Identificación de temáticas discursivas basada en métricas de similitud textual

Resumen

Una característica del análisis lingüístico es la evidencia de rasgos prominentes de una comunidad de hablantes a partir de las observaciones que, apoyadas en la lingüística de campo, en la sociolingüística, en la etnolingüística e, incluso, en la lingüística de corpus, resumen los elementos más representativos de tales comunidades. Estos rasgos, en su mayoría, están fundamentados en una representatividad de corte estadístico, la cual se sustenta en datos frecuenciales. Es decir, a mayor frecuencia de un rasgo, más representativo será, no solo del conjunto, sino de la generalidad. En este sentido, es innegable que este tipo de representación ofrece un panorama global acerca de las generalidades léxicas de una comunidad; sin embargo, la frecuencia no es un absoluto en cuanto a sus particularidades lingüísticas. Dado este contexto, en este estudio se describe un proceso de identificación de temáticas a partir del reconocimiento de patrones semántico-discursivos que no se sustentan, necesariamente, en la mayor frecuencia que un conjunto de palabras tenga dentro de un corpus. Para ello, se hace uso de métricas de similitud textual con el fin de reconocer automáticamente las temáticas que subyacen a los discursos recopilados en el Corpus del Habla de Baja California. Los resultados obtenidos ponen de manifiesto los rasgos que, a nivel temático, caracterizan las particularidades discursivas, tanto en el plano de lo explícito como, en menor medida, de lo implícito, de los hablantes de las ciudades bajacalifornianas de Mexicali, Tijuana y Ensenada.