1.1. La jerarquía prosódica

Dentro de las teorías fonológicas modernas, donde la posición del segmento, y no el segmento en sí, es el epicentro de las representaciones fonológicas, nace la fonología prosódica, que se desarrolla a partir de la postulación de una jerarquía prosódica universal. Dicha teoría define plantillas prosódicas en las que se inserta la información fonológica (segmental), morfológica y sintáctica en la representación prosódica de cualquier lengua [3].

Nespor y Vogel (1986/1994) son unas de las primeras personas que han trabajado en este modelo concibiéndolo como una «teoría que organiza una secuencia de lengua determinada en una serie de constituyentes fonológicos jerárquicamente distribuidos en función de ciertas reglas postléxicas» (p. 18). Para cumplir estos dos requisitos, universalidad y jerarquía, dichas autoras establecen cuatro principios fundamentales que la cadena fónica o prosódica debe respetar (Nespor y Vogel, 1986/1994, p. 19) y que se pueden resumir de la siguiente manera:

1. Principio 1. Cada unidad de la estructura jerárquica se compone de una o más unidades de la categoría inmediatamente inferior.
2. Principio 2. Cada unidad perteneciente a un nivel de la jerarquía debe estar incluida en la unidad inmediatamente superior de la cual forma parte.
3. Principio 3. Las estructuras jerárquicas de la fonología prosódica son de ramificación n-aria [4].
4. Principio 4. La relación de prominencia relativa entre los nudos hermanos se caracteriza por la asignación del valor «fuerte» a uno de los nudos y el valor «débil» al resto.

Estos cuatro principios ya estaban presentes de alguna forma en la hipótesis de estratificación rigurosa (strict layer hypothesis), propuesta por Selkirk dos años antes (1984).

Con el desarrollo de la morfología prosódica propuesta por McCarthy y Prince (1986), a esta descripción se añade un mecanismo explicativo nuevo mediante la noción de alineamiento (alignment), por la que la jerarquía prosódica debe sustentarse en una restricción general que obliga a alinear los elementos que la componen desde el margen izquierdo de la secuencia, avanzando hacia la derecha del enunciado. La alineación de los bordes de los ámbitos morfológicos y prosódicos resulta decisiva en varios procesos fonológicos (y morfofonológicos) como los que se analizan en las presentes páginas (Pater y Paradis, 1996, p. 543).

No obstante, una de las asunciones básicas en la fonología prosódica es que no existe isomorfismo entre las estructuras sintáctica y prosódica. Así, la jerarquía prosódica se define por sus propios constituyentes prosódicos.

Se establecen seis unidades básicas que la conforman. De mayor a menor, son el enunciado fonológico (utterance; EF), el sintagma entonativo (intonational phrase; E), el sintagma fonológico (phonological phrase; φ), la palabra prosódica o fonológica (prosodic word; ω), el pie (foot; Σ) y la sílaba (syllable; σ). La presente investigación se centra en el sintagma fonológico; tanto las unidades inferiores como las unidades superiores de la jerarquía quedan fuera de los objetivos perseguidos en estas páginas. En la Tabla 1 se recogen los componentes de la jerarquía aplicados a un ejemplo del español.

En general, todos los autores están más o menos de acuerdo con esta clasificación. No obstante, Nespor y Vogel (1986/1994) o Hayes (1989) proponen un nivel intermedio entre el sintagma fonológico y la palabra prosódica: el grupo clítico, porque existen fenómenos fonológicos que no presentan como dominio de aplicación ni la palabra prosódica ni el sintagma fonológico. No todos los autores, sin embargo, consideran que el grupo clítico es una categoría diferenciada, porque este nivel no se define por procesos fonológicos específicos de su rango (Booij, 1988; Peperkamp, 1997; Selkirk, 1984). Otros fonólogos, por su parte, proponen un nivel más entre la palabra prosódica y el sintagma fonológico, como la palabra prosódica máxima (Ito y Mester, 2009) o el grupo de palabras prosódicas (Vigário, 2010), para describir la prosodificación de las palabras compuestas, niveles que tampoco todos los autores aceptan (Elordieta, 2014).

Sobre la descripción de la jerarquía prosódica del español en particular hay poco trabajo realizado hasta el momento, aunque sobre las categorías inferiores, como la sílaba o los pies métricos, se cuenta con bastantes estudios. Hualde (2003) y Nibert (2000) proponen que en esta lengua existen cuatro niveles únicamente: el sintagma entonativo, el sintagma intermedio (intermediate phrase; I), el sintagma fonológico y la palabra prosódica. Estos autores, aunque consideran cuestionable la existencia del sintagma fonológico en español, abogan por su existencia en esta lengua, a pesar de que hasta el momento no se haya demostrado mediante pruebas segmentales empíricas (Hualde, 2003; Nibert, 2000; v. también Prieto, 2006).

1.2. El sintagma fonológico

Nespor y Vogel (1986/1994, p. 194 y sigs.) definen el sintagma fonológico (φ) de la siguiente manera:

1. Ámbito de φ: contiene un núcleo léxico y todos los grupos clíticos de su lado no recursivo, hasta llegar al grupo clítico que alberga otro núcleo situado fuera de la proyección máxima del sintagma.
2. Construcción de φ: posee ramificación n-aria y abarca todos los grupos clíticos incluidos en una secuencia delimitada por la definición del ámbito del sintagma fonológico.
3. Prominencia relativa de φ: en las lenguas cuyos árboles sintácticos se ramifican a la derecha, el nudo situado más a la derecha dentro del sintagma fonológico recibe la etiqueta de «fuerte»; en cambio, en las lenguas cuyos árboles sintácticos se ramifican a la izquierda, es el nudo de más a la izquierda dentro del sintagma fonológico el que recibe la etiqueta de fuerte. A todos los nudos hermanos del nudo fuerte se les asigna la etiqueta de «débil».

En este constituyente se hace uso, por tanto, de nociones sintácticas más generales, como las de sintagma y núcleo sintagmático, que lo convierten en una categoría de interfaz. En las lenguas que incrustan oraciones a la derecha, como el español, cada sintagma fonológico está compuesto por el núcleo sintagmático y todo lo que le precede dentro del mismo sintagma. En estas, el nudo de más a la derecha es el fuerte y los demás son débiles. Según Nespor y Vogel (1986/1994):

El sintagma fonológico resultante constituye, pues, otra prueba de la falta de isomorfismo entre las jerarquías sintáctica y prosódica. […] Se ha demostrado que los complementos se agrupan en un sintagma fonológico junto con el núcleo si se encuentran a un lado del núcleo, [el izquierdo], y que forman sintagmas fonológicos independientes si se encuentran en el lado contrario [el derecho] (p. 213) [5].

Así sucede en los ejemplos siguientes, cuyo núcleo está a la derecha: en la casa, a la casa, no hay nada, pequeño niño, está guardada.

A pesar de las críticas al modelo, la jerarquía prosódica debe existir como parte de las representaciones fonológicas, ya que, de no ser así, no se podrían explicar en numerosas lenguas algunas características fonotácticas segmentales prosódicamente bien construidas, o el ritmo y la asignación de acentos, entre otras, que solo se adscriben a determinados niveles. Por otro lado, la sintaxis no puede predecir por sí sola la manera en la que se organizan los enunciados orales, para lo cual son necesarios los constituyentes prosódicos, porque «son las estructuras fonológicas de los constituyentes prosódicos y no los constituyentes sintácticos los que determinan el patrón prosódico de una oración» (Nespor y Vogel, 1986/1994, p. 297). Esto es, las unidades prosódicas son independientes de las fronteras sintácticas y —lo que es más importante— existen pruebas de que algunas reglas fonológicas y morfofonológicas operan en dominios que no coinciden con constituyentes sintácticos [6].

Por ello, cada una de estas unidades fonológicas se describe mediante reglas meramente fonológicas, tanto segmentales como suprasegmentales, que se aplican únicamente dentro de cada dominio prosódico. Así, se ha trabajado bastante en descubrir las reglas fonológicas cuyo ámbito de aplicación está delimitado por los márgenes de los constituyentes prosódicos en las diferentes lenguas.

Ahora bien, el sintagma fonológico es uno de los constituyentes que más se ha estudiado en otras lenguas (Selkirk y Tateishi, 1988, 1991; Truckenbrodt, 1995, 1999); no así en español. Por ejemplo, en francés la conocida liaison se produce solo en el ámbito del sintagma fonológico, lo cual prueba la existencia de este constituyente al menos en esa lengua. Así pues, en las distintas lenguas el sintagma fonológico se ha propuesto con base en procesos entonativos (Beckman y Pierrehumbert, 1986) y con base en procesos segmentales (Nespor y Vogel, 1986).

En lo que respecta al caso concreto del español, a nuestro entender no existe ningún trabajo sobre este constituyente que se aborde partiendo de los procesos segmentales y apenas se sabe nada sobre sus ámbitos de aplicación en esta lengua. De hecho, hasta el momento no se ha descubierto ninguna regla ni proceso fonológico que se aplique solo en este dominio y que, por ello, corrobore su existencia en español.

Los únicos trabajos publicados sobre este constituyente adoptan enfoques entonativos, como el de Hualde (2003), quien propone que, en español, el sintagma intermedio parece existir para evitar la ambigüedad de algunas estructuras sintácticas. Por ejemplo, una misma estructura sintáctica, como SVO, puede corresponderse con distintas estructuras informativas. En el ejemplo tomado de este autor (p. 168), en la oración La vieja lanza la amenaza, cuya estructura es SVO, se observa ambigüedad al darse dos lecturas posibles: [la vieja]SN [lanza la amenaza]SV y [la vieja lanza]SN [la amenaza]SV. Se hace necesario, por tanto, que exista un constituyente prosódico medio, inferior al sintagma entonativo, mediante el cual se resuelva la ambigüedad: el sintagma fonológico. Igualmente, Prieto (2006) caracteriza los sintagmas fonológicos en español por medio de la presencia de determinados finales ascendentes en el constituyente.

En esta misma línea, Benet Parente (2012, pp. 14–15) propone que, en español, se distingue perceptivamente un corte prosódico al final de un dominio que no posee frontera tonal (por tanto, tiene que ser inferior al sintagma intermedio), pero contiene más de una palabra prosódica y, en consecuencia, no puede ser otro que el sintagma fonológico.

Estos ejemplos apoyan en cierta medida la existencia del sintagma fonológico, probada solo desde el punto de vista entonativo. Para corroborar desde el ámbito segmental estas intuiciones, se han seleccionado algunos procesos fonológicos que en español afectan típicamente a los segmentos, como prueba objetiva, independiente del contenido entonativo, de la existencia del constituyente en cuestión. No obstante, todas las categorías prosódicas no condicionan necesariamente todos los procesos segmentales, pero, cuando un constituyente lo hace, dichos procesos proporcionan pruebas claras de su existencia; por ello, este estudio resulta relevante.

1.3. Procesos fonológicos en español objeto de análisis

En este trabajo se parte de unos procesos fonológicos, ya descritos en relación con el español (RAE, 2011), para definir el ámbito del sintagma fonológico, puesto que, si este constituyente efectivamente existiera en español, sería susceptible de delimitación a través de marcas fonológicas segmentales.

En concreto, se ha elegido el proceso de espirantización que sufren las oclusivas sonoras en ciertos contextos en todos los dialectos del español [7]. Así, /b/, /d/, /ɡ/, en ejemplos como bote, dama y gato, solo se realizan de manera oclusiva tras pausa o consonante nasal homorgánica, además de tras /l/ en el caso de /d/ ([ˈbo.te], [ˈda.ma], [ˈɡa.to]); mientras que en los demás contextos se realizan como aproximantes ([ˈβ̞o.te], [ˈð̞a.ma], [ˈɣ ̞a.to]), tanto dentro como fuera de los límites de las palabras (Martínez Celdrán, 1984) [8].

Por lo que respecta a la fricativa alveolar /s/, en español es sorda en posición de coda, pero puede sonorizarse ante consonantes sonoras (Quilis, 1993). Por ejemplo, en de/s/de es muy común la realización del segmento fricativo de forma sonora o sonorizada: de[z]de o de[s̬]de [9]. A pesar de que existe consenso general acerca de la existencia del fenómeno y de sus características, son más los datos basados en impresiones que los trabajos sistemáticos que profundicen en explicar esta cuestión (Campos-Astorkiza, 2010) [10]. Este proceso, al igual que el anterior, puede tener lugar dentro de una palabra o más allá de sus límites, como en los gatos [los̬.ˈɣ ̞a.tos] (para una revisión moderna, cf. Campos-Astorkiza, 2014).

Así, en el caso de las obstruyentes sonoras, si existe un límite prosódico a su izquierda, es probable que se produzca una realización oclusiva de dichos segmentos; por otra parte, en el caso de la fricativa alveolar /s/ en posición de coda, si existe un límite prosódico a su derecha, es probable que no se produzca la sonorización del segmento. Es decir, las palabras que contienen las oclusivas sonoras y la fricativa alveolar sorda se encuentran en un constituyente prosódico independiente del que contiene la palabra precedente (en el caso de las oclusivas sonoras) o siguiente (en el caso de la fricativa alveolar sorda). Se asume así que este constituyente prosódico es el sintagma fonológico.

Por ello, se ha decidido utilizar ambos procesos como pruebas válidas para intentar establecer la existencia del sintagma fonológico en español.

2.1. Estímulos y sujetos

Se construyó ad hoc una serie de estímulos, existentes en español, que contienen los cuatro segmentos en cuestión. Como la teoría prosódica admite la posibilidad de que diferentes estructuras sintácticas puedan dar lugar a un mismo patrón prosódico —ya que son las estructuras fonológicas de los constituyentes prosódicos las que determinan el patrón prosódico de una oración, no los constituyentes sintácticos (Nespor y Vogel, 1986/1994, p. 297)—, se seleccionaron contextos sintácticos básicos en español. Por lo tanto, las fronteras prosódicas de sintagma fonológico se corresponden con diferentes grados de cohesión sintáctica.

Así, se crearon estímulos en los que los contextos sintácticos que favorecen la realización de /b/, /d/, /ɡ/ como oclusivas o aproximantes y la realización de /s/ como sorda o sonorizada se correspondieran con el grado de cohesión sintáctica entre la palabra que contiene estos segmentos y la palabra precedente (en el caso de /b, d, ɡ/) o siguiente (en el caso de /s/). El grado de cohesión sintáctica entre dos palabras viene establecido por relaciones estructurales de complemento o adjunción, o por la pertenencia a las categorías léxica o funcional. El mayor grado de cohesión está representado por las secuencias determinante + nombre o clítico + verbo. Un grado de cohesión intermedio está representado por las secuencias nombre + adjetivo, verbo + objeto (tanto objetos cortos como largos) y sintagma nominal + sintagma preposicional (SN+SPrep, como en el nieto de Manolo, tipo de ejemplo que no aparece en la Tabla 2), en el sentido de que la palabra de la izquierda es el núcleo y, la de la derecha inicial, el complemento de esta. El menor grado de cohesión sería el de la secuencia sujeto + verbo (tanto sujetos cortos como largos) o cláusula subordinada + cláusula principal, o cláusula principal + parentética.

De cada secuencia se propusieron tres ejemplos para cada una de las oclusivas /b/, /d/ y /ɡ/, y tres para la fricativa alveolar /s/. En el caso de las fricativas, además, se añadió el contexto de nombre + adjetivo en plural (perros verdes) para controlar la posible diferencia entre una -s léxica (perteneciente al sustantivo) y una -s morfológica. Se controlaron los acentos en los estímulos para conseguir un equilibrio entre sílabas átonas y tónicas, ya que los estímulos se corresponden con palabras reales en las que no solo se buscó que la consonante en cuestión estuviera en el límite de los constituyentes, sino que en dichos límites hubiera igual número de sílabas átonas y tónicas, por lo que, por dar prioridad a los acentos y por usar palabras reales, no se pudieron controlar las vocales. Los estímulos se construyeron con /b/, /d/ y /ɡ/ en el límite derecho de la frontera, y con /s/ en el límite izquierdo de la frontera. En el ámbito de la palabra, en ambos casos el límite aparece en su interior como margen de sílaba (baba, desde). En el resto de los constituyentes sintácticos la frontera puede deberse a la existencia de una palabra, de un sintagma fonológico o de un constituyente superior. En la Tabla 2 se recogen, a modo de muestra, los ejemplos con la oclusiva bilabial.

Así pues, los estímulos creados fueron 84 para /b/ y el mismo número para /ɡ/, 88 para /d/ (por la inclusión de la preposición de), y 78 para /s/, lo que supone un total de 334 estímulos, que fueron leídos por los participantes.

Los casos de SN+Sprep que se han analizado corresponden a preposiciones que empiezan por oclusiva dental sonora /d/, pues no existen preposiciones en español que empiecen por /b/ o /ɡ/ que formen la construcción SN+Sprep. No obstante, para poder llevar a cabo los análisis estadísticos y que toda la muestra fuera homogénea, se eliminaron de los recuentos finales.

Dado que se trata de un estudio preliminar, en el presente análisis solo se recogen los resultados de dos informantes, un hombre y una mujer, ambos hablantes de la variedad centropeninsular del español, y ambos con estudios superiores.

2.2. Recogida de muestras

Se pidió a los informantes que leyeran de la forma más natural posible los estímulos construidos. Fueron grabados en mono en un entorno silencioso mediante el programa Audacity (versión 2.0.5), con una frecuencia de muestreo de 44 100 Hz y una resolución de 16 bits. Para ello se utilizó un micrófono cardioide Audio-technica MB 4k de condensador a unos 8–10 cm de la boca del informante. La señal se grabó directamente en un ordenador de mesa DELL Optiplex 360 en formato wav. Los estímulos se presentaron de manera aleatoria y se les pidió a los informantes que repitieran la lectura tres veces. Entre las repeticiones se dejaba transcurrir un tiempo para no fatigar a los participantes.

En total, se obtuvieron 768 muestras de obstruyentes oclusivas sonoras y 234 de fricativas alveolares de cada uno de los dos informantes, que suponen 1536 casos para las oclusivas y 468 casos para las fricativas, lo que suma un total de 2004 segmentos en producción leída, posteriormente analizados.

2.3. Análisis de la muestras

Para el tratamiento de los datos se usó el programa Praat (versión 5.3.82), y los segmentos en cuestión se anotaron mediante la opción TextGrid.

En el caso de las obstruyentes, se consideró que su realización era oclusiva si presentaban barra de explosión, y se etiquetaron como aproximantes o espirantizadas si no presentaban barra de explosión y además se apreciaban claramente los formantes. En el caso de la fricativa alveolar en posición de coda, se consideró sonora o sonorizada si presentaba barra de sonoridad.

Para los casos dudosos entre oclusiva o aproximante, los autores consultados coinciden en señalar que la oclusiva sonora dura más que la aproximante sonora, estableciendo distintos límites de duración e intensidad para delimitarlas: Parrell (2011), menos de 80 ms, y Martínez Celdrán, menos de 55 ms para las aproximantes (Martínez Celdrán, 2013; Martínez Celdrán y Fernández Planas, 2007); y menor intensidad en el caso de la oclusiva que en el de la aproximante, con un descenso de energía, en el punto más bajo, por debajo de 60 dB en las oclusivas (Hualde, Shosted y Scarpace, 2011; Hualde, Simonet y Nadeu, 2011; Ortega-Llebaria, 2004).

Por tanto, siguiendo a estos autores, como criterio para etiquetar el segmento como oclusivo o como aproximante cuando su adscripción a una categoría u otra era dudosa, se consideró que para ser etiquetado como aproximante no debía presentar barra de explosión, debía durar menos de 55 ms y la energía no debía descender por debajo de 60 dB. Las imágenes de las Figuras 1 y 2 muestran un ejemplo del criterio seguido: la Figura 1 muestra un ejemplo de realización oclusiva y, la Figura 2, de aproximante.

Figure 1. Oclusiva (papá barre).

Figure 2. Aproximante (bebé).

Por otra parte, en el caso de las fricativas, se consideró que existía sonorización cuando se apreciaban pulsos glotales regulares en la barra de sonoridad, tal como proponen Schmidt y Willis (2011) y Campos-Astorkiza (2014), [11]. En este sentido, se tuvo en cuenta la sonorización aunque fuera parcial y no afectara de manera completa al segmento [12]. En las Figuras 3 y 4 se presentan, respectivamente, un ejemplo de fricativa sorda y otro de fricativa sonora o sonorizada.

Cuando, en un contexto sintáctico determinado, se observa que al menos un 30 % del total de las obstruyentes sonoras presenta una realización oclusiva, o que al menos un 30 % del total de las fricativas alveolares en posición de coda se realizan como sordas, ello se ha interpretado como un índice de la existencia de una frontera prosódica que está bloqueando parcialmente el proceso de espirantización o de sonorización en cada caso [13].

Figure 3. Fricativa alveolar sorda (gustar).

Figure 4. Fricativa alveolar sonora (los botes).

Tras obtener y preparar los datos, se llevó a cabo un análisis estadístico usando el programa SPSS (versión 22.0.0). Para todos los casos se seleccionó la prueba de chi-cuadrado, pues las variables son siempre categóricas, siendo la variable dependiente la condición de oclusiva o de aproximante en las obstruyentes y de sorda o de sonora en las fricativas, y como factores la condición sintáctica, además de la comparación interhablante.