El lexicón activo es VOCABULARIO_BASE en curiana_sim/curiana_lexicon.py. Esta nota lo describe; no lo define. Las cifras de los bloques generados las mide y las escribe curiana_sim/tabla_lexicon.py con las mismas funciones que el tablero, y generar_tablero.py lo llama en cada cierre: hasta el 2026-09-24 eran una foto del 2026-08-04 escrita a mano («1413 entradas») que la wiki pública seguía publicando.

El tamaño real

<!-- GENERADO por curiana_sim/tabla_lexicon.py: tamano --> 5.490 entradas activas en VOCABULARIO_BASE, y 77 archivadas en FUERA_DEL_HABLA (fuera del habla, con su capa intacta). <!-- /GENERADO -->

cd curiana_sim && python -c "import curiana_lexicon as L; print(len(L.VOCABULARIO_BASE))"

Desglose por lengua

El campo fuente tiene muchos valores crudos distintos; normalize_source_language() (en curiana_database.py) los colapsa a estas categorías:

<!-- GENERADO por curiana_sim/tabla_lexicon.py: lenguas -->

93,1 % del lexicón no es caquetío: son comparanda, están ahí para reconstruir y medir, no para hablar. <!-- /GENERADO -->

score_linguistico() trata las comparanda como tan ajenas como el español — una fuga a wayunaiki penaliza igual que un artículo castellano (ver mapa-motor §scoring)—, salvo la esfera de contacto, que se mide aparte.

El desbalance wayunaiki : lokono fue el objeto de la decisión de fondo D11 → El método comparativo §el desbalance.

Las capas epistémicas del caquetío

⚠️ El núcleo ya no es lo que era: desde la tanda de las hermanas (2026-09-24) el «núcleo fundacional» se rehízo desde el lokono y el habla de mujeres kalinago —dos hermanas con la misma forma = reconstruida, una = hipotética—, sus voces viejas (que citaban «cognado» sin obra) están archivadas en FUERA_DEL_HABLA con su capa, y donde el caquetío atestiguado ya decía la cosa, manda él. Registro: 6-fusion/decisiones_tanda_hermanas_2026-09-24.yaml; cifras: 6-fusion/medicion_tanda_hermanas_2026-09-24.yaml.

<!-- GENERADO por curiana_sim/tabla_lexicon.py: capas --> De las 380 entradas de familia caquetía:

0 sin notas (sin cita). <!-- /GENERADO -->

(Las entradas sin notas eran 82 en julio de 2026.)

Quién sostiene el "atestiguado"

Este es el dato más importante de la nota.

<!-- GENERADO por curiana_sim/tabla_lexicon.py: sostiene --> De las 185 entradas caquetío-atestiguado, cuántas citan a cada obra en su campo notas (una entrada puede citar varias; los patrones salen del autor y los aliases de cada nota de 4-fuentes/, como en el tablero):

El caquetío atestiguado del proyecto es, casi entero, el glosario de Zavala Reyes 2015 (la tabla de arriba lo mide). 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:

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.

La regla: manda la atestiguada

Decisión de Miguel, 2026-09-19. «Sí o sí tenemos que usar los atestiguados por sobre los reconstruidos, por lo menos la parte caquetía.» Es una política, no una respuesta par a par: 6-fusion/decisiones_tanda_2026-09-19.yaml (d19.b).

Donde el caquetío tiene forma atestiguada para un significado, ésa es la que la comunidad habla y la que el instrumento enseña. La derivada —reconstruida, retroabstraída o hipotética— no se borra: se archiva con su procedencia, y deja de enseñarse y de competir.

Para qué es, entonces, la capa reconstruida

Precisión de Miguel, 2026-09-20 (d19.c). «Al final no pasa nada si hay símiles. En todo lenguaje hay símiles. Pero lo importante es que usemos sí o sí lo atestiguado, y lo reconstruido lo usemos para nuestros blind spots.»

La reconstrucción existe para cubrir los huecos donde no hay atestación —los puntos ciegos de la documentación—, no para duplicar lo que ya está documentado. De ahí sale el criterio para los casos dudosos:

• La sinonimia en sí no es el problema. Toda lengua tiene símiles, y dos voces atestiguadas para lo mismo son un dato, no un error: se conservan las dos y se declara la variación.
• Lo que la política corrige es la reconstrucción compitiendo con la atestación, que es una sinonimia que inventamos nosotros y que además el instrumento amplifica (ver la medición: decide la plantilla, no el muestreador).
• Una reconstruida sin rival atestiguado se queda sin discusión: está haciendo exactamente aquello para lo que existe. Por eso la política no toca los aspectos ni el grueso de las 86 reconstruidas.
• Y el caso barato: rival atestiguado que NO compite. Cuando la forma atestiguada existe pero cubre otro registro, no hay nada que archivar — se reparten el uso. Ver los pronombres, abajo.

El criterio operativo, porque es lo que decide los casos dudosos:

Aplicada el 2026-09-19 a siete pares: manda kasi sobre kali (sol), were sobre paa (ofrecer), jai sobre kira (escuchar), kati sobre kasha (luna), para sobre habo (mar), juri sobre joutai (viento) y etamo sobre mülia (espanto). Medición del corte —incluidos los dos costes que había que decir antes de aplicar, el paradigma de paa y la colisión kasi/kashi— en 6-fusion/medicion_politica_atestiguado_manda_2026-09-19.yaml. Lo que queda abierto (sima y once glosas por afinar) está en 6-fusion/curacion_glosas_pares_2026-09-19.yaml.

El caso barato: los pronombres

⚠️ Corrección del 2026-09-21 (d21.10). Esta nota decía que la política «no toca los pronombres» porque no tienen rival atestiguado, y eso no es exacto. El lexicón tiene dos pronombres caquetío-atestiguados con cita: kudanga 'usted, vos (2ª persona formal)' y kuté 'a usted, para usted (dativo formal)' — Zavala Reyes 2015 — Palabras vivas de una lengua muerta p. 73, citando a Arcaya 1920 — Historia del Estado Falcón: «chacamba cudanga» '¿cómo está usted?' y «cudan de cuté» 'para servir a usted'. Hasta esa fecha el prompt enseñaba cinco pronombres, los cinco reconstruidos del wayuu, y ninguno de los dos atestiguados.

Y aun así no hay nada que archivar: por eso es el caso barato de la política. El criterio de arriba pide glosa normalizada idéntica, y 'usted (formal)' no es 'tú': no hay par, así que la política no se dispara sola y hace falta una decisión aparte — que es la que Miguel tomó. pia y kudanga no compiten: se reparten registros, pia para el tú corriente y kudanga para dirigirse a un mayor o a un Diao. Es un rasgo social además de gramatical, y la era 2 tiene la jerarquía escrita para usarlo — el trato formal al Manaure en el Capubana y el tú corriente en el conuco.

Sirve de plantilla para los que vengan: «hay forma atestiguada» no significa siempre «archiva la otra». Si las dos cubren el mismo significado, manda la atestiguada y la derivada se archiva; si cubren registros distintos, entran las dos y se declara el reparto. Detalle gramatical en La morfología §1.

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.

⚠️ Y desde el 2026-09-19 es además una puerta. FORMAS_DE_PLANTILLA incluye FUERA_DEL_HABLA, así que una forma archivada tampoco compite: no se registra como acuñación ni entra en la competencia léxica. Sin eso, archivar una voz la sacaba de VOCABULARIO_BASE, la sacaba de la puerta y la dejaba volver al día siguiente como «palabra nueva de la comunidad» — kali, con 2.321 usos detrás, habría vuelto la primera.

Empezó con 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 boratio como 'piache, cacique, jefe, sacerdote, médico' — es decir, piache es la glosa española, boratio la 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.

Después entraron los cinco numerales reconstruidos del wayuu (wanee, piama, apünüin, pienchi, jarai), retirados el 2026-09-13 cuando Miguel decidió «Cambiemos los numerales» — el caquetío atestigua pana, gudamuen, sabuenen y katarí. Y el 2026-09-19, las siete de la política «manda la atestiguada». Hoy el archivo tiene 13 miembros (6 → 13 en esa tanda, medido en 6-fusion/medicion_politica_atestiguado_manda_2026-09-19.yaml §censo; se cuenta con len(FUERA_DEL_HABLA)), todos con su capa original y su procedencia entera. Las tres tandas son la misma regla dicha tres veces: donde hay dato, el dato manda; donde no lo hay, la reconstrucción es legítima y se queda.

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.

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 Korie-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 lexicon en Supabase: PostgREST corta cada respuesta en max_rows (1000). Con 1413 palabras, toda query sin .range() se trunca en silencio. Paginar con .range(desde, desde+999).

⚠️ lexicon_zavala.py no es solo una propuesta: curiana_lexicon.py lo importa (GLOSARIO_ZAVALA, HOMOGRAFOS_ZAVALA). Regenerarlo cambia el comportamiento de score_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↗