Resumen de Hacia una cuantificación del fenómeno dialéctico: redes neuronales y debate político
Fernando Fedriani Martel
Este trabajo es un acercamiento a la cuantificación del fenómeno retórico desde las redes neuronales artificiales. Tras acomodar al estudio la bibliografía existente, y desde el prisma de las Ciencias Políticas, se definen variables empíricas que permiten determinar la idoneidad retórica de un determinado discurso. Tras ello, se valoran con los indicadores definidos todos los debates políticos que se han desarrollado en España desde la regeneración democrática y entre los candidatos a la Presidencia del Gobierno. Con los datos de que se cuenta, se entrena una red neuronal artificial por cada plano o bloque en que se divide el análisis del discurso. En función de los resultados obtenidos, se puede afirmar que es posible determinar desde variables lingüísticas quién se ha impuesto en una contienda retórica, sin la intervención directa de un observador que mediatice el estudio. Eso sí, se debe aclarar que la herramienta se centra en dilucidar quién ha intervenido mejor, desde el punto de vista formal, quién ha empleado mejor los recursos lingüísticos, y no en la confrontación argumental. En todo momento se valoran los distintos planos que la Filología tradicional ha empleado en sus acercamientos teóricos. Y desde estos, desde las variables que suponen la principal novedad de este trabajo de investigación, se abren interesantes aplicaciones tales como la clasificación tipológica (en textos orales o escritos) que podría emplearse en los diversos buscadores de Internet, sin la intervención humana, o la mejora del aprendizaje retórico en futuros políticos o estudiantes. En cuanto a las aplicaciones efectivamente realizadas, se entrenan dos conjuntos de redes diferentes. La primera de ellas con discursos políticos; la segunda, que contaba con un caudal de muestras muy superior, con fragmentos retóricos de ligas de debates universitarias. El comportamiento de ambas redes ha sido sensiblemente diferente, entre otros motivos porque las muestras estudiantiles eran más heterogéneas y requerían de un mayor número de neuronas en las capas ocultas.
