[acuna]/A[bsentia]», «+F[olio]» y «Export wit[ness]» de ChrysoCollate. El primero es un botón bastante útil porque permite marcar errores por omisión: lagunas textuales y pasajes ausentes en un testimonio en el documento que se está colacionando.

Herramientas de collatio digital: ChyrsoCollate (3)

Terminé la última entrada describiendo el inusual comportamiento al entrenar dos modelos de transcripción en PyLaia,

 7P

y

 Lucidario B

: Cuando las tasas de error en los sets de entrenamiento y de validación de un modelo HTR son demasiado altas, el modelo puede volverse a entrenar —que no es lo mismo que

 re-entrenarlo

, algo que desaconsejo— para lograr nuevas iteraciones (versiones) que corrijan el problema.

Usando Transkribus con manuscritos medievales (10): perfeccionando modelos con PyLaia (parte 1)

En la última entrada hablé de los modelos de transcripción desarrollados en Transkribus para editar el

 Lucidario

. En esta entrada quiero hacer una pausa y dedicarme a hablar del marco teórico de lo que ocurrirá en la siguiente etapa de este proyecto de edición, quizá la más sustantiva, la

 constitutio textus

. En la crítica neolachmaniana, la

 constitutio textus

intenta (si esto es acaso posible) establecer un texto que

La emendatio (1)

En esta y las próximas entradas me dedicaré a repasar el proceso de edición del

 Lucidario

–lo que se ha hecho hasta ahora, en los ocho meses de proyecto desde que comencé este blog, y lo que falta hacer–. El

 Lucidario

, escrito entre 1292 y 1295, es decir, tras la toma de Tarifa y antes de la muerte de Sancho IV, es una obra malentendida.

Editar el Lucidario de Sancho IV usando humanidades digitales (1)

Tras el feliz descubrimiento del testimonio I del

 Lucidario

en la Biblioteca de la Fundación Bartolomé March, en esta entrada quiero dedicar mi atención a las copias perdidas del

 Lucidario

, esto es, las que nos llegan como anotaciones de catálogos antiguos o modernos, referencias en los testimonios supervivientes o cuya existencia puede ser inferida por la transmisión manuscrita de los testimonios supervivientes.

Los manuscritos perdidos (1)

Habiendo dedicado la anterior entrada a las causas del error accidental durante la copia de los manuscritos, en esta ofrezco la primera parte de una tipología de los errores que encontré al transcribir el testimonio C del

 Lucidario

, partiendo –aunque ampliando– los tipos propuestos por Blecua en su

 Manual de crítica textual

. Gracias a que el manuscrito cuenta con un largo colofón, sabemos que los errores que se discutirán aquí

Tipología del error (2): errores por adición y omisión

En esta breve entrada continuaré explicando las configuraciones disponibles en el botón de configuración «Options» en ChrysoCollate: La sección

 Expressions

permite adaptar los mensajes y símbolos empleados para crear el aparato crítico (del que comienzo a hablar aquí). En el modo edición, ChrysoCollate puede trabajar con un aparato crítico positivo o negativo, y las configuraciones de

 Expressions

permiten adaptar estos

Herramientas de collatio digital: ChyrsoCollate (8)

Al final de la entrada anterior habíamos recibido un correo de confirmación sobre la finalización exitosa del entrenamiento de un modelo de transcripción de letra manuscrita. Como dije entonces, el correo contiene un corto resumen y los datos más relevantes del nuevo modelo: los porcentajes de error de caracteres o CER (

 character error rate

) en el set de entrenamiento y en el set de validación.

Usando Transkribus con manuscritos medievales (6): entrenando un modelo CITLab HTR+ (parte 3)

En la entrada anterior de esta serie me referí a un testimonio perdido de conexión escolástica del

 Lucidario

. Al revisar el ms. 13594 de la BNE, el segundo volumen del

 Índice y inventario de los libros que ay en la librería de don Diego Sarmiento de Acuña, conde de Gondomar, en su casa en Valladolid

, hecho en abril de 1623, di con la siguiente entrada en el fol.

Los manuscritos perdidos (3): la conexión escolástica vallisoletana

Volviendo de la pausa de dos semanas, quiero hablar ahora de un tema que llamó mi atención cuando comencé a trabajar con los testimonios A, B y C del

 Lucidario

: la existencia de dos anónimos profanadores –modernos– que anotaron los manuscritos a su gusto, sin importarles su antigüedad ni su valor.

Los anónimos profanadores del Lucidario (1)

Dejo un póster que describe muy brevemente el proyecto hasta ahora, que se presentó en el DARIAH-Day celebrado en la Biblioteca Nacional de España el 7 de noviembre de este año, organizado por la BNE y por CLARIAH-ES. Imagen de miniatura:  detalle del vídeo, privilegio rodado de Sancho IV

Editando el Lucidario de Sancho IV usando humanidades digitales (6)

En la entrada anterior comencé a hablar de los errores por sustitución, cuya revisión terminaré en esta. El sexto tipo es la sustitución de palabras o frases, cuando el escriba establece mal el corte sintáctico de lo que aparece en su modelo.

Tipología del error (5): errores por sustitución (parte 2)

Hace dos entradas comencé a hablar de la emendatio en el Lucidario, ofreciendo algunos ejemplos de selectio entre variantes adiáforas. Otra forma de emendatio ocurre cuando un pasaje es transmitido incorrectamente por toda la transmisión manuscrita (ya sea por errores de sustitución o eliminación del texto). Sin pistas textuales, es necesario reconstruir la...

Hace dos entradas comencé a hablar de la

 emendatio

en el

 Lucidario

, ofreciendo algunos ejemplos de

 selectio

entre variantes adiáforas.

La emendatio (2)

Con el inicio de las vacaciones de verano, haré una pausa con las entradas sobre ChrysoCollate (hasta mediados de setiembre). Mientras tanto, quiero dedicar las próximas cuatro o cinco entradas a un tema un poco menos técnico y más interesante: la autoría del

 Lucidario

. Como he dicho en entradas anteriores, la autoría del

 Lucidario

es una interrogante que los filólogos no han podido resolver desde que el texto fue dado a

Los autores del Lucidario (1): la autoría en la Edad Media

En la entrada anterior


escribí sobre los errores por adición y omisión. En esta me dedicaré a aquellos que tienen que ver con el reordenamiento del contenido en un manuscrito. Como con los tipos anteriores, los errores

 por alteración del orden

ocurren a nivel de fonema, sílaba, palabra y frase.

Tipología del error (3): errores por alteración de orden

Retomando lo dicho en la entrada anterior, la concepción alfonsí de la autoría parece haber influenciado las afirmaciones de J. E. Nieremberg sobre el

 Lucidario

. A pesar de lo que sostuvo en el primer folio de su traducción latina, el

 Elucidarium

, el jesuita defendió en

 Obras y días

(1629) la autoría grupal del

 Lucidario

, reconociendo que aunque Sancho IV fue su

 autor

, en su escritura participaron

Los autores del Lucidario (3): Sancho IV, ¿autor?

En la entrada anterior hablé sobre los errores por alteración del orden. En esta entrada me dedicaré a los errores por sustitución. A diferencia de los errores por adición, omisión y alteración del orden, los errores de sustitución afectan palabras enteras.

Tipología del error (4): errores por sustitución (parte 1)

Retomo la explicación de la entrada anterior –y con ella, termino la serie de entradas sobre los botones de función en el modo colación de ChrysoCollate.

Herramientas de collatio digital: ChyrsoCollate (4)

En la habitual práctica de revisión de los catálogos de manuscritos, gracias a la que di con el testimonio H del

 Lucidario

en Rouen hace dos años, la semana pasada he tenido una sorpresa mayor al dar con un noveno testimonio del

 Lucidario

, al que le corresponde la sigla I (aquí su entrada estática, que iré actualizando en las próximas semanas). Llegué al manuscrito leyendo al catálogo de Antonio Paz y Meliá de la Biblioteca

Un testimonio más del Lucidario de Sancho IV

En la entrada anterior había dejado pendiente el segundo aporte de Pascual de Gayangos a los estudios sobre el

 Lucidario

(aunque realmente no es un aporte, como se verá adelante). Pero antes de ello, hagamos un repaso sobre el tema que originó esta serie de entradas (¿quién es el autor de las notas que comparaban los testimonios B y C del

 Lucidario

?). Había descartado hasta ahora al bibliófilo Francisco Pérez Bayer, que en el

Los anónimos profanadores del Lucidario (6): el sospechoso habitual

Una extendida –y algo exagerada– anécdota cuenta que, durante la primera carrera espacial, los científicos de la NASA descubrieron que los bolígrafos que los astronautas usarían en las misiones de exploración lunar no funcionaban en condiciones de gravedad cero.

Low-tech y high-tech: de lápices, sistemas y usability en la edición de textos medievales

En la última entrada hablé de la emendatio por divinatio. Otra manera de enmendar un pasaje transmitido incorrectamente en toda la transmisión manuscrita es reconstruirlo empleando parcialmente las lecturas erróneas de varios testimonios (combinatio). Esto puede verse en el siguiente pasaje del capítulo 1 del Lucidario, que compara los humores del cuerpo humano...

En la última entrada hablé de la

 emendatio

por

 divinatio

. Otra manera de enmendar un pasaje transmitido incorrectamente en toda la transmisión manuscrita es reconstruirlo empleando parcialmente las lecturas erróneas de varios testimonios (

 combinatio

). Esto puede verse en el siguiente pasaje del capítulo 1 del

 Lucidario

, que compara los humores del cuerpo humano con la composición de la tierra:

 Así como el

La emendatio (3)

En la última entrada hablé de las transcripciones semipaleográficas de los testimonios del

 Lucidario

emprendidas para esta edición y sus características. Retomo esa explicación para ahondar un poco sobre la experiencia de transcripción. La mayoría de las transcripciones fueron realizadas empleando Transkribus, un aplicativo de transcripción automatizada del que he hablado en varias entradas.

Editando el Lucidario de Sancho IV usando humanidades digitales (5)

Siguiendo con la última entrada, quiero repasar brevemente la historia de los testimonios del

 Lucidario

. A los siete que mencioné entonces habría que añadir dos nuevos. El primero, descubierto en la Bibliothèque François Villon de Rouen en 2021 y el segundo, hace dos meses en la Biblioteca de la Fundación Bartolomé March de Palma. Resumiendo, tenemos: A, manuscrito base de las ediciones de Kinkade y Sacchi, datado en 1455;

Editar el Lucidario de Sancho IV usando humanidades digitales (2)

Dejé pendiente en la última entrada sobre ChrysoCollate —hace algunos meses— hablar del modo de edición (

 Edition Mode

). Se trata del segundo modo de trabajo en el aplicativo (después de modo de colación,

 Collation Mode

). Si el modo de colación permite introducir los textos de los testimonios manuscritos o impresos de una obra, anotando las particularidades del texto mediante las herramientas de comentarios y notas, y resaltando

Herramientas de collatio digital: ChyrsoCollate (9)

Terminé la entrada anterior describiendo un primer elemento por el que descarto que el

 Lucidario

fuera escrito por Juan Gil de Zamora: el uso del romance vernacular, que el minorita nunca empleó en su dilatada producción intelectual. Un segundo elemento, relacionado con el anterior, tiene que ver con el estilo de Juan Gil.

Los autores del Lucidario (7): Juan Gil de Zamora (2)

En la entrada anterior dije que Nieremberg afirmó que Sancho IV escribió el

 Lucidario

, atribuyéndole el nombre de

 auctor

. Si entonces cité las visiones de la autoría de Buenaventura y Vicente Beauvais, posiblemente Nieremberg también pensara—seguramente Sancho lo hizo—en el más cercano referente de Alfonso X. La concepción de la autoría de Alfonso X es muy relevante para comenzar a responder la interrogante sobre la autoría del

Los autores del Lucidario (2): la autoría para Alfonso X

En la entrada anterior había identificado dos testimonios del

 Lucidario

, B y C, anotados por la misma mano en el siglo 19, periodo en el que ambos formaron parte de la Real Biblioteca. La meticulosa naturaleza de las comparaciones, sin mencionar el privilegiado acceso de esta persona a la biblioteca, permite reducir la lista de potenciales culpables a unos cuantos próceres de la filología decimonónica.

Los anónimos profanadores del Lucidario (3)

Antes de comenzar con el modo de edición, en esta y las siguientes entradas explicaré el funcionamiento de los botones de configuración general de ChrysoCollate.

Herramientas de collatio digital: ChyrsoCollate (5)

Entradas atrás, hablé del proceso de establecimiento del texto final en una edición: la

 constitutio textus

. Central para el establecimiento de un texto es la evaluación (

 recensio

) del elenco de la tradición manuscrita de una obra, y dentro de esta, realizar una comparación (

 collatio

) que permita hacer surgir una versión definitiva –e idealmente fiel– del texto editado (realmente no se puede ir más allá, pues, como

Prolegómeno a la collatio digital: la prehistoria analógica

Siguiendo con las entradas dedicadas a la tipología de errores de copia de textos manuscritos, en esta entrada quiero examinar el caso concreto de uno de los testimonios del

 Lucidario

, B. Este es el último testimonio de la transmisión manuscrita del

 Lucidario

en ser transcrito (y además, el quinto y final en ser transcrito automáticamente con Transkribus). Se trata de un testimonio malo, lleno de saltos, omisiones, reemplazos

Tipología del error (6): el peor testimonio (parte 1)

En la última entrada –antes de las vacaciones de verano– repasé el antiguo

 stemma

del

 Lucidario

, notando que el manuscrito B es el más antiguo de los conservados, a lo que se suma el descubrimiento de dos nuevos testimonios, H en 2020 e I a finales de junio de 2023.

Editar el Lucidario de Sancho IV usando humanidades digitales (3)

Retomo el hilo de Transkribus para discutir algunas cuestiones que surgen tras la transcripción. En la última entrada teníamos un modelo entrenado (y re-entrenado) y listo para ser utilizado en la transcripción automatizada del testimonio D del

 Lucidario

. No hay más que hacer que decirle a Transkribus: ahora transcríbelo todo.

Usando Transkribus con manuscritos medievales (8): ¿Y ahora qué? —o, ¿qué hacer después de la transcripción?

En la entrada anterior escribí sobre cómo comenzar un entrenamiento de un modelo CITLab HTR+ en Transkribus. Continúo aquí con el proceso. Lo último que había hecho era seleccionar el set de entrenamiento (

 training set

) y el set de validación (

 validation set

). Como dije entonces, este último set permite a la máquina evaluar la precisión del aprendizaje en el modelo que está desarrollado.

Usando Transkribus con manuscritos medievales (5): entrenando un modelo CITLab HTR+ (parte 2)

Me toca, finalmente, hablar ahora del lápiz que dejé pendiente hace dos semanas (en realidad, hace dos meses, porque he ido dilatando escribir esta entrada para que coincida con el inicio real de la

 collatio

). Descartados

 CollateX

y

 Juxta

, comencé a buscar una alternativa simple para esta labor.

Herramientas de collatio digital: ChyrsoCollate (1)

En la entrada anterior hablé del testimonio F del

 Lucidario

, la traducción latina de Juan Eusebio Nieremberg, realizada en base a un testimonio en pergamino de la biblioteca de Lorenzo Ramírez de Prado, η. La traducción latina no fue la última vez que Nieremberg o sus contemporáneos se refirieran al

 Lucidario

. En su

 Obras y días.

Los manuscritos perdidos (2) –y una nota sobre el Libro del consejo e de los consejeros

Finalmente llegamos al momento en el que toca hablar sobre cómo realizar una transcripción automatizada. En esta entrada comienzo a describir el trabajo para el desarrollo de un modelo de transcripción para el testimonio D del

 Lucidario

, el códice de Puñonrostro.

Usando Transkribus con manuscritos medievales (3): la transcripción inicial

En la última entrada sobre

 collatio

hablé del potencial de la edición asistida por ordenadores.

Herramientas de collatio digital: Juxta y CollateX

En la entrada anterior expliqué los contenidos de la ventana de resumen del entrenamiento y la importancia de los valores de los CER de entrenamiento y de validación. En la primera versión del modelo, Lucid D 0.1, utilicé 3374 líneas de texto (o 50 páginas), logrando un CER de entrenamiento de 1.15% y un CER de validación de 2.97%.  Este es el paso final del entrenamiento en Transkribus.

Usando Transkribus con manuscritos medievales (7): entrenando un modelo CITLab HTR+ (parte 4)

La cuestión de la autoría del

 Lucidario

, tocada inicialmente por Juan Eusebio Nieremberg, fue motivo de interés de los primeros filólogos e historiadores de la filosofía españoles.

Los autores del Lucidario (4): la crítica en los siglos XIX y XX

Había prometido hablar del botón «Options» de ChrysoCollate en esta entrada.

Herramientas de collatio digital: ChyrsoCollate (6)

En la última entrada revisaba los requisitos mínimos para una edición del

 Lucidario

propuestos por Sacchi en 2007: a. reducir las lecturas divergentes presentadas por las distintas familias de testimonios; b. descifrar el sentido de los capítulos que solo aparecen en D y E y; c. construir un aparato crítico que dé cuenta de las variantes a lo largo de las familias. Comencemos por lo último, es decir, el aparato crítico.

Editando el Lucidario de Sancho IV usando humanidades digitales (4)

En la entrada anterior descarté dos posibles autores de las notas marginales de los testimonios B y C del

 Lucidario

entre figuras del hispanismo decimonónico: José Amador de los Ríos y Marcelino Menéndez Pelayo. ¿Quién queda, entonces?

Los anónimos profanadores del Lucidario (4): la prehistoria de la crítica

En la entrada anterior sobre Transkribus describí el proceso para subir y preparar un documento para la transcripción automatizada. Continuamos aquí donde nos habíamos quedado. Al final de la entrada anterior teníamos un documento listo para ser transcrito, con las regiones de texto y líneas establecidas correctamente.

Usando Transkribus con manuscritos medievales (2): la dinámica del aprendizaje

En la entrada anterior presenté el trabajo de un misterioso profanador del testimonio C del

 Lucidario

. Decía ahí que el comentarista anotaba pasajes que diferían o faltaban en otro testimonio del

 Lucidario

que consultó y a menudo introducía enmiendas en pasajes donde encontraba errores. Sin embargo, su trabajo no fue perfecto, pues en algunos casos propuso correcciones erróneas. Así ocurre en el fol.

Los anónimos profanadores del Lucidario (2)

En el irresuelto debate sobe si se deben o no mantener las grafías Et y et –llamadas a veces tironianas, aunque, desde mediados del siglo 14 funcionan como alógrafos de E y e–, el sistema del HSMS, que explico en la sección Normas de transcripción, permite optar por la segunda opción en...

Algunos problemas gráficos (1): et y omne

Ha pasado casi un año desde mi última entrada sobre Transkribus y varias cosas han cambiado. Poco después de la última entrada, en marzo de 2023, la mejor y más eficiente máquina de HTR de Transkribus, CITLab+ (de la que hablo en estas entradas), fue retirada por una disputa de propiedad intelectual sobre el código de la máquina.

Usando Transkribus con manuscritos medievales (9): problemas en el paraíso digital

Transkribus es una plataforma de reconocimiento de textos escritos que ha demostrado ser muy útil para el trabajo con manuscritos medievales. Tiene dos versiones,

 Transkribus Lite

, un aplicativo web, y

 Transkribus eXpert

, un cliente que se instala en el ordenador, pero cuyas funciones avanzadas se ejecutan en los servidores de Read Coop, la empresa detrás de la plataforma.

Usando Transkribus con manuscritos medievales (1): primeros pasos

Tras tres entradas de presentación sobre el trabajo con Transkribus –que en realidad son los sucesivos párrafos de introducción que me vi forzado a ampliar para darle un poco de sentido al trabajo que viene a continuación–, llego finalmente al punto más importante del trabajo con Transkribus: la creación y entrenamiento de un modelo de transcripción.

Usando Transkribus con manuscritos medievales (4): entrenando un modelo CITLab HTR+ (parte 1)

Hoy continúo hablando del último botón de configuración general de ChrysoCollate, «Options». Este botón permite personalizar las opciones de visualización y comportamiento del aplicativo: Las primeras configuraciones disponibles son «Font», «Mouse wheel», «Colours of the readings» y «Directions». La primera permite personalizar la fuente que se empleará para presentar las lecturas (

 Collation Table Font

), el tamaño general de la fuente

Herramientas de collatio digital: ChyrsoCollate (7)

En la entrada anterior había comenzado a discutir el conocimiento del

 Lucidario

de Pascual de Gayangos.

Los anónimos profanadores del Lucidario (5)

Lucidarios

Ha pasado casi un año desde mi [última
entrada](https://lucidarios.hypotheses.org/2255){rel="noreferrer noopener"
data-type="URL" data-id="https://lucidarios.hypotheses.org/2255"
target="_blank"} sobre Transkribus y varias cosas han cambiado. Poco
después de la última entrada, en marzo de 2023, la mejor y más eficiente
máquina de HTR de Transkribus, CITLab+ (de la que hablo en [estas
entradas](https://lucidarios.hypotheses.org/?s=CITLab){rel="noreferrer noopener"
data-type="URL" data-id="https://lucidarios.hypotheses.org/?s=CITLab"
target="_blank"}), fue retirada por una disputa de propiedad intelectual
sobre el código de la máquina. Con esto queda solo una máquina para
entrenar modelos de transcripción de textos,
[PyLaia](https://github.com/jpuigcerver/PyLaia){data-type="URL"
data-id="https://github.com/jpuigcerver/PyLaia" target="_blank"
rel="noreferrer noopener"}, toolkit de acceso abierto de *deep learning*
para análisis de textos manuscritos desarrollado por [Joan
Puigcerver](https://github.com/jpuigcerver){rel="noreferrer noopener"
data-type="URL" data-id="https://github.com/jpuigcerver"
target="_blank"} y [Carlos
Mocholí](https://github.com/carmocca){rel="noreferrer noopener"
data-type="URL" data-id="https://github.com/carmocca" target="_blank"},
empleado por Transkribus.

La relativamente baja popularidad de PyLaia se debe a que sus modelos de
HTR contienen muchos errores y requieren un texto base más extenso que
los relativamente cortos de CITLab+.

::: {.wp-block-image}
<figure class="aligncenter size-large">
<a
href="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.47.25.png"><img
src="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.47.25-500x352.png"
class="wp-image-4308" loading="lazy" decoding="async"
srcset="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.47.25-500x352.png 500w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.47.25-300x211.png 300w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.47.25-768x540.png 768w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.47.25-1536x1080.png 1536w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.47.25.png 1908w"
sizes="(max-width: 500px) 100vw, 500px" width="500" height="352" /></a>
<figcaption>Modelos CITLab+ y PyLaia, ordenados por longitud de texto
base</figcaption>
</figure>
:::

Esta es una lista de algunos modelos que he entrenado a lo largo de
estos dos años ordenada por la longitud del texto base (en palabras).
Rápidamente queda claro que los modelos con más palabras en CITLab+
tienen índices de error más bajo que los de PyLaia. Visto de otro modo:

::: {.wp-block-image}
<figure class="aligncenter size-large">
<a
href="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.49.32.png"><img
src="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.49.32-500x136.png"
class="wp-image-4314" loading="lazy" decoding="async"
srcset="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.49.32-500x136.png 500w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.49.32-300x82.png 300w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.49.32-768x209.png 768w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.49.32-1536x418.png 1536w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.49.32.png 1904w"
sizes="(max-width: 500px) 100vw, 500px" width="500" height="136" /></a>
<figcaption>Modelos CITLab+, ordenados por longitud de texto
base</figcaption>
</figure>
:::

::: {.wp-block-image}
<figure class="aligncenter size-large">
<a
href="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.49.48.png"><img
src="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.49.48-500x333.png"
class="wp-image-4318" loading="lazy" decoding="async"
srcset="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.49.48-500x333.png 500w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.49.48-300x200.png 300w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.49.48-768x511.png 768w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.49.48-1536x1022.png 1536w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.49.48.png 1920w"
sizes="(max-width: 500px) 100vw, 500px" width="500" height="333" /></a>
<figcaption>Modelos PyLaia, ordenados por longitud de texto
base</figcaption>
</figure>
:::

Mientras que un texto de 28.000 palabras en CITLab+ podía tener una tasa
de error en el set de validación de 2,04%, un texto con 29.000 palabras
en PyLaia obtiene una tasa de error del 6,2%. Esta tendencia se mantiene
en los rangos altos y bajos: con 4.500 palabras PyLaia tiene 7% de
error, mientras que CITLab+ alcanzaba a reducir esta cifra a 3,68%.

Algo interesante ocurre al revisar los datos de entrenamiento. Las
curvas que ilustran el proceso de aprendizaje de los modelos en CITLab+
son relativamente estables y la reducción de errores durante el
entrenamiento es muy marcada después de tres o cuatro ciclos de
aprendizaje, obteniéndose un modelo funcional después del décimo ciclo,
como se ve en las siguientes curvas de dos modelos que entré el 2022:

::: {.wp-block-image}
<figure class="aligncenter size-large is-resized">
<a
href="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.54.31.png"><img
src="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.54.31-500x416.png"
class="wp-image-4323" loading="lazy" decoding="async"
srcset="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.54.31-500x416.png 500w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.54.31-300x249.png 300w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.54.31-768x638.png 768w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.54.31-1536x1277.png 1536w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.54.31.png 1672w"
sizes="(max-width: 500px) 100vw, 500px" width="500" height="416" /></a>
<figcaption>Curva de aprendizaje en CITLab+, modelo Lucidario
G</figcaption>
</figure>
:::

::: {.wp-block-image}
<figure class="aligncenter size-large">
<a
href="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.54.40.png"><img
src="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.54.40-500x415.png"
class="wp-image-4325" loading="lazy" decoding="async"
srcset="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.54.40-500x415.png 500w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.54.40-300x249.png 300w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.54.40-768x638.png 768w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.54.40-1536x1275.png 1536w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-13.54.40.png 1674w"
sizes="(max-width: 500px) 100vw, 500px" width="500" height="415" /></a>
<figcaption>Curva de aprendizaje en CITLab+, modelo Gothic v.
1.7</figcaption>
</figure>
:::

Mientras tanto, los modelos entrenados en PyLaia tienen un
comportamiento mucho más desordenado, como se ve en los siguientes dos
gráficos:

::: {.wp-block-image}
<figure class="aligncenter size-large is-resized">
<a
href="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.54.png"><img
src="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.54-500x432.png"
class="wp-image-4340" loading="lazy" decoding="async"
srcset="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.54-500x432.png 500w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.54-300x259.png 300w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.54-768x664.png 768w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.54-1536x1328.png 1536w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.54.png 1670w"
sizes="(max-width: 500px) 100vw, 500px" width="500" height="432" /></a>
<figcaption>Curva de aprendizaje en PyLaia, modelo Lucidario A v.
0.3</figcaption>
</figure>
:::

::: {.wp-block-image}
<figure class="aligncenter size-large">
<a
href="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.44.03.png"><img
src="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.44.03-500x427.png"
class="wp-image-4344" loading="lazy" decoding="async"
srcset="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.44.03-500x427.png 500w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.44.03-300x256.png 300w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.44.03-768x656.png 768w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.44.03-1536x1311.png 1536w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.44.03.png 1696w"
sizes="(max-width: 500px) 100vw, 500px" width="500" height="427" /></a>
<figcaption>Curva de aprendizaje en PyLaia, modelo Spanish Calila
B</figcaption>
</figure>
:::

Lo primero a notar es que PyLaia demora mucho más en reducir la tasa de
error que CITLab+, pues al llegar a las 20 épocas (o ciclos), los CER
siguen en valores superiores al 20% (mientras que estaban por debajo del
5% en 5 épocas en CITLab+). Lo segundo que notamos es que las curvas de
validación tienen inexplicables ciclos de error. A veces el descenso de
los ciclos de entrenamiento es interrumpido por saltos con valores de
error que pueden ser el doble o el triple del último registrado, o
incluso llegar al 100% de error.

Sospecho que esto se debe a que PyLaia es una máquina más sensible a los
errores de transcripción en el texto base de entrenamiento que CITLab+.
Mientras que CITLab+ era capaz de adaptarse a estos errores, parece que
PyLaia no es tan maleable y cualquier error de transcripción del texto
base encontrado por la máquina causa un efecto cascada visible durante
el entrenamiento.

Actualmente estoy realizando un ejercicio para confirmar esta hipótesis
con estos dos modelos, basados, respectivamente, en el manuscrito 43-13
de la *Primera Partida* de la Biblioteca Capitular de la Catedral de
Toledo y el testimonio B del *Lucidario*:

::: {.wp-block-image}
<figure class="aligncenter size-large">
<a
href="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.35.png"><img
src="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.35-500x429.png"
class="wp-image-4332" loading="lazy" decoding="async"
srcset="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.35-500x429.png 500w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.35-300x258.png 300w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.35-768x659.png 768w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.35-1536x1318.png 1536w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.35.png 1680w"
sizes="(max-width: 500px) 100vw, 500px" width="500" height="429" /></a>
<figcaption>Curva de aprendizaje en PyLaia, modelo 7P v.
0.8</figcaption>
</figure>
:::

::: {.wp-block-image}
<figure class="aligncenter size-large">
<a
href="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.41.png"><img
src="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.41-500x432.png"
class="wp-image-4337" loading="lazy" decoding="async"
srcset="https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.41-500x432.png 500w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.41-300x259.png 300w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.41-768x664.png 768w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.41-1536x1328.png 1536w, https://lucidarios.hypotheses.org/files/2024/01/Capture-décran-2024-01-17-à-14.43.41.png 1670w"
sizes="(max-width: 500px) 100vw, 500px" width="500" height="432" /></a>
<figcaption>Curva de aprendizaje en PyLaia, modelo Lucidario B v.
0.5</figcaption>
</figure>
:::

Estos modelos, que estoy desarrollando desde hace algunos meses, han
demostrado este comportamiento inusual y han tenido muchos ciclos de
entrenamiento fallidos donde los CER se disparan sin motivo aparente. El
modelo 7P v. 0.8 tiene un CER en set de entrenamiento de 1,71%, pero en
la versión 0.9 el CER sube a 1,81%, mientras que el modelo Lucidario B
0.4 tiene un CER en validación de 7,5% y la versión siguiente, que
debería ser menor, sube a 7,8%.

Explicaré este ejercicio y sus resultados en la próxima entrada, pero
antes de terminar esta entrega quiero aprovechar para apostillar lo
dicho hasta aquí: aunque los problemas que he descrito son algo
incómodos para el usuario de Transkribus, PyLaia sigue siendo una mucho
mejor alternativa (en términos de tiempo) que largo proceso de
transcripción manual.

------------------------------------------------------------------------

Imagen de miniatura: detalle de curva de aprendizaje 
modelo Lucidario B 0.5