La voz propia: ¿se puede medir?
IDEA CENTRAL:
La estilometría lleva más de sesenta años midiendo voces individuales, y su hallazgo más sólido es contraintuitivo: la firma de una persona no está en las palabras llamativas, sino en las invisibles. Artículos, preposiciones, conectores, largo de frase, puntuación. Hábitos que nadie controla a conciencia.
Con eso se atribuyeron los Federalist Papers y se descubrió que Robert Galbraith era J. K. Rowling. Hipótesis de la nota: si mi voz existe, debería aparecer ahí, en lo que no elijo.
PREGUNTAS:
- 1.¿Qué indicadores?Frecuencia de palabras funcionales, n-gramas de caracteres, largo y variación de las frases, puntuación, vocabulario exclusivo y, más recientemente, representaciones de estilo aprendidas por redes neuronales.
- 2.¿Cómo los mido?Reunir un corpus propio (como punto de partida, diez textos o más del mismo género) y uno de control con otros autores; correr Delta de Burrows con el paquete stylo; ver si mis textos se agrupan entre sí.
- 3.¿Funcionan?Para atribuir autoría entre pocos candidatos, sí, y bien. El problema es el tema: muchos métodos confunden “mismo autor” con “mismo tema”. Y una firma estadística no es lo mismo que una voz en sentido literario.
FUENTES:
- 01Mosteller y Wallace (1963)— Inference in an Authorship Problem (Federalist Papers) ↗El caso fundacional: palabras funcionales para decidir entre Hamilton y Madison.
- 02Burrows (2002)— ‘Delta’: a Measure of Stylistic Difference and a Guide to Likely Authorship ↗La medida que sigue usándose hoy. Simple y sorprendentemente buena.
- 03Stamatatos (2009)— A survey of modern authorship attribution methods ↗El mapa del campo: qué rasgos existen y cuáles funcionan.
- 04Eder, Rybicki y Kestemont (2016)— Stylometry with R: A Package for Computational Text Analysis ↗El paquete stylo: la forma más directa de probar esto con tus textos.
- 05stylo (código)— github.com/computationalstylistics/stylo ↗Instalación y ejemplos.
- 06Juola (2013)— Rowling and “Galbraith”: an authorial analysis ↗Cómo se identificó a Rowling, contado por quien lo hizo.
- 07Nini (2023)— A Theory of Linguistic Individuality for Authorship Analysis ↗La pregunta de fondo: por qué cada persona tendría una gramática propia.
- 08Rivera-Soto et al. (2021)— Learning Universal Authorship Representations ↗La versión con redes neuronales: un vector por autor.
- 09Wegmann et al. (2022)— Same Author or Just Same Topic? Towards Content-Independent Style Representations ↗Cómo separar estilo de tema, que es la trampa principal.
- 10PAN— Competencias abiertas de atribución de autoría ↗Datasets y tareas para comparar métodos.
- 11