Una persona dice sí y mueve la cabeza lateralmente. Otra señala una silla al decir siéntate aquí. Una tercera mira hacia la puerta mientras su interlocutor sigue hablando. En los tres casos el cuerpo participa en la interpretación, pero sería difícil traducir cada movimiento mediante una equivalencia estable.
Esa dificultad separa el estudio serio de la interacción corporal de los manuales de «lenguaje corporal». Cruzar los brazos carece de un significado universal y evitar la mirada no demuestra mentira. Una postura inclinada puede expresar interés, necesidad de oír mejor o simplemente comodidad. La función depende de la actividad, del momento y de lo que hacen los demás participantes.
La investigación sobre gesto e interacción parte de registros audiovisuales y analiza movimientos en secuencia. McNeill (1992, 2005) trató habla y gesto como componentes coordinados de la producción. Kendon (2004) describió el gesto como acción visible con organización propia. Goodwin (2000, 2007) amplió la unidad de análisis hacia configuraciones donde cuerpo, habla y entorno material participan en una acción común.
Qué puede hacer un gesto
Bajo la palabra gesto se agrupan movimientos muy distintos. Hay gesticulaciones que acompañan el habla, emblemas relativamente convencionalizados y pantomimas capaces de representar una acción con poca ayuda verbal. Kendon propuso ordenarlos, según su autonomía y su grado de convencionalización, en lo que McNeill (1992) llamó el continuo de Kendon.
La distinción evita tratar todos los movimientos manuales como signos del mismo tipo. Un pulgar levantado puede tener una función estabilizada en una comunidad. Una mano que reproduce la trayectoria de una pelota se construye localmente para ese relato. Simular el giro de una llave puede bastar para representar la acción de cerrar.
Los gestos deícticos orientan la atención. Un dedo, la cabeza o la mirada pueden señalar un referente. En pon eso allí, el habla depende de la escena y del gesto para completar la referencia. Si el interlocutor no comparte el campo visual, la expresión pierde precisión.
Los gestos icónicos seleccionan propiedades del referente. Una mano dibuja una espiral, marca una altura o reproduce una trayectoria. La semejanza siempre es parcial. Representar un automóvil con dos dedos escoge solo ciertos rasgos que sirven para la acción comunicativa.
Los gestos metafóricos proyectan contenidos abstractos sobre el espacio. Un hablante puede situar dos alternativas a izquierda y derecha o mover la mano hacia adelante al hablar del futuro. No hace falta que la frase verbal contenga una metáfora equivalente. El cuerpo puede organizar espacialmente una distinción que el habla formula de otra manera.
Otros movimientos cumplen una función rítmica o discursiva. Pequeños beats de la mano pueden marcar foco, enumeración o contraste. Su valor reside en el momento en que aparecen, no en una forma aislada.
Las categorías son analíticas y sus fronteras se mezclan. Un mismo movimiento puede señalar un objeto y representar su trayectoria. Otro puede empezar como gesto icónico y convertirse en un recurso recurrente para organizar un concepto abstracto durante varios minutos. La clasificación ayuda a describir funciones sin forzar cada movimiento dentro de una categoría exclusiva. Un gesto cambia de función según lo que acompaña y lo que ocurre después.
También existen gestos construidos con objetos. Una persona puede mover un lápiz sobre un mapa para mostrar una ruta, inclinar un teléfono para enseñar una fotografía o usar una hoja como superficie de referencia. Goodwin (2007) llamó la atención sobre estos gestos acoplados al entorno. El significado surge de la relación entre movimiento y objeto, sin residir únicamente en la mano.
Habla y gesto comparten tiempo
La coordinación temporal es determinante. Un gesto suele tener preparación, una fase expresiva principal y retracción. El stroke tiende a coincidir con el segmento verbal al que se vincula.
Si la mano desciende justo cuando el hablante dice cayó, la relación se reconoce con facilidad. Si el movimiento aparece antes, puede anticipar información. Si llega demasiado tarde, puede reinterpretarse como comentario o reparación. Esta sincronía ayuda a comprender por qué el gesto participa en la planificación de la emisión y no es una ilustración añadida al final.
La gesticulación también se relaciona con el acceso lexical. Durante una búsqueda de palabra, los hablantes mantienen a veces un movimiento que parece sostener la representación espacial o motora del concepto. Krauss et al. (2000) propusieron que ciertos gestos facilitan la recuperación lexical. Otras teorías, como la de McNeill (1992, 2005), atribuyen el fenómeno a una planificación conceptual compartida. En cualquier caso, el gesto puede cumplir una función para el propio hablante además de ser visible para el interlocutor.
Habla y gesto no tienen que decir exactamente lo mismo. Un niño puede describir verbalmente una estrategia y representar con las manos otra. Goldin-Meadow (2003) estudió estos desajustes y mostró que pueden anticipar aprendizaje. La discrepancia entre modalidades puede revelar una representación en transición, algo que se perdería si el análisis atendiera solo a la frase pronunciada.
Mirar organiza la interacción
La mirada tiene varias funciones que se confunden con facilidad cuando se la reduce a «contacto ocular». Una persona mira para localizar un referente, verificar atención, seleccionar al próximo hablante o mostrar que sigue una secuencia.
La atención conjunta aparece cuando dos participantes coordinan su orientación hacia un mismo objeto y tienen evidencia de esa coordinación. Esta estructura es importante en el desarrollo temprano y sigue operando en la vida adulta. Señalar una radiografía mientras ambos la observan transforma la imagen en objeto compartido.
Kendon (1967) y Goodwin (1981) mostraron que la mirada interviene también en la toma de turnos. Un hablante puede apartarla mientras organiza una intervención larga y volver hacia el interlocutor cerca de un punto de posible transición. Si no recibe la atención visual esperada, puede alargar, repetir o detener su turno. Estos patrones son probabilísticos. Ninguno convierte cada mirada en una orden de tomar la palabra. Funcionan junto con prosodia, sintaxis y secuencia.
La ausencia de mirada también tiene organización. Un hablante puede apartar los ojos mientras busca una palabra y volver al destinatario al cerrar la emisión.
En grupos, la distribución se vuelve más compleja. Quien habla puede recorrer visualmente a varios participantes, detenerse en uno para seleccionar una respuesta o excluir momentáneamente a otro. El destinatario de un turno no siempre coincide con la persona más próxima. La mirada ayuda a construir esa selección en tiempo real.
Un observador que codifica simplemente «mira/no mira» pierde esta arquitectura. Un oyente puede mirar un objeto mencionado en vez del rostro, igual que un hablante aparta los ojos al buscar una palabra. Evaluar «contacto ocular» como un porcentaje global borra esas diferencias. Por esa razón, el momento de la mirada suele ser más informativo que su duración total. Una mirada de medio segundo justo antes de una pregunta puede seleccionar al próximo hablante y diez segundos dirigidos a una pantalla pueden ser necesarios para una tarea conjunta.
El mito de la mirada que delata
La asociación entre evitación de mirada y mentira sigue siendo popular y tiene poco apoyo como regla individual. La dirección de los ojos cambia por carga cognitiva, timidez, regulación emocional y normas sociales. También cambia por simple variación personal. Vrij (2008) revisó indicadores conductuales de engaño y mostró que sus efectos suelen ser pequeños e inconsistentes. Quien conoce el estereotipo puede incluso aumentar deliberadamente el contacto ocular mientras miente.
La inferencia habitual debe invertirse. Observar que alguien desvía la mirada autoriza a describir esa conducta y a situarla en la secuencia, pero atribuir engaño exige evidencia independiente.
En clínica, derecho o selección laboral, esta diferencia es importante. Los errores aparecen cuando una conducta ambigua se transforma en diagnóstico sobre la mente.
Rostro, postura y orientación
Las expresiones faciales participan en la comunicación afectiva, aunque la relación entre movimiento y emoción es menos rígida de lo que sugieren muchas infografías. La tradición de Ekman y Friesen (1969) identificó regularidades transculturales y desarrolló sistemas de codificación influyentes. Barrett et al. (2019) subrayaron la variación contextual y cultural al revisar críticamente la idea de que cada emoción corresponda a una configuración facial única y universal. Un ceño fruncido puede aparecer con enojo, concentración o esfuerzo. La cara aporta evidencia, pero rara vez basta por sí misma para identificar un estado interno.
La postura y la orientación corporal tienen una lógica parecida. Dos personas frente a frente configuran un espacio distinto del que forman dos personas sentadas en paralelo. En grupos, la geometría corporal regula quién está incluido y quién queda en el borde de la actividad. Kendon (1990) describió formaciones espaciales en las que los participantes sostienen un espacio compartido. La entrada de una tercera persona puede obligar a reconfigurar posiciones. Esa reorganización es parte de la interacción, aunque nadie la verbalice.
Proxémica, territorio y poder
Hall (1966) popularizó la proxémica al estudiar cómo las sociedades organizan el espacio interpersonal. Sus categorías de distancia íntima, personal, social y pública fueron influyentes, pero no deberían usarse como medidas universales. La distancia adecuada cambia con la cultura, el entorno y la relación. Un ascensor obliga a una proximidad que sería extraña en un pasillo vacío. Una consulta médica admite acercamientos que una conversación casual no permite.
Los objetos también delimitan territorios. Goffman (1971) describió formas de reservar espacio y mantener fronteras del yo. Un bolso sobre una silla puede marcar ocupación y un escritorio puede separar roles. Un podio organiza una audiencia y eleva físicamente al orador.
El espacio se negocia durante la interacción. Una persona se acerca y la otra retrocede, un grupo abre su formación para incorporar a alguien o dos participantes giran las sillas hacia una tercera pantalla. Estas microadaptaciones cambian quién puede ver, oír y tomar parte en la actividad. La proxémica es más útil cuando describe esas transformaciones que cuando intenta asignar un significado psicológico a una distancia medida en centímetros.
La arquitectura del lugar impone restricciones previas. Una sala con sillas fijas organiza la interacción de manera distinta de un espacio donde los participantes pueden moverse. Un mostrador, una cama hospitalaria o una mesa de reuniones distribuyen accesos y ángulos antes de que alguien elija su postura. La conducta corporal siempre ocurre dentro de esa geometría material.
El poder aparece en estas disposiciones de manera concreta. Una ventanilla decide cuánto pueden aproximarse dos personas, una puerta cerrada regula el acceso y una cámara transforma una sala en espacio observado. Las relaciones espaciales expresan poder y a menudo lo materializan.
El cuerpo en la consulta
La consulta clínica es un laboratorio cotidiano de multimodalidad. Un paciente dice me duele aquí y señala el esternón. El gesto localiza una experiencia que la frase verbal deja indeterminada. Si separa las manos para indicar tamaño, parte de la información está en el espacio entre ellas.
La tarea clínica consiste en conservar esa información sin convertirla demasiado rápido en una categoría. Ante es así de grande, el profesional puede pedir una estimación verbal. Ante una presión señalada en el pecho, puede distinguir presión, dolor y localización antes de resumir.
El examen mental también usa observaciones corporales. Mantiene contacto visual intermitente describe una conducta. Evita la mirada por desconfianza agrega una explicación. Expresión facial poco variable registra un patrón visible, pero atribuirle un estado afectivo requiere integrarlo con otros datos. Esa separación entre observación e interpretación protege contra la sobrelectura de señales ambiguas.
La temporalidad clínica importa tanto como la forma. Un movimiento repetitivo observado durante toda la entrevista tiene otro estatuto que un gesto aislado al tocar un tema sensible. Un cambio súbito de postura después de una pregunta puede justificar exploración, aunque no autoriza a asignar una emoción específica. La secuencia orienta la pregunta siguiente.
Documentar de este modo produce notas más auditables. Otro profesional puede leer qué se observó y decidir si comparte la interpretación.
El espacio físico influye además en la interacción. Un escritorio entre paciente y clínico no distribuye las posiciones igual que dos sillas en ángulo. Una pantalla colocada fuera del campo compartido puede interrumpir la atención conjunta. Si se orienta hacia ambos, puede convertirse en un objeto común durante la entrevista. No existe una geometría universalmente empática, aunque sí hay configuraciones que facilitan o dificultan determinadas tareas.
Variación, autismo y lenguas de señas
Las prácticas corporales cambian entre comunidades. Los emblemas son el ejemplo más obvio, ya que una forma aceptable en un lugar puede resultar ofensiva en otro. También varían la frecuencia de gesticulación, las maneras de señalar y las expectativas sobre mirada. Estas diferencias no se distribuyen nítidamente por países. Edad, actividad y comunidad de práctica pueden importar más que una etiqueta nacional.
La comunicación autista requiere una cautela adicional. Diferencias de mirada, gesto o coordinación se describieron durante mucho tiempo como déficits respecto de una norma no autista. Milton (2012) propuso el problema de la doble empatía, según el cual parte de la dificultad surge del encuentro entre estilos comunicativos distintos y puede ser bidireccional.
Una evaluación que exige mirar a los ojos para demostrar atención puede confundir una convención del examinador con una condición universal de comprensión. La persona puede seguir con precisión el contenido mientras regula la carga sensorial evitando la mirada directa. El patrón completo importa más que una conducta normativa aislada. Evaluar competencia social a partir de una única señal favorece errores.
Las lenguas de señas obligan, por otra parte, a distinguir lengua y gesticulación. Son lenguas naturales completas con unidades subléxicas y gramática propia. Configuración manual, orientación, movimiento y rasgos no manuales pueden tener funciones lingüísticas. Tratarlas como un conjunto de gestos expresivos borra aquello que las convierte en sistemas lingüísticos.
Una persona signante también puede gesticular mientras usa su lengua, del mismo modo que una persona oyente gesticula mientras habla. Esa coexistencia refuerza la distinción. Compartir canal visual-manual no vuelve equivalentes el gesto espontáneo y una unidad lingüística convencionalizada.
Cómo se estudia una acción corporal
Estudiar la interacción corporal exige video. Una transcripción verbal pierde dirección de mirada, duración de gestos y orientación del cuerpo.
Mondada (2018) ha desarrollado sistemas de transcripción multimodal que alinean distintos recursos sobre una línea temporal. El grado de detalle depende de la pregunta. Un estudio de turnos puede registrar hacia quién se dirige la mirada. Un análisis de gesto necesita distinguir preparación, fase expresiva y retracción.
La cuantificación es posible y útil. Pueden medirse duración de miradas, frecuencia de gestos o latencia entre movimiento y palabra. El número, sin embargo, necesita conservar la función secuencial. Contar miradas sin saber cuándo ocurrieron puede reunir en una misma variable acciones muy distintas.
Los sistemas de codificación enfrentan además un problema de fiabilidad. Dos analistas pueden discrepar sobre el inicio de un gesto o sobre si un movimiento pertenece a la misma unidad. Las definiciones operativas y la concordancia entre codificadores son necesarias cuando la investigación convierte una secuencia continua en variables.
La cámara introduce su propio sesgo. Un plano cerrado puede perder movimientos de las manos. Un plano general conserva postura y reduce detalle facial. El registro audiovisual nunca es transparente y siempre selecciona una porción de la escena. La cámara modifica incluso la conducta que intenta documentar. Algunas personas reducen gestos al saberse grabadas y otras miran al dispositivo. En investigación naturalista, este efecto puede disminuir con habituación, pero rara vez desaparece por completo. El contexto de registro debe quedar consignado cuando afecta la interpretación.
La unidad de análisis suele ser una acción situada, no una señal corporal aislada. Goodwin (2000) mostró cómo habla, gesto y entorno material se ensamblan para producir actividades. Un arqueólogo dice aquí cambia el estrato mientras sigue una línea con el dedo sobre la superficie. La deixis, el gesto y el objeto forman una sola operación referencial.
Cuerpo, enseñanza y performance pública
La enseñanza usa continuamente recursos corporales. Un profesor puede asignar una mano a cada variable, señalar una región anatómica mientras la nombra o marcar con movimientos el orden de una secuencia. El gesto descarga parte de la información espacial que sería costoso verbalizar.
La congruencia importa. Cuando gesto y habla entran en conflicto, el estudiante recibe dos organizaciones distintas. Esa discrepancia puede confundir o, en ciertos diseños experimentales, revelar que el alumno está representando una estrategia que todavía no puede formular verbalmente (Goldin-Meadow, 2003).
En el discurso político y público, el cuerpo adquiere además una dimensión performativa. Gestos amplios, desplazamientos y manejo de mirada participan en la construcción visible de autoridad o cercanía. Las cámaras transforman esa performance al elegir planos y encuadres.
Un debate televisado es un caso especialmente claro. El espectador ve una realización editada o seleccionada por cámaras y nunca la interacción completa. Una reacción facial puede mostrarse mientras habla otra persona y adquirir un peso que no habría tenido desde la sala. El análisis corporal de medios debe incluir la mediación audiovisual.
Describir un gesto como expansivo es distinto de concluir que el orador «es seguro». La imagen pública se produce mediante convenciones y edición audiovisual; la psicología privada no se lee directamente desde la postura.
Pantallas, avatares y visión computacional
La videollamada modifica reglas básicas de interacción. Mirar a los ojos de la persona en pantalla suele implicar no mirar a la cámara. El otro recibe entonces una dirección de mirada ligeramente desviada. El cuerpo aparece recortado, parte de los gestos sale del encuadre y la latencia favorece solapamientos. Los usuarios compensan mediante recursos más explícitos, como verbalizar el final de un turno, aumentar movimientos visibles o depender más de señales lingüísticas.
La interfaz también redistribuye la atención. En una reunión presencial, mirar a una persona suele significar mirar aproximadamente hacia donde ella está. En una cuadrícula de videollamada, mirar su imagen no produce necesariamente para ella la experiencia de ser mirada. La plataforma separa percepción y señal social.
Las reacciones gráficas, el botón de levantar la mano y los indicadores de micrófono aparecen entonces como recursos nuevos. Crean otra gramática de participación que no imita exactamente la interacción presencial.
Avatares y robots intentan reconstruir parte de ese repertorio. Una cabeza sintética puede orientarse hacia quien habla, una mano robótica puede señalar un objeto y un avatar puede anunciar una transición con la mirada. La pregunta funcional es si estas señales ayudan al usuario a anticipar la acción del sistema y a coordinarse con él.
La visión computacional plantea un problema diferente. Detectar una configuración facial o estimar la orientación de la cabeza es una tarea perceptiva. Inferir felicidad, sinceridad o intención desde esos datos agrega capas interpretativas con mayor incertidumbre. Barrett et al. (2019) muestran por qué una correspondencia directa entre movimiento facial y emoción es científicamente débil.
Los sistemas que prometen leer personalidad o engaño a partir del rostro suelen exceder la evidencia disponible. El error está en atribuir a los movimientos un significado psicológico fijo y no en medirlos. Este problema se vuelve más grave cuando la inferencia automatizada se usa para selección de personal, educación o vigilancia. Una clasificación aparentemente objetiva puede depender de supuestos culturales sobre expresión y mirada. La precisión técnica para detectar puntos faciales no valida la categoría psicológica que se calcula después.
Los agentes corporizados enfrentan el problema inverso, el de generar conductas que el usuario interprete de manera útil. Una mirada sintética demasiado sostenida puede resultar incómoda; una demasiado errática, distraída. La naturalidad surge de la sincronización con la acción antes que de la copia de una postura humana estática.
Un desacuerdo que tarda en aparecer
A responde me parece bien después de una pausa, frunce el ceño y aparta la mirada. Por separado, ninguna de esas señales demuestra desacuerdo. La frase verbal expresa aceptación, la demora puede corresponder a una respuesta socialmente delicada, el ceño puede acompañar evaluación y la mirada puede regular el turno.
B dice entonces no pareces muy convencido y A aclara el plan me sirve; no estoy seguro del plazo. La secuencia posterior cambia la lectura del episodio. Existía una reserva, pero no era idéntica a un rechazo global.
El ejemplo resume la disciplina necesaria. Primero se describe la actividad y el orden temporal. Después se identifica qué acción realiza cada recurso. Solo al final se formula una interpretación más amplia, que se revisa con los turnos siguientes.
El procedimiento evita dos errores frecuentes. El primero extrae una señal de la secuencia y le asigna un significado estable. El segundo acumula varias señales ambiguas y supone que su suma produce certeza, como si tres indicadores débiles se transformaran automáticamente en una lectura psicológica fuerte.
La mejor evidencia suele estar en la respuesta del otro participante. Si una persona interpreta un gesto como petición y actúa en consecuencia, la secuencia aporta información sobre la función del movimiento. Si pide aclaración, muestra que la conducta no fue suficiente.
También conviene observar los casos en que los participantes no reaccionan. Una señal que el analista considera evidente puede no tener consecuencias secuenciales para quienes estaban presentes. Esa ausencia no invalida de inmediato la interpretación, pero obliga a moderarla. El criterio más fuerte sigue siendo cómo una conducta entra en una actividad compartida.
El cuerpo participa en la comunicación porque sus movimientos se coordinan con palabras, objetos y posiciones. La lectura Multimodalidad e integración de modos dejará de estudiar cada recurso por separado y se concentrará en cómo varios modos se integran dentro de una misma acción.
Referencias
Barrett, L. F., Adolphs, R., Marsella, S., Martinez, A. M., y Pollak, S. D. (2019). Emotional expressions reconsidered: Challenges to inferring emotion from human facial movements. Psychological Science in the Public Interest, 20(1), 1–68.
Ekman, P., y Friesen, W. V. (1969). The repertoire of nonverbal behavior: Categories, origins, usage, and coding. Semiotica, 1(1), 49–98.
Goffman, E. (1971). Relations in public: Microstudies of the public order. Basic Books.
Goldin-Meadow, S. (2003). Hearing gesture: How our hands help us think. Harvard University Press.
Goodwin, C. (1981). Conversational organization: Interaction between speakers and hearers. Academic Press.
Goodwin, C. (2000). Action and embodiment within situated human interaction. Journal of Pragmatics, 32(10), 1489–1522.
Goodwin, C. (2007). Environmentally coupled gestures. En S. D. Duncan, J. Cassell y E. T. Levy (Eds.), Gesture and the dynamic dimension of language (pp. 195–212). John Benjamins.
Hall, E. T. (1966). The hidden dimension. Doubleday.
Kendon, A. (1967). Some functions of gaze-direction in social interaction. Acta Psychologica, 26, 22–63.
Kendon, A. (1990). Conducting interaction: Patterns of behavior in focused encounters. Cambridge University Press.
Kendon, A. (2004). Gesture: Visible action as utterance. Cambridge University Press.
Kita, S. (Ed.). (2003). Pointing: Where language, culture, and cognition meet. Lawrence Erlbaum.
Krauss, R. M., Chen, Y., y Gottesman, R. F. (2000). Lexical gestures and lexical access: A process model. En D. McNeill (Ed.), Language and gesture (pp. 261–283). Cambridge University Press.
McNeill, D. (1992). Hand and mind: What gestures reveal about thought. University of Chicago Press.
McNeill, D. (2005). Gesture and thought. University of Chicago Press.
Milton, D. E. M. (2012). On the ontological status of autism: The double empathy problem. Disability & Society, 27(6), 883–887.
Mondada, L. (2018). Multiple temporalities of language and body in interaction: Challenges for transcribing multimodality. Research on Language and Social Interaction, 51(1), 85–106.
Streeck, J., Goodwin, C., y LeBaron, C. (Eds.). (2011). Embodied interaction: Language and body in the material world. Cambridge University Press.
Tomasello, M. (1999). The cultural origins of human cognition. Harvard University Press.
Vrij, A. (2008). Detecting lies and deceit: Pitfalls and opportunities (2.ª ed.). Wiley.