Revisión de ALTXA 1.2
funciones y manejo del software para análisis de textos
Review of ALTXA 1.2
FUNCITONALITIES AND USE OF THE SOFTWARE FOR TEXT ANALYSIS
Juan Antonio Latorre
Universidad Complutense de Madrid
jualator@ucm.es
https://orcid.org/0000-0002-0818-636X
Resumen: El presente artículo es una revisión
de la versión 1.2 del software ALTXA para el
análisis forense de textos. Esta herramienta
computacional aúna en una interfaz accesible
procedimientos básicos dentro de los estudios
forenses de atribución de autoría, tales como
el cálculo del número medio de palabras por
frase de una muestra y su riqueza léxica, con
otros de mayor complejidad, como es el caso
de la identicación de los n-gramas comparti-
dos entre dos muestras y la realización del Zeta
test. El desarrollo de este programa forma parte
de una iniciativa que pretende facilitar la im-
plementation de la lingüística forense en con-
textos educativos. El artículo también expondrá
brevemente el objetivo del canal de YouTube
Project ALTXA, donde se subirán videotuto-
riales sobre el uso del programa informático y
vídeos divulgativos sobre las distintas ramas de
la disciplina.
Abstract: The present article is a review of the
version 1.2 of the software ALTXA for forensic
text analysis. This computational tool com-
bines in an accessible interface basic proce-
dures within the eld of forensic authorship
studies, such as the calculation of the average
number of words per sentence of a sample and
its lexical richness, with more complex ones, as
it is the case of the identication of the n-grams
shared by two samples and the conduction of
the Zeta test. The development of this program
is part of an iniciative that seeks to facilitate the
implementation of Forensic Linguistics in ed-
ucational contexts. In addition, the article will
briey address the objective of the YouTube
channel Project ALTXA, where videotutorials
on how to use the software and informative
lectures about the distinct branches of the dis-
cipline will be uploaded.
Palabras clave: lingüística forense, lingüística
computacional, atribución de autoría, ALTXA.
Keywords: Forensic Linguistics, Computational
Linguistics, authorship attribution, ALTXA.
Del Español. Revista de Lengua, 1, 2023, pp. 219-232
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7921
Recibido: 11/10/2022
Aceptado: 12/12/2022
De lingüística forense, sección monográca dirigida por María García Antuña
Juan Antonio Latorre
Del Español. Revista de Lengua, 1, 2023, pp. 219-232
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7921
1. Introducción
Hace ya más de una década, Tim Grant (2007) identicó una tendencia
creciente hacia el empleo de métodos cuantitativos en el ámbito disciplinario
de la lingüística forense, ya que estos permiten una presentación cientíca
de los resultados que repercute positivamente en la credibilidad del investi-
gador.
El desarrollo de las herramientas computacionales que ha tenido lugar
durante las últimas décadas ha contribuido en gran medida al perfecciona-
miento de estos métodos cuantitativos, pues su uso facilita la consideración
de variables estadísticas que en otros tiempos no eran accesibles (Kinney,
2009).
Dentro del contexto de los estudios forenses de atribución de autoría, los
investigadores cuentan con un catálogo de herramientas computacionales
cada vez más amplio, lo cual está directamente relacionado con el auge que
está experimentando la disciplina en el mundo académico, donde el número
de publicaciones relacionadas con la materia crece exponencialmente.
Dichas herramientas están disponibles para el usuario en forma de pro-
gramas descargables, como es el caso de WordSmith Tools y AntConc (véase
Smith [2021] para una revisión exhaustiva de una de las últimas actualiza-
ciones de ambos), y plataformas online como Voyant Tools (véase Alhudithi
[2021] para una revisión detallada de sus funcionalidades), SAUTEE (véase
López-Escobedo, Sierra y Solórzano [2019] para una demostración práctica
de sus posibilidades) y el archiconocido Sketch Engine (véase Arias Rodrí-
guez y Fernández-Pampillón Cesteros [2020] para un videotutorial dirigido a
aquellos que aún no están familiarizados con su uso). Asimismo, si bien las
herramientas previamente mencionadas poseen funcionalidades limitadas,
los lenguajes de programación como Java, Python y C++ ofrecen innitud de
posibilidades, aunque su manejo suele estar restringido a aquellos usuarios
con conocimientos informáticos sólidos. En este último apartado destaca
también el lenguaje de programación R, que cuenta con un paquete orienta-
do al cálculo estilométrico. No obstante, cabe reiterar que el dominio de los
lenguajes de programación suele estar fuera del rango de conocimientos de
un lingüista.
El presente artículo pretende realizar una revisión de la versión 1.2 del
programa informático ALTXA, desarrollado en Java por el Doctor en Lin-
güística Forense Juan Antonio Latorre García y el programador informático
Carlos Antón Castaño con el propósito de combinar un catálogo amplio de
| 220 |
Revisión de ALTXA 1.2
Del Español. Revista de Lengua, 1, 2023, pp. 193-232
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7921
métodos forenses de atribución de autoría con una interfaz intuitiva y, por
consiguiente, accesible para todo tipo de usuarios. El objetivo a largo plazo
tras la creación de esta herramienta es facilitar su inclusión en contextos
educativos, donde no solo hay una escasez de expertos forenses, sino de he-
rramientas orientadas a la enseñanza. La validez de ALTXA ha sido testada
en un estudio sobre la autoría de la obra isabelina Arden of Faversham (1592),
en el que William Shakespeare y Christopher Marlowe fueron considerados
los autores potenciales (Latorre García [2022]).
2. Funcionalidades y manejo de ALTXA
A continuación presentaremos las distintas funcionalidades de ALTXA y
el modo de acceder a ellas a través de su interfaz, así como las principales
similitudes y diferencias que esta herramienta presenta con respecto a otras
también empleadas en el ámbito de la lingüística forense. Cada subsección
se centrará en una pestaña de la interfaz y las posibilidades que esta ofrece.
Previo a dichas subsecciones, cabe mencionar que ALTXA puede descar-
garse tanto en el perl de GitHub JuanAntonioLatorre como en la cuenta de
Twitter @projectaltxa, donde también se publicarán futuras actualizaciones.
ALTXA es compatible con todos los sistemas operativos y, para su correcto
funcionamiento, es imprescindible que el usuario tenga Java descargado en
el dispositivo donde lo vaya a utilizar.
2.1 La pestaña «Text Analysis»
Nada más abrir el programa, el usuario se encontrará por defecto en la pes-
taña Text Analysis (Figura 1). El primer chero, llamado Text le, está diseñado
para almacenar la muestra que el usuario desee analizar, la cual debe subirse
en formato .txt. Al clicar Execute, el usuario tendrá acceso inmediato a una se-
rie de variables básicas sobre la muestra, siendo la primera de estas su núme-
ro de oraciones. Para calcular este parámetro, ALTXA considerará como nal
de oración el punto, los dos puntos, el signo de cierre de exclamación y el de
cierre de interrogación. Asimismo, el programa también mostrará el número
total de palabras o tokens de la muestra, su número medio de letras por palabra,
su número medio de palabras por frase, su número de palabras únicas o types
y, por último, el porcentaje de su riqueza léxica. Este último parámetro con-
| 221 |
Juan Antonio Latorre
Del Español. Revista de Lengua, 1, 2023, pp. 219-232
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7921
siste en la división del número de palabras únicas de la muestra o types entre
su número total de palabras o tokens multiplicada por cien. Así pues, la rique-
za léxica representa el porcentaje de palabras distintas que posee la muestra.
Figura 1. Pestaña
Text analysis
El usuario también tiene la posibilidad de calcular la frecuencia relativa de
una lista de palabras clave de su elección en la muestra si, antes de clicar Exe-
cute, sube al chero Keyword le un documento txt. con dichas palabras escri-
tas en minúscula y separadas por un espacio. La frecuencia relativa de una
palabra clave en una muestra se calcula dividiendo su número de apariciones
entre el número total de palabras o tokens de la muestra y multiplicando
el resultado por cien. En la Figura 2 tenemos una muestra del aspecto de la
pestaña Text Analysis con salida de datos para todos los parámetros descritos
hasta el momento.
Las funcionalidades descritas en este apartado se corresponden con el cál-
culo de parámetros básicos. Puesto que dichos parámetros también son ac-
cesibles desde otras herramientas computacionales mencionadas en el apar-
tado anterior, como es el caso de Voyant Tools y WordSmith Tools, podría
decirse que ALTXA no ofrece nada novedoso en este apartado. La inclusión
de estas funcionalidades en el programa está más bien relacionada con la
idea de cubrir las necesidades básicas del usuario promedio de este tipo de
herramientas. La próxima subsección del artículo mostrará un nicho de ac-
ción más especíco de ALTXA.
| 222 |
Revisión de ALTXA 1.2
Del Español. Revista de Lengua, 1, 2023, pp. 193-232
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7921
Figura 2. Muestra de salida de datos en la pestaña
Text analysis
2.2 La pestaña «N-gram Analysis»
Los n-gramas suelen denirse como combinaciones de una o más formas
lingüísticas (normalmente caracteres o palabras, aunque existen de otros ti-
pos) que tienen lugar de forma consecutiva dentro de una misma oración
(Cheng, Greaves y Warren [2006]; Ishihara, 2014; Grieve, Clarke, Chiang,
Gideon, Heini, Nini y Waibel [2018]).
Tal y como podemos observar en la Figura 3, en la pestaña N-gram Analysis
de ALTXA el usuario tiene la posibilidad subir dos muestras independientes
en formato .txt. Al clicar Execute, el programa identicará los n-gramas de
palabras que estas dos muestras comparten. Para optimizar el tiempo, es
recomendable subir la muestra de menor tamaño al primer chero, pues
ALTXA elaborará una lista de todos los n-gramas de palabras que esta contie-
ne para después buscar coincidencias en la segunda muestra. Esto signica
que, si se sube la muestra de mayor tamaño al primer chero, el proceso
puede tardar algunos segundos más.
| 223 |
Juan Antonio Latorre
Del Español. Revista de Lengua, 1, 2023, pp. 219-232
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7921
Figura 3. Pestaña
N-gram tracing
La Figura 4 constituye un ejemplo de salida de resultados. Como se puede
observar en la imagen, ALTXA no solo muestra el número de n-gramas de
cada tipo que comparten las muestras, sino que también revela cuáles son
esos n-gramas y cuántas veces aparecen en cada una de las dos muestras, en
caso de que el usuario desee realizar un análisis cualitativo de los mismos. El
orden de aparición de los n-gramas en la interfaz de ALTXA estará determi-
nado por su tamaño y, por ejemplo, los 6-gramas precederán a los 5-gramas,
y así sucesivamente.
Si bien la identicación de n-gramas es una funcionalidad presente en
otras herramientas computacionales como AntConc y Sketch Engine, cabe
destacar que, mientras que en estas está orientada principalmente a la reali-
zación de una búsqueda customizada de n-gramas dentro de un determina-
do corpus, ALTXA se centra en la identicación de aquellos compartidos por
dos muestras o corpus independientes, lo cual puede ser de mayor utilidad
en estudios de atribución de autoría.
| 224 |
Revisión de ALTXA 1.2
Del Español. Revista de Lengua, 1, 2023, pp. 193-232
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7921
Figura 4. Pestaña
N-gram tracing
2.3 La pestaña «ZTest Analysis»
Por último, explicaremos de forma sintética los distintos pasos que con-
forman la realización de la variante del Zeta test propuesta por Craig y Kinney
(2009) y la forma en que este puede llevarse a cabo a través de ALTXA. Este
método se utiliza en estudios de atribución de autoría para comparar una
muestra dubitada con dos corpus de referencia para ver con cuál de ellos
presenta mayor similitud léxica.
En primer lugar, los dos corpus de referencia deben dividirse en fragmen-
tos de 2000 palabras y aquellas residuales que se encuentren al nal de un
texto dentro del corpus deben anexionarse al último fragmento de 2000 pa-
labras de dicho texto. Si procede, la muestra dubitada debe dividirse siguien-
do los mismos criterios.
El siguiente paso consiste en la obtención de 500 marcadores para cada
uno de los dos corpus de referencia. Estos marcadores deben ser, según los
autores, palabras léxicas, por lo que las palabras gramaticales y los nombres
propios deben ser ignorados durante el proceso. Para determinar si una pa-
labra léxica puede convertirse en uno de los 500 marcadores de uno de los
corpus de referencia, es necesario calcular el porcentaje de fragmentos de
2000 palabras o más de este en los que aparece, independientemente del
número de apariciones, y el porcentaje de fragmentos de 2000 palabras o
más del otro corpus en los que no aparece. Si estos porcentajes de aparición
| 225 |
Juan Antonio Latorre
Del Español. Revista de Lengua, 1, 2023, pp. 219-232
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7921
y no aparición de cada palabra léxica se suman y el resultado es superior a
100, esta pasa a ser un marcador potencial del primero de los corpus. Las
500 palabras que obtengan mediante este proceso un resultado superior a
100 se convertirán, por tanto, en los marcadores del primer corpus, y este
proceso debe realizarse a la inversa para obtener los 500 marcadores del
segundo corpus.
Una vez que se han obtenido los 500 marcadores para cada uno de los dos
corpus de referencia, es el momento de realizar una representación gráca
de los fragmentos de 2000 palabras o más en los que estos y la muestra dubi-
tada se dividieron. Para ello, estos deben colocarse sobre un plano de coorde-
nadas en el que el valor del eje x para cada fragmento esté determinado por
la división del número de marcadores del primer corpus de referencia que
contenga entre su número de palabras distintas, mientras que el valor del eje
y resulte de la división entre el número de marcadores del segundo corpus
de referencia que contenga el fragmento y su número de palabras distintas.
Los fragmentos de los dos corpus de referencia se agruparán en posicio-
nes opuestas del eje de coordenadas, por lo que la autoría de los fragmentos
de la muestra dubitada se determinará por su proximidad hacia una u otra.
En caso de que no sea posible discernir a simple vista hacia cuál de las dos
agrupaciones de fragmentos indubitados se aproximan más aquellos de la
muestra dubitada, se debe calcular el centroide de ambas agrupaciones y
calcular la distancia de estos con respecto a la posición de cada fragmento
dubitado.
Si bien el Zeta test es un método complejo de atribución de autoría, el
diseño de la interfaz de ALTXA permite que su realización sea accesible.
En la pestaña Ztest, el usuario encontrará cuatro cheros (Figura 5). Los dos
primeros permiten almacenar los corpus de referencia en formato .txt. Si
estos corpus están integrados por más de un texto, el usuario debe escribir la
combinación de símbolos #@# al nal de cada texto dentro del corpus para
que ALTXA pueda dividirlos correctamente, es decir, en fragmentos de 2000
palabras, pero añadiendo aquellas palabras residuales al nal de cada texto al
último fragmento de este. La muestra dubitada debe subirse al tercer chero
en formato .txt y siguiendo las mismas indicaciones descritas con anteriori-
dad en caso de que contenga más de un texto.
El cuarto chero permite almacenar lo que se conoce como stop list, es de-
cir, una lista de palabras ignoradas para la obtención de los 500 marcadores
de ambos corpus. En ella, el usuario debe incluir las palabras gramaticales de
la lengua en la que esté realizando su estudio, a las cuales se puede acceder a
| 226 |
Revisión de ALTXA 1.2
Del Español. Revista de Lengua, 1, 2023, pp. 193-232
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7921
través de numerosas páginas web donde aparecen recogidas en forma de lista,
los nombres propios de los corpus de referencia y cualquier otro ítem léxico
que desee ignorar. La posibilidad de elaborar una stop list para adaptar la con-
ducción de cada Zeta test a las necesidades especícas del investigador es una
de las ventajas que ofrece ALTXA para la conducción de este procedimiento.
Figura 5. Pestaña
Zeta test
Al clicar Execute, ALTXA dividirá las muestras siguiendo los criterios des-
critos anteriormente, calculará los 500 marcadores para los dos corpus de re-
ferencia y colocará cada uno de los fragmentos de 2000 o más palabras en un
plano de coordenadas que el usuario recibirá en forma de archivo .png como
el que podemos observar en la Figura 6 (véase Latorre García [2022] para ver la
gráca en su contexto). El programa representará los fragmentos del primer
corpus de referencia con cuadrados de color rojo, los fragmentos del segundo
corpus de referencia con círculos de color azul y, por último, los fragmentos
de la muestra dubitada con triángulos de color negro. Asimismo, ALTXA ge-
nerará un documento de Excel donde se detallen las coordenadas de cada frag-
mento sobre el plano de coordenadas, en caso de que el usuario desee expor-
tarlas a otra base de datos con facilidad, y otro con los 500 marcadores de cada
corpus de referencia para que el usuario pueda revisarlos en busca de errores.
En la actualidad, ALTXA es la única herramienta computacional que per-
mite la conducción del Zeta test de una forma tan intuitiva y adaptada a las
necesidades del usuario.
| 227 |
Juan Antonio Latorre
Del Español. Revista de Lengua, 1, 2023, pp. 219-232
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7921
Figura 6. Muestra de salida de datos en la pestaña
Zeta test
2.4 Opciones avanzadas
La versión 1.2 de ALTXA ofrece una serie de opciones avanzadas para el
tratamiento de las muestras. Si el usuario clica el botón File, que se encuen-
tra en la esquina superior izquierda de la interfaz (véanse Figuras 1, 2, 3, 4 y
5), tendrá la posibilidad de activar la opción de que el programa ignore todas
las secuencias de texto incluidas entre corchetes. Asimismo, también tendrá
la posibilidad de comprobar el modo en el que ALTXA divide las palabras y
las oraciones de las muestras activando el Debug mode, lo cual puede ser de
utilidad a la hora de corregir errores o entender algunos de los resultados.
Por último, aquellos usuarios con conocimientos básicos de programación
tienen la posibilidad de eliminar secuencias de texto usando REGEX (Regular
| 228 |
Revisión de ALTXA 1.2
Del Español. Revista de Lengua, 1, 2023, pp. 193-232
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7921
Expressions). La Figura 7 muestra el aspecto de este panel de opciones avanza-
das sobre la interfaz del programa.
Figura 7. Opociones avanzadas en ALTXA
3. Futuras actualizaciones
y el canal de YouTube Project ALTXA
A comienzos de cada año se publicará una actualización de ALTXA que
ofrecerá al menos una nueva funcionalidad orientada a los estudios forens-
es de atribución de autoría. La versión 2.0 de ALTXA, que saldrá en enero
de 2023, añadirá la posibilidad de realizar un Principal Component Analysis
(véase Craig y Kinney [2009] para una explicación exhaustiva de este méto-
do). Así pues, ALTXA continuará expandiendo de forma gradual su catálogo
de funcionalidades, las cuales se presentarán siempre de forma intuitiva al
usuario para facilitar el asentamiento de la disciplina tanto en contexto pro-
fesionales como docentes.
Con este propósito en mente, en octubre de 2022 se estrenó el canal de
YouTube Project ALTXA, el cual no solo ofrecerá videotutoriales acerca del
uso de la herramienta, sino también vídeos divulgativos de diversa índole
relacionados con la lingüística forense. Estos podrán tratar aspectos más teó-
ricos de la disciplina, como el Plain English Movement (Felsenfeld [1981]), o
explorar casos de carácter práctico, tales como el asesinato de Dulcéliz Díaz
(Fitzgerald [2014]), los cuales pueden ser de gran utilidad para estudiantes e
| 229 |
Juan Antonio Latorre
Del Español. Revista de Lengua, 1, 2023, pp. 219-232
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7921
investigadores en ciernes a la hora de orientar sus propios proyectos. De esta
forma, el canal de YouTube servirá para reforzar una iniciativa que pretende
la democratización de la disciplina en todas sus formas.
| 230 |
Revisión de ALTXA 1.2
Del Español. Revista de Lengua, 1, 2023, pp. 193-232
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7921
Alhudithi, Ella (2021): «Review of Voyant
Tools: See through your Text», Language
Learning & Technology, 25, 3, pp. 43-50,
https://doi.org/10125/73446.
Anthony, Laurence (2022). AntConc (versión
4.0.3) [programa informáco], https://
www.laurenceanthony.net/softEware/antconc/.
Arias Rodríguez, Iván (2020). Taller de Sketch
Engine [vídeo], https://www.youtube.com/
watch?v=rLNs2UUVHB8.
Cheng, Winnie; Greaves, Chris; y Warren, Martin
(2006). «From N-gram to Skipgram to
Concgram», International Journal of
Corpus Linguistics, 11, 4, pp. 411-433,
https://doi.org/10.1075/ijcl.11.4.04che.
Craig, Hugh;, y Kinney, Arthur F. (2009). «Me-
thods», en Hugh Craig y Arthur F.
Kinney (eds.), Shakespeare, Computers
and the Mystery of Authorship, Cambri-
dge: Cambridge University Press, pp.
15-39.
Felsenfeld, Carl (1981). «The Plain Engli-
sh Movement in the United States»,
FLASH: The Fordham Law Archive of
Scholarship and History, 6, pp. 408-
421.
Fitzgerald, James R. (2014). «Atribución de
autoría y supuestas notas de suicidio:
Análisis lingüístico forense y su papel
en los tribunales penales estadouni-
denses en dos crímenes violentos ocu-
rridos en 2007», en Elena Garayzábal,
Miriam Jiménez Bernal y Mercedes
Reigosa (coords.), Lingüística forense: la
Lingüística en el ámbito Legal y Policial,
Madrid, Euphonía Ediciones, pp. 49-77.
Grant, Tim (2007). «Quantifying evidence in
forensic authorship analysis», The In-
ternational Journal of Speech, Language
and the Law, 14, 1, pp. 1-25, https://doi.
org/10.1558/ijsll.v14i1.1.
Grieve, Jack; Clarke, Isobelle; Chiang, Emily; Gide-
on, Hannah; Heini, Annina; Nini, Andrea;
y Waibel, Emily (2018). «Attributing the
Bixby Letter Using N-gram Tracing»,
Digital Scholarship in the Humanities,
34, 3, pp. 493-512, https://doi.org/10.1093/
llc/fqy042.
Ishihara, Shunichi (2014): «A Likelihood Ra-
tio Based Evaluation of Strength of Au-
thorship Attribution Evidence in SMS
Messages Using N-grams», The Inter-
national Journal of Speech, Language
and the Law, 21, 1, pp. 23-49, https://doi.
org/10.1558/ijsll.v21i1.23.
Kilgarri, Adam; y Rychlý, Pavel (2003). Sketch
Engine [herramienta en línea], https://
www.sketchengine.eu/.
Bibliografía
| 231 |
Juan Antonio Latorre
Del Español. Revista de Lengua, 1, 2023, pp. 219-232
ISSN: 3020-2434 (en línea), 3045-543X (impresa). https://doi.org/10.33776/dlesp.v1.7921
Kinney, Arthur F. (2009). «Authoring Arden of
Faversham», en Hugh Craig y Arthur
F. Kinney (eds.), Shakespeare, Comput-
ers and the Mystery of Authorship, Cam-
bridge, Cambridge University Press,
pp. 78-99.
Latorre García, Juan Antonio (2022). Attribution
of Authorship of «Arden of Faversham»:
A Forensic Linguistic Study of William
Shakespeare and Christopher Mar-
lowe, tesis doctoral dirigida por María
Goicoechea y Elena Martínez Caro,
Madrid, Universidad Complutense de
Madrid.
Latorre García, Juan Antonio; y Antón Castaño,
Carlos (2021). ALTXA [programa in-
formático], https://github.com/JuanAn-
tonioLatorre/ALTXA.
López-Escobedo, Fernanda; Sierra, Gerardo; y
Solórzano, Julián (2019). «SAUTEE: un
recurso en línea para análisis esti-
lométricos», Linguamática, 11, 1, pp.
69-81, https://doi.org/10.21814/lm.11.1.270,
Scott, M. (2021). WordSmith Tools (Versión
8) [programa informático], https://www.
lexically.net/wordsmith/.
Sierra, Gerardo; López, Fernanda; Solórzano Soto,
Julián; Torres, Juan Manuel; y Montes, Asu-
cena (2019). SAUTEE [herramienta en
línea], http://www.corpus.unam.mx/sautee#.
Sinclair, Stéfan; y Rockwell, Georey (2022). Vo-
yant Tools (Versión 2.5.3) [herramienta
en línea], https://voyant-tools.org/.
Smith, Emily Louisa (2021). «A Review of
the Computational Linguistics Tools
WordSmith Tools (Version 8) and Ant-
Conc (version 3.5.8)», Renaissance and
Reformation, 44, 1, pp. 200-214, https://
doi.org/10.33137/rr.v44i1.37062.
| 232 |
