Este estudio parte de la concepción jerárquica de la prosodia, según la cual los diferentes constituyentes formados por elementos de contenido fonológico se agrupan en unidades cada vez mayores (Selkirk, 1978). Si se considera que la mora, en español, carece de validez suficiente como unidad, la unidad mínima de representación de esta jerarquía es la sílaba.

Concretamente en español, la sílaba, pese a ser el constituyente inferior de la jerarquía prosódica, es elemento que marca la estructura prosódica, ya que el castellano se considera una lengua de ritmo silábico, debido a la duración relativamente parecida entre las sílabas y la regularidad de las fronteras silábicas (Gil, 2007).

En la bibliografía fonológica se han ido proponiendo diferentes perspectivas para describir la organización de la estructura silábica, entre las que destaca la diferenciación entre modelos planos y jerárquicos, recogida por Lahoz-Bengoechea (2015). Aunque no es objetivo de este trabajo analizar tales propuestas, cabe destacar que la estructura silábica reconocida en español se basa en un modelo jerárquico compuesto por un ataque -que puede considerarse simple si solo cuenta con una consonante, o complejo, si está conformado por dos- y una rima, que a su vez se compone de una cima, en la que se encuentra la vocal que se reconoce como núcleo de la sílaba, y una coda, que consta de uno o dos elementos (principalmente consonánticos) que ocupan la posición final. En concreto, en el desarrollo de este estudio se trabajará con sílabas que cuentan con un ataque complejo y un elemento consonántico en la posición de coda.

La perspectiva empleada en este trabajo sobre la formación silábica es la sustentada por la Fonología Articulatoria. Esta aporta una visión novedosa a su tratamiento, ya que desde el análisis fonológico se tienen en cuenta aspectos puramente fonéticos, como son la duración y el movimiento, y porque además se representa el propio movimiento de los órganos articuladores (Polo Cano, 2019). De este modo, se considera que la unidad mínima de representación es el gesto articulatorio, que es el resultado de la descomposición de las acciones producidas por el tracto vocal en rasgos mínimos (Goldstein, Byrd y Saltzman, 2006). Además, este resultado se concibe como un objetivo lingüísticamente relevante, por lo que las acciones del tracto vocal que componen los gestos articulatorios se activan de forma cooperativa para lograrlo (Nam, 2007). Como consecuencia de este planteamiento, la representación de varios gestos articulatorios da lugar a la sílaba, lo que la posiciona como la unidad de coordinación gestual en la que dichos gestos aparecen coordinados entre sí (Hall, 2017) -como se refleja en la Figura 1- y, además, es considerada la unidad mínima en la que se producen.

Según Marin y Pouplier (2010, 2014) se reconocen dos tipos de coordinaciones entre los gestos que se corresponden a las diferentes partes de la estructura silábica. Se denomina ‘patrón de coordinación en fase’ de los gestos aquel que cuenta con un inicio sincronizado de estos y que mantiene su sincronización siguiendo con sus frecuencias naturales; mientras que un ‘patrón en antifase’ es el que procede al inicio de una acción una vez finalizada la anterior. Así mismo, se postula que el patrón coordinativo existente entre el ataque y el núcleo silábico se produce en fase; y que la vocal nuclear de la sílaba y la coda presentan un patrón de coordinación en antifase.

En el caso de los ataques complejos, como es el de los ataques analizados en este trabajo, los patrones de coordinación entre los componentes parecen incompatibles, por lo que se propone como solución el planteamiento de la coordinación entre sí de los gestos articulatorios correspondientes al ataque y, a su vez, la coordinación de cada uno de ellos con la vocal. De este modo, tal como se representa en la Figura 1, se concibe que la coordinación entre la primera y la segunda consonante (C1 y C2) se produce en antifase y que sendas coordinaciones con la vocal se atienen a un patrón en fase.

Para solucionar esta incompatibilidad coordinativa del ataque se acuñó el término centro-c, que describe el fenómeno como “media aritmética de los puntos medios temporales del momento estable de máximo desplazamiento articulatorio de cada gesto consonántico en la secuencia” (Byrd, 1995, p.286). Específicamente, consiste en la coincidencia del punto de máxima velocidad de la constricción de la vocal (en torno al 25 % de su desarrollo) con el punto central de la duración total del grupo consonántico.

Otro aspecto que se ha observado es la representación de las diferentes entidades de los ataques silábicos. Ejemplo de ello son el trabajo de Sotiropoulou, Tobin y Gafos (2017), en el que se analizan los efectos producidos en las combinaciones posibles de los ataques complejos en español, o el de Gibson, Sotiropoulou, Gibson y Gafos (2020), en el que también se examina la variación del gesto vocálico. Al analizar los ataques de forma aislada, se observa que, en el caso de los ataques complejos en español, la identidad de la primera consonante del grupo influye de forma significativa en las duraciones del grupo, entre las que destaca la corta duración del grupo /pɾ/ frente a la de /kɾ/ o la de /tɾ/. En cuanto a la segunda consonante del grupo, /ɾ/ y /l/, se concluye que la primera, debido a su complejidad articulatoria y a la anticipación gestual que requiere, posee una duración mayor que /l/, pero que la líquida, a su vez, disminuye su duración en caso de encontrarse en un ataque complejo, en comparación con su aparición en ataques simples.

El último factor que se ha de tener en cuenta bajo el dominio de la sílaba es la acentuación, entendida como el hecho de que una de las sílabas que conforman la palabra destaque sobre las demás y esa prominencia se represente mediante alguna marca fonética; en concreto, se denomina ‘acento léxico’ al acento dinámico que aparece en dicha sílaba. No todas las palabras cuentan con este acento léxico, pero aquellas que sí lo poseen sirven de apoyo para aquellas que no lo reciben.

A nivel segmental se ha analizado la influencia que ejerce el acento sobre la sílaba, como se refleja en el trabajo de Marín (1994), en el cual se concluye que la acentuación ejerce su influencia sobre la vocal produciendo una mayor duración en su totalidad. Desde la perspectiva de la fonología articulatoria, esta explicación se centra en la duración de los gestos articulatorios, de modo que, según demuestran Beckman, Edwards y Fletcher (1992), los cambios en la duración que provoca el acento no se reflejan en la totalidad del gesto, sino en la coordinación temporal, produciendo un retardo en el cierre del gesto vocálico y, por lo tanto, retrasando el inicio del gesto articulatorio siguiente.

No solo se ha estudiado la acentuación léxica como un fenómeno relacionado con la duración, sino que también se habla de la prominencia con respecto a los correlatos de intensidad (Ladefoged, Draper y Whitteridge, 1958; Fry, 1955) o amplitud (Munhall y Löfqvist, 1992), aunque en el presente estudio solo se trabaja la primera.

Los audios fueron segmentados y etiquetados de forma manual en Praat (Version 6.0.49) siguiendo las indicaciones de Martínez Celdrán y Fernández Planas (2013). En esta segmentación se tuvo en cuenta la división en fonemas y la agrupación de las sílabas meta según su acentuación. Finalizada la segmentación, se recopilaron y extrajeron todos los datos relativos a la duración y a la proporción de los sonidos, además de las identidades de las obstruyentes, las líquidas y las codas.

Al hablar de duraciones se hace referencia a la duración acústica absoluta que abarcan los sonidos. Sin embargo, al hablar de proporciones, a lo que se hace referencia es a la duración total de un sonido y a la posición que ocupa dentro de un grupo, de modo que la proporción de la líquida se conforma como una medida con respecto al grupo formado por la obstruyente más la líquida; la proporción de la vocal, con respecto al grupo complejo más la vocal; y la de la coda, con respecto a la rima, es decir, la vocal junto con la propia coda.

Una vez recopilados los datos, se procedió al análisis estadístico con el programa R (V. 3.6.1) y se realizó un análisis de modelos de regresión lineal con efectos mixtos.

Como variables dependientes se emplearon la duración total de la sílaba y la de sus componentes (obstruyente, líquida, vocal y coda), así como las proporciones de las tres últimas. Entre las variables independientes se encontraban una serie de efectos fijos, como la acentuación de las sílabas, la aparición de coda, o la identidad de las obstruyentes, las líquidas y las codas; junto con un efecto aleatorio, en este caso los informantes o sujetos.

Las variables relacionadas con la acentuación se codificaron tomando como nivel de referencia la sílaba no acentuada, y las variables relacionadas con la aparición de coda se codificaron a su vez tomando como referencia su ausencia. El resto de variables se codificaron centradas en el promedio de todos los niveles.