Predecir las dinámicas del cambio lingüístico aplicando fórmulas matemáticas y modelos de simulación computacional

Todos aquellos interesados o que estéis estudiando Lingüística histórica, echadle un vistazo a los siguientes resúmenes (el destacado es mío):

Lieberman, E., Michel, J-B, Jackson, J., Tang, T. y Nowak, M. A. (2007): Quantifying the evolutionary dynamics of language, Nature, 449 (7163): 713-716.

http://www.nature.com/nature/journal/v449/n7163/pdf/nature06137.pdf

Abstract

Human language is based on grammatical rules. Cultural evolution allows these rules to change over time. Rules compete with each other: as new rules rise to prominence, old ones die away. To quantify the dynamics of language evolution, we studied the regularization of English verbs over the past 1,200 years. Although an elaborate system of productive conjugations existed in English's proto-Germanic ancestor, Modern English uses the dental suffix, '-ed', to signify past tense. Here we describe the emergence of this linguistic rule amidst the evolutionary decay of its exceptions, known to us as irregular verbs. We have generated a data set of verbs whose conjugations have been evolving for more than a millennium, tracking inflectional changes to 177 Old-English irregular verbs. Of these irregular verbs, 145 remained irregular in Middle English and 98 are still irregular today. We study how the rate of regularization depends on the frequency of word usage. The half-life of an irregular verb scales as the square root of its usage frequency: a verb that is 100 times less frequent regularizes 10 times as fast. Our study provides a quantitative analysis of the regularization process by which ancestral forms gradually yield to an emerging linguistic rule.

Este artículo, y el que viene a continuación, son una muestra de cuáles son los límites en la aplicación lexicoestadística, y en general de los métodos cuantitativos puros, al estudio de las ciencias sociales.

Con la primera afirmación en negrita ya empezamos mal. Aseverar que el cambio lingüístico se produce en el contexto de la evolución cultural es una obviedad aplastante, tanto como decir que el cambio en los tipos de interés se produce en el contexto de la evolución económica. Si, por el contrario, se sugiere que la evolución cultural es el motor del cambio lingüístico, entonces lo mejor que podemos hacer es recomendarles a los autores un buen manual de Lingüística histórica.

Segundo: vemos que es un estudio que se basa en una sola lengua y, por tanto, antes de dar por científicamente válido el supuesto algoritmo de regularización, éste se ha de comprobar en un buen número de otras lenguas. La significación estadística (y el sentido común) establece no sólo cuándo debemos considerar estadísticamente significativos los resultados de nuestra medición (con arreglo al valor P), sino también qué tamaño y qué variabilidad debe tener la muestra poblacional sujeta a análisis para poder extrapolar nuestros resultados a toda la población. Hace falta, pues, analizar la evolución de los verbos irregulares de bastantes más lenguas para poder empezar a decir algo con fundamento.

Tercero: así como la semivida (no sé por qué ven útil aplicar aquí ese término de la biología, la verdad) de un verbo irregular les sale como producto de un algoritmo tan exacto (equivale a la raíz cuadrada de su frecuencia de uso) podría no haberles salido así. ¿Y si les hubiera dado que la semivida de una pieza léxica se extrae de la división de su frecuencia de uso, multiplicado por siete? Lo que quiero decir es que desde el punto de vista lingüístico, ese algoritmo, sea cual sea, es explicativamente nulo: no nos aporta nada, no respalda ninguna hipótesis, sólo cuantifica un fenómeno. Es, por tanto, vacuo respecto de la teoría lingüística: no nos dice nada nuevo sobre los mecanismos de regularización, ni sobre la analogía, ni la ultracorrección, ni la improductividad morfológica.

Cuarto, ¿qué fuentes se han utilizado para establecer la frecuencia de uso de los verbos irregulares ingleses: fuentes escritas, evidentemente. ¿De la presencia de determinados verbos en la literatura o en los textos jurídicos y administrativos podemos inferir la frecuencia del uso efectivo, real, de la calle, de esos verbos? Vuelvo a este punto en el comentario del siguiente artículo.

Pagel, M., Atkinson, Q. D. y Meade, A. (2007): Frequency of word-use predicts rates of lexical evolution throught Indo-European history, Nature, 449 (7163): 717-720.
http://www3.isrl.uiuc.edu/~junwang4/langev/localcopy/pdf/pagel07wordFrequencyNATURE.pdf

Abstract

Greek speakers say "omicronupsilonrho", Germans "schwanz" and the French "queue" to describe what English speakers call a 'tail', but all of these languages use a related form of 'two' to describe the number after one. Among more than 100 Indo-European languages and dialects, the words for some meanings (such as 'tail') evolve rapidly, being expressed across languages by dozens of unrelated words, while others evolve much more slowly--such as the number 'two', for which all Indo-European language speakers use the same related word-form. No general linguistic mechanism has been advanced to explain this striking variation in rates of lexical replacement among meanings. Here we use four large and divergent language corpora (English, Spanish, Russian and Greek) and a comparative database of 200 fundamental vocabulary meanings in 87 Indo-European languages to show that the frequency with which these words are used in modern language predicts their rate of replacement over thousands of years of Indo-European language evolution. Across all 200 meanings, frequently used words evolve at slower rates and infrequently used words evolve more rapidly. This relationship holds separately and identically across parts of speech for each of the four language corpora, and accounts for approximately 50% of the variation in historical rates of lexical replacement. We propose that the frequency with which specific words are used in everyday language exerts a general and law-like influence on their rates of evolution. Our findings are consistent with social models of word change that emphasize the role of selection, and suggest that owing to the ways that humans use language, some words will evolve slowly and others rapidly across all languages.


La primera observación es que la frecuencia con que se usan las palabras “in everyday language” NO equivale y no puede extraerse de la frecuencia con que aparecen en los corpora escritos. Los autores comentan que han utilizado corpora orales también, pero me temo que esos corpora serán más bien escasos, teniendo en cuenta lo reciente de su creación.
Si bien los textos escritos son muy útiles para comprobar qué tipo de vocabulario o estructuras sintácticas son propias de la modalidad escrita de un idioma en determinada época, el uso actual que de la lengua se hace en la calle nunca podrá medirse a partir de esos textos.

Hace poco hablaba en otra entrada de la recursividad lingüística, cuya forma prototípica es el embedding o la inclusión de oraciones dentro de otras ([El libro [que me has regalado] es genial]). Pues bien, la recursividad es un mecanismo más bien inexistente en el lenguaje oral; sin embargo cualquier marciano que estudiara nuestra lengua a partir de los textos escritos creería que la subordinación es la configuración estructural básica del lenguaje humano.
Está claro que, en muchos casos las únicas pruebas de que disponemos para hacer lingüística histórica son escritas, pero es que la reconstrucción lingüística o el método comparativo no necesitan conocer el uso real del léxico. Por tanto, la variable de la que parten para hacer las predicciones (el uso de las palabras) ya cuenta con un problema importante. De hecho no sé si la lexicoestadística debiera llamarse estadística de corpus, más bien.

Segundo, está muy bien la conclusión del estudio: “Nuestros hallazgos […] indican que algunas palabras evolucionan despacio y otras rápido en todas las lenguas, según los modos en que los seres humanos usamos las lenguas”. ¡Para este viaje no hacían falta esas alforjas!

Como resumen, está claro que el cambio lingüístico no es caótico (de hecho, las generalizaciones más robustas, los universales más ampliamente aceptados son los del cambio lingüístico), pero mucho menos es predecible a partir de la aplicación de algoritmos matemáticos y aún muchísimo menos de la aplicación de programas informáticos que simulan situaciones de evolución lingüística en poblaciones de hablantes virtuales (en una próxima entrada). El cambio lingüístico se produce y ha de observarse en el mundo real, no en Second Life, y es producto de un número elevado de variables cualitativas (la más importante e impredecible, la mente humana) que hemos de estudiar contextualizadas e interconectadas, aunque esto no invalida que podamos extraer universales del cambio si las tendencias y los procesos se observan en una cantidad considerable de lenguas. Cuando los autores separan la "frecuencia de uso" del resto de "factores culturales, cognitivos y sociales" es que no están entendiendo los mínimos básicos del estudio del lenguaje.