El lexicón
El lexicón activo es
VOCABULARIO_BASEencuriana_sim/curiana_lexicon.py. Esta nota lo describe; no lo define. Todas las cifras se midieron el 2026-08-04 corriendo el propio módulo, no copiándolas de la documentación anterior (que decía 1416 y 1414 en sitios distintos).
El tamaño real
1413 entradas. No 1416 ni 1414: esos números están en CLAUDE.md y en
INDICE y quedaron atrás.
cd curiana_sim && python -c "import curiana_lexicon as L; print(len(L.VOCABULARIO_BASE))"
Desglose por lengua
El campo fuente tiene 25 valores crudos distintos;
normalize_source_language() (en curiana_database.py) los colapsa a estas
categorías:
| Categoría normalizada | Entradas | % |
|---|---|---|
| wayunaiki | 781 | 55,3 % |
| caquetío (todas las capas) | 304 | 21,5 % |
| lokono | 227 | 16,1 % |
| taíno | 57 | 4,0 % |
| kalinago | 19 | 1,3 % |
| proto-arahuaco | 8 | 0,6 % |
| jirajaroide-contacto | 7 | 0,5 % |
| caribe-continental | 4 | 0,3 % |
| kalinago-caribe-overlay | 4 | 0,3 % |
| español-colonial | 2 | 0,1 % |
Cuatro de cada cinco palabras del lexicón no son caquetío. Son comparanda: están ahí para reconstruir, no para hablar.
score_linguistico()las trata como tan ajenas como el español — una fuga a wayunaiki penaliza igual que un artículo castellano (ver mapa-motor §scoring).El reparto wayunaiki : lokono de 3,4 a 1 es el objeto de la decisión de fondo D11 → El método comparativo §el desbalance.
Las capas epistémicas del caquetío
De las 304 entradas de familia caquetía:
| Etiqueta | n | Qué significa |
|---|---|---|
caquetío-atestiguado | 226 | Dato histórico real, citable a una obra concreta. Es lo único que no se discute. |
caquetío-reconstruido | 68 | El núcleo fundacional: pronombres, numerales, verbos básicos que prompt_reglas_completo() presenta a los agentes desde el día 1. No siempre atestiguado — pero es la lengua de la simulación, no un préstamo. |
caquetío (sin sufijo) | 8 | Etiquetado antiguo, sin capa declarada. Deuda de normalización. |
caquetío-hipotético + …/topónimo | 2 | Marcadas como conjetura explícita. |
3 entradas de familia caquetía siguen sin notas (sin cita). Eran 82 en
julio de 2026.
Quién sostiene el "atestiguado"
Este es el dato más importante de la nota. De las 226 entradas
caquetío-atestiguado, cuántas citan a cada obra en su campo notas:
El caquetío atestiguado del proyecto es, en un 95 %, el glosario de Zavala Reyes 2015. Las demás obras figuran como fuentes del proyecto y aportan una decena de entradas entre todas. No es un defecto de curación: es lo que hay publicado. Pero significa que un error sistemático de Zavala sería un error sistemático del proyecto, y que ampliar la base documental (F9: Oviedo t. II y el apéndice de voces caquetías del t. IV) es la deuda más cara que queda.
Zavala está cerrado al 100 %: minar_zavala_glosario.py parsea las 288
entradas del glosario. 225 (78 %) entran al habla activa; 63 (22 %) quedan
fuera por diseño — 45 topónimos, 14 antropónimos y 4 descartes. No es deuda:
es curación. Los topónimos excluidos, sin embargo, resultaron ser una mina de
morfemas → La toponimia como fuente de morfemas.
Las 441 candidatas aisladas
curiana_sim/lexicon_candidatos.py guarda 441 formas
hipotético-no-verificado, fuera del lexicón activo y fuera de Supabase
desde 2026-06-28.
Las generó reconstruir_caquetio_gaps.py transduciendo fonológicamente
cualquier palabra wayunaiki, lokono o taína con la misma glosa española, sin
verificar cognación real contra COGNADOS. La minería de pares objetivos
(minar_pares_validacion.py) midió ~80 % de fallo contra datos reales.
Por qué se aislaron, y no solo se re-etiquetaron: estando en VOCABULARIO_BASE
producían falsos positivos en score_linguistico() — un "la" o un "para"
españoles matcheaban contra entradas hipotéticas y el motor los contaba como
caquetío.
De dónde se transdujo cada una, medido sobre el campo notas:
| Lengua de partida | Candidatas |
|---|---|
| solo wayunaiki | 388 (88 %) |
| solo lokono | 46 |
| ambas | 5 |
| taíno | 2 |
Ese 88 % es la misma sesgo que denuncia D11: se reconstruyó desde la hermana que Oliver considera la más lejana, lo que explicaría parte del 80 % de fallo.
FUERA_DEL_HABLA — el archivo, no la papelera
FUERA_DEL_HABLA es un dict del propio curiana_lexicon.py para entradas
retiradas del habla activa sin borrarlas: conservan forma, glosa y toda su
procedencia documental, pero no se ofrecen a los agentes ni cuentan para el
scoring.
Hoy tiene un solo miembro: piache. Retirada el 2026-08-03 (D10). Su lugar
lo ocupa boratio, que sí es caquetío atestiguado. Las dos fuentes coinciden:
- Alvarado 1921 — Glosario de voces indígenas de Venezuela p.248: "Voz cháima y tamanaca, con formas afines en otras lenguas caribes".
- Zavala Reyes 2015 — Palabras vivas de una lengua muerta glosario #43 glosa el caquetío
boratiocomo 'piache, cacique, jefe, sacerdote, médico' — es decir, piache es la glosa española,boratiola voz caquetía.
El canon no se tocó: Shaboro sigue siendo el piache de la Curiana (mapa-creencia). El mecanismo es el importante: archivar con procedencia es distinto de borrar, y deja el camino abierto si aparece evidencia en contra.
Los conflictos de glosa abiertos
Tres entradas cuya glosa activa contradice a la fuente, y que no se
reescriben porque corregirlas obliga a tocar el canon del mundo. Cada una
lleva su razonamiento completo en el campo notas de la entrada.
| Palabra | Glosa activa | Qué dice la fuente | Issue |
|---|---|---|---|
tara | 'venado, ciervo' | Doble corroboración en contra: Zavala Reyes 2015 — Palabras vivas de una lengua muerta #238 'langosta, mariposa'; Alvarado 1921 — Glosario de voces indígenas de Venezuela p.283 'polilla o mariposa' (cf. TARÍTA, "mariposa o tara pequeña"). La glosa activa no tiene fuente localizada. | #45 |
saruro | 'árbol saruro (frutos pequeños)' | Sin cita localizada; la fuente reasigna. | #47 |
corie | 'choza, habitación' | Zavala Reyes 2015 — Palabras vivas de una lengua muerta #90 'armadillo' — y el propio canon del proyecto ya dice armadillo: 3-mundo/corpus/genealogia.yaml da "corie (armadillo)" como tótem del linaje Paugis. La glosa contradice a la fuente y a su propio canon. | #46 |
Por qué son caros. tara sostiene material del corpus ecológico
(mapa-ecologia, ecologia.yaml, ¿Dónde existía el caquetío? §10.6); corie da
nombre al asentamiento Corie-ko. Corregir la glosa no es editar una fila: es
mover el mundo. Por eso quedan como decisión de Miguel.
Las 3 entradas que quedan sin cita
auditar_82.py cruza las cuatro minerías (Alvarado F3, Gatschet F4, van Buurt
F6, Zavala F7) y adjudica cada entrada de familia caquetía sin notas. El censo
arrancó en 82 y hoy va en 3:
CENSO: 3 entradas de familia caquetía sin cita
0 confirman · 0 reclasifican · 0 conflicto de glosa · 0 a revisar · 3 sin rastro
Las 3 restantes no dejan rastro en ninguna de las cuatro fuentes minadas.
Ya no son deuda de minería sino de decisión: o aparece una fuente nueva (F9) o
se degradan a caquetío-reconstruido.
Avisos operativos
⚠️ Queries a la tabla
lexiconen Supabase: PostgREST corta cada respuesta enmax_rows(1000). Con 1413 palabras, toda query sin.range()se trunca en silencio. Paginar con.range(desde, desde+999).
⚠️
lexicon_zavala.pyno es solo una propuesta:curiana_lexicon.pylo importa (GLOSARIO_ZAVALA,HOMOGRAFOS_ZAVALA). Regenerarlo cambia el comportamiento descore_linguistico(). Los otros tres módulos de propuesta (lexicon_alvarado.py,lexicon_gatschet.py,lexicon_van_buurt.py) no se importan en ninguna parte.
Enlaces
La morfología · La toponimia como fuente de morfemas · El método comparativo · el tablero de decisiones