Uso de Oralstats para la caracterización prosódica de hablantes en distintos géneros discursivos

1. INTRODUCCIÓN

El objetivo de este trabajo es doble: por un lado, presentamos un trabajo exploratorio y descriptivo sobre el comportamiento prosódico y morfosintáctico de un mismo hablante en diferentes géneros discursivos orales. Por otro lado, y quizá de manera más relevante, exponemos una metodología computacional, basada en transformación de datos y en su posterior visualización, para poder realizar una caracterización lingüística amplia de hablantes. Esta caracterización, que utiliza criterios prosódicos como base, también extiende su alcance a otros factores, como el uso de bigramas, trigramas, la frecuencia de categorías morfosintácticas, la posición de algunas formas léxicas en el discurso, etc. Así pues, para poder acceder al primer objetivo, el de observar la adaptación prosódica de los sujetos a los géneros discursivos, hemos desarrollado una serie de scripts en R (R Core Team, 2020R Core Team. (2020). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. https://www.R-project.org/
), bajo el nombre de Oralstats (Cabedo 2021Cabedo, A. (2021). Oralstats. A tool to visualize and explore transcriptions and phonic data. https://github.com/acabedo/oralstats
), que, en general, permiten realizar un estudio exploratorio avanzado sobre características discursivas de los hablantes.

Algunos estudios han sugerido la viabilidad de este tipo de metodología cuantitativa para analizar variedades discursivas y géneros orales, como lo hace Berez (Berez, 2011, p. 231Berez, A. L. (2011). Prosody as a genre- distinguishing feature in ahtna: A quantitative approach. Functions of Language, 18(2), 210-236.
) para el Athna, una lengua del sur de Alaska:

De manera inicial, podemos señalar que los hablantes modifican su manera de hablar según el contexto discursivo específico en el que se encuentran (Espinosa y Dabrowski, 2019Espinosa, G. E., y Dabrowski, A. E. (2019). ¿La práctica discursiva condiciona la prosodia? Evidencia de una conferencia y una entrevista del español rioplatense. Repositorio Digital Institucional, Universidad Nacional del Comahue. http://rdi.uncoma.edu.ar//handle/123456789/15781
). Habitualmente, el control de la elocución viene determinado por varios factores, como la toma de turno predeterminada (en una entrevista, por ejemplo) o el carácter monológico o dialógico de la intervención (Briz, 2019Briz, A. (2019). Español coloquial. En E. Ridruejo (Ed.), Manual de lingüística española (pp. 614- 637). Berlín: De Gruyter. https://doi.org/10.1515/9783110362084-023
). Los contextos interactivos síncronos favorecen una expresión mucho menos controlada, sobre todo en situaciones donde es posible encontrar solapamientos de habla entre los hablantes; por el contrario, en formatos de intercambio menos inmediato, como en un debate parlamentario, el control sobre lo dicho es mucho mayor y puede tener en algunos hablantes una repercusión en su prosodia, precisamente en la modificación del tono (Romero Nieto, 2018Romero Nieto, A. (2018). Prosodia y gestualidad y su relación con la expresión del humor en el debate parlamentario. Cuadernos de Investigación Filológica, 44, 45-66. https://doi.org/10.18172/cif.3413
).

Tengamos en cuenta, no obstante, que la manera de hablar de un ser humano, más allá del control elocutivo marcado por los parámetros del género discursivo, puede tener constantes relativamente estables que definen lo que conocemos por idiolecto (Bloch, 1948Bloch, B. (1948). A set of postulates for phonemic analysis. Language, 24(1), 3. https://doi.org/10.2307/410284
) o, una de las acepciones más frecuentes, el estilo discursivo de una persona. Este estilo, como hemos comentado previamente, es susceptible de ser modificado según las características contextuales, pero cabe la posibilidad de plantearse si hay elementos que permanecen y que son emitidos de manera regular por el hablante (Espinosa y Dabrowski, 2019Espinosa, G. E., y Dabrowski, A. E. (2019). ¿La práctica discursiva condiciona la prosodia? Evidencia de una conferencia y una entrevista del español rioplatense. Repositorio Digital Institucional, Universidad Nacional del Comahue. http://rdi.uncoma.edu.ar//handle/123456789/15781
). De esta manera, lo que parte de un análisis estilístico del habla de una persona deviene en una especie de estudio forense e identificativo de ese ser humano.

Si extendemos la idea previamente expuesta, existen situaciones, y no solo en el ámbito forense, en los que hay muestras de habla que no son fáciles de caracterizar desde un punto de vista acústico, bien por las características deficientes de la grabación, que puede estar distorsionada, bien porque el hablante ha intentado camuflar su voz. En estos casos, bastante habituales (Cicres i Bosch, 2011Cicres i Bosch, J. (2011). Transcripció i autenticació de gravacions en contextos judicials. Llengua, Societat i Comunicació: Revista de Sociolingüística de La Universitat de Barcelona, 9, 26-32.
), la identificación forense es mucho más complicada, pero todavía resta material presente en la transcripción que puede ser analizado y que no tiene por qué ser desestimado, ya que puede formar parte de esas constantes discursivas del sujeto (formas léxicas o gramaticales reiteradas, posiciones comunes de algunas palabras, duración amplia o breve de unidades fónicas…).

Por lo tanto, a partir de la selección de muestras de habla procedentes de cuatro políticos españoles, es objetivo de este estudio observar el comportamiento lingüístico de cada uno de ellos en oposición al resto, por una parte, pero también en oposición a sí mismos cuando participan en géneros discursivos distintos. Con la finalidad de facilitar esa tarea, se ha diseñado un sistema de análisis computacional en R (R Core Team, 2020R Core Team. (2020). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. https://www.R-project.org/
), llamado Oralstats, que puede ser ampliado y perfeccionado en el futuro para estudiar una variación idiolectal mayor o incluir un número mayor de registros o unidades de análisis.

2. SOBRE GÉNEROS, VARIACIÓN IDIOLECTAL Y PROSODIA

Los géneros discursivos son constructos cognitivos que se manifiestan en distintas realizaciones textuales (Biber y Conrad, 2009Biber, D. y Conrad, S. (2009). Register, Genre, and Style. Cambridge: Cambridge University Press. https://doi.org/10.1075/jhp.13.1.07leh
). Se trata, por tanto, de moldes o arquitecturas textuales que promueven la utilización de recursos verbales y prosódicos de un modo particular. Los elementos lingüísticos concretos que se utilizan dependen a su vez del mayor o menor control sobre el discurso emitido (Briz, 2019Briz, A. (2019). Español coloquial. En E. Ridruejo (Ed.), Manual de lingüística española (pp. 614- 637). Berlín: De Gruyter. https://doi.org/10.1515/9783110362084-023
; Briz y Albelda, 2013Briz, A. y Albelda, M. (2013). Una propuesta teórica y metodológica para el análisis de la atenuación lingüística en español y portugués. La base de un proyecto común (ES.POR.ATENUACIón). Onomázein. Revista de Lingüística, Filología y Traducción, 28, 288-319. https://doi.org/10.7764/onomazein.28.21
). Son géneros discursivos, por tanto, la entrevista, la conversación, el mitin político, el monólogo de humor, la tertulia discursiva, etc. (Cabedo, 2009Cabedo, A. (2009). La segmentación prosódica en español coloquial. Valencia: Quaderns de Filologia de la Universidad de Valencia.
; Biber y Conrad, 2009Biber, D. y Conrad, S. (2009). Register, Genre, and Style. Cambridge: Cambridge University Press. https://doi.org/10.1075/jhp.13.1.07leh
; Calvi, 2010Calvi, M. V. (2010). Los géneros discursivos en la lengua del turismo: Una propuesta de clasificación. Ibérica: Revista de la Asociación Europea de Lenguas para Fines Específicos (AELFE), 19, 9-32.
).

Estos géneros incluyen características lingüísticas comunes que los definen como estereotipos comunicativos (Caelen-Haumont, 1993Caelen-Haumont, G. (1993). Procesos cognitivos y adaptación de la codificación prosódica de los hablantes a las condiciones del discurso. Cognitiva, 5(2), 133-152.
; McMenamin, 1993McMenamin, G. R. (1993). Forensic stylistics. En M. Coulthard y A. Johnson (Eds.), The Routledge Handbook of Forensic Linguistics. Londres: Routledge. https://doi.org/10.4324/9780203855607.ch32
). Las características de estos géneros son puestas en funcionamiento por los hablantes, que los usan según el contexto comunicativo en el que participan. En este sentido, el hablante cumple con requisitos sociales en su manera de comunicarse, si bien es posible plantearse también la posibilidad de que haya un núcleo común lingüístico independiente de cualquier manifestación discursiva.

No se trata de un acercamiento nuevo para otras lenguas, como el francés, donde ya existen estudios que han encontrado comportamientos fónicos y morfosintácticos distintos para géneros como narraciones conversacionales, noticiarios televisivos, conferencias y discursos políticos (Degand y Simon, 2009, pp. 94-95Degand, L. y Simon, A. C. (2009). Mapping prosody and syntax as discourse strategies: How basic discourse units vary across genres. En D. Barth-Weingarten, N. Dehé y A. Wichmann (Eds.). Where Prosody Meets Pragmatics (pp. 79-105). Leiden: Brill.
):

En español, el estudio fónico de géneros discursivos ha sido abordado por diferentes trabajos de investigación (Cabedo, 2007Cabedo, A. (2007). Caracterización prosódica del estilo directo de habla en la conversación coloquial. Estudios de Lingüística de la Universidad de Alicante, 21, 53-64. http://dx.doi.org/10.14198/ELUA2007.21.04
, 2009Cabedo, A. (2009). La segmentación prosódica en español coloquial. Valencia: Quaderns de Filologia de la Universidad de Valencia.
; Estellés y Albelda, 2014Estellés, M., y Albelda, M. (2014). Evidentials, politeness and prosody in Spanish: A corpus analysis. Journal of Politeness Research: Language, Behaviour, Culture, XXX(1), 29-62.
). En estudios como el de Estellés y Albelda (2014)Estellés, M., y Albelda, M. (2014). Evidentials, politeness and prosody in Spanish: A corpus analysis. Journal of Politeness Research: Language, Behaviour, Culture, XXX(1), 29-62.
, en el que se relacionan marcas evidenciales, prosodia y géneros discursivos, se detecta amplia variedad asociada al comportamiento prosódico del debate parlamentario; esa misma variedad es causante de constituir diferentes grupos explicativos en el seno del mismo género discursivo:

En estos casos, la individualidad del hablante y su comunicación idiosincrásica trae a la mente conceptos como el idiolecto. Precisamente, una de las primeras definiciones sobre el término la aporta Bloch (1948, p. 7)Bloch, B. (1948). A set of postulates for phonemic analysis. Language, 24(1), 3. https://doi.org/10.2307/410284
, que utiliza el término de manera explícita para referirse principalmente a características fonéticas del ser humano, aunque no exclusivamente, y señala lo siguiente:

Aunque la definición de Bloch (1948)Bloch, B. (1948). A set of postulates for phonemic analysis. Language, 24(1), 3. https://doi.org/10.2307/410284
implica en general la adaptación contextual de los requisitos lingüísticos del sujeto, el idiolecto se ha consolidado tradicionalmente en Sociolingüística como el habla individual de una persona y se ha percibido siempre como un elemento que debe superarse para poder caracterizar comunidades de habla. “Thus, while idiolects (or the speech of individuals) considered in isolation might seem random, the speech community as a whole behaved regularly.” (Romaine, 2000, p. 67Romaine, S. (2000). Language in Society: An Introduction to Sociolinguistics (2^a edic.). Oxford: Oxford University Press.
); o en la misma línea, “within sociolinguistics, language variation patterns of individuals were not often studied except when aggregated to approximate and reveal the language variation patterns of the speech community” (Hazen, 2007, p. 73Hazen, K. (2007). The study of variation in historical perspective. En R. Bayley y C. Lucas (Eds.), Sociolinguistic Variation (pp. 70-89). Cambridge: Cambridge University Press. https://doi.org/10.1017/cbo9780511619496.005
). De hecho, no es nada extraño que algunos de los mayores expertos en lingüística forense procedan del ámbito de la Sociolingüística (Coulthard, 2013Coulthard, M. (Ed.) (2013). Advances in Spoken Discourse Analysis. Londres: Routledge. https://doi.org/10.4324/9780203200063
, 2014Coulthard, M. y C. N. Condlin (Eds.) (2014). An Introduction to Discourse Analysis. Londres: Routledge. https://doi.org/10.4324/9781315835884
, 2007Coulthard, M. (2007). An Introduction to Forensic Linguistics. Londres: Routledge. https://doi.org/10.4324/9780203969717
; Coulthard y Johnson, 2010Coulthard, M. y Johnson, A. (2010). The Routledge Handbook of Forensic Linguistics. Londres: Routledge. https://doi.org/10.4324/9780203855607
). Curiosamente, el objetivo sociolingüístico, como decíamos previamente, es prescindir de las marcas heterogéneas de los propios hablantes para buscar el núcleo común: “Findings such as these are vital for the task of identifying the unity of a language from among the enormous diversity of dialects (and idiolects) that we find in the world (…) this kind of orderly heterogeneity” (Guy, 2011, p. 183Guy, G. R. (2011). Language, social class, and status. En R. Mesthrie (Ed.) The Cambridge Handbook of Sociolinguistics (pp. 159-185). Cambridge: Cambridge University Press. https://doi.org/10.1017/cbo9780511997068.015
). Así pues, tanto la Lingüística Forense como el presente estudio pretenden mantener el foco en esa heterogeneidad discursiva, con la finalidad última de caracterizar el habla particular de un sujeto y, si cabe, poder identificar sus marcas constantes en el discurso hablado, sea cual sea el género en el que se inserte.

De esta manera, el concepto de idiolecto y de autor son de facto concomitantes. Determinar las características lingüísticas de un autor pueden tener, por tanto, una doble finalidad: por un lado, se trata de un análisis estilístico del modo de hablar de un ser humano; por otro lado, si esas características son estables o, incluso, si son poco habituales frente al resto de expresiones verbales en una comunidad de habla, podrían servir, en el marco forense, para poder identificar a ese hablante en un momento discursivo concreto. Aunque algunos trabajos señalan la importancia de las características lingüísticas de autor en los textos escritos (Chaski, 2012Chaski, C. E. (2012). Author identification in the forensic setting. En L. M. Solan y P. M. Tiersma (Eds.), The Oxford Handbook of Language and Law. Oxford: Oxford University Press. https://doi.org/10.1093/oxfordhb/9780199572120.013.0036
; Coulthard et al., 2011Coulthard, M., Grant, T. y Kredens, K. (2011). Forensic linguistics. In R. Wodak, B. Johnstone y P. E. Kerswill (Eds.), The SAGE Handbook of Sociolinguistics (pp. 529-544). Londres: SAGE Publications Ltd. https://doi.org/10.4135/9781446200957.n36
; McMenamin, 1993McMenamin, G. R. (1993). Forensic stylistics. En M. Coulthard y A. Johnson (Eds.), The Routledge Handbook of Forensic Linguistics. Londres: Routledge. https://doi.org/10.4324/9780203855607.ch32
), la idea subyacente es que estas marcas lingüísticas pueden extrapolarse a las muestras orales.

Los requisitos que debe cumplir una variable lingüística para erigirse como marca de autoría son distintos según los estudios (Chaski, 2012Chaski, C. E. (2012). Author identification in the forensic setting. En L. M. Solan y P. M. Tiersma (Eds.), The Oxford Handbook of Language and Law. Oxford: Oxford University Press. https://doi.org/10.1093/oxfordhb/9780199572120.013.0036
; Coulthard et al., 2011Coulthard, M., Grant, T. y Kredens, K. (2011). Forensic linguistics. In R. Wodak, B. Johnstone y P. E. Kerswill (Eds.), The SAGE Handbook of Sociolinguistics (pp. 529-544). Londres: SAGE Publications Ltd. https://doi.org/10.4135/9781446200957.n36
; Grant, 2008Grant, T. (2008). Approaching questions in forensic authorship analysis. En J. Gibbons y M. T. Turell (Eds.), Dimensions of Forensic Linguistics (pp. 215-229). Ámsterdam: John Benjamins. https://doi.org/10.1075/aals.5.15gra
; Grant y Baker, 2001Grant, T. y Baker, K. (2001). Identifying reliable, valid markers of authorship: A response to Chaski. Forensic Linguistics, 8(1), 66-79. https://doi.org/10.1558/sll.2001.8.1.66
), aunque estos estudios suelen priorizar valores léxicos o morfosintáticos, dado que se centran en textos escritos. En la práctica se han demostrado útiles elementos ortotipográficos, morfológicos, sintácticos, léxicos, pragmáticos y discursivos (Coulthard, 2007Coulthard, M. (2007). An Introduction to Forensic Linguistics. Londres: Routledge. https://doi.org/10.4324/9780203969717
; Coulthard y Johnson, 2010Coulthard, M. y Johnson, A. (2010). The Routledge Handbook of Forensic Linguistics. Londres: Routledge. https://doi.org/10.4324/9780203855607
; McMenamin, 1993McMenamin, G. R. (1993). Forensic stylistics. En M. Coulthard y A. Johnson (Eds.), The Routledge Handbook of Forensic Linguistics. Londres: Routledge. https://doi.org/10.4324/9780203855607.ch32
). Las prácticas basadas en la identificación de marcas de autoría en los textos escritos han centrado su interés en marcas de distintos niveles lingüísticos, principalmente en las marcas léxicas y, de manera secundaria, en las marcas sintácticas (Spassova, 2009Spassova, M. (2009). El potencial discriminatorio de las secuencias de categorías gramaticales en la atribución forense de autoría de textos en español Tesis Doctoral. Barcelona: Instituto Universitario de Lingüística Aplicada, Universitat Pompeu Fabra. https://www.tdx.cat/handle/10803/7512%3Bjsessionid%3D#page=165
), entre otros tipos de marcas (por ejemplo, n- gramas de caracteres, puntuación, etc.). Al mismo tiempo, en el marco de los estudios orales, se ha partido también de otros tantos factores, como el estudio de factores como la fonética segmental (Leemann et al., 2018Leemann, A., Kolly, M.-J., Nolan, F. y Li, Y. (2018). The role of segments and prosody in the identification of a speaker’s dialect. Journal of Phonetics, 68, 69-84. https://doi.org/10.1016/j.wocn.2018.02.001
), las pausas llenas (Cicres i Bosch, 2014Cicres i Bosch, J. (2014). Comparación forense de voces mediante el análisis multidimensional de las pausas llenas. Revista Signos: Estudios de Lingüística, 86, 365-384. http://dx.doi.org/10.4067/S0718-09342014000300002
), etc.; algunos autores incluso postulan la importancia de tomar varios rasgos como conjunto o clúster: “in forensic authorship attribution, the linguist`s task is to identify the writer’s habitual choices and define them as a set” (McMenamin, 2002, p. 158McMenamin, G. R. (2002). Forensic Linguistics: Advances in Forensic Stylistics. Nueva York: CRC Press.
).

En relación con la prosodia de los géneros discursivos, existen ya trabajos que estudian las características prosódicas de diferentes géneros discursivos, aunque en muchas ocasiones se estudia géneros de una mayor preparación discursiva; por ejemplo, hay estudios sobre la radio o las noticias en televisión (de la Mota y Rodero, 2010De la Mota, C., y Rodero, E. (2010). La demarcación entonativa y el énfasis en la locución de los editores de boletines informativos radiofónicos. En Sociedad Española de Lingüística (Ed.), XXXIX Simposio Internacional de la Sociedad Española de Lingüística (pp. 1-69). https://dialnet.unirioja.es/servlet/articulo?codigo=5412029
; Rodero, 2012Rodero, E. (2012). A comparative analysis of speech rate and perception in radio bulletins. Text & Talk, 32(3), 391-411. https://doi.org/10.1515/text-2012-0019
). También estudios fónicos sobre otros géneros discursivos, como la retransmisión deportiva, el discurso político o la conversación coloquial (Cabedo, 2007Cabedo, A. (2007). Caracterización prosódica del estilo directo de habla en la conversación coloquial. Estudios de Lingüística de la Universidad de Alicante, 21, 53-64. http://dx.doi.org/10.14198/ELUA2007.21.04
, 2009Cabedo, A. (2009). La segmentación prosódica en español coloquial. Valencia: Quaderns de Filologia de la Universidad de Valencia.
; Hidalgo, 2019Hidalgo, A. (2019). Sistema y uso de la entonación en español hablado. Santiago de Chile: Universidad Andrés Hurtado.
). Estudios más recientes sobre la entrevista, la conversación y el monólogo de humor han determinado la importancia del grado de planificación discursiva en el tipo de factor prosódico alterado: “los [géneros] menos planificados presentan una mayor polarización, sobre todo centrada en el descenso de la intensidad y en el aumento de la velocidad de habla” (Cabedo, 2018, pp. 234-235Cabedo, A. (2018). Atenuación con disminución prosódica significativa en géneros con distinto grado de planificación discursiva. Spanish in Context, 15(2), 219-237.
).

3. METODOLOGÍA

La metodología del presente estudio está basada en el análisis cuantitativo de datos lingüísticos extraídos de material sonoro de habla y de sus respectivas transcripciones, así como de los datos prosódicos (f0 e intensidad) extraídos de PRAAT (Boersma y Weenink, 2021Boersma, P. y Weenink, D. (2021). PRAAT (Version 6.1.53) [Computer software]. http://www.praat.org/
). Si bien el sistema utilizado para la explotación de los datos (Oralstats, desarrollado en la Sección 3.2) permite analizar grandes cantidades de información, funciona mejor con cantidades medias, en una horquilla variable de 1000 a 10000 registros.

Al mismo tiempo, cabe señalar que la perspectiva de análisis es exploratoria; es decir, aunque algunas pruebas realizadas por el sistema arrojan valores de significación estadística, estos deben completarse en la medida de lo posible con un análisis valorativo por parte del investigador (López Serena, 2019López Serena, A. (2019). La lingüística como ciencia humana: Una incursión desde la filosofía de la ciencia. Madrid: Arco/Libros-La Muralla.
). En este sentido, incidimos en el hecho de que, en modo similar a como sucede en algunos estudios de Lingüística Forense (Cicres i Bosch, 2011Cicres i Bosch, J. (2011). Transcripció i autenticació de gravacions en contextos judicials. Llengua, Societat i Comunicació: Revista de Sociolingüística de La Universitat de Barcelona, 9, 26-32.
), los audios analizados en esta investigación proceden de entornos de habla espontánea y eso puede condicionar el comportamiento de algunas variables fonéticas específicas, como valores de f0 o intensidad. No obstante, el sistema desarrollado para este estudio permite observar posibles datos anómalos o alterados mediante diagramas de caja y procedimientos de estadística descriptiva, así como filtrar casos extremos para las diferentes variables de análisis.

4. ANÁLISIS Y RESULTADOS

Esta sección de análisis de las muestras orales recogidas incluye varios subapartados: mapa de calor, árbol de decisiones y diagramas de caja, ya que consideramos que es el orden que debería seguirse para realizar un análisis lingüístico del material utilizado.

En Oralstats la sección de Heatmap permite visualizar un gráfico con la media de las variables numéricas que consideremos de interés para ser estudiadas y una variable de agrupación. En la parte inferior del gráfico, así mismo, se añade una tabla con la media, mediana y desviación típica de las variables que se proyectan en el mapa de calor. Al mismo tiempo, la opción de heatmap permite establecer una agrupación basada en un análisis de clúster. Por eso mismo, la visualización por color y el análisis de clúster facilitan detectar variables que pueden ser relevantes para ser incorporadas en un modelo de explicación multivariable, como el que se observa en la sección de Árbol de decisiones o análisis discriminante (Sección 4.4), y los diagramas de caja para cada factor o categoría que reflejan la mediana y los cuartiles de una variable numérica. Por tanto, en el análisis con el que se opera en Oralstats se recomienda empezar por técnicas de visualización amplias y posteriormente por técnicas de clasificación más específicas.

Muchas técnicas de visualización estadística, como los árboles de decisiones, tienen en la actualidad muchos seguidores en el ámbito científico. Como señala Gries (2019, p. 644)Gries, S. (2019). On classification trees and random forests in corpus linguistics: Some words of caution and suggestions for improvement. Corpus Linguistics and Lingustic Theory, 16, 617-647. https://doi.org/10.1515/cllt-2018-0078
: “Treebased methods have become a welcome alternative for data sets that defy regression-based methods especially in noisy and unbalanced corpus data, and that, in and of itself, is potentially a good thing.” En general, el uso de los árboles de decisiones y de técnicas de visualización similares parece por lo tanto adecuado para explorar y analizar relaciones entre variables de bases de datos orales, donde el equilibrio o balance entre los datos no se cumple siempre con la frecuencia esperada.

4.1. Mapa de calor

 ⌅

En esta sección presentamos dos mapas de calor generados mediante Oralstats para el análisis de los grupos entonativos de los hablantes, tanto cuando se considera a estos hablantes como seres individuales, sin influencia del género discursivo, como cuando son tomados como sujetos discursivos diferentes según el género discursivo en el que participan.

Los análisis de clúster establecen dos grandes grupos con sucesivas bifurcaciones o subgrupos. Los dos primeros oponen los mítines políticos de los cuatro hablantes y las tertulias de todos menos la de Pablo Iglesias frente al resto de géneros, es decir, las entrevistas y las ruedas de prensa. Por su parte, los subgrupos son los siguientes:

1. Entrevista y rueda de prensa de Errejón y rueda de prensa de Pablo Casado

2. Entrevistas de Pablo Iglesias y Pablo Casado.

3. Rueda de prensa y tertulia de Pablo Iglesias y rueda de prensa y entrevista de Rafael Hernando.

4. Mítines de todos los políticos analizados.

5. Tertulias de todos los políticos, menos la de Pablo Iglesias.

En cuanto a la agrupación de las variables más importantes, la intensidad y la media tonal tomada en semitonos, junto con la cantidad de palabras y el rango tonal, también en semitonos, resultan ser las variables más relevantes en la agrupación de los grupos y subgrupos que hemos comentado con anterioridad.

Los resultados de la visualización implican consideraciones totalmente esperables: los cuatro géneros se dividen según el mayor énfasis comunicativo; en el caso de los mítines, por la voluntad de ser enérgico en la comunicación con el público (Degand y Simon, 2009Degand, L. y Simon, A. C. (2009). Mapping prosody and syntax as discourse strategies: How basic discourse units vary across genres. En D. Barth-Weingarten, N. Dehé y A. Wichmann (Eds.). Where Prosody Meets Pragmatics (pp. 79-105). Leiden: Brill.
; Estellés y Albelda, 2014Estellés, M., y Albelda, M. (2014). Evidentials, politeness and prosody in Spanish: A corpus analysis. Journal of Politeness Research: Language, Behaviour, Culture, XXX(1), 29-62.
), mientras que en las tertulias, debido a su entorno de conflicto, el interviniente tiende a subir tono de voz e intensidad (Cabedo, 2007Cabedo, A. (2007). Caracterización prosódica del estilo directo de habla en la conversación coloquial. Estudios de Lingüística de la Universidad de Alicante, 21, 53-64. http://dx.doi.org/10.14198/ELUA2007.21.04
). En el caso de la entrevista y de la rueda de prensa, tanto la intensidad como las medias tonales son ciertamente inferiores. Como dato anecdótico, y quizá puede percibirse en él una marca idiolectal, llama la atención que Pablo Iglesias, a diferencia de los otros políticos, mantenga un tono de voz y una intensidad más bajas en la tertulia, donde el trasfondo confrontacional parece provocar lo contrario.

Cabe recordar que este análisis preliminar no tiene en cuenta variables categóricas y que, en este caso, variables como la configuración melódica (recogida en sistema TOBI) todavía no se aplica y, por tanto, no podemos conocer en este momento su alcance para generar un modelo adecuado de clasificación.

Figura 1.  Mapa de calor por hablante y género con variables prosódicas y morfosintácticas. Leyendas: e = Íñigo Errejón, p_c = Pablo Casado, p_i = Pablo Iglesias, r_h = Rafael Hernando; _e = entrevista; _m = mitin; _t = tertulia; _r = rueda de prensa

Con el mapa de calor por hablante, en la Figura 2, sí parecen configurarse singularidades idiolectales, aunque el análisis de clúster, activado por defecto en la prueba, detecta que Pablo Casado e Íñigo Errejón tienen más cercanías en sus discursos que Pablo Iglesias. Pueden verse a continuación casos de Pablo Iglesias extraídos en este caso de la entrevista y del mitin; en ellos se observan valores relativamente bajos, tanto de intensidad como de rango tonal:

Figura 2.  Mapa de calor por hablante con variables prosódicas y morfosintácticas. Leyendas: e = Íñigo Errejón, p_c = Pablo Casado, p_i = Pablo Iglesias, r_h = Rafael Hernando; _e = entrevista; _m = mitin; _t = tertulia; _r = rueda de prensa

Tabla 3.  Grupos entonativos de mítines de Pablo Iglesias

phon	PimnSt	PirSt	Imn	file
buenos días Pepa	80.13	6.55	69.96	pi_e
yo creo que no debilita al gobierno de Pedro Sánchez la dimisión de Màxim Huerta o la dimisión de la	76.99	9.02	69.53	pi_e
antigua ministra de sanidad al contrario	77.14	5.87	69.85	pi_e
una España sin su gente nunca	88.48	7.54	67.61	pi_m
nunca más una España sin sus pueblos	89.48	6.17	68.77	pi_m
sonreíd	87.25	5.41	66.69	pi_m

Por su parte, Rafael Hernando presenta una mayor cantidad de elementos morfosintácticos en sus enunciados, si bien debemos tener en cuenta la variable de la duración, notablemente más alta que la del resto de políticos. Al mismo tiempo, los valores globales de intensidad y tono son también menores. Este es sin duda un dato curioso, dado que aunque el tono global sea menor, el rango tonal es mucho mayor que para los otros políticos; los valores tonales amplios suelen implicar una mayor variación en los contornos melódicos empleados y un mayor énfasis en partes concretas del discurso.

4.2. Árbol de decisiones y análisis discriminante

 ⌅

En la sección de árbol de decisiones podemos elegir un conjunto de variables numéricas o categóricas que sirvan de predictores para caracterizar grupos de otra variable de entrada. De esta manera, en esta sección exploraremos dos variables de entrada: la variable archivo que, en realidad, es la variable que cataloga a los datos por autor y por género; por otro lado, también analizaremos la variable hablante que aglutina los datos sin considerar el género discursivo y que, por tanto, permite observar el núcleo común denominador de un sujeto.

En el caso concreto de los dos árboles de decisiones que comentamos en este apartado, hemos usado un conjunto amplio de variables como predictores, aunque, como se vio en la sección del mapa de calor, realmente son dos variables (media tonal e intensidad media) las más concluyentes en la separación de datos. En este caso, además, hemos podido introducir dos variables categóricas que aportan configuraciones melódicas en sistema TOBI, tanto las anotaciones melódicas de las últimas sílabas tónicas de los enunciados, como los tonos de frontera. En todo caso, debemos recordar que este etiquetado no es tan detallado ni específico como el propuesto por otros autores para otros sistemas de etiquetado automático (Elvira-García et al., 2016Elvira-García, W., Roseano, P., Fernández Planas, A. M. y Martínez Celdrán, E. (2016). A tool for automatic transcription of intonation: Eti-ToBI a ToBI transcriber for Spanish and Catalan. Language Resources and Evaluation, 50(4), 767-792. https://doi.org/10.1007/s10579-015-9320-9
).

En los dos árboles de las Figura 3 y 4, advertimos una singularidad que se observa en el eje de abscisas, donde aparecen los nombres abreviados de los hablantes y de los géneros discursivos. Dado que el gráfico es amplio y hay dieciséis categorías, el eje solo incluye algunas de ellas en la visualización (e_e, pc_r y pi_t). El eje de abscisas está ordenado alfabéticamente, por lo que las sucesivas líneas verticales se establecen siguiendo el presente orden: e_e, e_m, e_r, e_t, pc_e, pc_m, pc_r, pc_t, pi_e, pi_m, pi_r, pi_t, rh_e, rh_m, rh_r, rh_t. En general, se trata del nombre del hablante (e por Errejón, pc por Pablo Casado, pi por Pablo Iglesias y rh por Rafael Hernando) seguido del nombre del género discursivos (e por entrevista, m por mitin, r por rueda de prensa y t por tertulia). En la Figura 3, el orden es e, pc, pi y rh.

Figura 3.  Árbol de decisiones con variables fónicas y morfosintácticas por hablante y género. Leyendas: e = Íñigo Errejón, p_c = Pablo Casado, p_i = Pablo Iglesias, r_h = Rafael Hernando; _e = entrevista; _m = mitin; _t = tertulia; _r = rueda de prensa

Figura 4.  Árbol de decisiones con variables fónicas y morfosintácticas por hablante. Leyendas: e = Íñigo Errejón, p_c = Pablo Casado, p_i= Pablo Iglesias, r_h = Rafael Hernando

En el árbol expuesto en la Figura 3, observamos un núcleo amplio de 305 grupos entonativos en el nodo 6, caracterizados por una media tonal entre 80.13 y 90.97 semitonos y una intensidad media superior a 62.12 dB. El problema de esta clasificación, y que luego se contemplará aún mejor en el análisis discriminante, señala que la mayor parte de grupos entonativos se aglutinan bajo este marco de tono y de intensidad y, de esta manera, es difícil separarlos por categoría, es decir, discriminar mejor los géneros discursivos y los hablantes.

No obstante, sí hay datos que pueden resultar curiosos y llamativos; por ejemplo, en el nodo 2, con tonos bajos, aparecen unos diez grupos entonativos de la entrevista de Pablo Iglesias; en el nodo 5, con una intensidad relativamente baja, inferior a 62.12 dB, se observan otros tantos grupos entonativos de Rafael Hernando para la rueda de prensa; en el nodo 8, los grupos entonativos presentan un tono alto, superior a 90.97 semitonos pero una intensidad baja, inferior a 63.59 dB, y pertenecen en su mayoría al mitin de Pablo Casado; ello implica un aumento del énfasis tonal sin necesidad de aumentar la energía articulatoria de la voz. Finalmente, hay un conjunto amplio de 86 casos, en el nodo 9, que incluyen valores altos de tono e intensidad. Son sobre todo casos de mítines de Errejón y Pablo Iglesias, pero también de las tertulias de Pablo Casado.

En la Figura 4 se clasifican los hablantes sin atender a los géneros discursivos en los que participan. Los diferentes nodos generados pueden verse a continuación:

Tres variables son las más llamativas en la Figura 4, la Intensidad media, la media de f0 (en semitonos) y la diferencia de intensidad de los grupos entonativos en relación con la media general del hablante. A diferencia de la Figura 3, en este árbol de decisiones los grupos entonativos se subdividen frecuencialmente de un modo más repartido. En el nodo 6 se observan 9 casos de Pablo Casado con valores bajos de intensidad pero altos en tono: eso implica énfasis melódico pero energía articulatoria disminuida. El nodo 3, y concretamente el nodo 5, con intensidad medio baja y valores tonales también medios, discriminan básicamente casos de Rafael Hernando, casi 50 grupos entonativos en los que la diferencia de intensidad en relación con su media es superior a - -1.43 dB. Este factor indica básicamente o subidas de intensidad marcadas o un componente monótono, ya que los valores particulares de los grupos entonativos se asemejan a la media general. Por otro lado, el nodo 4 muestra casos de Pablo Iglesias. En este nodo se distribuyen grupos entonativos en los que la intensidad es más baja que la media del hablante. Es, por tanto, marca dialectal de Pablo Iglesias usar secuencias de habla marcadamente más bajas que sus secuencias habituales.

Siguiendo con la Figura 4, la parte derecha del gráfico distribuye valores más altos de intensidad, superiores a 65.81 dB. El nodo 10 es el más poblado. En él se distribuyen grupos entonativos de todos los políticos a excepción de valores residuales de Rafael Hernando. Son grupos con una intensidad media comprendida entre 68.53 y 72.99 dB. Muchos de los grupos de Rafael Hernando, sin embargo, aparecen en el nodo 12, con una media alta de intensidad superior a 72.99 dB y con una diferencia en relación con la media de 1 dB. Se trata esta de una subida menor, a diferencia de los casos del nodo 13, pertenecientes en su mayoría a Íñigo Errejón y Pablo Casado; en ellos hay una media superior a 72.99 dB y grupos entonativos con una diferencia de más de 1 dB en relación a la media. Este dato implica que algunos grupos entonativos suben marcadamente la intensidad probablemente para ser percibidos con mayor claridad o para disputar el espacio dialógico. Podemos encontrar ejemplos de ambos hablantes en la Tabla 4; los corchetes indican que se trata de fragmentos confrontacionales en los que hay solapamiento o lucha por el turno con otro hablante:

Tabla 4.  Grupos entonativos de Pablo Casado e Íñigo Errejón. Leyendas: pc = Pablo Casado, e = Íñigo Errejón

spk	phon	Imn
e	[esto]	76.16
e	[Eduardo]	77.10
e	[hablabas de las elecciones]	75.80
e	[pero cuando multiplicas]	76.75

En último término, para ampliar los resultados el árbol de decisiones, puede completarse el modelo de clasificación usando las mismas variables en el apartado de análisis discriminante de Oralstats. La diferencia es que mientras el árbol de decisiones restringe las variables de predicción a las más concluyentes, en el análisis discriminante podemos observar la importancia de cada variable dentro de la función de discriminación. En el presente caso, interesa estudiar sobre todo el porcentaje de clasificación de las funciones discriminantes generadas. En cuanto a la variable que separa por género y hablante, la clasificación correcta es de solo un 58 %; para la variable que únicamente identifica hablante, la clasificación correcta sube a un 73 %; las variables más priorizadas siguen siendo en ambos casos la media tonal y la media de intensidad.

Son en todo caso modelos de discriminación muy pobres y, seguramente, la información más concluyente que transmiten es que, dentro de la variación observable, hay un núcleo común amplio en cuanto a la configuración discursiva de los hablantes; dicho de otro modo, los hablantes, desde una perspectiva idiolectal, son más parecidos que distintos. Si se comparan a lo largo de géneros discursivos, donde muchas veces las convenciones discursivas están estereotipadas culturalmente, sus semejanzas aumentan y solo algún caso aislado, como el de Pablo Iglesias para las tertulias, establecen marcas de separación más amplias.

4.3. Diagramas de caja

 ⌅

En las secciones anteriores hemos podido observar que dos variables son muy importantes en la discriminación de grupos entonativos por hablante y género discursivo: concretamente, se trata de las variables de media tonal y de intensidad. Por lo tanto, en las siguientes líneas, analizaremos la visualización en forma de diagrama de caja que proporciona Oralstats para estas dos variables. Así mismo, el sistema ofrece también como resultado una prueba de contraste de la varianza (ANOVA) y, en este caso, podemos ver las diferencias significativas entre grupos.

En la Figura 5, los diagramas de caja muestran las medianas de intensidad para los distintos hablantes a lo largo de los cuatro géneros discursivos analizados. En general, la variación es patente, pero destacan los valores más elevados de Rafael Hernando en la tertulia y los más bajos de Pablo Casado en los mítines y de Rafael Hernando en las ruedas de prensa. Pablo Iglesias presenta los valores más bajos de intensidad para las tertulias discursivas, un discurso que, como manifiestan el resto de políticos, precisa de una energía articulatoria amplia, sobre todo en secuencias de disputa o mantenimiento del turno de habla. Esta podría considerarse inicialmente una marca de autor, en línea similar a la que indica McMenamin (1993)McMenamin, G. R. (1993). Forensic stylistics. En M. Coulthard y A. Johnson (Eds.), The Routledge Handbook of Forensic Linguistics. Londres: Routledge. https://doi.org/10.4324/9780203855607.ch32
.

Figura 5.  Valores medios de intensidad por hablante y género discursivo. Leyendas: e = Íñigo Errejón, p_c = Pablo Casado, p_i = Pablo Iglesias, r_h = Rafael Hernando; _e = entrevista; _m = mitin; _t = tertulia; _r = rueda de prensa

En la Figura 6 se observa el diagrama de caja por hablante y género de la variable media de f0, tomada en semitonos:

Figura 6.  Valores medios de f0 por hablante y género discursivo. Leyendas: e = Íñigo Errejón, p_c = Pablo Casado, p_i = Pablo Iglesias, r_h= Rafael Hernando; _e = entrevista; _m = mitin; _t = tertulia; _r = rueda de prensa

El gráfico anterior, combinado con los resultados de la prueba ANOVA, sugiere una posible agrupación con un tono medio alto para el grupo entonativo, compuesto por los mítines de todos los políticos y la tertulia de Pablo Casado. En contraste con la Figura 5 anterior, donde el mitin de Pablo Casado, tenía los valores de intensidad más bajos, en este caso hay una compensación inversa mediante el uso de un tono más amplio. Llama la atención el tono más bajo utilizado por Pablo Iglesias en relación con los demás políticos. También hay una zona media compuesta por el resto de géneros discursivos, a excepción de las tertulias de Pablo Casado e Íñigo Errejón y la rueda de prensa de este último, que se situarían en unos valores medio altos.

5. CONCLUSIONES Y VALORACIONES FINALES

A partir de todo lo expuesto en los apartados anteriores, podemos elaborar unas conclusiones generales sobre el trabajo de investigación realizado. En general, se deduce que los hablantes analizados presentan algunas diferencias pero no de una manera excesivamente amplia ni precisa; una de las posibles explicaciones es la brevedad de la muestras, si bien se han tomado muestras breves de habla en un modo similar al que puede encontrarse para otras disciplinas, como la Lingüística Forense (Cicres i Bosch, 2011Cicres i Bosch, J. (2011). Transcripció i autenticació de gravacions en contextos judicials. Llengua, Societat i Comunicació: Revista de Sociolingüística de La Universitat de Barcelona, 9, 26-32.
, 2014Cicres i Bosch, J. (2014). Comparación forense de voces mediante el análisis multidimensional de las pausas llenas. Revista Signos: Estudios de Lingüística, 86, 365-384. http://dx.doi.org/10.4067/S0718-09342014000300002
; Coulthard et al., 2011Coulthard, M., Grant, T. y Kredens, K. (2011). Forensic linguistics. In R. Wodak, B. Johnstone y P. E. Kerswill (Eds.), The SAGE Handbook of Sociolinguistics (pp. 529-544). Londres: SAGE Publications Ltd. https://doi.org/10.4135/9781446200957.n36
); en estas disciplinas las circunstancias pueden propiciar una recogida de audios breves o de audios con una posible malformación acústica producida por un contexto de habla real y espontáneo.

Para poder analizar de manera sistemática, variada y dinámica la base de datos acústica y textual, se ha generado un conjunto de scripts en R (R Core Team, 2020R Core Team. (2020). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. https://www.R-project.org/
) llamado Oralstats que transforma los datos en una primera fase y que, en segundo término, permite visualizar en formato interactivo, mediante la adición o elisión de algunas variables, estos mismos datos en forma de árbol de decisiones, mapas de calor o diagramas de caja. La idea general es que la información de alófonos, palabras y grupos entonativos, procedente de una transcripción alineada en PRAAT (Boersma y Weenink, 2021Boersma, P. y Weenink, D. (2021). PRAAT (Version 6.1.53) [Computer software]. http://www.praat.org/
), pueda servir de entrada a un análisis estadístico mediante la combinación de relaciones entre unidades inferiores y unidades mayores; por ejemplo, la segmentación en alófonos permite tomar datos de las vocales y obtener posteriormente valores de reajuste o subida tonal, mayor o menor duración…, y también otro tipo de catalogaciones, como la transformación en un sistema TOBI básico, siguiendo los pasos de otros modelos computacionales mucho más elaborados y depurados (Elvira-García et al., 2016Elvira-García, W., Roseano, P., Fernández Planas, A. M. y Martínez Celdrán, E. (2016). A tool for automatic transcription of intonation: Eti-ToBI a ToBI transcriber for Spanish and Catalan. Language Resources and Evaluation, 50(4), 767-792. https://doi.org/10.1007/s10579-015-9320-9
). La base de datos generada, en el módulo de visualización de Oralstats, puede consultarse en el siguiente enlace: <https://adrin-cabedo.shinyapps.io/oralstatsgenres/>

La voluntad de este trabajo ha sido explorar, de manera computacional, en primer lugar, y valorativa, en último lugar, el comportamiento discursivo diferenciado de los mismos hablantes en distintos formatos o moldes discursivos. En el marco concreto de este artículo, se han analizado variables fónicas y morfosintácticas del habla de cuatro políticos españoles en muestras sonoras procedentes de cuatro géneros discursivos distintos (la tertulia discursiva, la rueda de prensa, la entrevista y el mitin). Los resultados generales, presentados en la Sección 4 en forma de diferentes técnicas de visualización estadística multivariable, indican que los géneros discursivos se diferencian entre ellos de manera más o menos esperable, es decir, los géneros confrontacionales, como el mitin o la tertulia, presentan valores medios de tono e intensidad más altos que otros géneros donde no se apela tanto a la atención del oyente o donde no hay polémica discursiva.

Sobre los políticos españoles analizados se han podido extraer datos curiosos sobre su correspondiente idiolecto (Bloch, 1948Bloch, B. (1948). A set of postulates for phonemic analysis. Language, 24(1), 3. https://doi.org/10.2307/410284
); en tal sentido, se apuntan marcas individuales que, no de manera sistemática ni privativa, afectan a algunos hablantes. Por ejemplo, llama la atención cómo Pablo Iglesias se sirve de un tono y una intensidad bajas en géneros como la tertulia, donde el resto de políticos enfatizan estos rasgos. También son relevantes los tonos y la intensidad medio altos de Rafael Hernando que se combinan con una mayor duración de los grupos entonativos y, como consecuencia, por una mayor cantidad de riqueza léxica en su interior, en forma de más cantidad de sustantivos, verbos, etc. Políticos como Íñigo Errejón o Pablo Casado, por su parte, suben la intensidad de manera notable en géneros confrontacionales como la tertulia y suben en ocasiones su media tonal para enfatizar aspectos concretos de su discurso, no necesariamente acompañados de incrementos de intensidad para estos casos.

Así pues, este artículo, a partir de un simple análisis de caso de cuatro hablantes en cuatros géneros discursivos distintos, plantea la necesidad de recurrir a una vertiente cuantitativa en primera instancia, es decir, a una mirada exploratoria sobre los datos de modo dinámico y ágil; posteriormente, esta visualización interactiva permite un estudio cualitativo de los datos.

Las vías de ampliación del presente trabajo pasan precisamente por explorar de qué manera esas variables determinantes o singulares pueden ampliarse y, de este modo, precisar su labor o tarea identificativa. Por ejemplo, consideramos que en el futuro puede ser enriquecedor añadir información posicional en los análisis realizados (lugar de la palabra en el grupo entonativo, posición más común de las subidas o descensos tonales sintomáticos en el nivel de la palabra…).

El uso concreto del lenguaje de programación R incrementa notablemente las posibilidades de construcción y explotación de una plataforma interactiva de consulta y análisis de los datos, tanto en construcción web como en la aplicación de pruebas estadísticas más complejas. El beneficio del sistema, por tanto, es que se trata de un entorno ampliamente escalable y que, en tal sentido, puede crecer en propiedades y recursos para realizar análisis discursivos más completos y sofisticados.