Posibilidades de la minería de datos digital para el análisis del personaje literario en la novela española: El caso de Galdós y los "Episodios Nacionales"

Abstract

El análisis del personaje literario ha sido tradicionalmente realizado mediante lecturas cercanas (close readings) de los textos narrativos en conexión con aspectos tales como la trayectoria de vida del personaje, la trayectoria alternativa de otros personajes, el medio ambiente representado en el texto o incluso la vida del autor. Como podemos imaginar, las alternativas desarrolladas son múltiples y, en última instancia, difíciles de generalizar para todo tipo de relato. A raíz de la disponibilidad de obras literarias en forma digital, no obstante, se han puesto a punto metodologías de análisis que combinan la tradición hermenéutica con el análisis computacional. Aunque se han desarrollado herramientas de anotación en lengua inglesa, generando con ello numerosos análisis de obras teatrales, novelas e incluso cómics, lo cierto es que nos encontramos con carencias para los que investigamos en español a la hora de replicar dichos análisis. Se trata de limitaciones que estimo posible paliar mediante un trabajo de adaptación de las metodologías a nuestro idioma. Con el objetivo de contribuir a los estudios culturales y a las humanidades digitales, esta tesis doctoral presenta una metodología de minería de datos para un análisis de los personajes en la narrativa en español. En concreto, desarrollo un método de anotación del personaje y una parametrización para la extracción, el análisis y la visualización de los datos del sistema del personaje mediante análisis de grafos y redes sociales. Para el particular, me he centrado en el corpus formado por los Episodios nacionales de Benito Pérez Galdós (1843-1920), un conjunto de 46 novelas divididas en cinco series, publicadas entre 1872 y 1912. Los resultados del análisis de la tercera serie sugieren que existe una correlación entre las particularidades del sistema de los personajes y la tipología de cada episodio, lo cual encaja con interpretaciones previas de la serie. Así, la principal diferencia entre las redes de los diez episodios es una protagonicidad inversa de los actantes históricos y los ficticios en las novelas individuales respecto de las ocupadas en un bildungsroman seriado. Dicho protagonismo se da tanto en el estudio del espacio del personaje, esto es, la frecuencia de mención del nombre del personaje en toda la novela, como en la posición de los personajes en las comunidades del sistema del personaje, al conformar grupos diferenciados.

Alternate abstract:

The analysis of the literary character has traditionally been done through close readings of the narrative texts in connection with aspects such as the trajectory of the character’s life, the alternative trajectory of other characters, the environment represented in the text or even the life of the author. As we might imagine, the options are multiple, and, ultimately, difficult to generalize for all type of stories. Moreover, as a result of the availability of literary works in digital form, analytical methodologies that combine the hermeneutic tradition with computational analysis have been developed. Although annotation tools for the English language have been built, generating numerous analyzes of drama, novels and even comics, we find certain deficiencies when replicating these studies for those who do research in Spanish. It is possible, however, to reduce these limitations by adapting the methodologies to our language. With the aim of contributing to cultural studies and digital humanities, this doctoral dissertation presents a methodology of data mining for an analysis of the characters in the narrative in Spanish. In particular, I have developed a character annotation system and a parametrization for the extraction, analysis and visualization of the character’s system data through graph and social networks analysis. In this particular case, I have focused the research on the corpus formed by Benito Pérez Galdós’ (1843-1920) National Episodes, a set of 46 novels published between 1872 and 1912. The results of the analysis of the third series suggest that there is a correlation between the particularities of the character system and the typology of each episode, concurring with previous interpretations of the series. In this manner, the main difference between the networks of the ten episodes is an inverse protagonism of the historical and fictional actants in the individual novels, with respect to those occupied in a serial bildungsroman. Such prominence occurs both in the study of the space of the character, that is, the frequency of mention of the character in the whole novel, as well as in the position of the characters in the communities of the character’s system, as they separate in different groups.