Datos y código de reproducibilidad: sesgo ideológico en la ortografía del 'solo' adverbial en programas electorales españoles, 2023–2026 [v2.2]

Paquete de datos y código de reproducibilidad del estudio sobre el sesgo ideológico en la ortografía del «solo» adverbial en programas electorales españoles (2023–2026). El estudio examina si la elección entre solo y sólo en usos adverbiales —tilde desaconsejada por la RAE desde 2010 y objeto de controversia normativa— está asociada a la posición ideológica del partido emisor. Sobre un corpus de 150 programas electorales de elecciones generales, autonómicas y europeas, se identificaron y clasificaron 2.067 ocurrencias de la forma singular, de las cuales 1.858 usos adverbiales en castellano constituyen la base del análisis. Los resultados muestran un gradiente ideológico ordenado izquierda→derecha en la preferencia por la tilde (ρ de Spearman = 0,42; p < 0,001, a nivel de documento), robusto al control por elección mediante efectos fijos (odds ratio de Vox frente al PSOE: 11,8; IC 95%: 9,7–14,4), con la derecha radical como caso extremo. Contenido del paquete: datos/ — ocurrencias clasificadas y verificadas (v2.2, dato de registro, con trazabilidad completa de auditoría fila a fila), tablas agregadas por documento e inventario del corpus con hashes SHA-256 de los PDF originales y de los textos extraídos. Se incluye el corpus en txt. codigo/ — pipeline íntegro en dos fases: extracción y clasificación originales (scripts 01–08, incluidas las lecturas visuales de los documentos OCR) y capa de auditoría y análisis definitivo (scripts 09–11, con validador integrado corpus↔ocurrencias). docs/ — codebook con diccionario de variables y protocolo de codificación (reglas sintácticas, tratamiento de hipertildes, exclusión de títulos de normas, falso amigo gallego solo/suelo), registro de decisiones metodológicas e informes de la primera fase. salidas/ — figura de referencia (PDF vectorial y PNG a 300 ppp). La fidelidad del pipeline está verificada: el extractor original regenera exactamente el conjunto de ocurrencias activas en los 150 documentos. Los PDF originales no se redistribuyen; el inventario contiene las URL de origen y los hashes necesarios para obtener y verificar copias idénticas. Requisitos: Python ≥ 3.11; dependencias en requirements.txt. Código bajo licencia MIT; datos y documentación bajo CC BY 4.0.