2 y 3 de marzo de 2023. Universidad de Sevilla
IULMA, Universidad de Alicante
chelo.vargas@ua.es
El presente estudio analiza los datos del corpus COLUMNAS.HUMOR con una finalidad doble: (1) observar la polaridad (sentimientos positivos o negativos) y qué tipo de emociones son las más predominantes en este corpus; (2) contrastar los resultados por género, según hayan sido escritos los textos por hombres o mujeres, para conocer el sentimiento y la expresión emocional más predominante en cada caso. El corpus COLUMNAS.HUMOR contiene 80 artículos de opinión de reputados y reputadas columnistas publicados en diarios españoles de prestigio y que contienen ocurrencias humorísticas. El corpus se dividió según los periodistas fueran hombres o mujeres para obtener dos subcórpora: COLUMNAS-HUMOR_M y COLUMNAS-HUMOR_H. La metodología que empleamos se basa en corpus y en un lexicón y su naturaleza es de carácter cuantitativa y cualitativa. En el plano cuantitativo, utilizamos distintas herramientas informáticas (Sketch Engine y Lingmotif) que nos permiten extraer datos de frecuencia y de polaridad, así como las palabras negativas y positivas, los temas y las entidades más frecuentes por corpus. Los listados de palabras más frecuentes se contrastan automáticamente con el lexicón NRC Emotion Lexicon, que, a su vez, contiene un listado de palabras asociadas a las ocho emociones básicas de Plutchick. A partir de los resultados obtenidos, el análisis cualitativo permitirá hacer las interpretaciones en cada corpus de estudio. Estas diferentes fases de análisis nos han proporcionado una descripción bastante exhaustiva de las diferencias en el sentimiento y la verbalización emocional en cada corpus y si bien existen algunas diferencias, como que las autoras del estudio se expresan con sentimientos más positivos que los autores, estas no parecen constituir un rasgo definitorio de género, al ser muy sutiles.
Bibliografía
Kilgarriff, A., Rychlý, P., Smrž, P. y Tugwell, D. (2004). The sketch engine. Proceedings of the 11th EURALEX International Congress, 105–116.
Martínez Egido, J. J. (2014). El humor en el artículo de opinión. Feminismo/s, 24. https://doi.org/10.14198/fem.2014.24.06
Mohammad, S. M., y Turney, P. D. (2013). Crowdsourcing a word-emotion association lexicon. Computational intelligence, 29(3), 436–465.
Mohammad, S. M. (2018, mayo) Word Affect Intensities. Proceedings of the 11th edition of the Language Resources and Evaluation Conference. Miyazaki, Japan.
Mohammad, S. M. (2020). Practical and Ethical Considerations in the Effective use of Emotion and Sentiment Lexicons. http://arxiv.org/abs/2011.03492
Moreno-Ortiz, A. (2021). Lingmotif 2.0 [Computer Software]. Universidad de Málaga. Disponible en https://ltl.uma.es
Moreno-Ortiz, A. (2017). Lingmotif: A User-focused Sentiment Analysis Tool. Procesamiento del Lenguaje Natural, 58(0), 133–140.
Plutchik, R. (2001). The nature of emotions: Human emotions have deep evolutionary roots, a fact that may explain their complexity and provide tools for clinical practice. American scientist, 89(4), 344–350.
Plutchik, R. y Kellerman, H. (Eds.) (2013). Theories of emotion (Vol. 1). Academic Press.
Taboada, M. (2016). Sentiment Analysis: An Overview from Linguistics. Annual Review of Linguistics, 2, 325–347. https://doi.org/10.1146/annurev-linguistics-011415-040518
