El método que abrió Miguel en F11, y el mejor rendimiento por unidad de esfuerzo que ha tenido el proyecto. El diseño completo está en 03_descomposicion_toponimica; esta nota es la lectura corta.

La idea

El proyecto venía archivando los topónimos como canon inerte. minar_zavala_glosario.py los excluye del habla activa —45 topónimos y 14 antropónimos, "fuera del habla por diseño"— y las otras tres minerías hacen lo mismo. La exclusión es correcta para el habla: un agente no debería decir «Bariquisimeto». Pero tuvo un efecto colateral que nadie vio:

Los topónimos vienen con su traducción. Son ecuaciones bilingües de las que se puede despejar el morfema.

Es criptoanálisis con texto plano conocido: se tiene la forma y se tiene el significado; se despejan las partes.

El caso que lo destapó: jurijurebo

El ejemplo de Miguel, y resultó estar ya atestiguado pieza por pieza:

juri~juri + ebo = 'paso de los vientos'. La ecuación cierra sin residuo, con la segunda copia perdiendo la vocal final por haplología (juri-jur-ebo). Y hace tres cosas a la vez:

1. Corrobora dos palabras del lexicón por una vía independiente.
2. Explica el plural de la glosa — 'los vientos', no 'el viento': la reduplicación marca pluralidad.
3. Sugiere una regla morfológica que el proyecto no tenía — la reduplicación, que Gatschet 1885 — The Aruba Language and the Papiamento Jargon documenta explícitamente para el arubano y que no estaba en REGLAS_ZAVALA. Ver La morfología §4.

Un solo topónimo archivado como inservible confirmó dos palabras y abrió una regla. Segunda atestación independiente de ebo: cumarebo = "Camino del cacique Cumare".

El método, en cuatro pasos

1. Segmentar contra el inventario de morfemas conocido (AFIJOS_ZAVALA, MORFEMAS_VAN_BUURT y las 304 formas de familia caquetía del lexicón).
2. Alinear los segmentos con las partes de la glosa española.
3. Despejar el morfema desconocido cuando todos los demás encajan.
4. Validar por recurrencia: un morfema en un solo topónimo es conjetura; en tres o cuatro con glosa consistente es un hallazgo. La frecuencia es el principal control de calidad.

Regla cero, y por qué está en el código y no en la prosa

Una segmentación que "suena bien" no es evidencia.

El proyecto ya pagó ese precio: 441 formas transducidas sin verificar cognación, ~80 % de fallo medido (El lexicón §candidatas). Segmentar topónimos tiene la misma tentación: cortar donde convenga hasta que cuadre. Tres defensas:

• La glosa manda sobre la forma. minar_toponimos.py enumera todas las segmentaciones posibles y deja que la glosa elija. Una primera versión elegía la óptima por la forma y sacaba Casibari = kasi+bari —dos palabras del lexicón, cobertura perfecta, cero residuo— en vez del ka-siba-rí 'hay rocas duras' que Van Buurt 2014 — Palabras caquetías en el papiamento documenta. Ambas cubren los ocho caracteres; solo la segunda reconstruye la traducción. Si la forma decide primero, el método se convierte en la trampa que dice evitar.
• Recurrencia mínima ≥ 2 topónimos independientes, nombrados. Residuos de menos de 3 caracteres no cuentan: cualquier bigrama recurre en medio corpus.
• Los topónimos coloniales, las glosas circulares y las meramente referenciales se apartan, con la razón escrita.

El corpus

Los sin glosa no despejan nada: sirven para comprobar dónde aparece una forma, no qué significa.

Los resultados

• 6 morfemas despejados — 3 nuevos (-are, ada-, yacare), 3 corroborados o reagrupados (-bacoa, wa-, bari-). Detalle en La morfología §5.
• 10 palabras del lexicón corroboradas por vía independiente (6 de ellas sin independencia real: la corroboración viene de la misma fuente).
• La reduplicación, medida contra tres controles. → La morfología §4
• 1 antropónimo útil de los 14.

Que el nivel D sea el mayor (47 de 74) es señal de que el filtro funciona, no de que el método falle.

Casos de nivel A

Conflictos que la toponimia destapó

CONFLICTOS en lexicon_toponimos.py. Todos son homógrafos mal fusionados: dos morfemas distintos que colapsan en la misma grafía castellana.

La grafía castellana de las crónicas —c/k/qu, b/v, gu/w— es la causa común. Es el mismo problema que D5, la política ortográfica c/k (el tablero de decisiones↗).

Por qué esto no toca el lexicón

lexicon_toponimos.py es una propuesta: curiana_lexicon.py no lo importa. Misma disciplina que las cuatro minerías del 2026-08-03 — el minador emite, el humano adjudica. Ver INDICE_FUENTES.

Lo que queda

• Los 213 topónimos ABC de van Buurt §7 sin glosa son el mayor corpus sin explotar: no despejan por sí solos, pero validan formas.
• El 02_protocolo_habla_paraguanera §4 ya decía —antes de F11— que los topónimos son el reservorio más fiable de sustrato. El protocolo existe; la fuente regional de Paraguaná todavía no está en el repo.

Enlaces

La morfología · El lexicón · El método comparativo · 03_descomposicion_toponimica · Zavala Reyes 2015 — Palabras vivas de una lengua muerta · Gatschet 1885 — The Aruba Language and the Papiamento Jargon · Van Buurt 2014 — Palabras caquetías en el papiamento · Alvarado 1921 — Glosario de voces indígenas de Venezuela