Estilometría

La estilometría deriva de otras técnicas anteriores para analizar textos en busca de pruebas de autenticidad, identidad del autor y otras incertidumbres.

La moderna práctica de la disciplina recibió su principal impulso con el estudio de autorías en obras de teatro del Renacimiento inglés. Investigadores y lectores observaron que algunas obras de la época tenían patrones característicos de lenguaje, e intentaron utilizar estos patrones para identificar autores de colaboraciones o de obras anónimas. Los primeros intentos no siempre tuvieron éxito: en 1901, un investigador trató de utilizar las preferencias lingüísticas de John Fletcher para distinguir entre él y Philip Massinger en sus trabajos colaborativos, pero las aplicó por error a una versión modificada por el editor.[4]

Las bases de la estilometría fueron establecidas por el filósofo polaco Wincenty Lutosławski en el libro Principios de Estilometría, de 1890. Lutosławski utilizó ese método para componer una cronología de los diálogos de Platón

El desarrollo de los ordenadores y su capacidad para analizar grandes cantidades de datos impulsó este tipo de labor. No obstante, esta gran capacidad de análisis seguía sin garantizar la calidad del resultado. A principios de los 60, el reverendo A.Q. Morton realizó un análisis informático de las catorce epístolas del Nuevo Testamento atribuidas a San Pablo, con el que demostró que las obras pertenecía a seis autores distintos. Una comprobación de este método, con obras de James Joyce, reveló que el Ulises, la obra maestra del autor, había sido escrita por cinco personas distintas, ninguna de las cuales, aparentemente, intervino en la redacción de la primera novela de Joyce, Retrato del artista adolescente.[5]

No obstante, con el tiempo y la práctica, investigadores y estudiosos han pulido sus métodos, que hoy arrojan resultados mucho más acertados. Uno de los primeros éxitos fue la resolución de la controvertida autoría de doce de los Federalist Papers, escritos por Frederick Mosteller and David Wallace.[6] Aunque todavía surgen dudas sobre la metodología, y es posible que siempre sigan surgiendo, en la actualidad pocos discuten la premisa básica de que el análisis lingüístico de textos escritos puede generar información y conocimientos muy valiosos.

Entre las aplicaciones de la estilometría, los principales son los estudios literarios, históricos, sociales y de género, así como análisis e investigaciones forenses.[7][8] También se puede aplicar al estudio de códigos informáticos de autoría dudosa.[9]

La estilometría moderna se apoya en los ordenadores para el análisis estadístico, inteligencia artificial, y en el acceso al creciente corpus de textos disponibles en internet.[10] Sistemas de software como «Signature»[11] (programa gratuito producido por el Dr. Peter Millican de la universidad de Óxford), JGAAP[12] (programa de atribución de autoría gráfico de Java, aplicación gratuita desarrollada por Patrick Juola, de la universidad de Duquesne), stylo[13][14] (paquete de fuente abierta para diversos análisis estilométricos, como la atribución de autorías desarrollado por Maciej Eder, Jan Rybicki y Mike Kestemont), o Stylene,[15] en neerladés, (aplicación gratuita en línea creada por Walter Daelemans, de la universidad de Amberes, y Véronique Hoste, de la universidad de Gante) facilitan el uso de la estilometría, incluso para los no expertos.

La estilometria se ha utilizado en numerosos casos famosos. Matthew Jockers aplicó técnicas estilométricas al análisis del Libro de Mormón, concluyendo que el autor no era Joseph Smith, sino Sidney Rigdon.[16] Más recientemente, otro estudio de Schaalje y su equipo ha desmentido esta teoría, demostrando que Joseph Smith y sus escribas tampoco son sus autores más probables, a la vez que revelaban múltiples autores que trabajaron junto a los principales autores supuestos del texto.[17]

Simon Fuller y James O'Sullivan publicaron un estudio en el que afirman que el autor de bestsellers James Patterson no escribe nada en las novelas en las que aparece como coautor.[18][19][20] Según O'Sullivan, su colaboración con el antiguo presidente de EE.UU. Bill Clinton en el libro El presidente ha desaparecido es una excepción.[21]

En mayo de 2021 fue descubierta una nueva obra literaria de Lope de Vega mediante la aplicación de técnicas de estilometría computacional por el proyecto ETSO. Estilometría aplicada al Teatro del Siglo de Oro dirigido por Álvaro Cuéllar y Germán Vega García-Luengos.[22] Se trata de una comedia denominada "de senectute", "tan triste en lo personal como pletórica en lo artístico", que figuraba atribuida al actor y escritor ocasional Miguel Bermúdez, pero existen pruebas contundentes de la autoría de Lope, como demuestra el estudio de Abraham Madroñal, catedrático de Literatura Española de la Universidad de Ginebra.[23]

• El Libro de los Jueces registra un caso, sucedido entre 1370 y 1070 a. C., en el que la tribu de Galaad identificó a miembros de la tribu de Efraín, con la intención de ejecutarlos, obligándoles a decir la palabra Shibboleth, que en el dialecto de los últimos sonaba como «siboleth».[24]

• En 1439, Lorenzo Valla demostró que la donación de Constantino era una falsificación con argumentos basados en parte en su comparación con el estilo del latín que se había utilizado en documentos auténticos del siglo IV.

• En 1952, el clérigo sueco Dick Helander fue elegido obispo de Strängnäs. La campaña fue competitiva, y Helander fue acusado de escribir más de cien cartas anónimas difamatorias sobre otros candidatos al obispado. Helander fue condenado por escribir dichas cartas y perdió su puesto de obispo, pero después fue parcialmente exonerado. Las cartas se estudiaron utilizando numerosas medidas estilométricas y características de las máquinas de escribir, y en los distintos casos judiciales que se llevaron a cabo hasta su muerte en 1978 ─varios de ellos iniciados por el propio Helander─ se debatió el valor de la estilometría como evidencia ante un tribunal.[25][26]

• En 1975, Ronald Reagan, tras acabar su mandato como gobernador de California, comenzó a realizar comentarios semanales en una radio con ciento de emisoras. Después de que se publicaran sus notas personales en 2001, con motivo de su 90° cumpleaños, se llevó a cabo un estudio para determinar cuáles de esas charlas habían sido escritas por él y cuáles no, con la ayuda de métodos estilométricos.[27]

• En 1996, el profesor Donald Foster,[28] del Vassar College, llevó a cabo el análisis estilométrico del libro Primary Colors, controvertido y anónimo. Este análisis dio a conocer la estilometría al gran público, tras identificar correctamente a Joe Klein como su autor, identidad confirmada por un análisis de su escritura manual.

• En 1996 se utilizaron métodos estilométricos para comparar el manifiesto de Unabomber con las cartas del sospechoso ─Theodor Kaczynski─ a su hermano, lo que llevó a su detención y condena.[29]

• En abril de 2015, los investigadores utilizaron métodos estilométricos para estudiar una obra supuestamente del siglo XVIII titulada Double Fasehood, concluyendo que había sido escrita conjuntamente por William Shakespeare y John Fletcher. Esta obra contendría el texto perdido de la obra Cardenio, basada en un personaje de la novela Don Quijote de la Mancha.[30] Los investigadores compararon la longitud media de las frases en 54 obras de Shakespeare y Fletcher, analizaron el uso de palabras poco frecuentes y cuantificaron la complejidad y la diátesis de su lenguaje.

• En 2017, el lingüista Miguel Á. Boto publica Mapa Estilométrico de la narrativa de Eduardo Mendoza: Aproximación a un análisis estilístico computacional de textos literarios, donde muestra la eficacia del tratamiento computacional del material lingüístico para la clasificación tipológica y estilística de textos literarios. Asimismo, realiza un análisis de los elementos involucrados en el procesamiento computacional de textos, tales como modelos estadísticos, visualización gráfica, y características y volúmenes de las muestras de datos que afectan a los resultados de los análisis estilométricos.

• En 2017, un grupo de lingüistas, informáticos y académicos analizaron las obras firmadas por Elena Ferrante. Basándose en una recopilación creada por la universidad de Padua, formada por 150 novelas escritas por 40 autores, analizaron el estilo de Ferrante estudiando siete de sus novelas. Pudieron comparar su estilo de escritura con otros 39 novelistas utilizando, por ejemplo, la aplicación stylo.[13] Todos ellos llegaron a la misma conclusión: Elena Ferrante es, en realidad, Domenico Starnone.[31]

• En 2018, Mark Glickman, profesor de estadística en la universidad de Harvard, junto con Ryan Song y Jason Brown, aplicaron la estilometría para descubrir que muy probablemente, la canción "In My Life" de Los Beatles era una composición de John Lennon, pero había un 50% de posibilidades de que Paul McCartney hubiera escrito el puente.[32]

• Entre los años 2017 y 2023, el proyecto ETSO. Estilometría aplicada al Teatro del Siglo de Oro, liderado por Álvaro Cuéllar y Germán Vega García-Luengos (Universidad de Valladolid) consigue reunir más de 2700 obras del período aurisecular español. Tras la aplicación de análisis estilométricos se está arrojando luz a la autoría de decenas de obras del teatro del Siglo de Oro. Ratificaron la atribución de Mujeres y criados a Lope de Vega.[33][34] Detectaron un problema autorial en La monja alférez, comedia hasta entonces atribuida a Pérez de Montalbán que, gracias a estos análisis y mediante la investigación histórico-filológica pertinente, acabó por atribuirse a Juan Ruiz de Alarcón.[35][36][37][38] Apuntaron la posible atribución de La lindona de Galicia a Andrés de Claramonte.[39]

Puesto que la estilometría se aplica a casos descriptivos para caracterizar el contenido de una colección, y a casos identificativos, como la verificación de autorías o categorías de texto, los métodos utilizados para analizar datos y características varían de los diseñados para clasificar elementos en conjuntos a los creados para distribuir dichos elementos en un espacio de atributos variados. La mayor parte de los métodos son de naturaleza estadística ─como el análisis de grupos y el análisis discriminante lineal─, se suelen basar en características y datos filológicos y son productivos campos de aplicación de métodos modernos de aprendizaje automático.

Mientras que en el pasado la estilometría hacía hincapié en los elementos menos frecuentes o más chocantes de un texto, las técnicas contemporáneas pueden aislar patrones identificativos, incluso en partes comunes del discurso. La mayoría de los sistemas se basa en estadísticas léxicas, por ejemplo, la frecuencia de ciertas palabras o términos en el texto para caracterizar dicho texto o su autor. En ese contexto, a diferencia de la recuperación de información, la frecuencia de los patrones de las palabras más comunies es más interesante que los términos tópicos menos frecuentes.[40][41]

El método estilométrico primario es la invariante de autor: una propiedad que todos los textos tienen en común, o al menos todos los textos lo suficientemente largos como para admitir resultados estadísticamente flexibles significativos escritos por un autor dado. Un ejemplo de invariante de autor es la frecuencia de palabras funcionales utilizadas por el escritor.

En este método, el texto se analiza para encontrar las 50 palabras más comunes. Después, el texto se divide en 5000 partes, y cada una de estas partes se analiza para buscar la frecuencia de esas 50 palabras en ese trozo. Esto genera un identificador único de 50 números para cada parte. Estos números colocan al trozo correspondiente en un punto de un espacio de 50 dimensiones, que se reduce a un plano gracias al análisis de componentes principales (ACP). El resultado es una muestra de puntos que corresponde al estilo de un autor. Si dos trabajos literarios se analizan de esta forma, la comparación de estos patrones nos dirá si son del mismo autor o no.

La difusión de internet ha inclinado la atención de la atribución de autoría hacia los textos en línea (páginas web, blogs, etc.), mensajes electrónicos (correos, tuits, comentarios, etc.) y otros tipos de información escrita con textos mucho más cortos que un libro de longitud media, mucho menos formales y más diversos en cuanto a elementos expresivos, como colores, diseño, tipo de letra, gráficos, emoticonos, etc. Ya se trabaja en modelos que tienen en cuenta estos aspectos tanto en la estructura como en la sintaxis.[46] Además, se han introducido datos de contenido específico e idiosincrásico (como modelos tópicos y herramientas de comprobación gramatical) para revelar elecciones deliberadas de estilo.[47]

Se han utilizado características estilométricas estándar para categorizar el contenido de un chat en una aplicación de mensajería instantánea[48] o el comportamiento de los participantes en la conversación,[49] pero los intentos de identificar a dichos participantes son escasos y están todavía en sus primeras fases. Además, se ha prestado poca atención a las similitudes entre las conversaciones habladas y las interacciones en mensajerías instantáneas,[50] aunque representan una diferencia esencial entre los datos que aprotan estas últimas y cualquier otro tipo de información escrita.

• Asociación de Informática y Humanidades (en inglés)

• Informática Literaria y Computacional (en inglés)

• Grupo de Estilísticas Computacionales (en inglés)

• Sistema estilométrico Signature (en inglés)

• JGAAP Programa de atribución de autoría (en inglés)

• Descubriendo el misterio de la última novela de J.K. Rowling (en inglés)

• Esta obra contiene una traducción derivada de «Stylometry» de Wikipedia en inglés, concretamente de esta versión del 20 de abril de 2019, publicada por sus editores bajo la Licencia de documentación libre de GNU y la Licencia Creative Commons Atribución-CompartirIgual 4.0 Internacional.
  Error: número de versión no válido.