Herramientas para la lectura distante

La lectura distante (distant reading en inglés), término popularizado por Moretti (2005), es un enfoque de análisis literario que, en lugar de centrarse en la interpretación profunda y detallada de un único texto (lo que se conoce como lectura cercana o close reading), utiliza métodos computacionales para analizar enormes cantidades de textos de forma simultánea. El objetivo no es entender una obra en su particularidad, sino identificar patrones, tendencias, estructuras y anomalías a gran escala a lo largo de un vasto corpus textual.

Podemos comparar la lectura cercana con un examen en detalle de un árbol (sus hojas, su corteza, la forma de sus ramas, etc.), mientras que, por el contrario, lectura distante es equivalente a observar todo el bosque desde una montaña: no se ven los detalles de cada árbol, pero se aprecian la forma del bosque, las áreas más densas, los claros, los tipos de árboles que predominan y cómo cambia el paisaje en su conjunto.

La lectura distante no es una única técnica, sino una serie de diversas metodologías computacionales aplicadas a un corpus textual, una colección grande y estructurada de textos en formato digital, preparada para su análisis. El proceso generalmente sigue estos pasos:

Creación y Curación del Corpus:

Análisis Computacional

Una vez que el corpus está listo, se aplican diversas técnicas cuantitativas para extraer información. Las más comunes son:

Visualización e Interpretación

Los resultados cuantitativos extraídos (números, frecuencias, probabilidades) no son significativos por sí mismos. El paso final es traducirlos a visualizaciones comprensibles, como grafos, mapas y árboles:

Interpretación

Finalmente, estos patrones visuales deben ser interpretados por el investigador. La lectura distante no reemplaza la interpretación, sino que la redirige: en lugar de interpretar el significado de una metáfora, se interpreta el significado de una curva ascendente en un gráfico.

A pesar de todas estas posibilidades de análisis, la lectura distante no está exenta de críticas. Al tratar el texto como datos es posible perder ciertos matices como la ironía, la ambigüedad, la metáfora y la riqueza estética del lenguaje. Sin su contexto profundo, una palabra es solo una palabra. De forma adicional, los resultados dependen totalmente de la calidad del corpus. Un corpus sesgado (por ejemplo, que solo incluya obras de autores masculinos) o con muchos errores de digitalización producirá conclusiones erróneas. Finalmente, en muchas ocasiones, los modelos computacionales (como el topic modeling) son complejos y no es del todo transparente por qué agrupan ciertas palabras, lo que puede dificultar la interpretación.

Por todo ello, la lectura distante no debe reemplazar a la lectura cercana, sino complementarla. La lectura distante puede revelar patrones a gran escala que luego pueden ser investigados en profundidad mediante la lectura cercana de textos específicos que resulten ser representativos o anómalos.

Esta guía proporciona una introducción a Voyant Tools, una aplicación de código abierto para realizar minería de texto y datos. Desarrollada por Stéfan Sinclair† de McGill University y Geoffrey Rockwell de University of Alberta, Voyant Tools fue creada para apoyar la lectura e interpretación de textos. Creada pensando en los estudiosos de las humanidades digitales, Voyant Tools proporciona listas de frecuencia de palabras, gráficos de distribución de frecuencia y análisis KWIC (Key Word in Context).