COLA: UN
CORPUS ORAL DE LENGUAJE ADOLESCENTE
ANNETTE
MYRE JØRGENSEN
Universidad
de Bergen, Noruega
0. INTRODUCCIÓN
El corpus COLA es una base de datos de
habla informal, transcrita y acoplada al sonido accesible en Internet para la
investigación. En las líneas expuestas a continuación se describe el corpus
oral COLA; Corpus Oral de Lenguaje Adolescente. Trataré el modo en el que se ha
procedido para grabar y transcribir los datos así como sus contenidos, las
investigaciones realizadas en español y en inglés utilizando este corpus.
El
proyecto de la construcción de un corpus oral juvenil, COLA, empezó en el año
2001. Ha sido subvencionado por la Facultad de Humanidades de la Universidad de
Bergen y por la fundación Meltzer de la misma universidad.
1. EL CORPUS COLA
Los objetivos del proyecto
COLA (www.colam.org) es reunir el lenguaje juvenil hablado informal de Madrid y
de otras capitales de habla española, construyendo un corpus para promover la
investigación del lenguaje y el estilo comunicativo de los jóvenes de habla
española, como, por ejemplo la influencia de otros idiomas en el lenguaje
juvenil. Dado que el corpus COLA sigue el mismo patrón que los corpora COLT y
UNO, se pueden realizar análisis contrastivos entre los diferentes idiomas
inglés, español y noruego. El material recogido es especialmente apto para el
análisis del léxico particular, propio del lenguaje juvenil. Se pueden hacer
estudios sociolingüísticos también.
El corpus COLA, que,
por el momento, está en fase de construcciòn, consta de varios subapartados,
dependiendo de las capitales en las que se realizan grabaciones. Tiene
actualmente alrededor de 350.000 palabras transcritas. De Madrid, Colam, hay
175.000 palabras, Santiago de Chile, Colas, hay 150.000, Buenos Aires, Colaba,
30.000 palabras transcritas. Actualmente se está ampliando el corpus COLA con
material de La Habana y en
Guatemala ciudad.
El
habla transcrita de Madrid y de Santiago de Chile se halla a disposición de
quien lo quiera investigar en: http://gandalf.aksis.uib.no/cola/
1.1. ¿Por qué estudiar el lenguaje
juvenil?
La juventud constituye un grupo social
nuevo y es el grupo social que marca los ideales que pràcticamente todo el
mundo quiere imitar (Jørgensen 2006: 2) Se ha estudiado desde muchos ángulos,
pero no desde el lingüístico (Rodríguez, 2002: 14). Los jóvenes tienen un argot
propio, consecuencia de su búsqueda de identidad. Las palabras nuevas entran
con gran facilidad en el lenguaje juvenil, y pasan luego al lenguaje adulto. (Zimmermann
2002: 138)
Los jóvenes no
respetan la normativa como lo hace un adulto. (Rodríguez, 2002: 22). En
añadidura a esto, los jóvenes tienen un situación comunicativa especial: su inseguridad y cambiante competencia
comunicativa conlleva uso frecuente de: malas palabras, palabras tabús, marcadores
del discurso, (Rodríguez, 2002: 24, Stenström 2005: 1). La influencia del
inglès es patente en el lenguaje y es interesante ver el impacto que tiene en
el juvenil. (Lorenzo, 1996: Rodriguez, 2002)
1.2. Métodos de recolección de datos
del corpus
Los métodos de recolección de datos
siguen los del modelo COLT, el Corpus de lenguaje juvenil inglés (www.uib.hf.aksis/colt),
y el corpus UNO de lenguaje juvenil noruego (www.uib.hf.aksis/uno).
Estos corpora a su vez ha usado el modelo Longman para la recolección de los
datos del Corpus Nacional Británico BNC, (British National Corpus) (Haslerud
1995:235, Crowdy, 1995).
Los reclutas, así denominamos a los chicos
reclutados para llevar el minidisk y de hacer la grabación, siguiendo el
ejemplo de la terminología del corpus COLT, son escogidos de distintos
colegios, de diferentes ambientes sociales de las capitales en cuestión, en
orden a tener datos equilibrados en cuanto a género, edad y nivel social. Los
reclutas tienen entre 13 y 19 años[1].
Las grabaciones se
han hecho con una grabadora SONY-Net, minidisco, MD, con un micrófono de
solapa. Se les pide a los jóvenes grabar su charla informal con sus compañeros
durante tres o cuatro días, sin presencia de adultos. Algunas conversaciones se
han grabado en colegios, en los recreos, en casa, otras en lugares diversos
como en parques, por la calle, en el metro, etc. Los reclutas han rellenado
cuestionarios con datos sobre lugar de nacimiento, lengua de los padres e
idioma hablado en casa, etc., y, también han recogido los datos de los
compañeros que participaban en la conversación de la cinta.
El método de
recopilación mencionado resulta muy eficaz a la hora de grabar conversaciones
informales, ya que se evita la “paradoja del observador” que W. Labov formula
asi: detectar como habla la gente cuando no esta siendo observada; cuando
solo es mediante la observación que uno lo puede llegar a saber. (Labov 1972:209)
En
este momento, más de 50 reclutas de diferente sexo, edad y clase social han
participado en el proyecto COLA, y se han grabado 76 horas de conversación con
amigos y conocidos en Madrid, Buenos Aires y Santiago de Chile.
1.3. Dificultades
en la recopilación del corpus Cola
No siempre se logra obtener los permisos
necesarios para realizar las grabaciones según los criterios éticos
establecidos en Noruega por la NSD[2]
para las grabaciones. Estos criterios prohiben las grabaciones del habla sin
informar al interesado. Se exige permiso escrito por parte del hablante (de sus
padres si son menores de edad), así como garantizar la anonimidad a los que se
grabe, cambiando los nombres de las personas y de los lugares propios. A pesar
de ello, suele haber jóvenes que no reciben el permiso de sus para hacer las
grabaciones.
Las chicas que no
tienen problema alguno en ponerse a hablar largo y tendido. Sin embargo, esto
no les es natural a los chicos más jóvenes. Un joven noruego comenta:
det
pleier egentlig vi aldri å gjøre, bare sitte og snakke (ØSVGGU1)
es algo que no
hacemos nunca, lo de estar asi como hablando
Puede ser una
dificultad el hecho de que los jóvenes sepan que estàn siendo grabados. Los
diferentes temas de conversación y el modo casual de hablar sugiere que la
presencia del micrófono no influye en la conversación de los jóvenes. Si hacen
referencia al micrófono a lo largo de sus conversaciones, solamente es para ver
si funciona.
2. LAS GRABACIONES Y LAS
TRANSCRIPCIONES INFORMATIZADAS
Las conversaciones grabadas se pasan de
los minidiscos a discos CD. Para la transcripción del sonido en el CD elegimos
el programa Transcriber. (Barras et al. 1998). El programa Transcriber
transcribe tiene un comando especial para marcar el habla solapada, un comando
“insertar evento” se usa para indicar información extra lingüística del modo de
enunciar el texto como riéndose, gritando, cantando, etc.
Cada
hablante recibe su propio còdigo en el que se hallan los datos de gènero, edad
y clase social.
El
material transcrito està sincronizado con el archivo de sonido cada vez que se
de a la tecla de return/enter. Cuando se pone en marcha el archivo del sonido,
el archivo del texto baja en consonancia con este, y, cuando se cliquea el
texto, sale el sonido.
Se muestra una parte de la pantalla en la
imagen que sigue:
2.1.
Las
búsquedas y las variables del material
La transcripción y los archivos de sonido
están insertados en un sistema Web hecho para el proyecto COLT y COLA (Hofland
2003). La transcripción se convierte en un archivo HTML, con enlaces a
fragmentos de sonido. Un ejemplo del archivo HTML se halla en siguiente imagen:
Hay un archivo con la información de cada
hablante que da la edad, sexo y nivel social, etc. Las transcripciones y la
información mencionada están convertidas en un formato Corpus Workbench (Christ
1994). Tenemos una imagen en pantalla para el programa de búsqueda:
El texto y el sonido están sincronizados
en varios puntos/momentos. Los fragmentos de sonido de la concordancia se
pueden presentar en archivos WAV o MP3.
2.2. Las concordancias
Hay una versión especial donde el usuario
puede hacer una clasificación de cada línea de concordancia:
Los textos han sido convertidos al
formato usado por la versión 4 de Wordsmith, que es un programa único de
concordancia de ventanas. Esta versión puede emitir el sonido de la
concordancia y también tener un mejor soporte para los textos descifrados XML,
aunque las facilidades de la búsqueda no son tan flexibles como con el Corpus
Workbench.
3. LAS
INVESTIGACIONES CON EL CORPUS COLA
La Dra. Anna-Brita Stenström compara los
marcadores pragmáticos y las palabras tabùs inglesas y españolas. Hay gran
creatividad en cuanto a los marcadores pragmáticos, cosa que se ha corroborado
tento en el materal inglés como en el noruego, y los marcadores adquieren
diferentes funciones en la oración. Ocurre lo mismo en español y en inglés. La tendencia es que hay màs
palabras malsonantes, risas e interrupciones en el material español que en el
inglès. También ha analizado el modo en que se dan retroalimentación los
jóvenes ingleses y españoles, y resulta que
La Dra. Annette Myre
Jørgensen compara marcadores
pragmáticos del lenguaje juvenil de Madrid con el de Buenos Aires y ha llegado
a la conclusión de que son muy diferentes. En Madrid se usan las siguientes
palabras como marcadores: tío, tía, tronco, tronca, sabes, pues, eso, vale,
o sea, y tal, entonces,
etc. En Buenos Aires, sin embargo, se usan los siguientes marcadores:
boludo, nene, viste, ché, este, ay, pucha, chico, chica.
La Dra. Anna-Brita
Stenström y la Dra. Annette Myre Jørgensen han hecho un estudio de la cortesia
analizando el habla juvenil de Londres y Madrid en el artìculo “¿Una cuestiòn
de cortesía? Estudio contrastivo del lenguaje fàtico en la conversaciòn
juvenil.” En ambos corpora consta que las palabras consideradas como insultos,
no lo son en el habla juvenil. Tienen una función fática, y por lo tanto de
cortesìa.
En su proyecto de tesis doctoral
en la Universidad de Bergen, Globalización linguistica: una comparación
entre el lenguaje juvenil chileno y noruego, Eli-Marie Drange compara el uso
de anglicismos en los corpora COLA con el UNO. El objeto de este estudio es una preocupación global,
la influencia del inglés. Muchas palabras inglesas se introducen en la lengua por
la música, las películas, la tecnología y las noticias. Por ello, analiza el uso de anglicismos y otros prestamos
en el lenguaje informal juvenil.:
1.
íbamos a chatear allá (#1-1-1m)
- dice ah I love you (#2-2-1m)
Llega a una inesperada
conclusión: En mi material no he encontrado muchos extranjerismos al igual
que: Gómez Capuz 2001, Sharp 2001, Graedler & Johanson 2002. (Drange 2002, )
Se están
haciendo Tesis de Máster sobre en plan, o sea como marcadores pragmáticos, las
palabras tabùs, las interupciones, etc., así como estudios de cambio de código,
codeswitching en el lenguaje
juvenil y la presencia de anglicismos.
BIBLIOGRAFIA:
La
página web de las transcripciones de COLA: http://gandalf.aksis.uib.no/cola/
BARRAS, C., GEOFFROIS, E., WU, Z. and LIBERMAN, M. (1998) Transcriber: a
Free Tool for Segmenting, Labeling and Transcribing Speech. First
International Conference on Language Resources and Evaluation (LREC), Granada,
1994 (Paris: ELRA), 1373-1376. Availabe on-line from http://www.ldc.upenn.edu/mirror/Transcriber/articles/Transcriber-LREC1998.pdf
(accessed June 21st, 2005)
CHRIST, O. (1994) A modular and flexible architecture for an integrated
corpus query system. COMPLEX'94, Budapest, 1994. Available
on-line from http://www.ims.uni-stuttgart.de/projekte/CorpusWorkbench/Papers/christ:complex94.ps.gz
(accessed June 21st, 2005)
CROWDY,
S. (1995). The BNC spoken corpus. In G. N. LEECH, G. MYERS and J. THOMAS (eds.)
Spoken English on Computer: Transcription, Mark-up and Application, (New
York: Longman) 224-234.
DRANGE,
E.-M.. 2005. La globalización lingüística: una comparación entre el lenguaje
juvenil noruego y chileno. Interlingüística XV. Valencia: Universidad de Valencia. 373–380.
DRANGE, E.-M. (forthcoming) La
globalización lingüística: Una comparación entre el lenguaje juvenil noruego y
chileno. Tesis doctoral, Universidad de Bergen
GARG, S.,
MARTINOVSKI, B., ROBINSON, S., STEPHAN, J., TETREAULT, J. and TRAUM, D. (2004)
Evaluation of Transcription and Annotation tools for a Multi-modal, Multi-party
dialogue corpus. Proceedings of Fourth International Conference on Language
Resources and Evaluation, Lisbon, 2004 (Paris: ELRA),
2163-2166. Available online from http://www.ict.usc.edu/~traum/Papers/tools6.pdf
(accessed June 21st, 2005)
HASLERUD, V. and STENSTRÖM, A-B.
(1995). The Bergen Corpus of London Teenager Language (COLT) In G. N. Leech, G. Myers and J. Thomas
(eds.) Spoken English on Computer: Transcription, Mark-up and Application, (New York: Longman) .
HOFLAND, K.
(2003) A web-based concordance system for spoken language corpora, in D.
ARCHER, P. RAYSON, A. WILSON and T. McENERY (eds.) Proceedings of the Corpus
Linguistics 2003 conference. Lancaster: Computing Department), 330-331.
HOFLAND,
K. , JØRGENSEN, A. M., DRANGE, E.M., (Forthcoming) Proceedings of the CL 2005
Conference, Birmingham
JØRGENSEN, A. M.
(Forthcoming) “Los marcadores pragmaticos del habla juvenil madrileño y
bonaerense”.
JØRGENSEN,
A. M. (2004) Cola-prosjektet: ”En korpusbasert undersøkelse av spansk
tenåringsspråk.” Tribune 15.
Universitetet i Bergen.
LABOV, W. (1972) Sociolinguistic
Patterns. Philadelphia: University of Pennsylvania Press
LDC (2005) Linguistic
Annotation. Available online from http://www.ldc.upenn.edu/annotation/
(accessed June 21st, 2005)
LORENZO, E.: (1996) Los anglicismos hispànicos. Madrid. Gredos.
MARTIN, P. (2004) WinPitch Corpus. A text to Speech Alignment Tool for
Multimodal Corpora, Proceedings of Fourth International Conference on
Language Resources and Evaluation, Lisbon, 2004 (Paris: ELRA),
537-540. Available on-line from http://lablita.dit.unifi.it/coralrom/papers/Philippe_Martin.pdf
(accessed June 21st, 2005)
MILDE, J.-T. and Gut, U. B. (2002). The TASX-environment: an XML-based
toolset for time aligned speech corpora. Proceedings of the third
international conference on language resources and evaluation (LREC 2002), Gran
Canaria. Available online from http://coli.lili.uni-bielefeld.de/Texttechnologie/Forschergruppe/pdfs/tasx-environment.pdf
(accessed June 21st, 2005) Minidisc.org. (2005) Minidisc FAQ: Hi-MD
Topics. Available on-line from http://www.minidisc.org/hi-md_faq.html
(accessed June 21st, 2005)
ONZE (2005) ONZE Miner. Available on-line from http://www.ling.canterbury.ac.nz/jen/onzeminer/
(accessed June 21st, 2005)
RODRIGUEZ, F. (2002) El lenguaje de los jòvenes.
Madrid, Ariel
RODRIGUEZ, F. (2002) Comunicaciòn y cultura juvenil.
Madrid, Ariel
SCHMIDT, T. (2004):
Transcribing and annotating spoken language with EXMARaLDA. Proceedings
of the LREC-Workshop on XML based richly annotated corpora, Lisbon
2004. (Paris: ELRA). Available on-line from http://www.rrz.uni-hamburg.de/exmaralda/Daten/4D-Literatur/Paper_LREC.pdf
(accessed June 21st, 2005)
STENSTRÖM, A-B. (2005 a) He’s well nice – Es mazo majo.
London and Madrid girls’ use of intensifiers. In S. Granath, J. Millander and
E. Wennö (eds). The Power of Words. Studies in Honour of Moira Linnarud.
(Karlstad: Karlstad University)
STENSTRÖM, A-B. 2005 a He’s well nice – Es mazo majo.
London and Madrid girls’ use of intensifiers. In S. Granath, J. Millander and
E. Wennö (eds). The Power of Words. Studies in Honour of Moira Linnarud.
Karlstad: Karlstad University.
STENSTRÖM, A-B.2005 b It is very good eh – Está muy bien eh.
Teenagers’ use of tags – London and Madrid compared. In K Mc Cafferty, T.
Bull and K. Killie (eds). Contexts – Historical, Social, Linguistic.
Studies in Celebration of Toril Swan. Pieterlen: Peter
Lang AG.
STENSTRÖM, A-B. (2005 c) with K. Aijmer (eds). Approaches to spoken
interaction. Special Issue of Journal of Pragmatics.
Elsevier.
STENSTRÖM, A-B. (In press a) Taboo words in teenage talk: London and
Madrid girls’ conversations compared. To appear in Spanish in Context Vol
3. 2006.
STENSTRÖM, A-B. (In press b) The Spanish pragmatic marker pues and
its English equivalents. To appear in Proceedings from ICAME 2003, Guernsey.
STENSTRÖM, A-B. (In press c) The Spanish discourse markers o sea and pues and
their English correspondences. To appear in K. Aijmer and A-M.
Simon-Vandenbergen (eds). Pragmatic Markers in Contrast.
Elsevier.
STENSTRÖM, A-B. (In press d) Teenage talk: A London-based chat and
discussion compared. In R. Horowitz (ed). Talking Texts: How Speech and
Writing Interact in School Learning. New Jersey:
Lawrence Erlbaum.
STENSTRÖM, A-B. (Forthcoming b) “Teenagers’ use of taboo slang. London
and Madrid teenagers compared. Slang: a linguistic universal?” International
Slang Conference Budapest 14-16 November 2005.
STENSTRÖM, A-B. and JØRGENSEN, A. M (Forcoming) “¿Una cuestiòn de cortesía?
Estudio contrastivo del lenguaje fàtico en la conversaciòn juvenil.” Journal
of Pragmatics.
STENSTRÖM, A-B and JØRGENSEN, A. M. (Forthcoming)
“A matter of politeness? A contrastive study of phatic talk in teenage
conversation.” Proceedings from the 9th IPRA conference.
STOCKDALE, A. (2004) An Approach to Recording, Transcribing, and
Preparing Audio Data for Qualitative Analysis. (Newton: Educational Development
Center).
Available
on-line http://caepp.edc.org/QualAudio.pdf/borrar/ (accessed
June 21st, 2005)
ZIMMERMANN,
K. (2002): La variedad juvenil y la interacción verbal entre jóvenes.” en:
Rodríguez, F. (2002): El lenguaje de los jóvenes, Barcelona, Ariel