Las transcripciones del corpus COLA convierten la conversación oral en un documento que permite observar turnos, pausas, solapamientos y elecciones léxicas. Lo que se conserva no es una versión literaria del diálogo, sino una representación analítica que mantiene la estructura del intercambio tal como se produjo.
El corpus y el registro del lenguaje adolescente
Los documentos recogen grabaciones de habla juvenil en tres ciudades de habla hispana. El material se reunió en la Universidad de Bergen siguiendo el modelo del Bergen Corpus of London Teenage Language, que había hecho lo mismo con el inglés de los adolescentes londinenses, y adoptó el método de recogida del British National Corpus descrito por Crowdy en 1991.
La parte central de ese método es quién sostiene el micrófono. Las grabaciones las hicieron los propios jóvenes, de entre trece y diecinueve años, con minidiscos que llevaban encima durante sus conversaciones habituales, sin ningún adulto presente. Un investigador en la sala habría producido otra cosa: habla vigilada. El corpus se organiza después en tres subcorpus según la ciudad, COLAm en Madrid, COLAb en Buenos Aires y COLAs en Santiago de Chile, y los participantes se clasifican además por estrato social, de modo que una diferencia observada puede atribuirse a la ciudad o al grupo y no a la casualidad de quién fue grabado.
Cómo se hicieron las transcripciones del corpus
Las grabaciones se transcribieron con el programa Transcriber, que vincula cada intervención a un hablante identificado por un código y permite marcar el momento exacto en que empieza y termina. El material transcrito se envió de forma continua al centro de Bergen encargado de alojarlo, donde quedó accesible para investigadores a través de internet.
Conviene saber leer lo que aparece en pantalla. Cada línea corresponde a la intervención de un hablante identificado por una letra o un código. Los corchetes señalan solapamiento, es decir dos personas hablando a la vez. Los puntos suspensivos indican una pausa breve y los números entre paréntesis miden las pausas largas en segundos. La identidad de una persona no debe deducirse de una sola intervención: las marcas de hablante ordenan la secuencia, pero las convenciones concretas dependen del documento original y del equipo que realizó cada grabación.
Esa precisión es la que hace utilizable el corpus. Sin las marcas de solapamiento, una interrupción y una respuesta educada se ven exactamente igual sobre el papel, y la diferencia entre ambas es justamente el objeto de estudio.
Qué se puede buscar en el material
El interés del corpus COLA está en los rasgos que solo aparecen cuando la gente habla sin pensar en cómo habla. Entre los que documenta el proyecto figuran los marcadores pragmáticos del tipo o sea, sabes o el vocativo tío/a; el léxico de grupo, con formas como finde, tronco, molar o mazo; los intensificadores y las palabras malsonantes, que en la conversación juvenil cumplen función de cohesión y no solo de énfasis; y los conectores con que se encadenan los turnos.
A eso se añaden rasgos sintácticos: el uso de conjunciones y coordinación, el orden de palabras y empleos del subjuntivo que la norma escrita no recoge. Buscar cualquiera de ellos en el material transcrito devuelve ocurrencias con su contexto completo, que es lo que distingue un corpus de una colección de ejemplos: la frecuencia se puede contar, y el caso llamativo se puede situar entre los casos corrientes. Por eso el corpus responde a preguntas que una lista de ejemplos no alcanza: cuántas veces, en qué ciudad y en boca de qué hablante.
Preguntas frecuentes
¿Qué diferencia hay entre una grabación y su transcripción?
La grabación contiene el sonido; la transcripción es una representación escrita que fija quién habló, en qué orden, dónde se solaparon las voces y cuánto duraron las pausas. Permite buscar, contar y citar sin volver al audio, pero es una interpretación gobernada por convenciones explícitas.
¿Quién grabó las conversaciones?
Los propios jóvenes, de entre trece y diecinueve años, con minidiscos que llevaban durante conversaciones con sus compañeros de edad. No había adultos presentes en las grabaciones, y esa ausencia es una condición del diseño, no un detalle accidental.
¿Qué significan los corchetes y los números entre paréntesis?
Los corchetes marcan solapamiento, el tramo en que dos hablantes coinciden. Los puntos suspensivos indican pausa breve y los números entre paréntesis miden pausas más largas en segundos. Las convenciones exactas dependen del documento, por lo que conviene consultar la nota que lo acompaña.
¿Con qué programa se transcribió el material?
Con Transcriber, que asocia cada intervención a un hablante identificado y registra su posición temporal dentro de la grabación. El resultado se depositó en Bergen y se puso a disposición de los investigadores por internet.