Un cercamiento a las metáforas conceptuales en el dominio de la Economía

a partir de herramientas computacionales

Stephany Nieves Uribe

Resumen

Este trabajo muestra un estudio de corpus basado en el procesamiento de lenguaje natural que
busca estudiar el fenómeno lingüístico de la metáfora conceptual, ampliamente estudiada desde
el ámbito de la lingüística cognitiva. Sin embargo, el presente estudio se ubica concretamente en
el dominio de la economía, con el objetivo de centrarse en una hipótesis que se ha establecido en
relación con este fenómeno, haciendo uso de herramientas computacionales, en este caso Python
y AntConc. Los resultados de este análisis, ofrecen un acercamiento a la visualización de las
metáforas conceptuales más utilizadas en dicha disciplina.

Introducción

La metáfora conceptual refiere a una teoría aplicada habitualmente por la lingüística cognitiva que
procura el análisis de las categorías conceptuales utilizadas por el ser humano para organizar y dar
sentido a sus experiencias. Esta variante de la metáfora describe la aplicación de la dinámica
metafórica entre dos elementos llamados dominio fuente y domino meta.

Para Soriano (2012) el dominio fuente se refiere al conjunto de conocimientos sobre un área, por lo
general física y concreta, de la que se tomarán referencias para explicar el dominio meta; el cual se
define como el conocimiento sobre un área, ya no física y concreta como la primera, sino abstracta,
que se pretende ver reflejada en la metáfora conceptual.

De esta manera se toman elementos, por lo general adquiridos a través de la interacción con la
experiencia, para aterrizar o comparar una abstracción con una situación física, haciendo uso de un
ejercicio de reflexión cognitiva que puede buscar varias finalidades como comprender mejor una
idea, desenvolverse en el entorno social (Lakoff & Johnson, 2001) o simplemente como ornamento
lingüístico (Alarcón, P., Díaz, C., Vergara, J., Vásquez, V. Torres, C., 2018).

Dentro del ejercicio de análisis que se pretende llevar a cabo, se plantea aplicar este enfoque sobre
aquellas metáforas conceptuales aplicadas en el ámbito de los textos académicos en español que
versan sobre temas de economía en general, centrándose en la hipótesis de que este es un
fenómeno que habitualmente se evidencia en tales discursos con el fin dar a entender al lector
conceptos y fenómenos propios de esta área, es así que el objetivo será comprobar dicha hipótesis
y observar a partir de herramientas computacionales, las metáforas conceptuales más relevantes.

Marco teórico

La metáfora conceptual ha sido definida por varios autores a la largo de la historia, siendo los
postulados de Lakoff y Johnson (2001) los más populares, al definirla como “un fenómeno del
pensamiento que se refleja en el lenguaje, que está omnipresente en la vida cotidiana y que permite
la estructuración de la experiencia”. Las metáforas conceptuales, son entonces un fenómeno
cognitivo que se encuentra presente en la generalidad de las culturas y que parte de dos elementos
esenciales: el dominio fuente, que es aquel conjunto de conocimientos derivado por lo general de
la experiencia y de las percepciones más físicas y concretas de la vida; y el dominio meta, que se
trata de aquel cúmulo de aprendizajes que, a diferencia del anterior, no nace de las percepciones
físicas y concretas, sino de los análisis reflexivos y de las abstracciones; motivo por el cual subyace
una herramienta que entrecruza ambos dominios y que busca crear relaciones entre ellos con fines
adaptativos, explicativos, o que pretenden la comprensión de los demás fenómenos del entorno.

Estas metáforas conceptuales no se limitan a ser atribuciones lingüísticas propias de una cultura,
sino que son un fenómeno abstracto que se da en toda la población, pero que se muestra de
distintas maneras. Es así como Alarcón et al (2018) lo reafirman al decir que: “son esquemas
abstractos de pensamiento que se manifiestan de muchas formas, entre ellas el lenguaje. Estas
expresiones lingüísticas pueden variar de una lengua a otra, aunque la metáfora conceptual sea la
misma” dejando claro que es un fenómeno que va más allá del uso de la lengua y que se extiende a
aspectos tales como los gestos, los comportamientos, el arte, o hasta a los objetos y herramientas
que cierto grupo construye en su cotidianidad. Así mismo, afirman Lakoff & Johnson, (2001) que “las
metáforas conceptuales se usan constantemente de manera automática, sin esfuerzo y sin darnos
cuenta” dando a entender que existen situaciones de tipo “inconsciente” en las que se presentan
las metáforas conceptuales más básicas, pero que no obedecen a su totalidad puesto que existe
claramente el caso, en que su producción surge de un ejercicio completamente consciente,
deliberado y complejo, dejando entrever como la interacción con la experiencia es uno de los
elementos más importantes al momento de constituir categorías conceptuales siempre que los
estímulos visuales, auditivos, sensitivos y olfativos; además de las situaciones vividas desde de la
percepción de nuestro entorno, derivan en referentes constitutivos del dominio fuente¸ el cual en
el ejercicio de la metáfora servirá como punto de partida para entender a través del ejercicio de la
comparación, el dominio meta que puede estar entrelazado con conceptos más abstractos y
complejos; ya no tan fácilmente comprensibles desde la percepción, sino desde su reflexión a través
del ejercicio racional de las herramientas cognitivas con las que cuenta el individuo.

Por otro lado, al entrar en la creación de la metáfora en el ámbito económico, se entiende que se
crean a partir de los términos del lenguaje común como recurso usual en este tipo de lenguajes
especializados para la realización de asociaciones, con el objetivo de ser más claros y hacerse
entender. Gotti (2005) habla sobre dos ventajas que se obtienen al hacer uso de las metáforas
conceptuales en este tipo de discursos. La primera es la concisión, donde las explicaciones sobre
definiciones técnicas o explicaciones conceptuales no se tiene que extender, puesto que el recurso
metafórico remite a la información que se encuentra en la mente del oyente de manera precedente,
y la segunda ventaja habla sobre la transparencia, refiriéndose claridad con que las metáforas
conceptuales reflejan términos o conceptos complejos y abstractos.

Metodología

 Construcción del corpus

Para la recopilación de los textos se requirió que estos pertenecieran al campo científico económico,
ya que su práctica discursiva gira en torno al ámbito académico, donde se establece un proceso de
diálogo con público perteneciente a dicha área como economistas, estudiantes, docentes, entre
otros; es por esto que se utilizó una revista especializada en Economía, la revista de la Universidad
Nacional de Colombia titulada “Cuadernos de Economía”, la cual tiene como objetivo “publicar en
el ámbito académico nacional y latinoamericano, principalmente, los avances intelectuales en
teoría, metodología y aplicaciones económicas”.

Solo se exploraron algunos de sus artículos debido al costo computacional, el cual no permite sino
analizar hasta cierta cantidad de caracteres, pero estos fueron los suficientemente representativos
para la extracción de términos y para alcanzar los objetivos del estudio. Así pues, se tomaron
solamente los artículos en español del volumen 39, los números la 79 y 81 de la revista en mención,
los cuales constan de 11 artículos en cada revista, esto para tener un corpus más o menos robusto,
equilibrado y actual. La gran ventaja para la investigación, es que se utilizó la herramienta de Python
para consultar un corpus electrónico directamente desde la página web de sciente.org.co, donde
este tipo de procesamiento hace que sea posible analizar de una manera más rápida y compleja los
datos. Por otro lado, también se utilizó la herramienta de AntConc para observar algunas
concordancias desde el contenido inicial de solo unos textos, puesto que por su gran extensión hace
que sea un limitante para la herramienta, pero es un recurso alterno para la identificación de las
metáforas conceptuales abordadas desde la economía como un proceso metodológico basado en
la automatización, donde se visualiza el contexto en que se da cada unas de ellas.

 Procesamiento del corpus

Una vez recopilado el corpus, se tiene un total de 1357400 caracteres, lo cual es bastante grande y
es necesario un procedimiento que facilite la selección de candidatos para la tipificación de
términos, es así que se tienen que limitar la cantidad de datos mediante la eliminación de elementos
poco relevantes para la investigación, esto a partir de un tratamiento que se hace a los textos para
que queden lo más homogéneos posible para su posterior análisis. La limpieza del texto comienza
con la eliminación de los signos de puntuación y de las palabras que puedan generar ruido al estudio,
las también llamadas stop words, que corresponden a los artículos, preposiciones, pronombres, etc,
y vienen predeterminadas desde la librería como se ve en la ilustración 1, donde además viene dada
en diferentes idiomas, para este caso se utilizan el español, francés e inglés, porque dichos artículos
tienen el resumen en los diferentes idiomas. Sin embargo para los siguientes procesos, se utilizan
las herramientas en español.

Ilustración 1. Eliminación de puntuación y stop words.

Por otro lado, como los textos vienen desde una URL se pueden presentar algunas palabras que son
poco relevantes para el estudio como la dirección de la página web, los correos electrónicos o
números y cifras; pese a esto, se pueden eliminar gracias a las expresiones regulares que se
muestran en la ilustración 2 respectivamente.
 Ilustración 2. Eliminación por medio de expresiones regulares

El siguiente paso es la normalización, lematización, stemming y tokenización, donde el primero

convierte todas las palabras a mayúsculas o minúsculas, el segundo lleva una palabra flexionada o
derivada a su lema, el tercero relaciona los afijos de las palabras para obtener la raíz de la palabra y
por último, la tokenización divide el texto en oraciones y a su vez en palabras. Todo esto se genera
desde una función solo por cuestiones de optimización, comodidad y facilidad para la posterior
realización de los unigramas, bigramas y trigramas; en la ilustración 3 se muestra una parte de la
función.

Ilustración 3. Función para la lematización, stemming y tokenización

La función quedó determinada como Ptex, donde posteriormente se puede darle unas simples
instrucciones para que construya el unigrama, bigrama o trigrama, de acuerdo a lo que se quiere.
En la ilustración 4, se observan varios parámetros llamados arbitrariamente, donde algunos se
activan con True y desactivan con False, mientras que con None, no se tienen presentes y otros se
activan con palabras o números según sea el caso:

 “lema”: lematiza el texto

 “regex”: aplica alguna expresión regular según corresponda y según se requiera
 “check”: corrige ortografía si es el caso y elimina el idioma deseado
 “stop_w”: activa el conjunto de palabras que generan ruido en el análisis
 “ListSW”: agregar alguna palabra que no esté dentro del conjunto de stop words que vienen
predefinidas
 “removeSW”: elimina una palabra del conjunto del stop words para que sea analizada
 “min_lett”: número mínimo de letras de una palabra para que pueda ser analizada
 “max_lett”: número máximo de letras de una palabra para que pueda ser analizada
 “min_freq”: número mínimo de frecuencia en el unigrama
 “min2_freq”: número mínimo de frecuencia en el bigrama
 “min3_freq”: número mínimo de frecuencia en el trigrama
 “n_gram”: crea el n-unigrama, n-bigrama, n-trigrama, donde n = 1,2 o 3,
correspondientemente
 “ran = [0 - n]”: crea número de salidas para el plot, donde n = 1,2….50

Ilustración 4. Parámetros para la creación de unigramas, bigramas y trigramas

 Búsqueda en el corpus y visualización de los datos

Una vez compilados y procesados todo el corpus y las funciones, se llevó a cabo una serie de
búsquedas que permitieron la extracción y remoción de algunas palabras que seguían causando
ruido, para así obtener solo las etiquetas de interés con el máximo de derivaciones óptimas. Sin
embargo, existen algunas combinaciones que no permitían determinar ningún resultado, por lo cual
en los resultados no se tuvieron en cuenta, para ilustrar un poco mejor esto, se construyó una nube
de palabras con el texto depurado, el cual muestra las frecuencias de las palabras de acuerdo a su
tamaño (ilustración 5) y se empezaron a tomar medidas como las de agregar nuevas palabras a las
stop words.

Ilustración 5. Nube de palabras

No obstante, los n-gramas se construyeron modificando los parámetros antes mostrados

(ilustración 4), para observar la variación del conjunto de datos representados por medio de los
gráficos como las posibles metáforas, donde se puede ver por medio de barplots en el eje x la
categoría comparada, mientras que en el eje y la frecuencia de cada forma.

Análisis de los resultados

No siempre es tarea fácil reconocer los dominios cognitivos de la metáfora, ya que el proceso de
categorización puede ser subjetivo y se basa en experiencias previas y además culturales del
individuo, es así que la identificación de dichas metáforas son algunas de las posibilidades y no son
las únicas.
Para empezar, basta con reiterar que antes de la depuración de los textos, se contaba con un total
de 1357400 caracteres, pero se tiene que tener en cuenta que estos caracteres están conformados
por signos de puntuación, stop words y además de otras palabras, que como se dijo anteriormente,
no eran relevantes para el estudio. Después de la limpieza de datos, se tiene un total de 15063
palabras únicas, seleccionadas a partir de tener una frecuencia mayor a dos, es decir, que al menos
estuvieran presentes dos veces en el corpus analizado; la suma de estas frecuencias corresponde a
67825 palabras como se observa en la ilustración 6, donde aparecen los 50 primeros términos con
mayor frecuencia y su valor en orden descendente.

Ilustración 6. Unigrama

De acuerdo a estas frecuencias y al cuadro descriptivo de la ilustración 6, se confirma que la muestra

es representativa en este caso, ya que las palabras con frecuencia mayor a 80 son 170 palabras
únicas, de las cuales el promedio de su frecuencia es de 144.6 y su mediana es de 117.5 con una
desviación estándar del 68.8, una frecuencia mínima de 81 y un máximo de 217 veces para la palabra
pobreza. Por otro lado, la suma de las frecuencias para estas 170 palabras, corresponde a 24582, es
decir, un 36.2% del total del corpus obtenido.

Ilustración 7. Descriptiva del corpus

No obstante, para obtener las posibles metáforas conceptuales a partir del corpus, es necesario
analizar los resultados de los bigramas y trigramas. Una vez generados los resultados para el bigrama
se obtienen las primeras 50 parejas de palabras como se muestra en la ilustración 8. Tal y como se
puede comprobar, se analizan un total de 11743 palabras de las cuales 2698 son únicas y forman
algunos bigramas con conceptos muy generales, pero también se observa que existen posibles
candidatos a metáforas conceptuales con una frecuencia bastante alta.

Para mencionar algunas de ellas, se puede comenzar con la candidata que se encuentra en la
segunda posición, la pareja de palabras “crecimiento económico”, donde su dominio pertenece al
de la economía como ser vivo; también se observa la pareja “estabilidad financiera”, que se
encuentra en el ámbito bien sea del movimiento o situación, como pasa con “nivel pobreza” y
“precios activos”. Además, “largo plazo” y “corto plazo”, se podrían clasificar dentro del tiempo
como un objeto físico medible, también podría añadirse “efectos desbordamiento”, teniendo como
referente al mercado que se evoca como líquido.
 Ilustración 8. Bigramas

Para el caso de los trigramas, por ser un poco más reducido en su número y ser más complejo, se
grafican en conjunto de los cuatrigramas para los primeros 40 casos como se muestra en la
ilustración 9; en este caso el sistema utilizó solamente 2009 palabras y 561 únicas para la
conformación de los resultados, donde se observa que las frecuencias son menores, y como en el
caso anterior hay agrupaciones de palabras que no son muy dicientes, pero otras que por el
contrario pueden decir más cuando tienen otros términos a su alrededor.
De acuerdo a los resultados, se pueden evidenciar algunas posibles metáforas conceptuales tales
como: “elasticidad demanda trabajo”, la cual haría parte del ámbito del movimiento; “países vías
desarrollo”, que se contempla desde la esfera científica-tecnológica; “estructura capital corto
plazo”, donde estructura capital se refiere al dominio de objeto, “delitos patrimonio económico”,
en el que se pone de manifiesto a la economía como ser vivo, o también “periodo crisis deuda
europea” con el que posiblemente identifican el estado de Colombia frente a la deuda europea con
el de salud mental.

Ilustración 9. Trigramas y cuatrigramas

De acuerdo a los gráficos de barras que se construyeron, se puede identificar a grandes rasgos que
los términos metafóricos que aparecen con mayor facilidad son en primera instancia en los
trigramas y cuatrigramas, seguidos por los bigramas; es decir que las palabras candidatas a ser
metáforas conceptuales predominan en lexías complejas. Completando los resultados, se puede
establecer que los unigramas realmente no dan mucha información sobre las metáforas a estudiar,
puesto que se necesita un contexto más específico para declarar que realmente se incurre en una
construcción metafórica. Adicionalmente, se observa en la tabla 1 que esto puede influir conforme
al total de palabras y las palabras únicas que se presentan de acuerdo al n-grama estudiado.
Tabla 1. Porcentaje de acuerdo al n-grama

n-gramas total palabras palabras únicas porcentaje

unigramas 67767 15057 22%
bigramas 11744 2699 23%
trigramas cuatrigramas 2209 561 25%

Sin embargo, este procesamiento no es 100% confiable, puesto que es una herramienta que ayuda
a la comprensión de una gran cantidad de datos, pero es necesario pulir las carencias de un
resultado determinado que arroja la herramienta a partir de un análisis manual.

Finalmente, se quiere ver en qué contexto se encuentran las metáforas conceptuales más comunes
o más frecuentes según la información que se tiene a partir de los gráficos anteriores, por medio
de la herramienta de AntConc y comprobar que efectivamente se trata de una expresión metafórica.
Cabe resaltar que esto se hace solamente con el número 79 de la revista “Cuadernos de Economía”,
ya que por su gran tamaño, el software no es capaz de ejecutarse correctamente. En la ilustración
10, podemos ver que efectivamente “crecimiento económico” hace parte de los términos
metafóricos.

Ilustración 10. Análisis con AntConc

Conclusiones

En vista de los análisis que se llevaron a cabo, se pueden realizar algunas conclusiones a partir de la
hipótesis y de la metodología empleada. De entrada se comprueba la hipótesis inicial que versa
sobre el uso habitual de la metáfora conceptual sobre discursos académicos como el económico, se
comprueba que dichas construcciones metafóricas son fenómenos abundantes en este campo,
puesto que la metáfora brinda una transparencia que permite entender conceptos abstractos y
específicos de esta área. Por otro lado, la relación asociativa que da lugar a las expresiones
metafóricas, suelen ser muy semejantes, ya que de cierto modo los individuos tienden a tener una
cognición más o menos alineada, la cual permite entender de cierta manera el mundo y no es algo
aleatorio.

Otra conclusión que vale la pena resaltar, es la utilidad de las herramientas para las metodologías
usadas, con el fin de procesar grandes volúmenes de datos que pueden resultar muy útiles para el
estudio de corpus. Sin embargo, la extracción computacional de metáforas no asegura que los
resultados generados estén excluidos de ruido y de otros problemas que deban atenderse
manualmente.
REFERENCIAS:

- Alarcón, P., Díaz, C., Vergara, J., Vásquez, V. Torres, C. (2018). Análisis de metáforas
conceptuales sobre la imagen social del profesorado en estudiantes de pedagogía.
Onomázein, 40, 1-27.
- Cuadernos De Economía. Universidad Nacional de Colombia. Facultad de Ciencias
Económicas, 39(79). Recuperado de
http://www.scielo.org.co/scielo.php?script=sci_issuetoc&pid=0121-
477220200001&lng=en&nrm=iso%7D
- Cuadernos De Economía. Universidad Nacional de Colombia. Facultad de Ciencias
Económicas, 39(81). Recuperado de
http://www.scielo.org.co/scielo.php?script=sci_issuetoc&pid=0121-
477220200003&lng=en&nrm=iso%7D
- Gotti, M. (2005). Investigating Specialized Discourse. Bern, Peter Lang.
- Lakoff, G. y Johnson, M. (2001). Metáforas de la vida cotidiana. Madrid: Cátedra
- Soriano, C. (2012). La metáfora conceptual en Iraide Ibarretxe-Antuñano y Javier
Valenzuela (coords.) Lingüística Cognitiva, Barcelona: Anthropos, 97-121.