El corpus ROBOT TALK se creó con el objetivo de servir de muestra del lenguaje para hacer los análisis lingüísticos contrastivos tanto cuantitativos como cualitativos necesarios para responder a la pregunta principal del proyecto:  ¿es posible distinguir si un texto en español ha sido generado por un LLM o por una persona utilizando rasgos lingüísticos del texto?

Se trata de un corpus comparable monitor en español. Está compuesto por textos comparables por autor (humano, Gemini, Claude, GPT-3.5-Turbo, GPT-4, Mixtral y DeepSeek) de tres géneros principales, noticias, reseñas de cine y artículos científicos especializados en lingüística. Estos fueron recopilados entre diciembre 2022 y  marzo 2025.

 

  Muestra del corpus 

 

Características del corpus

• Texto escrito en español
• Comparables por autor
  • humano
  • Gemini
  • Claude
  • GPT-3.5-Turbo
  • GPT-4
  • Mixtral
  • DeepSeek

GÉNEROS	Artículos científicos	Noticias	Reseñas de cine
FUENTES	Revistas científicas de lingüística RSEL, Revista de investiación Lingüística, Revista electrónica de lingüística aplicada, Sintagma, Círculo de Lingüística Aplicada a la Comunicación, Asterisco, …	Noticieros en línea: RTVE, EFE	Web de reseñas de cine: Filmaffinity

 

Composición del corpus

Corpus comparable	Autor	Humano	Gemini	Claude	GPT-3.5-Turbo	GPT-4	Mixtral	Deep Seek	N.º de textos por género
Género de los textos	Artículos científicos	144	144	144	90	144	90	144	900
	Noticias	171	171	171	111	171	111	171	1077
	Reseñas de cine	160	160	160	95	160	95	160	990
N.º total de textos		475	475	475	296	475	296	475	2967