Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Núm. 50 (2025)
Especial: Literatura, Humanidades Digitales y Videojuegos

ARTICULOS

Análisis de las correlaciones entre métrica y polaridad emocional en un corpus de poemas chilenos (siglos XIX-XXI): una aproximación desde el análisis literario computacional

https://doi.org/10.19053/uptc.01218530.n50.2025.18194

Publicado 2025-04-23

  • Ricardo Martínez-Gamboa
    • ,
  • Valeria Araya-Lopetegui
    • ,
  • Suyli Aprosio
    • ,
  • Nicolás Acosta

Ricardo Martínez-Gamboa
Universidad Diego Portales, Chile

Valeria Araya-Lopetegui
Universidad Diego Portales, Chile

Suyli Aprosio
Universidad Diego Portales, Chile

Nicolás Acosta
Universidad Nacional de Cuyo, Argentina

Portada número 50 Especial Literatura, humanidades digitales y videojuegos

Resumen

Este proyecto de investigación, explora las (co)rrelaciones entre dos variables mensurables en la poesía: la polaridad de los versos, mediante sentiment analysis, y la extensión métrica de los mismos, utilizando una rutina computacional de conteo de sílabas basada en las reglas de la versificación castellana. El corpus incluye 15153 poemas de 1114 poetas chilenos de los siglos xix al xxi, representando diversas categorías de sexo, etnia, región y generación literaria. La hipótesis sugiere que los versos de arte menor (≤8 sílabas) expresan temas ligeros, mientras que los de arte mayor (≥9 sílabas) se asocian con temas serios. Los resultados, basados en análisis de obras que incluyen a Neruda, Mistral, Parra, Huidobro y De Rokha, muestran una correlación negativa significativa.

Palabras clave

corpus, poesía chilena, métrica, polaridad, lingüística de corpus , análisis automatizado de poesía, sentiment analysis

PDF

Citas

  1. Advis, Luis. Displacer y trascendencia en el arte. Editorial Universitaria, 1979.
  2. Ahmad, Shakeel, Muhammad Zubair Asghar, Fahad Mazaed Alotaibi y Sherafzal Khan. “Classification of Poetry Text into the Emotional States Using Deep Learning Technique”. IEEE Access, vol. 8, 2020, pp. 73865-73878. https://doi.org/10.1109/ACCESS.2020.2987842 Fecha de acceso: 14 de enero de 2025.
  3. Anttila, Arto, y Ryan Heuser. “Phonological and Metrical Variation across Genres”. Proceedings of the Annual Meetings on Phonology, vol. 3, 2016. https://doi.org/10.3765/amp.v3i0.3679 Fecha de acceso: 20 de enero de 2025.
  4. Aristóteles. Poética. Emecé, 1947.
  5. Baehr, Rudolf. Manual de versificación española. Traducido y adaptado por Klaus Wagner y Francisco López Estrada. Gredos, 1973.
  6. Balbín, Rafael de. Sistema de rítmica castellana. Gredos, 1968.
  7. Barros, Linda, Pilar Rodríguez y Álvaro Ortigosa. “Automatic Classification of Literature Pieces by Emotion Detection: A Study on Quevedo’s Poetry”. 2013 Humaine Association Conference on Affective Computing and Intelligent Interaction, IEEE. Ginebra, 2013, pp. 141-146. https://doi.org/10.1109/ACII.2013.30 Fecha de acceso: 12 de enero de 2025.
  8. Baviera, Tomás. “Técnicas para el Análisis de Sentimiento en Twitter: Aprendizaje Automático Supervisado y SentiStrength”. Revista Dígitos, vol. 1, núm. 3, 2017, pp. 33-50. https://doi.org/10.7203/rd.v1i3.74 Fecha de acceso: 11 de enero de 2025.
  9. Belić, Oldrich. El español como material del verso. Ediciones Universitarias de Valparaíso, 1972.
  10. Bello, Andrés. Principios de la ortolojía i métrica de la lengua castellana. 2da ed., Imprenta del Progreso, 1850.
  11. Bradley, Margaret, y Peter Lang. Affective Norms for English Words (ANEW): Instruction Manual and Affective Ratings, vol. 30, núm. 1, Technical report C-1, The Center for Research in Psychophysiology, University of Florida, 1999, pp. 25-26. https://pdodds.w3.uvm.edu/teaching/courses/2009-08UVM-300/docs/others/everything/bradley1999a.pdf Fecha de acceso: 11 de enero de 2025.
  12. Bringsjord, Selmer, y David Ferrucci. Artificial Intelligence and Literary Creativity. Psychology Press, 2000. https://doi.org/10.4324/9781410602398 Fecha de acceso: 14 de enero de 2025.
  13. Buechel, Sven, Johannes Hellrich y Udo Hahn. “Feelings from the Past—Adapting Affective Lexicons for Historical Emotion Analysis”. Proceedings of the Workshop on Language Technology Resources and Tools for Digital Humanities (LT4DH), 2016, pp. 54-61. https://aclanthology.org/W16-4008/ Fecha de acceso: 22 de enero de 2025.
  14. ---. “The Course of Emotion in Three Centuries of German Text—A Methodological Framework”. Digital Humanities 2017: Conference Abstracts. Montreal, 2017, pp. 176-179. https://dh2017.adho.org/abstracts/491/491.pdf Fecha de acceso: 14 de enero de 2025.
  15. Cambria, Erik, Björn Schuller, Yunqing Xia y Catherine Havasi. “New Avenues in Opinion Mining and Sentiment Analysis”. IEEE Intelligent Systems, vol. 28, núm. 2, 2013, pp. 15-21. https://doi.org/10.1109/MIS.2013.30 Fecha de acceso: 18 de enero de 2025.
  16. Darebný, Jan, y Daniel Vázquez Touriňo. “El metro, los metros españoles”. E-Manual de métrica española. Masarykovy Univerzity, 2016. https://is.muni.cz/do/rect/el/estud/ff/ps16/metrica_espanola/web/pages/06-metros-espanoles.html Fecha de acceso: 11 de enero de 2025.
  17. De la Rosa, Javier, et al. “A Hybrid Approach to Stanza Classification in Spanish Poetry”. EADH, 2021. https://doi.org/10.5281/zenodo.5707616 Fecha de acceso: 1 de enero de 2025.
  18. Díaz-Galiano, Manuel, et al. “Overview of TASS 2019: One More Further for the Global Spanish Sentiment Analysis Corpus”. IberLEF@SEPLN, 2019, pp. 550-560. https://ceur-ws.org/Vol-2421/TASS_overview.pdf Fecha de acceso: 2 de enero de 2025.
  19. Gervás, Pablo. “Generating Poetry from a Prose Text: Creativity versus Faithfulness”. Proceedings of the AISB’01 Symposium on Artificial Intelligence and Creativity in Arts and Science, 2001, pp. 93-99. https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=78771ab7fb0e45f46120700eebad71f86e084aa6 Fecha de acceso: 22 de enero de 2025.
  20. ---. “Wasp: Evaluation of Different Strategies for the Automatic Generation of Spanish Verse”. Proceedings of the AISB’00 Symposium on Creative & Cultural Aspects and Applications of AI & Cognitive Science, 2000, pp. 93-100. https://www.semanticscholar.org/paper/WASP%3A-Evaluation-of-Different-Strategies-for-the-of-Gerv%C3%A1s/09cbdd04fe985b43d2eea68e1144973a1106eb52 Fecha de acceso: 11 de enero de 2025.
  21. Goić, Cedomil. La novela chilena: los mitos degradados. Editorial Universitaria, 1968.
  22. Haider, Thomas, et al. “PO-EMO: Conceptualization, Annotation, and Modeling of Aesthetic Emotions in German and English Poetry”. arXiv preprint arXiv:2003.07723, 2020. https://arxiv.org/abs/2003.07723 Fecha de acceso: 21 de enero de 2025.
  23. Hatzivassiloglou, Vasileios, y Kathleen McKeown. “Predicting the Semantic Orientation of Adjectives”. 35th Annual Meeting of the Association for Computational Linguistics and 8th Conference of the European Chapter of the Association for Computational Linguistics. Madrid, 1997, pp. 174-181. https://doi.org/10.3115/976909.979640 Fecha de acceso: 17 de enero de 2025.
  24. Henny-Krahmer, Ulrike. “Exploration of Sentiments and Genre in Spanish American Novels”. Digital Humanities 2018: Conference Abstracts, 2018, pp. 399-403. https://dh2018.adho.org/exploration-of-sentiments-and-genre-in-spanish-american-novels/ Fecha de acceso: 11 de enero de 2025.
  25. Heuser, Ryan, Franco Moretti y Erik Steiner. “The Emotions of London”. Literary Lab, Pamphlet, núm. 13, 2016. https://litlab.stanford.edu/LiteraryLabPamphlet13.pdf Fecha de acceso: 13 de enero de 2025.
  26. Hipson, Will. “Using Sentiment Analysis to Detect Affect in Children’s and Adolescents’ Poetry”. International Journal of Behavioral Development, vol. 43, núm. 4, 2019, pp. 375-382. https://doi.org/10.1177/0165025419830248 Fecha de acceso: 11 de enero de 2025.
  27. Hoover, David, Jonathan Culpeper y Kieran O’Halloran. Digital Literary Studies. Routledge, 2014. https://doi.org/10.4324/9780203698914 Fecha de acceso: 12 de enero de 2025.
  28. Hou, Yufang, y Anette Frank. “Analyzing Sentiment in Classical Chinese Poetry”. Proceedings of the 9th SIGHUM Workshop on Language Technology for Cultural Heritage, Social Sciences, and Humanities (LaTeCH). Beijing, 2015, pp. 15-24. https://doi.org/10.18653/v1/W15-3703 Fecha de acceso: 11 de enero de 2025.
  29. Ibarra, Jorge. “El ritmo acentual en el verso español. Otra formalización”. Taller de Letras, vol. 10, 1982, pp. 7-22.
  30. Jhavar, Harshita, y Paramita Mirza. “EMOFIEL: Mapping Emotions of Relationships in a Story”. WWW’18: Companion Proceedings of the Web Conference. Lyon, 2018, pp. 243-246. https://doi.org/10.1145/3184558.3186989 Fecha de acceso: 12 de enero de 2025.
  31. Jockers, Matthew, y Rosamond Thalken. Text Analysis with R for Students of Literature. Springer, 2014. https://doi.org/10.1007/978-3-319-03164-4 Fecha de acceso: 14 de enero de 2025.
  32. Kao, Justine, y Dan Jurafsky. “A Computational Analysis of Poetic Style”. Linguistic Issues in Language Technology, vol. 12, 2015, Stanford University. https://doi.org/10.33011/lilt.v12i.1377 Fecha de acceso: enero de 2025.
  33. ---. “A Computational Analysis of Style, Affect, and Imagery in Contemporary Poetry”. Proceedings of the NAACL-HLT 2012 Workshop on Computational Linguistics for Literature. Montreal, 2012, pp. 1-10.
  34. Kenny, Anthony. The Computation of Style. An Introduction to Statistics for Students of Literature and Humanities. Pergamon Press, 1982.
  35. Kim, Evgeny, y Roman Klinger. “A Survey on Sentiment and Emotion Analysis for Computational Literary Studies”. arXiv preprint arXiv:1808.03137, 2018. https://arxiv.org/abs/1808.03137 Fecha de acceso: 27 de enero de 2025.
  36. Kim, Evgeny, Sebastian Padó y Roman Klinger. “Investigating the Relationship between Literary Genres and Emotional Plot Development”. Proceedings of the Joint SIGHUM Workshop on Computational Linguistics for Cultural Heritage, Social Sciences, Humanities and Literature, 2017, pp. 17-26. https://doi.org/10.18653/v1/W17-2203 Fecha de acceso: 14 de enero de 2025.
  37. ---. “Prototypical Emotion Developments in Adventures, Romances, and Mystery Stories”. Digital Humanities (DH), 2017. https://dh-abstracts.library.virginia.edu/works/3891 Fecha de acceso: 12 de enero de 2025.
  38. Lage, Lola. Herramienta para el análisis de la opinión en tweets periodísticos. 2014. Universitat Pompeu Fabra, trabajo de grado. https://repositori.upf.edu/bitstream/handle/10230/22939/LageGarcia_2014.pdf?sequence=1&isAllowed=y.
  39. Leemans, Inger, et al. “Mining Embodied Emotions: A Comparative Analysis of Sentiment and Emotion in Dutch Texts, 1600-1800”. Digital Humanities Quaterly, vol. 11, núm. 4, 2017. https://digitalhumanities.org/dhq/vol/11/4/000343/000343.html Fecha de acceso: 2 de enero de 2025.
  40. Mäntylä, Mika, Daniel Graziotin y Miikka Kuutila. “The Evolution of Sentiment Analysis–A Review of Research Topics, Venues, and Top Cited Papers2. Computer Science Review, vol. 27, 2018, pp. 16-32. https://doi.org/10.1016/j.cosrev.2017.10.002 Fecha de acceso: 3 de enero de 2025.
  41. Marchetti, Alessandro, Rachele Sprugnoli y Sara Tonelli. “Sentiment Analysis for the Humanities: The Case of Historical Texts”. Digital Humanities (DH), 2014. https://dh-abstracts.library.virginia.edu/works/2058 Fecha de acceso: 18 de enero de 2025.
  42. Medhat, Walaa, Ahmed Hassan y Hoda Korashy. “Sentiment Analysis Algorithms and Applications: A Survey”. Ain Shams Engineering Journal, vol. 5, núm. 4, 2014, pp. 1093-1113. https://doi.org/10.1016/j.asej.2014.04.011 Fecha de acceso: 7 de enero de 2025.
  43. Montes, Domingo. La poética de los poetas populares chilenos. 2012. Universitat de Barcelona, trabajo de grado de maestría. https://diposit.ub.edu/dspace/handle/2445/42061 Fecha de acceso: 14 de enero de 2025.
  44. Nalisnick, Eric, y Henry Baird. “Character-to-Character Sentiment Analysis in Shakespeare’s Plays”. Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics, vol. 2, 2013, pp. 479-483. https://aclanthology.org/P13-2085/ Fecha de acceso: 11 de enero de 2025.
  45. Navarro-Colorado, Borja. “A Computational Linguistic Approach to Spanish Golden Age Sonnets: Metrical and Semantic Aspects”. Proceedings of the Fourth Workshop on Computational Linguistics for Literature, 2015, pp. 105-113. https://doi.org/10.3115/v1/W15-0712 Fecha de acceso: 11 de enero de 2025.
  46. ---. “A Metrical Scansion System for Fixed-Metre Spanish Poetry”. Digital Scholarship in the Humanities, vol. 33, núm. 1, 2018, pp. 112-127. https://doi.org/10.1093/llc/fqx009 Fecha de acceso: 11 de enero de 2025.
  47. Navarro, Tomás. Métrica española. Guadarrama, 1974.
  48. Nguyen, Le, et al. “Predicting Collective Sentiment Dynamics from Time-Series Social Media”. Proceedings of the First International Workshop on Issues of Sentiment Discovery and Opinion Mining, 2012, pp. 1-8. https://doi.org/10.1145/2346676.2346682 Fecha de acceso: 11 de enero de 2025.
  49. Pang, Bo, Lillian Lee y Shivakumar Vaithyanathan. “Thumbs Up? Sentiment Classification Using Machine Learning Techniques”. arXiv preprint cs/0205070, 2002. https://arxiv.org/abs/cs/0205070 Fecha de acceso: 11 de enero de 2025.
  50. Poria, Soujanya, et al. “Sentic Patterns: Dependency-Based Rules for Concept-Level Sentiment Analysis”. Knowledge-Based Systems, vol. 69, núm. 1, 2014, pp. 45-63. https://ww.sentic.net/sentic-patterns.pdf Fecha de acceso: enero de 2025.
  51. Quilis, Antonio. Métrica española. Alcalá, 1973.
  52. Reagan, Andrew, et al. “The Emotional Arcs of Stories Are Dominated by Six Basic Shapes”. EPJ Data Science, vol. 5, núm. 1, 2016, pp. 1-12. https://doi.org/10.1140/epjds/s13688-016-0093-1 Fecha de acceso: 11 de enero de 2025.
  53. Rebora, Simone. “Sentiment Analysis in Literary Studies. A Critical Survey”. Digital Humanities Quarterly, vol. 17, núm. 2, 2023, pp. 1-17. https://www.digitalhumanities.org/dhq/vol/17/2/000691/000691.html Fecha de acceso: 11 de enero de 2025.
  54. Redondo, Jaime, et al. “The Spanish Adaptation of ANEW (Affective Norms for English Words)”. Behavior Research Methods, vol. 39, núm. 3, 2007, pp. 600-605. https://doi.org/10.3758/BF03193031 Fecha de acceso: 18 de enero de 2025.
  55. Reed, Ethan. “Measured Unrest in the Poetry of the Black Arts Movement”. Digital Humanities (DH), 2018, p. 477. https://dh2018.adho.org/measured-unrest-in-the-poetry-of-the-black-arts-movement/ Fecha de acceso: 18 de enero de 2025.
  56. Saavedra, Julio. “El octosílabo castellano”. Anales de la Universidad de Chile, núm. 53-54, 1944.
  57. Samothrakis, Spyridon, y Maria Fasli. “Emotional Sentence Annotation Helps Predict Fiction Genre”. PloS One, vol. 10, núm. 11, 2015, e0141922. https://doi.org/10.1371/journal.pone.0141922 Fecha de acceso: 8 de enero de 2025.
  58. Soto, Guillermo, y Ricardo Martínez. “Evaluación del modelo métrico trascendente de Ibarra a partir del análisis automático del Canto General”. I Congreso. La poesía chilena en el siglo XX. Departamento de Literatura de la Facultad de Filosofía y Humanidades de la Universidad de Chile, 2006.
  59. Sprugnoli, Rachele, et al. “Towards Sentiment Analysis for Historical Texts”. Digital Scholarship in the Humanities, vol. 31, núm. 4, 2016, pp. 762-772. https://doi.org/10.1093/llc/fqv027 Fecha de acceso: 11 de enero de 2025.
  60. Swafford, Annie. “Problems with the Syuzhet package”. Anglophile in Academia: Annie Swafford’s blog, 2 de marzo de 2015. https://annieswafford.wordpress.com/2015/03/02/syuzhet/ Fecha de acceso: 11 de enero de 2025.
  61. Taboada, Maite, Mary Gillies y Paul McFetridge. “Sentiment Classification Techniques for Tracking Literary Reputation”. LREC Workshop: Towards Computational Models of Literary Analysis, 2006, pp. 36-43. https://www.sfu.ca/~mtaboada/docs/research/Taboada_et_al_LREC_Workshop.pdf Fecha de acceso: 5 de enero de 2025.
  62. Tenen, Dennis. Plain Text. The Poetic of Computation. Stanford University Press, 2017. https://doi.org/10.1515/9781503602342 Fecha de acceso: 15 de enero de 2025.
  63. Uría, Isabel. “Gonzalo de Berceo y el Mester de Clerecía en la nueva perspectiva de la crítica”. Berceo, núm. 110-111, 1986, pp. 7-20.
  64. Yu, Bei. “An Evaluation of Text Classification Methods for Literary Study”. Literary and Linguistic Computing, vol. 23, núm. 3, 2008, pp. 327-343. https://doi.org/10.1093/llc/fqn015 Fecha de acceso: 12 de enero de 2025.
  65. Zehe, Albin, et al. “Prediction of Happy Endings in German Novels Based on Sentiment Information”. 3rd Workshop on Interactions between Data Mining and Natural Language Processing, Riva del Garda, 2016, p. 9. https://ceur-ws.org/Vol-1646/paper2.pdf Fecha de acceso: 13 de enero de 2025.

Descargas

Los datos de descargas todavía no están disponibles.

Artículos similares

1 2 3 4 5 6 > >> 

También puede {advancedSearchLink} para este artículo.