Cuando un hablante oye casa, percibe una palabra familiar. Cuando un lingüista analiza la misma secuencia, puede distinguir sonidos, fonemas, sílabas, morfemas, una palabra, un sintagma nominal o una unidad dentro de una construcción mayor. Ninguna de esas segmentaciones está simplemente impresa en la señal. La corriente acústica es continua, los límites morfológicos no siempre corresponden a pausas y las categorías sintácticas no aparecen etiquetadas. Una teoría estructural del lenguaje necesita, por tanto, además de una lista de unidades, procedimientos que permitan descubrirlas y justificar por qué una diferencia cuenta como diferencia funcional.
El problema es general. Ante una lengua desconocida hay que saber cómo establecer que dos sonidos pertenecen a unidades distintas o que dos secuencias son variantes de una misma unidad, qué permite afirmar que un fragmento es un morfema y por qué varias palabras pertenecen a la misma clase gramatical aunque su significado sea diferente. La respuesta estructuralista renuncia a buscar la esencia de cada elemento considerado aisladamente y parte de sus relaciones. Una unidad se reconoce por el lugar que ocupa, por aquello con lo que contrasta, por las posiciones en que aparece y por los cambios que produce cuando se la sustituye.
La lectura Valor y relaciones diferenciales examinó el valor como una propiedad diferencial. La lectura Sincronía, diacronía y transformación del sistema mostró que esas relaciones pueden describirse sincrónicamente aunque tengan una historia. Ahora corresponde convertir esa intuición en método mediante tres operaciones centrales, que son segmentar una cadena, estudiar la distribución de sus segmentos y aplicar pruebas de conmutación o sustitución. Juntas forman una disciplina analítica, sin la garantía de un algoritmo infalible, para pasar de una señal continua a un sistema de unidades justificadas por contrastes y dependencias.
Del valor a un procedimiento de análisis
Saussure sostuvo que en la lengua solo hay valores establecidos por diferencias y que no existen términos positivos definidos con independencia del sistema (Saussure, 1916). La afirmación plantea una exigencia metodológica, porque si una unidad vale por sus relaciones, el análisis debe mostrar esas relaciones en los datos.
Considérese la diferencia entre pala y bala. Las dos secuencias difieren en un único punto y la sustitución de /p/ por /b/ coincide con una diferencia entre dos palabras. En el nivel fonológico, ese contraste apoya el análisis de /p/ y /b/ como fonemas distintos. Ahora considérese la pronunciación aspirada o no aspirada de una consonante en una lengua donde ambas variantes aparecen en posiciones previsibles y nunca distinguen palabras. Allí la diferencia fonética puede no ser una diferencia fonológica. Ni la identidad física ni la mera diferencia física bastan para decidir. Lo decisivo es cómo se distribuye la diferencia y qué contraste produce.
El mismo principio reaparece en otros niveles. En cantábamos no hay pausas acústicas entre cuatro bloques. Una segmentación como cant-á-ba-mos se apoya en comparaciones con cantaba, cantabas, cantaremos, bailábamos y otras formas. Las recurrencias permiten identificar piezas y atribuirles funciones. En sintaxis, la clase de los determinantes se reconoce en parte porque el, la, este y mi aparecen en posiciones semejantes respecto de los nombres y participan en construcciones comparables, aunque no compartan un significado único.
La metodología estructural convierte así una tesis ontológica sobre el sistema en una práctica comparativa, que pregunta qué relaciones permiten aislar una unidad antes de preguntar qué es en sí misma.
Segmentación y búsqueda de cortes en una cadena
Segmentar consiste en dividir una secuencia en unidades menores cuya recurrencia o comportamiento justifique el corte. La operación parece trivial cuando trabajamos con una lengua conocida y un sistema de escritura que ya separa palabras. Deja de serlo cuando se analiza habla continua, una lengua no descrita, una cadena morfológicamente compleja o un sistema no verbal.
Supóngase que en un corpus aparecen las formas hipotéticas maku, makuni, saku y sakuni. Si los contextos muestran que maku significa 'casa', makuni 'casas', saku 'árbol' y sakuni 'árboles', la recurrencia de -ni asociada con la pluralidad hace plausible segmentar maku-ni y saku-ni. Sin necesidad de percibir una frontera física, el análisis surge de una proporcionalidad entre las cuatro formas.
[ maku : makuni :: saku : sakuni ]
La misma diferencia formal, -ni, corresponde a una diferencia funcional semejante. La segmentación se apoya en una red de comparaciones.
El procedimiento puede fallar si se lo aplica de manera mecánica. Que dos palabras compartan una secuencia no implica que esa secuencia sea el mismo morfema. Pan aparece dentro de pantalla, pero el análisis sincrónico del español no segmenta pantalla como pan-talla. La recurrencia gráfica es insuficiente y la unidad debe mostrar estabilidad distribucional, funcional o paradigmática.
La segmentación puede ser jerárquica. Una oración se divide en constituyentes, estos en unidades menores y estas, a su vez, en morfemas o fonemas. Cada nivel exige criterios propios. El estructuralismo produjo buena parte de su potencia precisamente al insistir en que las unidades deben descubrirse mediante procedimientos explícitos capaces de reemplazar las intuiciones no examinadas.
Distribución y contextos de aparición de una forma
La distribución de una unidad es el conjunto de contextos en los que aparece. La noción fue central en el estructuralismo estadounidense, en particular en Bloomfield (1933) y Harris (1951, 1954). Si dos elementos aparecen en ambientes semejantes, pueden pertenecer a una misma clase distribucional. Si nunca aparecen en el mismo ambiente y sus contextos son complementarios, puede existir una relación diferente.
Considérese una descripción simplificada del español. Las formas este, el, mi y algún pueden aparecer delante de nombres en construcciones como este libro, el libro, mi libro y algún libro. No son equivalentes en todos sus rasgos y no pueden sustituirse libremente en cada contexto. Comparten, sin embargo, propiedades distribucionales que contribuyen a agruparlas dentro del dominio de los determinantes. La categoría se apoya en el comportamiento de las formas dentro de construcciones, además de en su significado.
La distribución puede representarse como una relación entre una unidad (x) y un conjunto de contextos.
[ D(x)={c_1,c_2,\ldots,c_n} ]
Dos unidades con distribuciones muy parecidas tendrán una distancia distribucional pequeña. La lingüística estructural no necesitaba expresar esa semejanza con una métrica numérica, pero la idea anticipa un principio que reaparecerá mucho después en la semántica distribucional y en los modelos computacionales, según el cual parte de lo que sabemos sobre una unidad puede inferirse de los contextos en que ocurre.
El paralelismo debe manejarse con cuidado. El distribucionalismo estructural clásico utiliza los contextos para identificar clases y relaciones lingüísticas. Los embeddings contemporáneos son representaciones numéricas aprendidas a partir de patrones estadísticos en corpus enormes. Comparten una intuición relacional sin ser la misma teoría.
Distribuciones idénticas, superpuestas y complementarias
La comparación distribucional admite varios casos. Dos unidades pueden aparecer en prácticamente los mismos ambientes, compartir solo algunos o distribuirse en conjuntos de contextos que no se cruzan. Si dos formas son sustituibles en un gran número de posiciones, su distribución se superpone. Niño y perro pueden aparecer en el ___ duerme, vi al ___ o el ___ pequeño. Esto apoya su pertenencia a una clase nominal, aunque sus propiedades semánticas y algunas restricciones sintácticas sean distintas.
La distribución complementaria aparece cuando dos variantes nunca ocurren en el mismo contexto y los ambientes en que aparece cada una pueden predecirse. En fonología, este criterio ayudó a decidir cuándo dos realizaciones podían analizarse como alófonos de un mismo fonema. El ejemplo clásico del inglés contrapone una [pʰ] aspirada en ciertos contextos, como el inicio de una sílaba acentuada, con una [p] no aspirada después de /s/. Como las variantes están condicionadas por el entorno y no contrastan en la misma posición para distinguir palabras, el análisis las trata normalmente como realizaciones de una misma categoría fonológica.
La distribución complementaria no es por sí sola una prueba suficiente. Dos unidades completamente distintas pueden aparecer por casualidad en contextos disjuntos. La semejanza fonética, morfológica o funcional y la plausibilidad de una generalización deben acompañar al patrón distribucional. El análisis estructural gana rigor cuando combina criterios y evita convertir uno de ellos en una regla automática.
Contraste y conmutación
La conmutación examina qué ocurre cuando una unidad se sustituye por otra en un contexto constante. La escuela de Copenhague, especialmente Hjelmslev (1961), convirtió esta operación en una pieza central del análisis. Si un cambio en el plano de la expresión se correlaciona con una diferencia en el plano del contenido, existe una conmutación. La sustitución permite identificar invariantes funcionales.
En pala y bala, la sustitución de /p/ por /b/ produce una diferencia de contenido. La oposición es pertinente para el sistema. En canto y canta, sustituir /o/ por /a/ en la terminación participa en una diferencia gramatical, sobre todo de persona, según el paradigma considerado. En otros casos, una variación fonética puede cambiar la sustancia sonora sin modificar ninguna unidad funcional.
Para la conmutación es insuficiente preguntar si dos formas «suenan distintas», porque dos realizaciones pueden diferir físicamente y pertenecer a la misma unidad. Tampoco basta con preguntar si dos expresiones tienen significados completamente distintos. El análisis mantiene constante el contexto tanto como sea posible y observa si una sustitución sistemática se asocia con una diferencia funcional.
El par mínimo es un caso especialmente claro de conmutación fonológica, pero el principio es más amplio. Puede aplicarse a morfemas, categorías gramaticales, elementos de una imagen o componentes de un código, siempre que exista una hipótesis razonable sobre las unidades y sobre el contraste que se investiga.
Distribución y conmutación no son lo mismo
La distribución pregunta dónde ocurre una unidad. La conmutación pregunta qué diferencia produce reemplazarla por otra. Ambas operaciones son relacionales y responden preguntas diferentes.
Puede imaginarse una matriz simplificada. En las filas aparecen los contextos y en las columnas las unidades candidatas. La distribución describe qué casillas están ocupadas. La conmutación examina si reemplazar una unidad por otra en una posición posible cambia una función o un contenido. Una forma puede tener una distribución muy restringida y ser, aun así, contrastiva. Dos formas pueden compartir una distribución amplia y distinguir significados.
Esta distinción evita un error frecuente. La semejanza de contextos no demuestra sinonimia. Médico y cirujano pueden aparecer en muchas estructuras semejantes y no significan lo mismo. Del mismo modo, una diferencia de significado no impide que dos unidades pertenezcan a la misma clase estructural. Una teoría estructural necesita ambas, porque la distribución clasifica por comportamiento combinatorio y la conmutación detecta oposiciones pertinentes.
Relaciones sintagmáticas y paradigmáticas
Las operaciones anteriores desarrollan metodológicamente la distinción saussureana entre relaciones sintagmáticas y asociativas, llamadas después paradigmáticas. Una relación sintagmática vincula elementos que coaparecen en una cadena. Una relación paradigmática vincula un elemento presente con alternativas que podrían ocupar su lugar.
En la casa blanca, la, casa y blanca mantienen relaciones sintagmáticas. En la posición de casa podrían aparecer mesa, pared o camisa en construcciones gramaticalmente semejantes. Ese conjunto es un paradigma parcial. La conmutación explora precisamente el eje de las alternativas. La distribución registra las restricciones del eje combinatorio.
Puede representarse el contraste como dos dimensiones.
[ \text{cadena realizada: } x_1 - x_2 - x_3 - x_4 ]
[ \text{alternativas en } x_2: {a,b,c,d,\ldots} ]
El sistema lingüístico resulta de la interacción entre ambos ejes. Las unidades tienen valor por las combinaciones que admiten y por las alternativas frente a las que se oponen. Jakobson desarrollará esta oposición entre combinación y selección con consecuencias mucho más amplias en la lectura Funciones, selección y combinación en Jakobson. Aquí interesa su papel metodológico. Una unidad se identifica por lo que la rodea y también por aquello que podría sustituirla.
La fonología como laboratorio estructural
La fonología mostró con especial claridad la potencia de estas operaciones. Una señal acústica contiene innumerables diferencias físicas. La tarea fonológica consiste en determinar cuáles son pertinentes para una lengua. El sistema selecciona contrastes y deja sin representar buena parte de la variación articulatoria.
Si /p/ y /b/ distinguen pala de bala, la oposición tiene valor funcional. Si dos realizaciones de /d/ aparecen condicionadas por el contexto y su sustitución no distingue palabras, pueden analizarse como variantes de una misma unidad. Las propiedades físicas siguen existiendo, aunque con otro estatuto dentro del sistema lingüístico.
La lección se extiende más allá de la fonología. No toda diferencia observable es una diferencia de sistema. El análisis debe establecer qué variaciones son pertinentes para una práctica determinada. Esa separación entre variación material y oposición funcional prepara directamente la distinción de Hjelmslev entre forma y sustancia.
Recurrencia, alternancia y unidad en morfología
Los morfemas tampoco aparecen siempre con una única forma. El plural español se expresa mediante -s o -es según el contexto fonológico y léxico, además de existir palabras cuyo plural no añade una terminación audible distinta. Las variantes pueden considerarse realizaciones de una categoría funcional común porque ocupan posiciones comparables y expresan el mismo contenido gramatical.
La alomorfía muestra por qué la identidad de una unidad no puede reducirse a la identidad de su sustancia. El morfema de plural es una función dentro de un paradigma y la cadena física s es solo una de sus realizaciones. Una lengua puede distribuir esas realizaciones de manera condicionada.
El análisis morfológico combina segmentación y distribución. Si una secuencia recurrente aparece en muchas palabras con una contribución estable, la hipótesis de morfema gana fuerza. Si la secuencia aparece solo por coincidencia fonológica y no participa en relaciones paradigmáticas, la hipótesis se debilita. La conmutación, por su parte, permite comprobar si sustituir una pieza por otra cambia sistemáticamente la función.
Las dificultades aumentan con la supleción y con las formas no segmentables. Voy y fui participan en un paradigma verbal aunque no compartan un segmento que corresponda a la raíz de manera transparente. La estructura no siempre puede recuperarse como una concatenación de bloques. El método distribucional debe admitir unidades definidas por relaciones paradigmáticas que no tengan una forma material constante.
Constituyentes y distribución sintáctica
La sintaxis estructural desarrolló procedimientos para identificar constituyentes. Wells (1947) y Harris (1951) sistematizaron métodos basados en sustitución, expansión y distribución. Si una secuencia puede ser reemplazada por una unidad simple en ciertos contextos, existe evidencia de que es un constituyente.
En La estudiante de medicina presentó el caso, la secuencia la estudiante de medicina puede sustituirse por ella. En Compré el libro de lingüística, el libro de lingüística puede reemplazarse por eso. La sustitución no prueba por sí sola toda la estructura interna, pero revela agrupaciones funcionales.
Otros diagnósticos incluyen el desplazamiento, la coordinación y la respuesta fragmentaria. Si en la biblioteca puede aparecer al inicio de la oración, coordinarse con en el laboratorio y responder a ¿Dónde?, varias pruebas convergen en su estatuto de constituyente. Ninguna prueba es universal. Una construcción puede resistir un diagnóstico por razones independientes y el análisis sintáctico serio busca convergencia de evidencia.
La distribución también permite definir clases. Un sustantivo, un adjetivo o un verbo se reconoce, además de por lo que significa, por las posiciones que ocupa, la morfología que admite y las construcciones en que participa. Las categorías distribucionales son especialmente útiles en lenguas cuyas clases de palabras no se ajustan bien a definiciones semánticas tradicionales.
Análisis en constituyentes inmediatos
El análisis en constituyentes inmediatos divide una expresión compleja en unidades progresivamente menores. Ante la estudiante de medicina presentó el caso, busca agrupaciones jerárquicas y descarta tratar la oración como una secuencia plana de palabras. Una primera división puede separar el sintagma nominal sujeto del predicado. Dentro del sujeto, se distingue el determinante del resto del sintagma nominal. Dentro de este, de medicina modifica a estudiante.
La estructura puede representarse esquemáticamente así.
[ [\text{S}\ [\text{SN}\ \text{la estudiante de medicina}]\ [\text{SV}\ \text{presentó el caso}]] ]
La notación es posterior a muchas formulaciones estructuralistas y expresa la intuición central de que las unidades lingüísticas forman estructuras jerárquicas. Wells (1947) mostró que la segmentación debe respetar las relaciones distribucionales y las posibilidades de sustitución.
El procedimiento tenía límites. Las dependencias discontinuas, las ambigüedades estructurales y las generalizaciones entre construcciones distintas llevaron a teorías sintácticas más potentes. La gramática generativa criticó la idea de que un conjunto de procedimientos de descubrimiento pudiera derivar una gramática adecuada solo a partir de un corpus (Chomsky, 1957, 1965). Tras esa crítica, las pruebas distribucionales conservaron su valor con otro estatuto. Dejaron de concebirse como un algoritmo exhaustivo para descubrir la lengua y pasaron a ser evidencia dentro de teorías más amplias.
Unidades y niveles de análisis
Una misma secuencia puede ser una unidad en un nivel y estar compuesta por varias en otro. Deshacer es una palabra en el nivel sintáctico, contiene al menos dos unidades morfológicas en un análisis común y se descompone en segmentos fonológicos todavía menores. La pregunta «¿cuál es la unidad?» no tiene una única respuesta mientras no se especifique el nivel.
Esta relatividad evita dos errores. El primero consiste en suponer que las palabras son siempre las unidades naturales del lenguaje. Algunas lenguas expresan dentro de una palabra contenidos que otras distribuyen entre varias. El segundo consiste en reducir todas las unidades a las más pequeñas. Saber que una oración contiene fonemas no explica su organización sintáctica, ya que cada nivel introduce relaciones propias.
El estructuralismo se caracterizó por esta estratificación. Las unidades se definen dentro de redes específicas y las relaciones entre niveles requieren una teoría adicional. Hjelmslev llevará esa exigencia más lejos al distinguir los planos de expresión y contenido y, dentro de cada uno, forma y sustancia.
La unidad cero
Una diferencia funcional puede carecer de una realización segmental explícita. En ciertos paradigmas se habla de morfema cero para describir una oposición en la que una categoría se expresa mediante ausencia de material frente a otra categoría marcada de manera visible. El análisis debe manejar esta herramienta con cautela.
Si una lengua tiene gato frente a gatos, puede describirse el singular como ausencia de marca plural o, en ciertos modelos, como una categoría con exponente cero. La segunda opción resulta útil cuando el paradigma exige una posición estructural que se realiza de manera nula. El cero tiene sentido solo dentro de una oposición sistemática y no debe postularse cada vez que falta algo.
Las unidades estructurales no tienen que corresponder una a una con fragmentos físicos. Una función puede estar realizada por un segmento, por una modificación, por una distribución o por una ausencia contrastiva. Esto refuerza la separación entre función y sustancia.
La conmutación fuera de la fonología
La prueba de conmutación puede extenderse a sistemas semióticos no lingüísticos, aunque con precauciones. Considérese un semáforo. Sustituir la luz roja por la verde en la misma posición del sistema cambia la instrucción convencional. La oposición entre colores es funcional. El rojo particular puede variar en brillo o saturación sin alterar el código mientras siga siendo reconocido como la categoría pertinente.
En una interfaz digital, cambiar un icono de advertencia por uno de confirmación puede modificar la interpretación del usuario. Si el cambio sistemático de una propiedad visual produce un cambio estable de función, existe una oposición estructural. Aun así, el análisis debe demostrar que la propiedad forma parte del código. No toda diferencia gráfica cuenta como unidad semiótica.
Esta extensión muestra la promesa y el riesgo del estructuralismo. El método permite analizar moda, imágenes, señales, rituales o narraciones buscando oposiciones y combinaciones. Puede también forzar sistemas demasiado distintos dentro de una arquitectura lingüística. La semiótica posterior tendrá que decidir cuándo las categorías desarrolladas para la lengua son transferibles y cuándo necesitan reformularse.
Corpus, frecuencias y distribución
La lingüística de corpus vuelve cuantitativa una intuición distribucional. Si una palabra aparece con frecuencia cerca de otras palabras, sus contextos pueden describirse estadísticamente. Una matriz de coocurrencias registra cuántas veces una unidad aparece junto a determinadas características contextuales. Dos unidades con perfiles semejantes pueden considerarse distribucionalmente próximas.
Una matriz simplificada puede escribirse así.
[ M_{ij}=f(w_i,c_j) ]
donde (w_i) es una palabra, (c_j) un contexto y (f) una medida de asociación o frecuencia. Los métodos contemporáneos sustituyen muchas veces las cuentas brutas por ponderaciones y representaciones de menor dimensión. Permanece la idea básica de que el contexto distribucional contiene información sobre el comportamiento de las unidades.
El programa de Harris y los modelos de lenguaje siguen siendo proyectos distintos. El distribucionalismo clásico buscaba describir estructuras lingüísticas mediante procedimientos explícitos sobre corpus. Los modelos actuales aprenden representaciones estadísticas que pueden capturar regularidades semánticas, sintácticas y discursivas sin corresponder a las categorías del análisis estructural. La continuidad histórica debe formularse como una afinidad metodológica que no llega a la identidad teórica.
Del descubrimiento a la evidencia
Una ambición fuerte del estructuralismo estadounidense consistía en formular procedimientos de descubrimiento que condujeran desde los datos a la gramática. La idea respondía a la preocupación legítima de reducir la dependencia de intuiciones informales y describir lenguas sin proyectar sobre ellas las categorías del latín o del inglés.
La gramática generativa cuestionó que la distribución observada fuera suficiente. Un corpus finito no contiene todas las oraciones posibles ni especifica por sí mismo qué generalizaciones son estructuralmente pertinentes. Dos gramáticas pueden ser compatibles con las mismas observaciones y diferir en sus predicciones sobre casos nuevos. Chomsky (1957) desplazó el foco desde los procedimientos de clasificación hacia la capacidad de una gramática para generar y explicar un conjunto potencialmente ilimitado de oraciones.
La crítica dejó una consecuencia metodológica duradera. Distribución, sustitución y conmutación son evidencias que deben interpretarse y que ningún procedimiento automático convierte en veredicto. Una teoría debe explicar por qué las regularidades importan, cómo se generalizan y qué predicen. La transparencia del procedimiento sigue siendo valiosa, pero no reemplaza a la teoría.
Análisis de una lengua hipotética
Supóngase una lengua con las formas tama, tami, sama y sami. Los datos de una comunidad permiten establecer que tama significa 'el niño camina', tami 'los niños caminan', sama 'la mujer camina' y sami 'las mujeres caminan'. Otros ejemplos muestran taka 'el niño duerme' y saka 'la mujer duerme'.
La comparación sugiere varias hipótesis. La secuencia inicial t- se asocia con 'niño' y s- con 'mujer'. La oposición final -a/-i se correlaciona con singular/plural. El fragmento -am- se relaciona con caminar y -ak- con dormir. Las hipótesis nacen de conmutaciones sistemáticas como las siguientes.
[ tama \leftrightarrow sama ]
cambia el participante;
[ tama \leftrightarrow tami ]
cambia el número;
[ tama \leftrightarrow taka ]
cambia la acción.
La distribución permite comprobar después si esas piezas aparecen en otros contextos y si sus combinaciones siguen el mismo patrón. Un dato nuevo puede confirmar el análisis o obligar a revisarlo. Si aparece tasi con un significado inesperado, no se debe forzar inmediatamente dentro del paradigma. Puede revelar una homonimia, una regla adicional o un error en la segmentación.
El ejemplo muestra el carácter hipotético del análisis. Las unidades, que no se observan directamente, se postulan para explicar regularidades en las diferencias.
Aplicación clínica de la distinción entre diferencia y desorganización
Una entrevista clínica contiene unidades lingüísticas cuyos patrones pueden diferir entre hablantes. Un paciente bilingüe puede alternar formas, omitir elementos esperables en el español estándar o usar construcciones propias de otra variedad. La mera desviación respecto de la norma del entrevistador no demuestra deterioro.
El análisis distribucional obliga a preguntar si la forma pertenece al repertorio estable de la persona, si aparece en contextos regulares y si cumple una función consistente. Una construcción que parece «extraña» puede ser gramatical en otra variedad. La comparación pertinente se establece con el sistema que el hablante domina, que puede diferir de un español ideal.
La misma precaución vale para la documentación de alteraciones del lenguaje. Una repetición, una sustitución léxica o una ruptura sintáctica adquiere significado clínico cuando forma parte de un patrón y se relaciona con el funcionamiento global. La lingüística aporta instrumentos de descripción. El diagnóstico requiere integrar esas descripciones con el contexto clínico.
Definir unidades antes de contarlas en la investigación
Muchos estudios cuantitativos fracasan antes de comenzar porque cuentan unidades mal definidas. Un análisis puede informar el número de «ideas», «temas», «errores» o «metáforas» sin especificar qué criterio permite reconocer cada instancia. La frecuencia no corrige una categoría ambigua.
La lección estructural es que antes de medir hay que establecer la unidad. Eso exige describir los límites, los contrastes y las reglas de clasificación. Si dos codificadores aplican criterios distintos, el número final mezcla fenómenos heterogéneos. La operacionalización es, en este sentido, una forma contemporánea del problema de segmentación.
Una definición útil puede ser operacional y relacional sin necesidad de ser esencialista. Por ejemplo, una reparación conversacional puede identificarse mediante una fuente de problema, una iniciación y una resolución, sin depender de una intuición vaga de que alguien «corrigió algo». El método mejora la reproducibilidad porque vuelve explícitas las relaciones que forman la unidad analizada.
La inteligencia artificial entre unidades aprendidas y unidades impuestas
Los sistemas de procesamiento del lenguaje deben decidir qué unidades manipulan. Los primeros modelos trabajaban con palabras o caracteres. Los modelos contemporáneos suelen usar subpalabras generadas por algoritmos de tokenización. Un token es una unidad computacional útil para representar el texto y puede coincidir o no con una palabra, un morfema o una unidad semántica.
Que un algoritmo segmente incomprensible en tres o cuatro tokens no demuestra que haya descubierto los morfemas del español. La segmentación responde a objetivos estadísticos y computacionales. Puede coincidir parcialmente con unidades lingüísticas y divergir de ellas.
Al mismo tiempo, los modelos distribucionales muestran cuánta información puede recuperarse de los contextos. Palabras que aparecen en entornos similares adquieren representaciones cercanas. El principio recuerda la máxima atribuida a Firth, según la cual una palabra puede conocerse por la compañía que mantiene, aunque Firth trabajaba en la tradición británica, distinta del distribucionalismo estadounidense (Firth, 1957). La semejanza distribucional captura una parte importante del comportamiento lingüístico, pero no garantiza referencia, verdad, intención ni función pragmática.
La comparación devuelve el problema inicial en una forma nueva. Un sistema puede descubrir regularidades sin recibir las unidades tradicionales. La tarea del analista es decidir qué estructura emergió y cómo se relaciona con las categorías lingüísticas, sin identificar por conveniencia las unidades computacionales con las lingüísticas.
Qué queda del método estructural
El legado de la distribución y de la conmutación es la exigencia de justificar las unidades mediante relaciones observables, que perdura más allá de las pruebas concretas de mediados del siglo XX. Una categoría debe mostrar qué posiciones ocupa, con qué contrasta, qué combinaciones admite y qué diferencias funcionales introduce.
El procedimiento puede describirse sin convertirlo en un algoritmo rígido. Se delimita un corpus o una práctica, se buscan recurrencias y posibles cortes, se comparan las unidades candidatas por su distribución y se examina por conmutación si las sustituciones producen diferencias pertinentes. Varias pruebas independientes ayudan a decidir la estructura y las excepciones sirven para revisar la hipótesis.
Esta manera de trabajar explica el atractivo del estructuralismo. Permite pasar de la diversidad material a un sistema de diferencias con criterios explícitos. Su límite aparece cuando se supone que las relaciones distribucionales bastan para explicar todo el lenguaje. La referencia, la cognición, la historia, la interacción y la función social requieren dimensiones adicionales.
Hjelmslev llevó el proyecto relacional hasta una de sus formulaciones más abstractas. Si una unidad debe definirse por funciones dentro de un sistema, también la distinción entre sonido y significado puede reformularse como relación entre dos planos. La lectura Expresión, contenido, forma y sustancia en Hjelmslev examina esa propuesta y su separación entre expresión, contenido, forma y sustancia.
Referencias
Bloomfield, L. (1933). Language. Henry Holt.
Chomsky, N. (1957). Syntactic structures. Mouton.
Chomsky, N. (1965). Aspects of the theory of syntax. MIT Press.
Firth, J. R. (1957). A synopsis of linguistic theory, 1930–1955. En Studies in linguistic analysis (pp. 1–32). Philological Society.
Harris, Z. S. (1951). Methods in structural linguistics. University of Chicago Press.
Harris, Z. S. (1954). Distributional structure. Word, 10(2–3), 146–162.
Hjelmslev, L. (1961). Prolegomena to a theory of language (F. J. Whitfield, Trad.). University of Wisconsin Press. (Obra original publicada en 1943)
Hockett, C. F. (1958). A course in modern linguistics. Macmillan.
Nida, E. A. (1949). Morphology: The descriptive analysis of words (2.ª ed.). University of Michigan Press.
Saussure, F. de. (1916). Cours de linguistique générale. Payot.
Wells, R. S. (1947). Immediate constituents. Language, 23(2), 81–117.