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, 2020), bajo el nombre de Oralstats (Cabedo 2021), 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. 231) 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, 2019). 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, 2019). 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, 2018).

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, 1948) 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, 2019). 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, 2011), 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, 2020), 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.

Los géneros discursivos son constructos cognitivos que se manifiestan en distintas realizaciones textuales (Biber y Conrad, 2009). 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, 2019; Briz y Albelda, 2013). Son géneros discursivos, por tanto, la entrevista, la conversación, el mitin político, el monólogo de humor, la tertulia discursiva, etc. (Cabedo, 2009; Biber y Conrad, 2009; Calvi, 2010).

Estos géneros incluyen características lingüísticas comunes que los definen como estereotipos comunicativos (Caelen-Haumont, 1993; McMenamin, 1993). 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. 94-95):

En español, el estudio fónico de géneros discursivos ha sido abordado por diferentes trabajos de investigación (Cabedo, 2007, 2009; Estellés y Albelda, 2014). En estudios como el de Estellés y Albelda (2014), 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), 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) 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. 67); 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. 73). De hecho, no es nada extraño que algunos de los mayores expertos en lingüística forense procedan del ámbito de la Sociolingüística (Coulthard, 2013, 2014, 2007; Coulthard y Johnson, 2010). 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. 183). 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, 2012; Coulthard et al., 2011; McMenamin, 1993), 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, 2012; Coulthard et al., 2011; Grant, 2008; Grant y Baker, 2001), 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, 2007; Coulthard y Johnson, 2010; McMenamin, 1993). 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, 2009), 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., 2018), las pausas llenas (Cicres i Bosch, 2014), 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. 158).

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, 2010; Rodero, 2012). También estudios fónicos sobre otros géneros discursivos, como la retransmisión deportiva, el discurso político o la conversación coloquial (Cabedo, 2007, 2009; Hidalgo, 2019). 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. 234-235).

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, 2021). 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, 2019). En este sentido, incidimos en el hecho de que, en modo similar a como sucede en algunos estudios de Lingüística Forense (Cicres i Bosch, 2011), 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.

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): “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.

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, 2011, 2014; Coulthard et al., 2011); 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, 2020) 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, 2021), 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., 2016). 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, 1948); 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.