12: Epílogo

En este libro, me he centrado en la lingüística del corpus como metodología, más precisamente, como aplicación de un procedimiento científico observacional general a grandes muestras de uso lingüístico. Me he abstenido de colocar este método en un marco teórico particular por dos razones.

La primera razón es que no estoy convencido de que la lingüística deba centrarse tanto en marcos teóricos, sino más bien en la descripción lingüística basada en datos. Edward Sapir dijo famoso que “por desgracia, o por suerte, ningún lenguaje es tiránicamente consistente. Todas las gramáticas gotean” (Sapir 1921:39). Esto es tanto más cierto de los modelos formales, que tienden a intentar lograr una consistencia tiránica fingiendo que esas filtraciones no existen o, si existen, son el problema de otra persona. Para mí, y para muchos otros cuyos estudios comenté en este libro, las formas en que se filtran las gramáticas son simplemente más interesantes que los formalismos que nos ayudan a ignorar estas filtraciones.

La segunda razón es que creo que la lingüística del corpus tiene un lugar en cualquier marco lingüístico teórico, siempre y cuando ese marco tenga algún compromiso con modelar la realidad lingüística. Obviamente, el lugar preciso, o mejor dicho, la distancia a los datos analizados con este método y las consecuencias de este análisis para el modelo dependen del tipo de realidad lingüística que se esté modelando. Si se trata del uso del lenguaje, como suele ser en estudios de orientación histórica o sociolingüística, la distancia es relativamente corta, requiriendo que el investigador descubra la sistematicidad detrás de los patrones de uso observados en los datos. Si es la representación mental del lenguaje, la longitud de la distancia depende de tus suposiciones sobre esas representaciones.

Tradicionalmente, se ha argumentado que esas representaciones son algo fundamentalmente diferente del uso lingüístico. Se ha afirmado que son una “competencia” efímera basada en una gramática “universal”. Hay desacuerdo en cuanto a la naturaleza de esta gramática universal —algunos afirman que es un “órgano mental” (Chomsky 1980), algunos lo imaginan como un instinto biológico evolucionado (Pinker 1994). Pero todos los defensores de una gramática universal están seguros de que las representaciones mentales del lenguaje dependen y son responsables del uso lingüístico solo de las formas más indirectas imaginables, haciendo que los corpus sean en gran parte inútiles para el estudio del lenguaje. Como he argumentado en los capítulos 1 y 2, la única alternativa metodológica a los datos del corpus que ofrecen los proponentes de esta visión —es decir, los juicios gramaticales introspectivos— adolece de todos los mismos problemas que los datos del corpus, sin ofrecer ninguna de las ventajas.

Sin embargo, los modelos más recientes no trazan una línea tan estricta entre el uso y las representaciones mentales. El Modelo Basado en el Uso (Langacker 1991) es un modelo de conocimiento lingüístico basado en la suposición de que los hablantes aprenden inicialmente el lenguaje como un conjunto de trozos no analizados de varios tamaños (“unidades establecidas”), de los cuales derivan representaciones lingüísticas de diversos grados de abstracidad y complejidad basada en correspondencias formales y semánticas entre estas unidades (cf. Langacker 1991:266f). El modelo de Gramática Emergente se basa en suposiciones similares pero esquiva por completo la abstracción, viendo el lenguaje como “construido a partir de combinaciones de [...] piezas prefabricadas”, como “una especie de pastiche, pegados de manera improvisada a partir de elementos confeccionados” (Hopper 1987:144).

En estos modelos, el corpus se convierte en algo más que una simple herramienta de investigación, se convierte en parte integral de un modelo de competencia lingüística (cf. Stefanowitsch 2011). Esta visión se expresa más radicalmente en la noción de “cebado léxico” desarrollada en Hoey (2005), en la que la competencia lingüística se ve como una concordancia mental sobre la experiencia lingüística:

La noción de cebado como aquí se esboza asume que la mente tiene una concordancia mental de cada palabra que ha encontrado, una concordancia que ha sido ricamente glosada para el contexto social, físico, disuasorio, genérico e interpersonal. Esta concordancia mental es accesible y puede procesarse de la misma manera que lo es una concordancia informática, de manera que todo tipo de patrones, incluidos los patrones de colocación, están disponibles para su uso. Simultáneamente sirve como parte, al menos, de nuestra base de conocimiento. (Hoey 2005:11)

Obviamente, esta concordancia mental no correspondería exactamente a ninguna concordancia derivada de un corpus lingüístico real. Primero, porque —como se discute en los capítulos 1 y 2— ningún corpus lingüístico capta la experiencia lingüística de un hablante individual dado o del hablante “promedio” en una comunidad de habla; segundo, porque la concordancia que Hoey imagina no es una concordancia de formas lingüísticas sino de lingüística contextualizada signos — contiene toda la información semántica y pragmática que los lingüistas del corpus tienen que reconstruir laboriosamente en sus análisis. Aún así, una concordancia debidamente anotada a partir de un corpus equilibrado sería una operacionalización razonable de esta concordancia mental (cf. también Taylor 2012).

En modelos de lenguaje menos radicales basados en el uso, como el de Langacker, el corpus no es un modelo de competencia lingüística, este último es visto como consecuencia de la entrada lingüística percibida y organizada por las mentes humanas con una estructura particular (como la capacidad de categorización figura-suelo). El corpus es, sin embargo, un modelo razonable (o al menos una operacionalización) de esta entrada lingüística. Muchas de las propiedades del lenguaje que guían el almacenamiento de unidades y la abstracción de esquemas sobre estas unidades almacenadas se pueden derivar de corpus — frecuencias, asociaciones entre unidades de estructura lingüística, distribuciones de estas unidades a través de contextos gramaticales y textuales, la variabilidad interna de estas unidades, etc. (cf. Stefanowitsch & Flach 2016 para discusión).

Esta visión se toma explícitamente en la investigación de adquisición del lenguaje realizada dentro del Modelo Basado en el Uso (por ejemplo, Tomasello 2003, cf. también Dabrowska 2001, Diessel 2004), donde las habilidades gramaticales en expansión de los niños, reflejadas en su producción lingüística, se investigan en contra de los aportes que obtienen de sus cuidadores registrados en grandes cuerpos de interacciones cuidador-niño. La visión del corpus como modelo de entrada lingüística es menos explícita en el trabajo de los principales proponentes teóricos del Modelo Basado en el Uso, quienes conectan la noción de uso con la noción de corpus lingüísticos solo en teoría. Sin embargo, es una visión que ofrece un tremendo potencial para reunir dos amplias líneas de investigación: la lingüística cognitivo-funcional (incluidas algunas versiones de la gramática de la construcción) y la lingüística de corpus (incluidos los intentos de construir modelos teóricos sobre datos de corpus, como la gramática de patrones (Hunston & ; Francis 2000) y Lexical Primado (Hoey 2005)). Estos hilos se han desarrollado de manera más o menos independiente y sus defensores a veces son levemente hostiles entre sí por diferencias de perspectiva pequeñas pero fundamentales (ver McEnery & Hardie 2012, Sección 8.3 para discusión). Si pudieran superar estas diferencias, podrían complementarse entre sí de muchas maneras, la lingüística cognitiva proporciona un marco psicológico más explícito que el que adoptan la mayoría de los lingüistas del corpus, y la lingüística del corpus proporciona una metodología que los lingüistas cognitivos serios sobre el uso necesitan urgentemente.

Finalmente, tanto en los modelos basados en el uso como en los modelos de lenguaje en general, los corpus pueden tratarse como modelos (u operacionalizaciones) de la producción lingüística típica de los miembros de una comunidad de habla, es decir, el lenguaje producido a partir de su conocimiento lingüístico internalizado. Esta es la opinión menos polémica, y la que esencialmente he adoptado a lo largo de este libro. Incluso bajo este punto de vista, los datos de corpus siguen siendo una de las mejores fuentes de datos lingüísticos que tenemos, una que solo puede seguir creciendo, proporcionándonos una visión cada vez más profunda de la actividad distintiva, intrincada y cambiante de nuestra especie.

Espero que este libro te haya inspirado y espero que te ayude a producir investigaciones que nos inspiren a todos.