# La gramática del diseño visual de Kress y van Leeuwen Un afiche muestra a una médica de pie frente a una paciente sentada. La médica mira hacia el observador y la paciente la mira a ella. En la parte superior aparece una frase breve. Abajo, un botón gráfico propone una acción. Una descripción puramente inventarial diría que hay dos personas, texto y un botón. Esa descripción es correcta, pero deja fuera casi todo lo que hace que la imagen funcione. La posición de los cuerpos, la dirección de las miradas, la distancia aparente y la distribución de los elementos organizan relaciones. El observador recibe una escena construida. Gunther Kress y Theo van Leeuwen propusieron llamar *gramática del diseño visual* al conjunto de recursos que permiten analizar esa construcción (Kress y van Leeuwen, 2006). La palabra *gramática* puede inducir a error si se entiende como un catálogo de reglas obligatorias. Aquí designa un sistema de posibilidades socialmente estabilizadas. Algunas elecciones visuales son más habituales que otras, ciertas combinaciones adquieren valores recurrentes y los géneros limitan lo esperable. La propuesta toma como punto de partida la lingüística sistémico-funcional de Michael Halliday. Halliday (1978) entendía el lenguaje como un recurso social para producir significado. Una lengua permite representar experiencias, organizar relaciones entre interlocutores y construir mensajes coherentes. Kress y van Leeuwen sostienen que las imágenes enfrentan problemas funcionales semejantes mediante recursos propios. Una fotografía carece de sujeto gramatical y de tiempo verbal en el sentido lingüístico. Aun así, puede representar acciones, situar a quien mira y distribuir información dentro de un espacio. De allí provienen las tres funciones que estructuran su modelo (la representacional, la interactiva y la composicional). La primera pregunta qué relaciones aparecen dentro de la imagen, la segunda examina cómo la imagen sitúa al observador frente a lo representado y la tercera estudia cómo se organiza el conjunto. El interés del modelo está menos en memorizar las etiquetas que en aprender a pasar de una impresión vaga, como «esta imagen parece autoritaria», a una descripción verificable de los recursos que producen esa impresión. ## Semiótica social y elección La gramática visual pertenece a una concepción más amplia, la semiótica social. Kress (2010) insiste en que producir un signo implica elegir entre recursos disponibles. La elección se hace desde una posición histórica y social. Un diseñador trabaja con repertorios que ya circulan y los adapta a una situación concreta, sin inventar de cero el valor de una flecha, un primer plano o una tipografía. Esto introduce una tensión productiva. Los signos dependen de convenciones compartidas, pero su uso nunca está totalmente fijado por ellas. Un niño que dibuja un automóvil mediante un rectángulo y dos círculos selecciona los rasgos que considera pertinentes. Un diagrama de redes representa conexiones mediante líneas porque esa correspondencia espacial es útil para el objetivo de la representación. La motivación del signo opera dentro de la convención sin eliminarla. La semiótica social no trata el significado como propiedad privada del autor. Una elección puede tener una intención y producir efectos distintos en audiencias distintas. Lo analizable es, primero, el potencial semiótico de la configuración, es decir, las relaciones que hace disponibles, las posiciones que propone y las convenciones que moviliza. La recepción efectiva exige datos sobre los observadores. Ese límite conviene mantenerlo desde el comienzo, porque una parte de la crítica a la gramática visual proviene precisamente de convertir patrones de diseño en efectos psicológicos automáticos. El interés del productor del signo ocupa un lugar importante en esta tradición. Interés no significa capricho individual, porque designa aquello que, desde cierta posición y para cierta tarea, se considera digno de ser seleccionado. Dos diagramas del mismo fenómeno pueden destacar relaciones diferentes sin que uno de ellos sea necesariamente falso. Un mapa de metro conserva conexiones y estaciones mientras deforma distancias geográficas. Un plano urbano hace casi lo contrario. Cada representación sacrifica información para resolver un problema distinto. Esta idea evita una pregunta poco productiva, la de cuál es la imagen «neutral». Toda representación selecciona. La cuestión más precisa es qué selecciona, con qué recursos y para qué actividad. En una radiografía, la selección depende del dispositivo y del protocolo. En una campaña de salud, depende además de decisiones editoriales sobre quién aparece, desde qué distancia y acompañado de qué texto. La semiótica social se vuelve útil cuando esas decisiones pueden describirse una por una. ## Representar acciones, miradas y procesos La función representacional se ocupa de las relaciones que la imagen construye entre sus participantes. Kress y van Leeuwen distinguen, a grandes rasgos, estructuras narrativas y conceptuales. Las primeras representan procesos y las segundas muestran clasificaciones, partes, atributos o identidades relativamente estables. Una fotografía fija puede ser narrativa, porque no hace falta movimiento físico para representar una acción. Si una enfermera extiende una jeringa hacia el brazo de un paciente, la dirección del brazo y del instrumento forma un vector. Ese vector organiza la escena como una acción con origen y destino. La enfermera es el actor y el brazo, la meta. Si una corredora aparece inclinada hacia delante sin que se vea el destino, la acción existe sin un objeto representado. Los vectores pueden ser muy explícitos, como una flecha, o inferirse de la postura, una herramienta, una carretera o una mirada. Cuando el vector es una mirada, Kress y van Leeuwen hablan de procesos reaccionales. Una madre que observa a su hijo aparece como reactor y el hijo, como el fenómeno hacia el que dirige la mirada. Si la persona mira fuera del encuadre, la imagen abre una relación con algo ausente. El observador sabe que existe un objeto de atención y debe imaginarlo o esperarlo. En cómics, infografías y diagramas aparecen también procesos verbales o mentales. Un globo de diálogo vincula a un participante con una emisión y una nube de pensamiento construye una relación semejante con un contenido mental. Estos recursos son convenciones gráficas específicas. Su uso recuerda que la gramática visual puede analizar, además de fotografías o pinturas, sistemas en los que palabras, formas, flechas y diagramas trabajan conjuntamente. Un caso distinto es el de las estructuras de conversión. En ciertos diagramas, un participante es a la vez destino de un proceso y origen de otro. Una materia prima entra en una máquina y sale convertida en producto. Una señal llega a un nodo y se transmite hacia otro. La imagen organiza una transformación y no una escena interpersonal. ## Clasificar, descomponer y atribuir identidad Las estructuras conceptuales reducen la importancia del tiempo y la acción. Un árbol taxonómico, una fotografía de catálogo o un esquema anatómico pueden presentar entidades según pertenencia, composición o identidad. En una estructura clasificatoria, los participantes se ordenan como miembros de una clase. Un diagrama que distribuye mamíferos en órdenes y familias construye una jerarquía conceptual sin mostrar ninguna acción. La posición espacial suele materializar relaciones de inclusión. Lo más general aparece arriba o al centro y las subclases se despliegan desde allí. Esa convención es frecuente, aunque no necesaria. Las estructuras analíticas distinguen un portador y sus partes o atributos. Un esquema del corazón puede mostrar cavidades, válvulas y vasos como componentes de un todo. El sentido depende de qué partes se seleccionan. Un dibujo anatómico destinado a estudiantes de medicina y una ilustración para pacientes pueden representar el mismo órgano mediante descomposiciones distintas. Las estructuras simbólicas atribuyen identidad o valor. Un retrato ceremonial, una corona, una bata blanca o un fondo institucional pueden construir una posición social sin representar una acción específica. Aquí la interpretación depende con fuerza de convenciones culturales. Una bata puede indicar autoridad profesional en un hospital y otra cosa en un laboratorio escolar. El análisis gana precisión cuando identifica el repertorio pertinente y evita atribuir significados universales a cada objeto. La distinción entre estructuras narrativas y conceptuales es un instrumento de análisis. No todas las imágenes encajan en una sola categoría. Un afiche puede mostrar a una persona realizando una acción y, a la vez, presentarla como representante de una categoría. La pregunta útil es qué relaciones dominan la organización visual y cómo se combinan. La diferencia puede verse con claridad en materiales docentes. Una fotografía de una persona aplicando una inyección representa una acción situada. Un esquema que clasifica tipos de inyección según la profundidad o el sitio anatómico construye un sistema conceptual. Una infografía puede superponer ambas lógicas si muestra una secuencia de acciones y, al mismo tiempo, ordena categorías. Separarlas durante el análisis permite entender por qué una figura puede ser fácil de seguir como procedimiento y confusa como taxonomía, o al revés. La separación también obliga a preguntar qué se omite. Una imagen narrativa selecciona un instante y deja fuera antecedentes y consecuencias. Una imagen conceptual estabiliza categorías que en la práctica pueden ser continuas, discutidas o dependientes del contexto. La forma visual puede hacer parecer natural una clasificación que en realidad responde a decisiones teóricas. Ese efecto no invalida el diagrama, pero sí hace necesario explicitar sus criterios cuando la clasificación tiene consecuencias científicas o institucionales. ## La relación con quien mira La función interactiva desplaza la atención desde lo representado hacia la relación que la imagen propone al observador. En una conversación cara a cara, la mirada, la distancia y el ángulo corporal regulan la interacción. Las imágenes reutilizan algunos de esos recursos, aunque lo hacen de manera representada. El primer recurso es la mirada. Cuando una persona representada mira directamente hacia la cámara, la imagen produce lo que Kress y van Leeuwen llaman una *demanda*. La figura establece un contacto visual simulado con el observador. El tipo de demanda depende de la expresión, del gesto y del género de la imagen. Una campaña puede construir cercanía, una fotografía política puede buscar interpelación y un retrato publicitario puede convertir la mirada en invitación. Cuando el participante no mira al observador, la imagen es una *oferta*. La persona aparece disponible para ser observada sin reclamar una respuesta visual equivalente. Esto puede producir distancia, contemplación, objetivación o una sensación documental. Ninguno de esos efectos está garantizado por la mirada aislada. Una fotografía de archivo, una escena íntima y una imagen clínica pueden compartir la misma ausencia de contacto visual y construir relaciones distintas. La terminología de demanda y oferta es útil porque obliga a describir la orientación de la mirada antes de atribuir una emoción. No autoriza a afirmar que un retrato frontal «genera confianza» en todos los observadores. Esa es una hipótesis de recepción que necesita evidencia adicional. La relación con quien mira no depende únicamente de los ojos. El cuerpo puede orientarse de frente mientras la mirada se desvía, o la cabeza puede girar hacia la cámara con el torso de perfil. Estas combinaciones producen configuraciones menos simples que la oposición frontal/oblicuo. En retrato político, moda o fotografía clínica, pequeños cambios de postura pueden alterar quién parece disponible para la interacción y quién aparece como objeto de observación. La cámara introduce además una mediación que el modelo tiende a tratar como si fuera una posición del observador. Esa equivalencia sirve para describir la imagen terminada, pero no debe borrar las condiciones de producción. Un lente largo puede crear cercanía aparente desde gran distancia; un gran angular modifica las proporciones; un recorte posterior cambia el plano sin mover la cámara. La «distancia social» representada pertenece a la imagen, no necesariamente a la distancia física desde la que se produjo. ## Distancia, ángulo y posición social La distancia aparente de la cámara produce otro conjunto de efectos. Un primer plano aproxima el rostro y permite ver detalles que normalmente solo serían accesibles a poca distancia. Un plano general muestra más entorno y reduce la presencia del cuerpo. Kress y van Leeuwen relacionan estas distancias con categorías de proximidad social inspiradas, entre otros trabajos, en la proxémica de Hall (1966). La analogía no debe tomarse de forma literal. Mirar un rostro ampliado en una pantalla no equivale a tener a una persona a treinta centímetros. La imagen simula una relación de proximidad mediante el tamaño y el recorte. Esa simulación tiene mucho peso en publicidad, retrato, periodismo o interfaces. El ángulo horizontal introduce otra variable. Una toma frontal incorpora al observador al eje de la escena con mayor facilidad que una vista oblicua. Kress y van Leeuwen describen esta diferencia mediante los términos implicación y separación. Una vista frontal puede sugerir un mundo presentado como compartido y una oblicua puede marcar distancia. La relación depende del género y de la convención visual. La frontalidad de una ficha policial, por ejemplo, no produce la intimidad de un retrato familiar. Kress y van Leeuwen asocian el ángulo vertical con relaciones de poder. Mirar a un participante desde arriba puede disminuirlo dentro del campo visual y mirarlo desde abajo puede aumentar su presencia. La convención es frecuente en fotografía política, publicidad y cine, pero no es un código automático. Un contrapicado extremo puede ser cómico, una vista cenital puede obedecer a razones cartográficas y una fotografía médica puede requerir determinado ángulo por razones técnicas. El análisis tiene que demostrar que la elección participa en la relación social y no deducirla solo a partir de la geometría. ## La modalidad y la realidad que reclama una imagen Las imágenes difieren en el grado y el tipo de realidad que reclaman. Una fotografía documental, una radiografía, una ilustración científica y una imagen publicitaria pueden representar el mismo objeto con convenciones de verdad distintas. Kress y van Leeuwen llaman *modalidad* a este problema. En el lenguaje, la modalidad suele asociarse con grados de certeza, obligación o posibilidad. En el dominio visual, el concepto se amplía hacia las convenciones que hacen que una representación parezca más o menos real, plausible o autorizada dentro de un género. Entre los marcadores descritos por los autores figuran la saturación de color, la diferenciación cromática, el detalle, la profundidad, la iluminación y el grado de contextualización. Una imagen desaturada puede parecer documental en cierto género y estilizada en otro. Una radiografía carece de color naturalista, pero tiene alta autoridad epistémica en medicina porque su realismo depende de una tecnología y de una práctica interpretativa específica. Por eso la modalidad no puede medirse con una escala universal de parecido fotográfico. La pregunta adecuada es qué cuenta como evidencia visual dentro de una comunidad. En una infografía epidemiológica, un mapa de calor puede ser más informativo que una fotografía. En anatomía, un dibujo selectivo puede comunicar relaciones que una imagen realista oculta. El realismo es una convención funcional que no se reduce a una propiedad puramente óptica. Kress y van Leeuwen distinguen orientaciones de codificación en las que cambian los criterios de alta modalidad. Una orientación naturalista valora la semejanza con la percepción cotidiana. Una orientación tecnológica puede valorar, en cambio, la capacidad de una imagen para mostrar información que no se ve a simple vista. Un corte de tomografía, una reconstrucción tridimensional o una micrografía pueden parecer muy poco «naturales» y ser, dentro de su práctica, representaciones fuertemente autorizadas. Esto ayuda a entender por qué los marcadores de modalidad no pueden contarse como si fueran puntos de una escala fija. Más saturación de color no equivale siempre a más realidad. En fotografía publicitaria puede volver artificial una imagen y en una representación funcional puede aumentar la discriminabilidad. El código del género decide qué transformaciones se aceptan como informativas y cuáles se interpretan como estilización. ## La composición y la organización del conjunto La tercera función, la composicional, estudia cómo los elementos de una imagen se integran en una totalidad. Kress y van Leeuwen destacan tres recursos, que son el valor de información, la saliencia y el *framing*. El valor de información depende de la posición relativa. Los autores proponen asociaciones recurrentes entre izquierda y derecha, arriba y abajo, centro y margen. En ciertos diseños occidentales, la izquierda puede presentar información como conocida y la derecha como nueva. La parte superior puede asociarse con formulaciones ideales y la inferior con realizaciones más concretas. Estas regularidades son hipótesis culturales, no traducciones automáticas de coordenadas espaciales. La saliencia es el grado en que un elemento atrae la atención. Puede depender de tamaño, contraste, posición, nitidez, color o presencia de rostros. Varios recursos pueden converger. Un elemento pequeño puede ser muy saliente si está aislado en una zona vacía y una figura grande puede perder peso si el contraste con el fondo es bajo. El *framing* describe el grado de conexión o separación entre componentes. Líneas, márgenes, fondos, espacios vacíos y continuidad visual pueden hacer que dos elementos parezcan pertenecer a una misma unidad o a bloques independientes. El texto «Imagen, composición, saliencia y encuadre» desarrollará estos recursos con mayor detalle, porque la composición merece un análisis propio. ## De una imagen aislada a un diseño multimodal La gramática visual se vuelve más útil cuando deja de tratar la imagen como si estuviera sola. Un afiche combina fotografía, texto, tipografía, color y distribución espacial. Una página web añade navegación e interacción. Un video incorpora movimiento y sonido. Kress (2010) y Jewitt (2009) usan el término *modo* para referirse a recursos semióticos socialmente organizados, como escritura, imagen, gesto o sonido. Cada modo tiene posibilidades distintas. La escritura organiza bien relaciones proposicionales y secuencias argumentativas. Una imagen muestra simultáneamente relaciones espaciales y un gesto aporta orientación corporal y temporalidad. Ninguno es universalmente superior. La especialización funcional explica por qué un texto y una imagen pueden repartirse el trabajo. En un manual, la prosa puede describir una secuencia y la figura mostrar una relación espacial. En una interfaz, un icono reduce espacio y una etiqueta verbal evita ambigüedad. El significado emerge de la combinación. La materialidad también importa. Una imagen impresa en una hoja, proyectada en una pantalla o mostrada en un teléfono cambia de tamaño, textura y contexto de uso. El mismo diseño puede ser legible en un monitor y fracasar en una pantalla pequeña. La semiótica social incorpora estos soportes porque la forma material condiciona las elecciones posibles. La secuencia de producción deja otra huella. Una fotografía tomada para un periódico puede recortarse, recibir texto, comprimirse y aparecer finalmente como miniatura en una aplicación. Cada etapa modifica el repertorio disponible. El fotógrafo decide un encuadre, el editor puede reemplazarlo por otro y la interfaz determina cuánto espacio tendrá la imagen. Hablar de una sola «elección visual» puede ocultar una cadena de decisiones distribuidas. Este punto importa cuando se atribuye una intención al diseño. Una relación espacial puede haber sido buscada por el autor original, heredada de una plantilla o producida por una transformación automática. El análisis de la imagen terminada sigue siendo válido, pero la explicación de su origen necesita reconstruir quién intervino y en qué momento. ## Aplicar el modelo sin convertirlo en un diccionario Considérese un anuncio de vacunación. Una persona mira directamente al observador, ocupa gran parte del encuadre y sostiene el brazo descubierto. A la derecha aparece una frase breve, con una fecha y un lugar debajo. El análisis representacional puede describir la pose y los objetos. El interactivo examina mirada, distancia y ángulo. El composicional observa qué elemento domina y cómo se conectan texto e imagen. Ese análisis todavía no permite concluir que el anuncio persuadió, que produjo confianza o que fue interpretado del mismo modo por todas las audiencias. Permite formular hipótesis más precisas, como que la mirada frontal construye una interpelación directa, que el primer plano reduce distancia y que la jerarquía visual coloca el rostro por encima de los datos administrativos. La recepción debe medirse aparte. En visualización científica ocurre algo semejante. Un gráfico selecciona variables, escalas y contrastes. La elección de un eje puede exagerar o atenuar una diferencia y una paleta puede hacer visible un gradiente o esconderlo. El análisis semiótico no sustituye la estadística, pero muestra que una figura científica también es una construcción visual y que sus decisiones formales afectan la interpretación. Las interfaces añaden agencia. Un botón grande y contrastante tiene más saliencia que un enlace secundario. Una opción predeterminada puede dirigir una elección. Aquí la gramática visual se cruza con el diseño de interacción y la ética. La posición visual de una opción puede adquirir consecuencias prácticas porque el usuario actúa dentro de la interfaz. El mismo problema aparece en formularios y paneles de control. Un indicador rojo puede convertir una variable en prioridad operativa. Una tarjeta colocada en la primera pantalla puede recibir atención sistemática aunque no sea más importante que otras. En estos casos la composición se vuelve parte del procedimiento. El diseño representa el estado del sistema y, al mismo tiempo, ayuda a decidir qué se atiende primero. En clínica, una lámina para pacientes puede jerarquizar información mediante tamaño, proximidad y color. Un dibujo anatómico puede simplificar deliberadamente. La evaluación relevante pregunta si la selección es adecuada para la tarea y si evita inferencias erróneas. La reproducción del máximo detalle puede ser irrelevante e incluso contraproducente. Un esquema que hace parecer equivalentes un riesgo frecuente y uno excepcional puede ser gráficamente elegante y comunicativamente defectuoso. ## Alcance y límites de la propuesta La gramática del diseño visual ha sido influyente porque da vocabulario para describir aspectos que de otro modo quedan en impresiones generales, aunque también ha recibido críticas. Bateman (2014) cuestiona la tendencia a trasladar categorías funcionales entre modos y señala la dificultad para demostrar empíricamente algunos valores posicionales. La misma configuración puede adquirir significados diferentes según género, cultura y situación. Otra dificultad es la unidad de análisis. En una imagen compleja, no siempre está claro qué cuenta como participante, proceso o unidad composicional. El analista puede imponer retrospectivamente una estructura que la audiencia nunca utilizó. El mejor uso del modelo es, por ello, comparativo y explícito. Conviene describir primero los rasgos observables, justificar después la categoría aplicada y separar esa descripción de la inferencia sobre efecto social o psicológico. Las regularidades de Kress y van Leeuwen son hipótesis sobre convenciones visuales. Ganan fuerza cuando se confirman con corpus, experimentos de recepción o evidencia histórica. El trabajo con corpus es especialmente útil. Si una investigación sostiene que determinadas posiciones visuales se asocian con autoridad, puede comparar decenas o cientos de portadas, anuncios o interfaces y preguntar con qué frecuencia aparece el patrón, en qué géneros y con qué excepciones. La comparación histórica puede mostrar además que una convención hoy familiar fue rara en otro período. La investigación experimental responde otra clase de pregunta. Puede evaluar si observadores reales detectan antes un elemento, si recuerdan mejor cierta información o si interpretan de manera consistente una relación. Ningún método reemplaza a los demás. El análisis formal describe la configuración; el corpus permite estimar regularidades; la recepción examina efectos. La solidez aumenta cuando las tres capas coinciden. La gramática visual no reemplaza la historia del arte, la psicología de la percepción ni el análisis cultural. Aporta otra capa, una teoría de cómo los recursos visuales organizan representación, interacción y composición dentro de prácticas sociales. El texto siguiente se ocupará de la tercera de estas funciones. La pregunta dejará de ser qué relaciones representa una imagen en general y pasará a ser cómo el espacio, la saliencia y el *framing* organizan el recorrido de la mirada. ## Referencias Bateman, J. A. (2014). *Text and image: A critical introduction to the visual/verbal divide*. Routledge. Hall, E. T. (1966). *The hidden dimension*. Doubleday. Halliday, M. A. K. (1978). *Language as social semiotic: The social interpretation of language and meaning*. Edward Arnold. Jewitt, C. (Ed.). (2009). *The Routledge handbook of multimodal analysis*. Routledge. Kress, G. (2010). *Multimodality: A social semiotic approach to contemporary communication*. Routledge. Kress, G., y van Leeuwen, T. (2006). *Reading images: The grammar of visual design* (2.ª ed.). Routledge. Machin, D. (2007). *Introduction to multimodal analysis*. Hodder Arnold. van Leeuwen, T. (2005). *Introducing social semiotics*. Routledge.