El programa propuesto apunta a desarrollar métodos formales, cuantitativos y computacionales para el análisis de textos literarios. Uno de los ejes principales es la aplicación (y la elaboración a partir) de las teorías formalista y estructuralista rusas, checas y polacas, así como de sus predecesores (como Aleksandr Veselovski) y de sus continuadores, en el contexto de las humanidades del siglo XXI (Bozovic).

En los años veinte y treinta del siglo XX, varios formalistas rusos, entre ellos Borís Yarjó y Borís Tomashevski, desarrollaron un enfoque formal estadístico para estudiar las lenguas literarias que analizaba todos los niveles y aspectos de los textos literarios (sonido, gramática y significado). Se ocuparon de las poéticas diacrónica y sincrónica, así como de la génesis, la evolución y la tipología literarias. Su obra es menos conocida que las teorías formalistas no cuantitativas de Víktor Shklovski y Yuri Tynianov, pero ahora llama la atención en el contexto de enfoques contemporáneos como el de Franco Moretti y el “formalismo cuantitativo” del Laboratorio Literario de Stanford (Pilshchikov, “A poética quantitativa”; “The Four Faces”).

Con la aparición de las tecnologías de la información y la comunicación y de las humanidades digitales, varios proyectos basados en la estadística que hace ochenta o incluso veinte años parecían de gran envergadura, y que requerían de demasiado trabajo, están ahora, con holgura, a nuestro alcance. Al mismo tiempo, las necesidades prácticas que van a surgir al hacer realidad dichos proyectos pueden estimular el desarrollo de las propias humanidades digitales. En la fase actual, la poética cuantitativa está destinada a evolucionar en una “poética computacional”.

Al mismo tiempo, el análisis cuantitativo no se opone al análisis “cualitativo” o estructural-funcional. El requisito para aplicar la estadística es un análisis cualitativo preciso de la estructura del texto literario. Por un lado, los parámetros que sean el resultado de un estudio estadístico objetivo son aptos para la interpretación crítica. Por otro lado, como señaló Yarjó, “no se introduce ningún índice estadístico sin un análisis morfológico, es decir, sin comprobar qué fenómenos literarios reales refleja”¹ (Metodologia 7). Un estudio estadístico debería probar o refutar la validez de un modelo predictivo: este es un modo, por ejemplo, de “reconciliar” el enfoque generativo y el estocástico-estadístico con e l estudio del verso (Lotman, “Russki stij: osnovnye razmery” 259-262; Polilova, Pilshchikov y Belousova). Por consiguiente, un análisis semántico y estructural-funcional antecede y sigue al análisis cuantitativo. Primero, es necesario definir qué fenómeno particular vamos a analizar; después, interpretamos lo que significan esas diferencias entre cantidades en un contexto histórico y cultural dado.

La “poética computacional” tendría que ir de la mano de una informática que incluya, primero y antes que todo, lingüística computacional y procesamiento de lenguaje natural.

Análisis morfológico y morfoacentual

Un análisis de textos poéticos escritos en una lengua con acento variable (como el ruso o el serbocroata) solo puede partir de un análisis textual morfológico, automatizado y que tenga en cuenta los acentos. A diferencia de las lenguas con acentos fijos -como el francés, el polaco, el checo, entre otras -, o de las lenguas germánicas, en las que hay una alta probabilidad estadística de que una palabra lleve el acento en la primera sílaba -de modo que esta probabilidad puede usarse como una base firme para el análisis automatizado; Bobenhausen y Hammerich -, la palabra rusa o la serbocroata puede llevar el acento en cualquier sílaba, sin importar cuál sea su estructura silábica. Sin embargo, grupos morfológicos diferentes siguen patrones acentuales diferentes, como lo describió con propiedad (en el caso del ruso) Andrei Zalizniak en el Diccionario gramatical de la lengua rusa. Hay varios investigadores y programadores trabajando actualmente en crear versiones digitales de este diccionario (AATSEEL 2020; “Grammaticheski slovar’”). Diccionarios parecidos de otras lenguas eslavas están aún por elaborarse.

Un análisis textual morfológico automatizado que tenga en cuenta los acentos sienta las bases para el reconocimiento automático de metros poéticos. Para el problema del reconocimiento del metro, Igor Pilshchikov y Anatoli Starostin han desarrollado un enfoque probabilístico y basado en la morfología (Pilshchikov y Starostin). Los componentes esenciales de su analizador sintáctico métrico son: un analizador morfológico, que, siguiendo el diccionario de Zalizniak, propone hipótesis morfológicas con información sobre la ubicación del acento, y un analizador métrico que lleva a cabo el análisis de cada verso y calcula cuánto se aproxima a cada metro de determinado conjunto, es decir, de un repertorio métrico preestablecido. Estos algoritmos pueden generalizarse con eficiencia para el análisis del ritmo de la prosa. Un enfoque distinto para la detección automatizada del acento en ruso combina el análisis de red neuronal (Ponomareva et al.) con el análisis a partir de diccionarios (Korotkova).

En la actual investigación computacional del verso a partir de corpus, el eslabón más débil es el estudio del ritmo. No hay corpus que desambigüen la homonimia rítmica y solo hasta ahora se ha iniciado la investigación comparada del ritmo de los metros de la poesía escrita en lenguas diferentes (Gasparov, “A Probability Model”) con asistencia del computador (Kazartsev; De Sisto; Plecháč y Birnbaum). Aunque el reconocimiento automatizado de la mayoría de metros ya está disponible y se usa en los corpus de poesía, el estudio del ritmo necesita de un marcado manual que requiere mucho tiempo y esfuerzo, en especial para las lenguas que tienen acentos móviles. Los cambios diacrónicos añaden dificultades como, por ejemplo, el desplazamiento del acento en los polisílabos rusos en comparación con su acentuación en el ruso dieciochesco o incluso decimonónico (Es’kova). Evgeni Kazartsev y sus colegas están preparando un corpus digital de textos rusos para el estudio comparado del ritmo del verso y de la prosa (Kazartsev y Zemskova), pero muchos problemas aún están lejos de solucionarse.

Análisis fonético y fonológico

Se necesita un análisis fonético y fonológico automatizado del lenguaje escrito para identificar parámetros versológicos relacionados con la rima (estrofas y series de rima libre), con la estructura fonética y fonológica de las rimas y con el análisis cuantitativo y estructural de la eufonía en la poesía y la prosa.

Un análisis fonológico tendría que complementarse con un análisis morfológico y semántico. Así, algunas rimas homonímicas son tautológicas y otras no lo son, según las características gramaticales (morfológicas) de las palabras rimadas: si representan la misma forma gramatical de la misma parte de la oración y tienen el mismo significado, son tautológicas; de lo contrario, no lo son (Gasparov, “Rifmy”).

Análisis sintáctico

El análisis sintáctico de los textos literarios no es esencial solo por sí mismo, sino también con el objetivo de eliminar las ambigüedades. En las lenguas flexivas (es decir, con amplios paradigmas de declinación y conjugación), la supresión de la ambigüedad implica una solución para la homonimia gramatical (más que para la semántica). A menudo tal desambiguación es inalcanzable a partir del análisis morfológico automatizado. En este caso, son posibles tres estrategias (o en la práctica, una combinación de las tres). Podemos eliminar la ambigüedad manualmente, desarrollar un enfoque probabilístico más sofisticado o aplicar los elementos del análisis sintáctico con supresión automatizada de la ambigüedad. Vale la pena señalar que hace poco (el 2 de febrero del 2023) se implementaron elementos del análisis sintáctico automatizado al subcorpus principal del Corpus Nacional Ruso (“Natsionalny korpus russkogo yazyka”), además del subcorpus de sintaxis SynTagRus.

Análisis semántico

Prácticas de análisis semántico automatizado como el modelado temático se aplican con menor frecuencia a textos eslavos, en particular poéticos, que a la prosa en inglés. Sin embargo, hay algunos avances que están cimentados en la anterior tradición eslava de investigación.

Una de las posibilidades es el estudio del así llamado “halo semántico” del metro. En 1938, Roman Jakobson publicó un estudio innovador en el que analizaba las funciones semánticas de los metros en la obra del poeta romántico checo K. H. Mácha. En cierta tradición poética puede haber una tendencia a asociar cada metro con una esfera semántica particular y una tonalidad emocional (Jakobson). La idea se remonta a una observación que hizo Osip Brik durante el debate alrededor de su artículo “Sobre el ritmo del verso”, que tuvo lugar el 1 de junio de 1919 en el Círculo Lingüístico de Moscú y que fue presidido por Jakobson (Shapir; Pilshchikov, “Zasedanie”). Más tarde, Kirill Taranovski, a menudo considerado como el iniciador de este tema de investigación (ver Taranovski), Mijaíl Gasparov (“The Semantic Halo”; Metr i smysl) y otros estudiosos como Mihhail Lotman, Michael Wachtel -quienes también estudiaron el verso ruso; Lotman, “Russki stij: semantika”; Wachtel)- o Marina Tarlinskaya - quien estudió el verso inglés; “Meter and Meaning”; Tarlinskaya y Oganesova-, emprendieron una amplia gama de investigaciones en esta área. Recientemente se ha hecho un estudio computacional de la semántica métrica usando un enfoque de modelado temático, y no solo se ha aplicado a la poesía rusa (Šeļa, Orekhov y Leibov), sino también a poemas y canciones en checo, alemán, inglés y neerlandés (Šeļa, Plecháč y Lassche).

También en la década de los treinta se expuso otra forma de cuantificar la semántica de los textos literarios. Borís Yarjó, un precursor ruso del formalismo cuantitativo y las humanidades digitales contemporáneas, respaldó la teoría que afirma que El cantar de Roldán no fue creado en un ambiente clerical, sino en uno militar. Lo confirmó con información estadística al comparar El cantar con una reelaboración posterior del relato compuesta por un clérigo. El investigador demostró

Así pues, emociones y conceptos expresados explícitamente en una obra literaria pueden ser analizados de forma cuantitativa y computacional. Caminos nuevos, como el análisis del sentimiento, podrían ampliar esas ideas previas. Soluciones ideológicas y tecnológicas nuevas, como el aprendizaje automático supervisado y sin supervisión, las redes neuronales artificiales, las ontologías dinámicas (glosarios autotransformadores de conceptos organizados en categorías que están conectadas a través de relaciones semánticas) y cosas por el estilo, pueden indicar desarrollos ulteriores (Orekhov y Fischer).

Análisis de los niveles extralingüísticos

Características del texto literario como el número de capítulos, el número y el tipo de personajes o una variedad particular de escenarios son extralingüísticas; sin embargo, también pueden analizarse cuantitativamente. Un ejemplo es la obra de Yarjó, que hizo un análisis diacrónico y sincrónico del teatro europeo y ruso, usando parámetros formales como el número total de personajes, el número de escenas con uno, dos, tres o más personajes que hablan y la desviación estándar del número medio de personajes que hablan, el número de escenas de la obra (como la medida de movilidad de la acción), la longitud media de la intervención y el porcentaje de versos que constituyen esticomitia (como la medida de movilidad y de coherencia del diálogo), el número medio de versos en un monólogo, entre otros (Metodologia 403-449). Analizó los resultados de forma sincrónica, para crear una tipología de los géneros dramáticos, y de forma diacrónica, por autores, décadas y siglos, para construir una tipología de los movimientos literarios a través de la identificación de las diferencias entre periodos estilísticos (Pilshchikov, “Formalismo cuantitativo” 273-275).

Al usar los métodos cuantitativos mencionados arriba, Yarjó rastreó la evolución de las tragedias rusas y europeas de cinco actos desde mediados del siglo XVII hasta mediados del XIX (Metodologia 550-607; “Speech Distribution”). Sus cálculos le permitieron dividir la historia de la tragedia en cuatro periodos (clasicismo temprano, clasicismo tardío, romanticismo temprano, romanticismo tardío) y establecer los límites entre dichos periodos. Al mismo tiempo, cuando comparó dos géneros que coexistieron en cierto periodo de tiempo (Yarjó se centró en las comedias y tragedias de Pierre Corneille), fue capaz de diferenciarlos formalmente. Determinó rasgos cuantificables que distinguen un género del otro, calculó la proporción de sus combinaciones en varios textos y ubicó las obras intermediarias (las tragicomedias) en una escala que iba de la tragedia prototípica a la comedia prototípica.

Hoy este tipo de análisis puede automatizarse. Algunas características propuestas en las obras de Yarjó se usan en los actuales corpus digitales del teatro ruso y europeo, como el proyecto DraCor (Fischer et al.; Skorinkin 212) o el corpus de comedias rusas y europeas en verso, creado por Inna Wendell para su tesis doctoral concluida en 2021 en la Universidad de California, Los Ángeles (Wendell).

El desarrollo de una poética contemporánea tendría que corresponder con el cambio de la lingüística prescriptiva y formas tempranas de la lingüística descriptiva a la contemporánea lingüística de corpus. Así, muchos parámetros prosódicos de textos versificados, como los metros noclásicos, dependen del corpus: su identificación no está prescrita -pues no se incluye su definición en los manuales de poética prescriptiva- y dependen de la distribución de ciertas características en un corpus de textos seleccionado -los poemas del mismo autor, del mismo periodo, entre otros -. Una zona limítrofe, donde varios metros colindan o incluso se intersectan, solo puede estudiarse a través de un enfoque estadístico y que parte de un corpus (Pilščikov y Starostin). Esto también es cierto al tratar con diversas formas rítmicas del mismo metro clásico (para los metros clásicos, tenemos la definición de diccionario del esquema métrico, pero no las reglas de correspondencia entre el metro y el ritmo, que son diferentes en cada lengua e incluso en periodos diferentes dentro de una misma tradición nacional).

Además, necesitamos diseñar y desarrollar cajas de herramientas para aplicar los métodos cuantitativos (frecuencia, copresencia, coincidencias intertextuales, entre otros) a los corpus de textos literarios relevantes. También cabe destacar que a los corpus lingüísticos y a los corpus de textos paralelos que existen a menudo les faltan características importantes, como el orden cronológico de las diferentes versiones de textos poéticos y muchos otros parámetros indispensables para los investigadores de la lengua literaria/poética y de los textos literarios/poéticos (Pilshchikov, “O zadachaj”). Esa información puede encontrarse en las bibliotecas digitales, pero en la mayoría de los casos estas no presentan información lingüística precisa de los textos que contienen. Algunas características de los corpus paralelos son difíciles de aplicar al texto poético. Por ejemplo, son escasos los corpus poéticos completamente alineados: es más fácil sincronizar textos poéticos verso por verso que alinearlos palabra por palabra. La dicotomía entre corpus lingüísticos y bibliotecas digitales se va a resolver en el futuro o, más bien, pueden combinarse sus características, de modo que la herramienta resultante se transforme en un hipertexto semantizado al que se le llame semantic web, la red semántica (Gronas y Orekhov; Akimova et al.).