New approaches, methods, and tools for the quantitative study of Legal English

Abstract

Esta tesis doctoral presenta una propuesta innovadora para el estudio del inglés jurídico, integrando enfoques interdisciplinares desde la lingüística de corpus, los estudios del discurso, la traducción jurídica y la tecnología de la argumentación. Partiendo de una revisión crítica de la literatura especializada, el trabajo identifica una falta de convergencia entre los estudios cualitativos tradicionales —centrados en el análisis de géneros y traducción— y las metodologías cuantitativas más recientes —como el análisis multidimensional (MDA) y la minería de argumentos—. En este contexto, se plantea como objetivo general el desarrollo de nuevas aproximaciones, métodos y herramientas para el estudio del inglés jurídico que favorezcan una comprensión más profunda, sistemática y empíricamente contrastada de sus géneros, estructuras y estrategias argumentativas. La metodología seguida combina el diseño y análisis de corpus con técnicas estadísticas avanzadas y procedimientos de anotación manual y automática de esquemas argumentativos. Como parte fundamental de este enfoque empírico, se ha compilado un nuevo corpus, el British Statute Law Corpus (BSLC), compuesto por más de 10 millones de palabras procedentes de leyes promulgadas por los distintos parlamentos británicos. Esta compilación responde a la necesidad de contar con un corpus representativo del lenguaje legislativo británico contemporáneo, que complemente al ya existente British Law Report Corpus (BLRC), centrado en la jurisprudencia de los años 2000-2010. Una vez obtenidos los datos, se aplicó el análisis multidimensional (MDA) según el marco teórico y metodológico de Biber (1988), con el fin de identificar las dimensiones subyacentes del discurso jurídico británico. La comparación entre legislación (BSLC) y jurisprudencia (BLRC) permitió observar diferencias significativas en seis dimensiones textuales, entre las que destacan la orientación hacia el receptor (guiado frente a no guiado), el grado de implicación subjetiva, la orientación persuasiva del texto y el grado de abstracción de la información. Estos resultados confirman en parte los hallazgos previos de estudios cualitativos sobre los géneros jurídicos, pero también revelan nuevas perspectivas que solo pueden obtenerse mediante enfoques cuantitativos. En una segunda fase del estudio, se utilizaron las dimensiones originales de Biber para situar los géneros jurídicos británicos en un espacio textual común junto a otros géneros especializados y generales, mediante la herramienta Multidimensional Analysis Tagger (MAT). Esto permitió identificar el lugar que ocupa el inglés jurídico dentro del continuo de registros del inglés contemporáneo, evidenciando su carácter altamente informativo, no narrativo y dependiente del contexto institucional. Finalmente, en colaboración con el Centre for Argumentation Technology de la Universidad de Dundee, se diseñó y aplicó una guía de anotación manual para esquemas de argumentación jurídica basada en el modelo de Walton. Un corpus reducido de sentencias fue anotado manualmente, y sus características lingüísticas fueron analizadas mediante la biblioteca NLTK. Posteriormente, se realizaron correlaciones de Pearson entre los esquemas argumentativos identificados y las variables lingüísticas, obteniendo resultados preliminares que sugieren patrones recurrentes entre ciertos recursos lingüísticos (como los marcadores discursivos y los verbos modales) y tipos específicos de esquemas argumentativos. En conjunto, esta tesis contribuye significativamente al estudio del inglés jurídico al ofrecer una visión empírica, cuantitativa y multimétodo que permite contrastar, refinar y ampliar los conocimientos previos. Además, proporciona recursos metodológicos (corpus, guías de anotación, herramientas estadísticas) de gran utilidad para futuras investigaciones en lingüística aplicada, traducción jurídica y tecnologías del lenguaje. La combinación de corpus lingüístico, análisis estadístico y anotación argumentativa demuestra ser una vía prometedora para entender mejor los mecanismos retóricos y estructurales del discurso jurídico en inglés.

This doctoral dissertation proposes an innovative framework for the study of Legal English by integrating interdisciplinary approaches from corpus linguistics, discourse studies, legal translation, and argumentation technology. Through a critical review of the specialised literature, the research identifies a significant gap between traditional qualitative studies—focused on genre analysis and legal translation—and more recent quantitative methodologies such as Multidimensional Analysis (MDA) and argument mining. Against this backdrop, the main objective is to develop new approaches, methods, and tools that facilitate a more comprehensive, efficient, and empirically grounded study of Legal English genres, structures, and argumentative strategies. The methodology combines corpus design and analysis with advanced statistical techniques and both manual and automated annotation of legal argumentation schemes. A central component of this empirical approach is the compilation of a new corpus, the British Statute Law Corpus (BSLC), comprising over 10 million words from statutes enacted by the various British parliaments. This resource fills a gap left by existing corpora, particularly the British Law Report Corpus (BLRC), which focuses on case law from the 2000s. The BSLC provides a contemporary and representative sample of British statutory discourse, thereby enabling comparisons between legislation and case law within the same legal system. Once the corpus was compiled, a Multidimensional Analysis (MDA) was conducted following Biber’s (1988) methodological framework. The aim was to identify clusters of co-occurring linguistic features and interpret them as underlying textual dimensions. The comparison between legislation (BSLC) and case law (BLRC) revealed significant differences across six textual dimensions, including guidance orientation (guided vs. unguided), degree of subjectivity, argumentative focus, and information abstraction. These findings partly confirm previous conclusions drawn from qualitative studies on legal genres, while also offering novel insights that emerge only from large-scale quantitative analysis. In a second phase, the original MDA dimensions were used to position British legal genres within a broader spectrum of general and specialised English registers. This was achieved using the Multidimensional Analysis Tagger (MAT), allowing for direct comparison with genres such as academic prose, fiction, and conversation. Results highlighted the distinctive features of Legal English, which is characterised by a highly informational, non-narrative, and context-dependent style, especially in statutory texts. Finally, during a three-month research stay at the Centre for Argumentation Technology (University of Dundee), a pilot study was developed to explore the relationship between linguistic features and legal argumentation schemes. Based on Walton’s model, a set of annotation guidelines was created and applied to a sample corpus of four judicial decisions. The legal argumentation schemes were manually annotated, and linguistic features were automatically tagged using the Natural Language Toolkit (NLTK). Pearson’s correlation tests were then performed to investigate possible links between argument schemes and linguistic patterns. Preliminary results suggest that specific linguistic markers—such as modal verbs and discourse connectives—may be associated with particular types of argument schemes, offering a promising direction for future research in argument mining. Overall, this dissertation makes a significant contribution to the field of Legal English by offering a novel, data-driven, and multi-methodological perspective that allows for the validation, refinement, and expansion of previous research. It also provides useful resources—including corpora, annotation protocols, and analytical tools—for further studies in applied linguistics, legal translation, and language technologies. The combination of corpus linguistics, statistical analysis, and argument scheme annotation demonstrates the potential of interdisciplinary research for better understanding the rhetorical and structural mechanisms of legal discourse in English.