Algunos indicadores acústicos de ironía verbal en contextos semiespontáneos^*El presente artículo está basado en la tesis doctoral inédita de la autora, titulada La expresión de la ironía en la conversación. Estudio fonopragmático en un corpus de habla semiespontánea (Martínez Hernández, 2019).

3.1.1. Corpus empleado

Los trabajos que versan sobre el estudio experimental de la prosodia de la ironía presentan cierta disparidad sobre los corpus con los que trabajan, esto es, corpus preparados ad hoc (habla no espontánea), programas de televisión y de radio (Television talk shows / Radio talk shows) o conversaciones espontáneas, entre otros. La tendencia general a utilizar este tipo de corpus radica en la preparación de ejemplos especialmente diseñados para el estudio de un fenómeno específico en función de la hipótesis inicial que guía la investigación. Los participantes seleccionados, por lo general, leen o producen el corpus en un entorno que facilita una grabación técnicamente correcta. De este modo, la complicación que supone extraer enunciados irónicos a partir de conversaciones naturales, justifica el uso de este tipo de corpus en estudios afines (Ackerman, 1983Ackerman, B. (1983). Form and function in children’s understanding of ironic utterances. Journal of Experimental Child Psychology, 35(3), 487-508. http://dx.doi.org/10.1016/0022-0965(83)90023-1
; Winner y otros, 1987Winner, E., Windmueller, G., Rosenblatt, E., Bosco, L., Best, E. y Gardner, H. (1987). Making sense of literal and nonliteral falsehood. Metaphor and Symbolic Activity, 2(1), 13-32. http://dx.doi.org/10.1207/s15327868ms0201_2
; McDevitt y Carroll, 1988; Kreuz y Link, 2002Kreuz, R. J. y Link, K. E. (2002). Asymmetries in the use of verbal irony. Journal of Language and Social Psychology, 21(2), 127-143. http://dx.doi.org/10.1177/02627X02021002002
; Cheang y Pell, 2008Cheang, H. S. y M. D. Pell (2008). The sound of sarcasm. Speech Communication, 50(5), 366-381. http://dx.doi.org/10.1016/j.specom.2007.11.003
; Becerra Valderrama, 2012Becerra Valderrama, M. I. (2012). Rasgos prosódicos en la producción de dos formas de ironía en español. Lingüística, 28, 191-205.
; Sampedro y otros, 2012Sampedro, B., Díaz Espinosa, I., Ferreres, A. y Gurlekian, J. (2012). Prueba de evaluación de comprensión de expresiones irónicas y sarcásticas: control acústico y análisis perceptual. Revista de Neuropsicología Latinoamericana, 4(3), 6-18.
; Pihler Ciglič, 2017Pihler Ciglic B. (2017). El papel de la prosodia en la expresión de la ironía en español. Lingüística, 57(1), 255-278.
). Este tipo de estudios, dirigidos o de laboratorio, sin embargo, reducen el carácter interactivo de la ironía o del sarcasmo, además de la veracidad de sus rasgos o marcas verbales, si existen. Teniendo en cuenta la relativa facilidad y accesibilidad a los medios de comunicación en la actualidad, algunos de los corpus presentados en trabajos actuales (Bryant y Fox Tree, 2005Bryant, G. A. y Fox Tree, J. E. (2005). Is there an Ironic Tone of Voice? Language and Speech, 48(3), 257-277. http://dx.doi.org/10.1177/00238309050480030101
; Rockwell, 2005Rockwell, P. (2005). Sarcasm on television talk shows: Determining speaker intent through verbal and nonverbal cues. En A. V. Clark (Ed.), Psychology of Moods: New Research (pp. 109-122). Nueva York: Nova Science Publishers.
; González Berrio y Martín Leralta, 2015González Berrio, S. y Martín Leralta, S. (2015). La comprensión auditiva de la entonación irónica en alumnos de ELE brasileños con un nivel C1. Pragmalingüística, 23, 79-101. http://dx.doi.org/10.25267/Pragmalinguistica.2015.i23.05
; Neshkowska, 2015Neshokowska, S. (2015). Stylistic signals of verbal irony. International Journal of Language and Linguistics, 2(2), 1-8.
) incluyen extractos de programas de televisión o de radio como medio analítico de conversaciones auténticas (Carter, 1987Carter, L. P. (1987). The narratives of guests on late night television talk shows: An analysis of the relationship between personal narratives and context. Comunicación presentada en Western Speech Communication Association. 14-17 de febrero. Salt Lake City, UT.
; Matelski, 2000Matelski, M. J. (2000). Jerry Springer and the wages of fin-syn: The rise of deregulation and the decline of TV talk. Journal of Popular Culture, 33(4), 63-75. http://dx.doi.org/10.1111/j.0022-3840.2000.3304_63.x
; Rockwell, 2000Rockwell, P. (2000). Lower, slower, louder: Vocal cues of sarcasm. Journal of Psycholinguistic Research, 29(5), 483-495.
; Lefkowitz, 2002Lefkwitz, D. (2002). On the mediation of class, race and gender: Intonation on sports radio talk shows. University of Pennsylvania Working Papers in Linguistics, 3(1), Article 14.
).

La propuesta de corpus presentada pretende ofrecer una alternativa al uso de términos tan ambiguos como “habla de laboratorio” y “habla espontánea”. Teniendo en cuenta la dificultad que supone localizar enunciados irónicos con una buena calidad de grabación, hemos optado, por tanto, por un corpus audiovisual monolingüe - formado por series televisivas de ficción, pertenecientes al género de la comedia de situación - y un corpus basado en tertulias radiofónicas (Moreno Espinosa, 2002Moreno Espinosa, P. (2002). La tertulia radiofónica, foro para el siglo XXI. Estudios sobre el mensaje periodístico, 8, 275-291.
). El uso de este tipo de corpus se justifica, principalmente, por el uso de recursos lingüísticos y retóricos que otorgan al texto un carácter aparentemente oral y espontáneo (Gambier y Suomela-Salmi, 1994:247Gambier, Y. y Suomela-Salmi, E. (1994). Audiovisual communication. Problems and issues at stake in subtitling. En H. Pürschel, E. Bartsch, P. Franklin y U. Schmitz (Eds.), Intercultural Communication in Institutional Settings. Actas del 17 Coloquio LAUD (pp. 369-382). 23-27 marzo 1992. Frankfurt-New York: Peter Lang.
)¹Cuando los hablantes nativos de una lengua participan activamente en una conversación informal, por ejemplo, se inclinan a utilizar la ironía, que se acompaña frecuentemente de señales verbales, frente a lo que ocurre en el habla formal (Gibbs, 2000; Neshkowska, 2015).; y por las condiciones técnicas en su transmisión, lo cual permite una grabación de calidad y atenúa la dificultad en la obtención de grabaciones de estilo (semi)espontáneo, con calidad suficiente para su análisis acústico (Cantero, 2002, p. 166Cantero Serena, F. J. (2002): Teoría y análisis de la entonación. Barcelona: Edicions de la Universitat de Barcelona.
). Cabe aceptar, pues, la hipótesis de que ambos géneros deben ser considerados como un tipo de conversación coloquial periférica que se inscribe en un nuevo marco textual y los aleja de la arbitrariedad discursiva para adjudicarle unos rasgos estructurales, semánticos y fónicos característicos de la comunicación televisiva o radiofónica. En cualquier caso, desde nuestro punto de vista, se trata de un medio válido, una forma discursiva apta que permite una grabación de calidad de las emisiones sin ningún esfuerzo, y que constituye una posible fuente de habla espontánea.

El uso de textos audiovisuales nativos procedentes de capítulos de series de televisión de producción propia se ha conocido recientemente con el nombre de “oralidad prefabricada” (Baños Piñero, 2009Baños Piñeros, R. (2009). Estudio descriptivo-contrastivo del discurso oral prefabricado en un corpus audiovisual comparable en español: oralidad prefabricada de producción propia y de producción ajena. En P. Cantos Gómez y A. Sánchez Pérez (Eds.), Panorama de investigaciones basadas en corpus (pp. 399-413). Murcia: Asociación Española de Lingüística del Corpus.
). El código lingüístico transmitido en este tipo de textos audiovisuales, por tanto, por el hecho de apoyarse en un guion, se corresponde con un discurso pretendidamente espontáneo (o semiespontáneo), pero elaborado, que comparte numerosas características con el discurso oral espontáneo (al que pretende imitar), pero que cuenta con otras tantas características propias de la escritura.

La oralidad prefabricada, por lo tanto, basa sus cimientos, no solo en la emulación del léxico oral espontáneo²Se utilizan palabras ofensivas, groseras o malsonantes; se evitan los dialectalismos y anacronismos, y ciertos términos no normativos; se hace uso de términos genéricos y comodines, ciertas figuras estilísticas (comparaciones, metáforas, dobles sentidos personificaciones) y algunos términos referentes a argots no demasiado restringidos., sino también en la presencia de una entonación, expresividad y emotividad marcadas (Chaume, 2001, p. 85Chaume Varela, F. (2001). La pretendida oralidad de los textos audiovisuales y sus implicaciones en traducción. En R. Agost y F. Chaume Varela (Eds.), La traducción en los medios audiovisuales (pp. 77-88). Castellón: Publicacions de la Universitat Jaume I.
). Sus cimientos, además, residen en la imitación del discurso oral espontáneo y, por tanto, en el uso de un registro oral, basado en algunos recursos propios de los textos orales (alto grado de redundancia, estructuras sintácticas sencillas y frases cortas, uso de términos argóticos, sufijos aumentativos y diminutivos, o expresiones propias del registro oral coloquial) (Chaume, 2004, p. 185Chaume Varela, F. (2004). Cine y traducción. Madrid: Cátedra.
).

Si los personajes no utilizan unos rasgos lingüísticos adecuados, propios del lenguaje oral espontáneo para cada situación comunicativa, resultará complicado que el espectador pueda percibirlos como reales o naturales. Tanto el guionista como el actor deben procurar establecer un equilibrio entre oralidad y escritura para conseguir unos diálogos verosímiles y, al mismo tiempo, respetar las convenciones del discurso audiovisual. Esto se consigue con el uso de ciertos mecanismos que “engañan” al espectador y le hacen creer que lo que está viendo y escuchando es, por ejemplo, una conversación coloquial espontánea entre un grupo de amigos (Baños Piñero, 2009Baños Piñeros, R. (2009). Estudio descriptivo-contrastivo del discurso oral prefabricado en un corpus audiovisual comparable en español: oralidad prefabricada de producción propia y de producción ajena. En P. Cantos Gómez y A. Sánchez Pérez (Eds.), Panorama de investigaciones basadas en corpus (pp. 399-413). Murcia: Asociación Española de Lingüística del Corpus.
).

La improvisación de un discurso oral por parte del actor, a pesar de ajustarse a un texto escrito, cumple, por tanto, con la condición de tratarse de un estilo de habla semiespontáneo con pretensiones de emular un lenguaje verosímil y natural. De hecho, la inclusión de actores en estudios de investigación sobre el nivel fonético-fonológico de la expresión vocal de ciertas emociones o actitudes, se basa en la suposición de que estos profesionales pueden producir expresiones emocionales o intencionales “naturales”, que serán reconocidas, posteriormente, por espectadores y/o evaluadores (Banse y Scherer, 1996Banse, R. y Scherer, K. R. (1996). Acoustic profiles in vocal emotion expression. Journal of Personality and Social Psychology, 70(3), 614-636. http://dx.doi.org/10.1037/0022-3514.70.3.614
).

Por su parte, la tertulia radiofónica está íntimamente ligada a la comunicación en grupo, y en ella se mezclan tres niveles: informativo, opinativo e interpretativo (Sánchez, 1994Sánchez, C. (1994). Las tertulias de la radio. La plaza pública de los 90. Salamanca: Publicaciones de la Universidad Pontificia de Salamanca.
; Moreno Espinosa, 2002Moreno Espinosa, P. (2002). La tertulia radiofónica, foro para el siglo XXI. Estudios sobre el mensaje periodístico, 8, 275-291.
).

Cada vez más, los medios de comunicación “asisten en lo lingüístico a un proceso de coloquialización” (Martínez-Costa y Herrera, 2007,p. 189Martínez-Costa Pérez, M. y Herrera Damas, D. (2007). La tertulia radiofónica como un tipo de conversación coloquial. Doxa Comunicación: Revista Interdisciplinar de Estudios de Comunicación y Ciencias Sociales, 189-211. http://dx.doi.org/10.31921/doxacom.n5a9
). Algunos autores (Cebrián, 1992Cebrián Herreros, M. (1992). Géneros informativos audiovisuales. Madrid: Ciencia.
), incluso, incluyen la tertulia como variante de los géneros coloquiales, ya que su objetivo es comentar hechos de actualidad inmediata y de interés general. Por ello, para el caso de la radio, se hace necesario que sus textos deban ser analizados teniendo en cuenta las condiciones propias de los textos orales coloquiales y conversacionales. Desde un punto de vista formal, la tertulia posee rasgos de la conversación coloquial, aunque con algunos límites como la duración, la presencia de un moderador que domina los temas y establece la continuidad entre ellos, y la audiencia, que exige una organización formal responsable.

Como consecuencia de la espontaneidad del género, el lenguaje utilizado no es tan estricto o riguroso, desde el punto de vista periodístico. Las tertulias gozan de libertad formal en el lenguaje, técnica y estructura, aunque siempre están caracterizadas por las peculiaridades propias de cada contertulio, que lo hacen único y original. Impera en la tertulia un estilo ágil, preciso y cuidado que ofrece un análisis profundo, evitando el tono académico y doctrinal de otros programas (Moreno Espinosa, 2002Moreno Espinosa, P. (2002). La tertulia radiofónica, foro para el siglo XXI. Estudios sobre el mensaje periodístico, 8, 275-291.
).

Centrándonos en la presente investigación, se han escogido actos de producciones semi-espontáneas (series de televisión y tertulia radiofónica), ya que la prosodia producida en contextos naturales o semiespontáneos ayuda significativamente a que los oyentes sean capaces de reconocer la ironía verbal (Bryant y Fox Tree, 2002Bryant, G. A. y Fox Tree, J. E. (2002). Recognizing verbal irony in spontaneous speech. Metaphor and Symbol, 17(2), 99-109. http://dx.doi.org/10.1207/S15327868MS1702_2
; González Berrio y Martín Leralta, 2015González Berrio, S. y Martín Leralta, S. (2015). La comprensión auditiva de la entonación irónica en alumnos de ELE brasileños con un nivel C1. Pragmalingüística, 23, 79-101. http://dx.doi.org/10.25267/Pragmalinguistica.2015.i23.05
).

Con el fin de conseguir actos irónicos para su posterior análisis acústico perceptivo, pues, se han seleccionado muestras de series televisivas de ficción (La que se avecina y El chiringuito de Pepe), pertenecientes al género de la comedia de situación, y ejemplos extraídos de tertulias radiofónicas (Nadie sabe nada).

Se han escogido un total de 276 actos de habla irónicos producidos por 22 informantes. Se detalla en la Tabla 1 el número de actos irónicos que se ha recogido para cada género analizado:

La idea inicial fue comparar actos en ambos corpus, con lo cual consideramos necesario contar con un corpus que tuviera el mismo número de intervenciones irónicas, de forma que los dos subcorpus (series de televisión y tertulia radiofónica) fueran comparables. Los 276 actos fueron producidos por un total de 22 informantes de entre 26 y 67 años de edad: 11 hombres y 11 mujeres. Todos los hablantes eran nativos de español y de procedencia diversa (Comunidad Valenciana, Cataluña, Andalucía, Castilla La Mancha, Madrid, La Rioja, Aragón y Gran Canaria). El corpus de tertulias radiofónicas cuenta con dos varones; esta selección neutraliza variables de sexo y número de participantes, lo cual permite considerar la posible variación entonativa intrahablante.

Si bien es cierto que la entonación irónica puede aparecer acompañada de otros indicadores lingüísticos y no lingüísticos (Ruiz Gurillo, 2008Ruiz Gurillo, L. (2008). Las metarrepresentaciones en español hablado. Spanish in Context, 5(1), 40-63.
), se han utilizado para este estudio actos textualmente ambiguos, pero prosódicamente precisos (Bryant y Fox Tree, 2002Bryant, G. A. y Fox Tree, J. E. (2002). Recognizing verbal irony in spontaneous speech. Metaphor and Symbol, 17(2), 99-109. http://dx.doi.org/10.1207/S15327868MS1702_2
), es decir, actos cuyo único marcador irónico es la entonación. Se han descartado, pues, actos con marcadores o indicadores lingüísticos, como, por ejemplo, los relacionados con la formación de palabras (sufijación, prefijación), así como, actos con algún tipo de información contextual (referente al contexto extralingüístico, histórico, cultural o social). Ambas son señales que podrían orientar hacia una interpretación irónica y facilitar la respuesta en el test perceptivo realizado previamente.

3.1.2. Unidad de análisis. El acto de habla

Se insiste, constantemente, en la necesidad de establecer un marco perceptivo-cognitivo para el análisis de las unidades del habla. La formalización oracional en el habla espontánea, como sabemos, asume la experiencia social y personal del destinatario que puede afectar, entre otros fenómenos, al orden de palabras.

A este respecto, la propuesta de segmentación de la conversación del Grupo Val.Es.Co. se basa esencialmente en criterios pragmáticos para el análisis y la segmentación de la conversación coloquial (Briz, 1998Briz Gómez, A. (1998). El español coloquial en la conversación. Esbozo de pragmagramática. Barcelona: Ariel.
, 2000aBriz Gómez, A. (2000a). Turno y alternancia de turno en la conversación. Revista Argentina de Lingüística, 16, 3-37.
, 2000bBriz Gómez, A. (2000b). El análisis de un texto oral coloquial. En A. Briz Gómez y Grupo Val.Es.Co. ¿Cómo se comenta un texto coloquial? (pp. 29-50). Barcelona: Ariel-Practicum.
; Briz e Hidalgo, 1998Briz Gómez, A. e Hidalgo Navarro, A. (1998). Conectores y estructura de la conversación. En Mª. A. Martín Zorraquino y E. Montolío (Eds.), Marcadores del discurso. Teoría y análisis (pp. 121-142). Madrid: Arco-Libros,
; Padilla, 2002; Briz y Grupo Val.Es.Co., 2003Briz Gómez, A.. y Grupo Val.Es.Co. (2003). Un sistema de unidades para el estudio del lenguaje coloquial. Oralia, 6, 7-61.
, 2014Grupo Val.Es.Co. (2014). Las unidades del discurso oral: La propuesta Val.Es.Co. de segmentación de la conversación (coloquial). Estudios de Lingüística del Español, 35(1), 11-71.
). Esta propuesta metodológica plantea una relación entre la unidad oracional y la organización macroestructural del discurso, lo que se traduce en la jerarquización de las unidades oracionales (Halliday, 1985Halliday, M. A. K. (1985). An Introduction to Functional Grammar. London: Edward Arnold.
). Esto último ha permitido al Grupo Val.Es.Co. establecer unidades y macro-unidades con el fin de evitar la casuística y la descripción aislada.

Teniendo en cuenta que el objetivo principal de esta investigación se centra en detectar rasgos prosódicos de ironía, la segmentación del corpus se ha concentrado en dos de las unidades descritas por el Grupo Val.Es.Co: la intervención³ “Es la unidad monológica máxima estructural, generalmente asociada al cambio de emisor, que se caracteriza por ser o por provocar una reacción, prototípicamente, lingüística. La intervención se articula en torno al concepto de reacción, verbal, no verbal o paralingüística (tono, volumen de la emisión, etc.). Se entiende por reacción cada una de las manifestaciones de la participación de un hablante en la conversación, aunque no constituyan por sí mismas un turno. En este sentido, la reacción es una marca estructural de la unidad intervención, pues ayuda a su reconocimiento” (Val.Es.Co, 2014, p. 19). y el acto⁴ “Una unidad estructural monológica, jerárquicamente inferior a la intervención, de la que es su constituyente inmediato; asimismo, es la mínima unidad de acción e intención, que posee las propiedades de aislabilidad e identificabilidad en un contexto dado” (Val.Es.Co, 2014:39)..

Las tareas de segmentación fónica del Grupo Val.Es.Co., por tanto, combinan un criterio acústico y un criterio de validación sintáctico-semántico que permite corregir posibles errores o desviaciones. El criterio prosódico del que parte asume que el hablante toma sus decisiones enunciativas en el momento mismo de la emisión; esto significa que todo el contenido lingüístico integrado en un mismo bloque prosódico (grupo de entonación) debe entenderse como una unidad informativa⁵Tradicionalmente, para establecer fronteras prosódicas se ha hecho referencia a una unidad prosódica desde una terminología heterogénea: grupo entonativo (Quilis, 1993), grupo fónico (Navarro Tomás, 1944), frase prosódica (Fant, 1984), phonemic phrase (Lieberman, 1967), grupo tonal (Jassem, 1952; Brown, 1980; Sornicola, 1981; Halliday, 1985; Cruttenden, 1990; Taylor, 1993), grupo acentual (Garrido, 2001, 2003) o cláusula entonativa (Halliday, 1985), entre otros. Estas unidades se han descrito como la unidad básica de la entonación, la porción más corta del discurso con forma musical determinada, delimitada por pausas o por la inflexión del fundamental, como factor determinante para el establecimiento de unidades fónicas no delimitadas por un silencio posterior.. Para el caso del acto, el grupo entonativo encaja con un valor comunicativo, semántico e ilocutivo, lo que supone en la práctica la equiparación entre grupo de entonación y acto, dependientes de las relaciones sintáctico-estructurales internas que puedan reconocerse a posteriori en aplicación de otros criterios (el proposicional, el de aislabilidad, etc.)⁶Puede ocurrir que el grupo entonativo carezca de forma proposicional completa y sea la propia entonación (contorno suspendido, por ejemplo) la que otorgue valor comunicativo completo al acto..

Partiendo de que el reconocimiento de unidades prosódicas y, en consecuencia, la segmentación prosódica del discurso oral es una actividad compleja en la que influyen otros fenómenos como la velocidad de habla, las interrupciones, los reinicios o las vacilaciones, conviene una división automática del discurso, basada en criterios exclusivamente acústicos. La división sintáctico-semántica y la fónica no siempre se producen de manera coextensiva, por tanto, la opinión de establecer fronteras de unidad partiendo de un criterio acústico resulta idealizada⁷Se pueden encontrar en el discurso pausas que ha realizado el hablante y que no responden a criterios sintácticos o, al revés, unidades en los que desde el punto de vista sintáctico se esperaría una pausa y el hablante no la realiza. En este sentido, consúltese algunos artículos que han tratado la relación entre sintaxis y prosodia (Machuca y Ríos, 2011; Domínguez, Martínez y Mora, 2015, entre otros)..

La hipótesis de una segmentación de actos priorizada sobre la base del criterio ilocutivo-prosódico responde verazmente a la realidad comunicativa. El acto se constituye prosódicamente, y esa segmentación lleva asociada un valor comunicativo (criterio pragmático). Que ese segmento reconocido, aislable e identificable como tal, constituya o no una proposición es irrelevante en el modelo de segmentación conversacional que propone el Grupo Val.Es.Co.

Es necesario, pues, adoptar una perspectiva pragmática (basada en el contexto de uso), y asumir no solo la realidad acústica de un elemento (su prosodia) a la hora de considerar su jerarquía estructural, sino también, y en consonancia con lo anterior, su uso en contexto y la forma en que este es percibido por los interlocutores (perspectiva perceptiva). Esto último, por tanto, nos ha permitido tomar partido por la unidad estructural del acto para reconocer en ella los procesos de ironía, ya que facilita la presentación de estímulos en la fase perceptiva y en el análisis prosódico de la fase acústica de nuestro trabajo.

Se expone a continuación la metodología relativa a la presentación de estímulos. En total, el corpus presenta 203 intervenciones que se extiende a 276 actos.

Estas unidades, además, presentan la siguiente distribución en el corpus:

De acuerdo con la combinación de unidades señalada, los ejemplos del corpus se distribuyen de la siguiente manera:

Si observamos la Tabla 2, 144 (70 %) intervenciones irónicas coinciden con un acto, 48 (23 %) con dos actos y 11 (5 %) con más de dos actos (tres o cuatro), de un total de 203 intervenciones analizadas. En la tertulia radiofónica, sin embargo, solo 3 intervenciones se corresponden con más de un acto.

En aquellos casos en los que la segmentación del audio en actos no ha sido posible, se ha tomado como unidad de medida la intervención, ya que esta no presentaba delimitados sus actos con pausas o inflexiones definidas (en el caso de intervenciones muy breves). Ocurre en un total de 15 ejemplos de las series de televisión y en 10 ejemplos de la tertulia radiofónica.

Además, se han eliminado los subactos adyacentes interpersonales o modalizadores (¿no? ¿eh?) de aquellos actos que los incorporaban, en gran medida, por su carácter interrogativo, que podría alterar los datos prosódicos. Aparecen en 7 ejemplos de las series de televisión y en 13 ejemplos de la tertulia radiofónica.

3.2.1. Análisis perceptivo

El objetivo principal de las pruebas perceptivas ha sido analizar la comprensión auditiva de la entonación irónica en hablantes nativos de español. Se estudió, por tanto, la importancia de la entonación y del conocimiento contextual en la comprensión de significados irónicos. Para alcanzar dicho objetivo, se han desarrollado pruebas de comprensión auditiva descontextualizadas⁹Esto último permite que no se generen en el informante expectativas y presuposiciones que puedan influir en la interpretación de los actos (Reyes, 1995).. La realización de estas pruebas, por tanto, ha sido determinante para la selección de actos utilizados en el análisis acústico posterior. Este estudio, de carácter deductivo, nos ha permitido, entre otros aspectos, conocer si el contexto enunciativo afecta en la comprensión de la entonación irónica.

Las pruebas perceptivas se han elaborado con la herramienta on-line FOLERPA (Ferramenta On-Line para ExpeRimentación PerceptivA) (Fernández Rei, coord.), destinada a la experimentación perceptiva.

A partir de aquí, se ha realizado una prueba de comprensión perceptiva en la que los informantes debían escoger una de entre tres respuestas para categorizar un total de 276 actos: “sí es irónico”, “no es irónico” y “quizá, pero necesitaría más contexto”¹⁰Esta respuesta se propuso como una forma de no hacer corresponder forzosamente los actos con las respuestas “sí” y “no”..

En la prueba perceptiva participaron un total de 37 informantes de nacionalidad española, residentes en la Comunidad Valenciana. Todos ellos tenían formación universitaria y su edad oscilaba entre los 20 y los 35 años.

Los resultados de las respuestas manejadas para el caso de las series de televisión (ST) y tertulia radiofónica (TR) han sido los siguientes (véase Tabla 3):

En el caso de las series de televisión, en esta primera prueba perceptiva, más del 70 % de los jueces han identificado la ironía en 35 de los 171 actos presentados. Por tanto, optaron por la respuesta “sí” en el 20 % del corpus empleado para las series de televisión. Sin embargo, más del 70 % de los jueces optó por la respuesta “no” en 28 actos de los 171 presentados. Así pues, no se identificó correctamente la ironía en el 16 % de los actos del corpus de series de televisión. Los actos eliminados (108 de 171) responden a ejemplos que han sido calificados con alguna de las tres respuestas presentadas, pero ninguno de ellos ha superado un 70 % en alguna de esas tres respuestas. Estos ejemplos, por tanto, no superaron el porcentaje de aciertos exigido (70 %) en la prueba descontextualizada y, por tanto, fueron descartados¹²Este porcentaje de aciertos ha sido utilizado en otros estudios afines al tema (Kreuz y Link, 2002)..

Para la tertulia radiofónica más del 70 % de los jueces han identificado la ironía en 36 de los 105 actos presentados. Por tanto, optaron por la respuesta “sí” en el 34 % del corpus empleado para la tertulia radiofónica. Sin embargo, más del 70 % de los jueces optó por la respuesta “no” en 18 actos de los 105 presentados. Por tanto, no se identificó ironía en el 17 % de actos del corpus de tertulia radiofónica. Los actos eliminados (51 de 105) responden a ejemplos que han sido calificados con alguna de las tres respuestas presentadas, pero ninguno de ellos ha superado un 70 % de respuestas de los jueces.

Los datos obtenidos en las pruebas perceptivas realizadas muestran que existe dificultad a la hora de identificar la ironía únicamente por medio de la entonación, ya que la ironía ha sido considerada como tal en el 20 % del corpus para el caso de las series de televisión, y en el 34 % para la tertulia radiofónica. La falta de información contextual, además, ha derivado en que en el 16 % del corpus de series de televisión y en el 17 % de la tertulia radiofónica, más del 70 % de los jueces haya optado por la respuesta “no”. De los resultados obtenidos, podemos concluir, además, que los informantes han considerado la entonación y el contexto como factores complementarios al elaborar el significado irónico, ya que el 63 % de los actos para el caso de las series de televisión y el 48 % para el caso de la tertulia radiofónica ha sido evaluado por alguna de las tres respuestas propuestas, pero ninguna de ellas superó el porcentaje de aciertos exigido (70 %). Probablemente, esto nos permita concluir que, al menos en el corpus empleado, son varios los componentes que funcionan conjuntamente (de manera jerarquizada o no) en la reconstrucción del significado de los actos irónicos.

Esto último nos permite considerar varias subclases de ironía definidas en nuestro corpus:

Los límites entre estos grupos no están claramente definidos, ya que la ironía puede estar expresada a la vez por varias señales concretas (léxicas, contextuales, fónicas…), sin embargo, el hecho de que estas marcas puedan coexistir es real, de forma jerárquica o no. Por tanto, son varias las señales que pueden confluir en la comprensión de un acto irónico, ya sea individual o conjuntamente. El hecho de que la mayoría de jueces inexpertos no haya tomado una respuesta consensuada, no significa que el código que compartimos como comunidad de habla haya fallado, sino que deriva de la necesidad de considerar ciertas señales que influyen en la comprensión de un acto irónico (gestuales, léxicas, contextuales…) y funcionan conjuntamente. Probablemente en un número específico de actos se observa una entonación especial, sin embargo, el apoyo de otro tipo de señal ayudaría a una mejor comprensión. No creemos que la prosodia irónica sea un elemento dependiente de la información contextual en la totalidad de actos irónicos, como se afirma en algunos estudios (Becerra Valderrama, 2012Becerra Valderrama, M. I. (2012). Rasgos prosódicos en la producción de dos formas de ironía en español. Lingüística, 28, 191-205.
; Mier Logato, 2016Mier Logato, F. A. (2016). El papel del contexto en la comprensión de la ironía verbal. Análisis pragmático de una muestra. Enunciación, 22(1), 28-42.
), sino que es un apoyo sustancial, como lo pueden ser las señales de tipo cinésico, para el reconocimiento de burlas o críticas irónicas.

Existen, no obstante, inconvenientes relacionados con el uso de programas de televisión y de radio como fuente de datos. Principalmente, los presentadores de programas de televisión y muchos de sus invitados son famosos y pueden no representar al comunicador promedio. Los participantes de los programas de entrevistas televisivas son conscientes de que millones de espectadores los están viendo y pueden modificar (exagerando, por ejemplo) sus tendencias comunicativas naturales. Por esta misma razón, los participantes pueden no estar dispuestos a expresar las emociones negativas, en particular las emociones negativas fuertes. Frente a ello, la televisión, específicamente programas de entrevistas, proporcionan una fuente rica de material para el estudio de la ironía (Rockwell, 2005Rockwell, P. (2005). Sarcasm on television talk shows: Determining speaker intent through verbal and nonverbal cues. En A. V. Clark (Ed.), Psychology of Moods: New Research (pp. 109-122). Nueva York: Nova Science Publishers.
).

Por otro lado, podemos pensar que en las series de televisión se reconoce la voz del personaje - generalmente de alguna serie televisiva de gran audiencia - que hace que inmediatamente asociemos el acto con su personalidad en la trama o con la misma trama, lo cual podría condicionar la decisión final del oyente o del espectador.

En lo que a nuestro objeto de estudio se refiere, la entonación no queda en un segundo plano, sino que existen actos irónicos que tienen como “marca principal” algún rasgo fónico característico, tal y como se observa en las validaciones perceptivas de ironía espontánea realizadas (resultados similares se presentan en los trabajos de Rockwell, 2000Rockwell, P. (2000). Lower, slower, louder: Vocal cues of sarcasm. Journal of Psycholinguistic Research, 29(5), 483-495.
o Bryant y Fox Tree, 2005Bryant, G. A. y Fox Tree, J. E. (2005). Is there an Ironic Tone of Voice? Language and Speech, 48(3), 257-277. http://dx.doi.org/10.1177/00238309050480030101
). En los actos considerados como irónicos (en los que se ha optado por la respuesta “sí”), probablemente, el contexto, en un segundo plano, podrá ayudar a comprender la ironía más rápidamente para asegurar la eficacia comunicativa del enunciado, teniendo en cuenta las situaciones extralingüísticas que favorecen los procesos de inferencia. Cualquier código lingüístico, analizado pragmáticamente, se comprende e interpreta desde la inferencia, ciertamente, esto es, desde un marco metacomunicativo que clasifica la situación de habla y el papel de los participantes (Reyes, 1995Reyes, G. (1995). El abecé de la pragmática. Madrid: Arco Libros.
). En cualquier caso, los resultados presentados nos permiten discurrir en marcas entonativas propias de una actitud irónica, marcas que no se corresponden con una entonación propiamente emocional, y que no funcionarían como marcas supletorias del contexto tácito o explícito, de las situaciones externas y extralingüísticas, sino como categorías similares.

El hecho de considerar el análisis perceptivo, en suma, nos permite observar que el componente prosódico está estrechamente ligado con las funciones semánticas y pragmáticas de la expresión (Alba-Juez, 1998Alba Juez, L. (1998). A corpus study of the prosodic features accompanying verbal irony in English. Estudios en Lingüística Aplicada, 27, 29-51.
), lo que nos aboca a pensar en la necesidad de un estudio sobre la correlación función-prosodia. Esto nos permite, por ejemplo, ilustrar algunos problemas importantes en la comprensión de la relación forma-función entre las señales prosódicas y la ironía verbal, o mostrar la capacidad desambiguadora de las características prosódicas en el plano semántico de la ironía (Bryant, 2011Bryant, G. A. (2011). Verbal irony in the wild. Pragmatics and Cognition, 19(2), 291-309 http://dx.doi.org/10.1075/bct.55.06bry.
).

3.2.2. Análisis acústico

Para el análisis acústico se han escogido los actos de respuesta “sí” y los actos de respuesta “no”, ya que, la respuesta alternativa se propuso como una forma de no hacer corresponder forzosamente los actos con las respuestas “sí” y “no”. Esto es, se escogieron aquellos estímulos irónicos cuya entonación buscaba ser neutra (sin ningún énfasis especial) y su interpretación debía ser la del significado directo o literal; y estímulos irónicos cuya entonación buscaba connotar una interpretación irónica - por manifestar énfasis en su contexto (foco ancho) o por tener algún rasgo de énfasis localizado (foco estrecho o énfasis de palabra) -, por lo que su interpretación debía ser indirecta o no-literal.

En el presente apartado se lleva a cabo el análisis de los parámetros acústicos de naturaleza suprasegmental referentes a la F0, a la intensidad y a la duración aisladamente. Abordamos los datos de la media, la máxima, la mínima y el rango de F0 y de intensidad de los segmentos vocálicos extraídos a partir de scripts válidos para Praat, así como de los valores de la media de duración de los segmentos silábicos de los actos analizados.

Al igual que el test de percepción, el análisis acústico parte de ciertas premisas (a modo de hipótesis) sobre el estudio de la correlación ironía-prosodia en español:

Aunque el término “neutralidad” se asocia en los estudios de interfaz prosodia-ironía con la entonación que expresa una intención sincera o literal por parte del hablante y es empleada como condición de control en la mayoría de estudios que manejan corpus ad hoc, en nuestro caso, el hecho de comparar actos irónicos validados perceptivamente, nos ha permitido contrastar estímulos cuya entonación parece ser neutra (actos irónicos de respuesta “no”) frente a estímulos cuya entonación busca connotar una interpretación irónica (actos irónicos de respuesta “sí”) (Bryant y Fox Tree, 2005Bryant, G. A. y Fox Tree, J. E. (2005). Is there an Ironic Tone of Voice? Language and Speech, 48(3), 257-277. http://dx.doi.org/10.1177/00238309050480030101
).

3.2.3. Resultados de las series de televisión

Para el análisis estadístico de los datos tratados conjuntamente se ha utilizado el modelo de análisis de efectos mixtos (Baayen y otros, 2008; Seoane, 2014), que combina efectos fijos y aleatorios. Para ello se ha utilizado el programa R, teniendo en cuenta los datos de la F0 de los segmentos vocálicos no normalizados.

La distribución del número de actos y segmentos vocálicos analizados ha sido la siguiente (véase Tabla 4):

Los segmentos vocálicos analizados para la F0 (en Hz) se corresponden con los del volcado de datos realizado con el primer script del modelo AMH (Mateo Ruiz, 2010aMateo Ruiz, M. (2010a). Scripts en Praat para la extracción de datos tonales y curva estándar. Phonica, 6, 91-111.
, 2010bMateo Ruiz, M. (2010b). Protocolo para la extracción de datos tonales y curva estándar en Análisis Melódico del Habla (AMH). Phonica, 6, 49-90.
)¹³Vuelca los valores de F0 reales (de la totalidad de segmentos vocálicos), así como las alertas que debe revisar manualmente el investigador.. Para el análisis de la F0 se han tenido en cuenta los casos desdoblados que recoge el script AMH en los que existen dos y hasta tres segmentos tonales en las vocales tónicas, debido a cambios en la inflexión.

De acuerdo con el modelo de análisis de efectos mixtos, pues, se muestran a continuación los datos relativos a la media, la máxima, la mínima y el rango de F0 (en Hz) para las series de televisión (Tabla 5), de los actos de respuesta “sí” (29) y “no” (22):

El test de efectos fijos del modelo mixto presentado (Tabla 5) se corresponde con los resultados de la prueba de significancia de cada efecto fijo del modelo. A diferencia de otras pruebas, cada variable se considera globalmente y no de acuerdo a sus niveles. En este caso, para determinar si un término aleatorio (en nuestro caso el hablante) afecta significativamente la respuesta, comparamos el valor p del término indicado en la tabla de efectos fijos (componentes de la varianza) con el nivel de significancia. Por lo general, un nivel de significancia (denotado como α o alfa) de 0.05 funciona adecuadamente. Un nivel de significación de 0.05 indica que solo el 5 % de los datos se comporta al azar y el 95 % se debe a los factores propuestos por el investigador.

En este caso, el valor p de la media de F0 es significativo (p=0.00118), a diferencia de lo que ocurre con los demás parámetros analizados (máxima, mínima y rango de F0), ya que el valor es menor que el nivel de significación. Podemos concluir que el término aleatorio afecta significativamente a la respuesta, lo que se traduce en que la varianza del término aleatorio (18,9 Hz) es significativamente diferente de cero. Dicho de otro modo, la media de F0 de la respuesta “sí” se aleja +18,9 Hz del dato obtenido para la media de F0 en la respuesta “no”.

Para el análisis estadístico de los datos relativos a la intensidad se ha utilizado de nuevo el modelo de análisis de efectos mixtos con R. La distribución del número de actos y segmentos vocálicos analizados ha sido la siguiente (véase Tabla 6):

El número de segmentos vocálicos analizados se corresponde con el número de datos que extrae el script de intensidad¹⁵Para el análisis de la media, la máxima y la mínima de intensidad se ha elaborado un script para Praat, que extrae los valores en dB de los segmentos vocálicos a partir de los audios y los Textgrid creados para la extracción de la F0 media., que hace coincidir el valor de intensidad con el segmento vocálico concreto.

De acuerdo con el modelo se muestran a continuación los datos relativos a la media, la máxima, la mínima y el rango de intensidad (en dB) de los actos de respuesta “sí” (29) y “no” (22) para las series de televisión (Tabla 7):

Como hemos visto para el caso de la F0, el test de efectos fijos del modelo mixto presentado se corresponde con los resultados de la prueba de significación de cada efecto fijo del modelo. En el caso de la intensidad, el valor de probabilidad no es significativo para los parámetros analizados (media, máxima, mínima y rango de intensidad), ya que los valores superan el 5 % de probabilidad de que el comportamiento de los datos se deba al factor que se está analizando.

Para el análisis estadístico de los datos relativos a la duración¹⁶Para el análisis de la duración se ha elaborado igualmente un script para Praat que extrae los valores en ms de los segmentos silábicos de los actos. se ha utilizado de nuevo el modelo de análisis de efectos mixtos con R. De acuerdo con el modelo se muestran a continuación los datos relativos a la media de duración (en ms) de los actos de respuesta “sí” (29) y “no” (22) para las series de televisión (Tabla 8):

En este caso, aunque la media de duración de la respuesta “sí” es mayor (+5,232ms) que la de la respuesta “no”, los datos de la media de duración no son significativos; el término aleatorio no afecta significativamente a la respuesta.

3.2.4. Resultados de la tertulia radiofónica

Los ejemplos referentes a la tertulia radiofónica se han sometido a una prueba ANOVA con SPSS, ya que tratábamos con dos hablantes solamente, siendo la variable independiente “respuesta” (“sí” frente a “no”), y los cuatro parámetros acústicos (media, máxima, mínima y rango de F0), las variables dependientes.

La distribución del número de actos y segmentos vocálicos analizados para los dos hablantes ha sido la siguiente (véase Tabla 9):

De acuerdo con la prueba estadística ANOVA, se muestran a continuación los datos relativos a los parámetros de intensidad analizados para la tertulia radiofónica (véase Tabla 10) de los actos de respuesta “sí” (36) y “no” (18):

El análisis estadístico muestra que la media (,000), la máxima (,000), la mínima (,002) y el rango de F0 (,009) son diferencias significativas para los dos hablantes. Además, los valores medios de los cuatro parámetros en los actos de respuesta “no” aumentan con respecto a los del “sí”, a diferencia de lo que ocurre para el corpus de series de televisión.

Para el análisis de la intensidad, asimismo, los ejemplos referentes a la tertulia radiofónica se han sometido a una prueba ANOVA, ya que tratábamos con dos hablantes solamente, siendo la variable independiente “respuesta” (“sí” frente a “no”), y los cuatro parámetros acústicos (media, máxima, mínima y rango de intensidad) las variables dependientes.

La distribución del número de actos y segmentos vocálicos analizados para los dos hablantes ha sido la siguiente (véase Tabla 11):

El número de segmentos vocálicos analizados para los cuatro parámetros de intensidad se corresponden con los datos que extrae el script de intensidad utilizado, que hace coincidir el valor de intensidad con el segmento vocálico determinado.

De acuerdo con la prueba estadística ANOVA, se muestran a continuación los datos relativos a los parámetros analizados para la tertulia radiofónica (véase Tabla 12) de los actos de respuesta “sí” (36) y “no” (18):

El análisis estadístico muestra que las diferencias no son significativas para ninguno de los cuatro parámetros analizados y tratados conjuntamente (media ,256; máxima ,204; mínima ,466; y rango de F0 ,717), aunque asciendan en el caso de los actos de respuesta “no”.

Los datos relativos a la duración se han sometido, asimismo, a una prueba ANOVA. Se muestran a continuación los datos de la media de duración (en ms) de los actos de respuesta “sí” (36) y “no” (18) para la tertulia radiofónica (Tabla 13).

En este caso, la media de duración de la respuesta “no” es mayor (131,3 ms) que la de la respuesta “sí” (128,3), sin embargo, los datos de media de duración no son estadísticamente significativos (,657).