2.1 Precedentes

Los estudios que existen sobre la variación del pronombre sujeto en español son muy numerosos y comenzaron en los años ochenta con los estudios de ^{Barrenechea y Alonso (1977)} sobre el español de Buenos Aires; ^{Bentivoglio (1980)}, que se ocupó del español hablado de Venezuela; ^{Silva-Corvalán (1982)}, que estudió el español hablado mexicano-americano, o ^{Enríquez (1984)}, que trabajó sobre la lengua hablada en Madrid. El tema ha seguido suscitando el interés de los investigadores, y encontramos trabajos más actuales, como los de ^{Orozco y Guy (2008)}, ^{Erker y Guy (2012)}, ^{Shin y Otheguy (2013)}, ^{Carvalho, Orozco y Shin (2015)}, ^{Silva-Corvalán (2015)} o ^{Peskova (2015)}. Todos ellos abordan este asunto desde perspectivas diferentes y “con diversos y no siempre adecuados corpora” ^{(Manjón-Cabeza y otros, 2016, p. 185)}.

Los estudios realizados sobre la omisión/presencia del pronombre personal sujeto enmarcados en el Proyecto PRESEEA utilizan un corpus homologable y unos parámetros similares de análisis que permiten establecer comparaciones entre los diferentes resultados obtenidos. En el contexto de este proyecto panhispánico, ^{Manjón-Cabeza y otros (2016)} analizan el habla de Granada, ^{Repede (2019)} estudia el habla de Sevilla y ^{Roselló (2021)} el habla de Valencia. En cuanto al español de América, cabe mencionar, entre otras, las investigaciones de ^{Martínez Lara en Caracas (2013)}, ^{Lastra y Martín en México D. F. (2015)}, ^{Guerrero en Santiago de Chile (2019)} y ^{Orozco y Hurtado en la ciudad de Medellín (2019)}.

3.1 Diseño de hipótesis

En opinión de ^{Silva-Corvalán (2003, p. 850)}, “La expresión llamada ‘opcional’ del sujeto parece válida en un número cada vez más limitado de contextos discursivos”. A partir de esta afirmación, hemos considerado las siguientes preguntas de investigación iniciales: ¿podríamos corroborar, a tenor de los datos analizados, que la expresión del pronombre personal sujeto depende de variables estilísticas, lingüísticas o sociales, como ha quedado de manifiesto en estudios previos?; ¿qué variables propician su aparición en nuestro corpus?; ¿han cambiado estas variables dentro de la ciudad de Málaga a lo largo del tiempo?; ¿coinciden las variables que afectan al cambio en Málaga con los descritos en otras ciudades?; ¿se puede establecer un patrón que explique el condicionamiento sociolingüístico del fenómeno?

La hipótesis general planteada en nuestra investigación sugiere que los condicionantes lingüístico-sociales que resultaron significativos en la explicación del fenómeno estudiado en investigaciones previas, como las realizadas en la ciudad de Granada ^{(Manjón-Cabeza y otros, 2016)}, Sevilla ^{(Repede, 2019)} o Valencia (Roselló, 2021), afectarán igualmente a los resultados obtenidos al analizar los corpus de la ciudad de Málaga. A partir de esta hipótesis general de corroboración, se proponen otras más específicas:

3.2. Corpus PRESEEA. Selección de casos, criterios de análisis y procesamiento de los datos

En general, los trabajos sobre la ausencia y presencia del pronombre personal sujeto se han realizado a partir de la exploración de corpus orales obtenidos gracias a la investigación de comunidades de habla concretas. El presente estudio utiliza los datos contenidos en la base electrónica del corpus PRESEEA en la ciudad de Málaga ^{(Vida, 2007)}. A estos datos se les añaden, con fines comparativos generales, los obtenidos en la edición parcial de 2015 del corpus de la misma ciudad. Ambos subcorpus están formados por entrevistas orales semidirigidas y respetan las cuotas de afijación uniforme establecidas en PRESEEA que pueden consultarse en su página web (https://preseea.linguas.net). Estas cuotas clasifican a los hablantes en diversas subpoblaciones al atender las variables sociales de género, edad y nivel de instrucción y se asigna el mismo número de informantes para cada uno de esos grupos como podemos observar en el cuadro 1. Por lo tanto, respecto al tamaño de la muestra, se propone una asignación uniforme de cuatro informantes por cada casilla (N=72). Ello supone una representatividad de 1/25.000 para una ciudad de casi dos millones de habitantes como Málaga.

Como paso previo al estudio general del fenómeno en la ciudad de Málaga, en este trabajo vamos a analizar únicamente los datos procedentes de los hablantes con nivel de instrucción bajo de las tres generaciones y de los dos géneros considerados, lo que supone una muestra de 24 hablantes para el corpus de 1995 y otros 18 para el corpus ―aún en desarrollo― comenzado en 2015; sin embargo, como uno de los informantes del corpus de 1995 (hombre con nivel de instrucción primario y mayor de 55 años) no realizaba ninguna intervención entre los minutos 10 y 15 de la entrevista, fue eliminado del análisis.

En cada entrevista se ha seleccionado un fragmento representativo de cinco minutos, los comprendidos entre el minuto 10 y el 15. El motivo es que, a partir de ese momento aproximado de la entrevista, el informante está más relajado y se puede acceder de manera más cómoda a su interacción comunicativa más natural, con lo cual el fenómeno estudiado se manifiesta de manera más espontánea. Una vez seleccionados los informantes, se procedió a la anotación de los casos en los que es posible la alternancia estudiada, como muestra el ejemplo 1:

(1) Ø era chiquita / <énfasis> y yo no sé cómo </énfasis> pero el abuelo pasó / y yo creía que no Ø m<[e]> iba a ver <risas = E> pero me Ø vio / y <simultáneo> cuando Ø llegué / <cláusula no completa> [MA_M21_105].¹

Se han excluido del recuento algunos casos que pasamos a enumerar:

(2) mira / en la peña antes se organizaba una cosa que era / cultural / [MA_M31_004].

3.3 Guía de codificación

Para analizar los ejemplos que hemos hallado en nuestras entrevistas, hemos partido de la guía de codificación propuesta por ^{Bentivoglio, Ortiz y Silva-Corvalán (2011)}. En ella se presenta la codificación de la variable dependiente (ausencia o presencia del sujeto pronominal), las variables independientes de tipo social, como la edad, el género y el nivel de estudios, y 11 variables independientes de tipo lingüístico: persona del sujeto, especificidad del sujeto, modo, tiempo verbal, progresividad, perfectividad, ambigüedad, clase semántica del verbo, tipo de cláusula, correferencialidad y turno de habla.

Como novedad, en nuestro estudio se han añadido nuevas variables predictoras que hemos considerado influyentes en la presencia o ausencia del pronombre personal sujeto, algunas recogidas en estudios como el de ^{Manjón-Cabeza y otros en la ciudad de Granada (2016)} y otras que se proponen aquí de manera original:

En definitiva, nuestra guía de codificación consta de una variable dependiente (ausencia o presencia del pronombre sujeto), dos variables predictoras sociales (edad y género) y 17 de naturaleza puramente lingüística, de las cuales seis son originales o con algunas modificaciones parciales respecto a la guía de codificación original de Bentivoglio, Ortiz y Silva-Corvalán.

Para optimizar el proceso de codificación, ciertas variables se han analizado mediante un programa escrito en Python. Para ello, se ha usado la biblioteca de datos Verbecc, que recoge las conjugaciones completas de numerosos verbos en español. Se han podido organizar con este programa algunas variables relacionadas con las formas verbales: la persona del sujeto, el tiempo del verbo, el modo verbal, la progresividad, la perfectividad y la ambigüedad morfológica. El programa, como refleja la figura 1, reconoce el verbo conjugado de la casilla D y, según sus características, completa de manera automática las casillas G, K, L, M, N y O que aparecen marcadas con una pantalla. Este procedimiento analítico puede ser considerado también como una novedad en nuestra propuesta respecto a estudios anteriores del fenómeno y supone una simplificación a tener en cuenta en futuros análisis.

Figura 1 Ejemplo de codificación en Excel con el programa creado en Python 

4.1 Análisis exploratorio

Se han recogido un total de 965 ejemplos procedentes del corpus oral de la ciudad de Málaga de la década de los noventa (gráfica 1), de los cuales 171 son de sujeto explícito (17.7%) y 794 de sujeto omitido (82.3%). Cabe destacar que el elevado porcentaje de sujetos tácitos se debe a que el español, como hemos dicho, es una lengua pro-drop^{(Chomsky, 1981)}.

Gráfica 1 Representación en gráfica de la presencia y ausencia del pronombre personal sujeto 

Si comparamos los porcentajes que hemos obtenido con los que ofrecen estudios previos, observamos que los resultados varían considerablemente. A partir de la información ya recopilada por ^{Roselló (2021)} obtenemos el cuadro 2, donde hemos incorporado nuestros propios resultados. No obstante, en la interpretación del cuadro 2 hay que tener en cuenta que existen diferencias entre las muestras de los estudios comparados. La ciudad de Málaga solo recoge los hablantes de nivel bajo, en ambos corpus (1995/2015), y la de Sevilla los de nivel alto. El resto de los trabajos comprenden los tres niveles de estudios.

4.2 Análisis de correlaciones

Hemos procedido al ^análisis de los datos obtenidos tras la codificación con el programa estadístico IBM SPSS 20 para comprobar cuáles de las 19 variables independientes resultan predictoras de la presencia o ausencia del pronombre sujeto. Como podemos observar en el cuadro 3, los predictores que han resultado ser significativos son: persona del sujeto, referente del sujeto, especificidad, progresividad, perfectividad, clase semántica del verbo, turno de habla y edad. Por la proximidad a p-valor, hemos considerado también relevantes las variables de ambigüedad fonética, correferencialidad y perífrasis. Para la observación de la ambigüedad fonética potencial se han estudiado la segunda persona del singular de los verbos, la tercera personal del singular y la tercera del plural, ya que se podía producir ambigüedad fonética entre ellas al elidir su consonante final.

Como vemos, la variación lingüística no se produce por cuestiones estilísticas, sino que existen unos condicionantes lingüísticos que propician su aparición. Puesto que uno de los objetivos que persigue este trabajo es determinar las variables predictoras que afectan a la ausencia y presencia del pronombre, hemos realizado un análisis binomial de subida y bajada (Binomial Up & Down) mediante el programa Goldvarb X^{(Sankoff, Tagliamonte y Smith, 2005)}. Este análisis ―más exhaustivo― señala si existe relación entre las variables independientes y la dependiente. Para ello, los pesos probabilísticos que superen 0.500 mostrarán influencia en la variable dependiente, es decir, propiciarán la aparición del pronombre personal sujeto.

En los resultados que muestra el cuadro 4, procedentes como hemos señalado de un análisis más exigente, ha dejado de ser significativa la variable de género, que sí lo era en el cuadro 3. Además, el predictor referente del sujeto es especialmente relevante porque solo se tienen muestras en ausencia y presencia cuando el referente es humano, mientras que, cuando es inanimado o neutro, solo encontramos ejemplos en ausencia. La razón que se esconde tras esta inexistencia de muestras radica en que su presencia se corresponde en una inmensa mayoría de casos con un sintagma nominal. Se han mantenido en el cuadro 4 la correferencialidad y la perífrasis para poder establecer comparaciones más adelante.

4.2.1.6 Clase semántica del verbo

La clase semántica del verbo tiene influencia en la dicotomía ausencia y presencia del pronombre personal sujeto. Partíamos de la hipótesis de que los verbos de procesos mentales, opinión, creencia, entendimiento y verbos de percepción sensorial son más proclives a la aparición del pronombre ^{(Enríquez, 1984}; ^{Bentivoglio, 1987)}, y los resultados mostrados en el cuadro 3 lo confirman. Son estos verbos los que acumulan el mayor peso probabilístico (0.642), seguidos de los verbos de otra clase (0.572), verbos de movimiento (0.539), verbos de dicendi (0.515) y verbos de estado (0.457).

En cuanto a los verbos de otra clase, hemos agrupado aquí los verbos que no encajaban en ninguna de las categorías anteriores, como costar, tener o poder. Como novedad, en esta variable hemos incluido verbos auxiliares de perífrasis que, aunque no han resultado ser pertinentes para el cambio lingüístico en este corpus, puede ser que sí lo sean en otros. En el estudio de ^{Manjón-Cabeza y otros en Granada (2016)} y en el de ^{Repede en Sevilla (2019)} aparece una gráfica que muestra el número de apariciones de los verbos sensoriales, de entendimiento, opinión, creencia y procesos mentales. Hemos decidido representarlo con nuestros datos para así poder comparar los verbos más usados.

Gráfica 2 Presencia pronombre personal sujeto con verbos de entendimiento en el corpus 1995 de la ciudad de Málaga 

Como podemos observar en la gráfica 2, los verbos que más aparecen con el sujeto pronominal en forma expresa son creer, conocer y pensar. Téngase en cuenta, en este sentido, que el alto porcentaje del verbo recordar en presencia del pronombre pronominal se debe a las pocas apariciones de este. Si comparamos nuestros resultados con los de Granada y Sevilla ^{(Manjón-Cabeza y otros, 2016} y ^{Repede, 2019)}, ambos coinciden en que uno de los verbos que más aparece es creer.

4.2.2 Condicionantes sociales

En cuanto a los condicionantes sociales, hemos tenido en cuenta el género y el grupo de edad en el que se sitúa cada hablante. Recordemos que en este trabajo solo hemos analizado las realizaciones de hablantes con un nivel bajo de instrucción. Como podemos observar en el cuadro 3, el único predictor social que ha resultado ser significativo para este corpus ha sido la edad y podemos afirmar que el grupo 2 (0.568), es decir, los hablantes con una edad comprendida entre 35 y 55 años, son los que más utilizan el pronombre personal sujeto de manera tácita. Sin embargo, los grupos 1 y 3 tienden a un mayor empleo del pronombre en su forma omitida (0.466). La variable social del género de los informantes no ha resultado ser un predictor que afecte a la aparición del pronombre, ya que tiene una significación de 0.79.

5.1 Comparación de resultados en la ciudad de Málaga (1995 y 2015)

Gracias a los trabajos realizados por el grupo de investigación VUM (Vernáculo Urbano Malagueño) de la Universidad de Málaga, contamos con dos corpus de entrevistas semidirigidas homologables que emplean la metodología de PRESEEA en esta ciu­dad andaluza. El primer corpus es el que recoge el habla de 1995 en la ciudad de Málaga ^{(Vida, 2007)} y sobre este hemos basado gran parte del presente estudio. Además, hemos tenido acceso al corpus del 2015 (actualmente en desarrollo) y hemos decidido emplear la misma metodología de codificación y análisis para poder comparar así los resultados obtenidos dentro de la ciudad de Málaga de manera diacrónica. La muestra de habla de este segundo corpus se basa en las entrevistas semidirigidas de los hablantes de nivel de instrucción bajo (N=18). Se han analizado las realizaciones lingüísticas aparecidas entre los minutos 10 y 15.

En el análisis exploratorio obtenemos que en este corpus se han codificado un total de 1 073 ejemplos donde la alternancia de presencia y ausencia del pronombre personal sujeto es posible, de los cuales 311 son de sujeto expreso (29%) y 762 (71%) presentan un sujeto omitido. Por lo tanto, se observa un aumento considerable de la presencia con respecto al corpus malagueño anterior (18%).

De igual manera que hicimos con el corpus de 1995, realizamos el análisis de correlación entre las variables para obtener los predictores que son significativos. Los resultados son los que se presentan en el cuadro 5:

Si comparamos el cuadro 3 y el cuadro 5, incluso tratándose de datos procedentes de la misma ciudad con 20 años de diferencia de un corpus respecto al otro, encontramos diferentes variables que propician la aparición del pronombre personal sujeto. En cuanto a las variables lingüísticas, observamos que existen algunas coincidencias, como la persona del sujeto, el referente humano, la especificidad, la perfectividad, la clase semántica del verbo y el turno de habla donde los valores de significación son aproximadamente semejantes. No obstante, algunas variables significativas resultan novedosas en la actualidad, como el modo (Sig.: 0.026), el tipo de cláusula (Sig.: 0.044), los verbos pronominales (Sig.: 0.049) y, en cuanto a los predictores sociales, el género parece afectar a la presencia del pronombre (Sig.: 0.008). Cabe destacar que la ambigüedad fonética potencial, la perífrasis, la correferencialidad y el género se quedaban bastante cerca del p valor 0.05 en el primer corpus y en el segundo corpus consiguen ser significativas.

Una vez conocidos los predictores significativos, presentamos a continuación un análisis más detallado, Binomial Up & Down con el programa Goldvarb, que nos permitirá observar qué variables aportan mayor peso probabilístico en la aparición del pronombre personal sujeto en el corpus de 2015. Los resultados se muestran en el cuadro 6, donde llama la atención, especialmente, que han dejado de ser significativas las variables modo y tipo de cláusula, que sí lo eran en los resultados presentados en el cuadro 5.

De los resultados mostrados en el cuadro 6 se pueden realizar las siguientes observaciones:

El cuadro 7 recoge, de manera comparada, los predictores que en los cuadros 4 y 6 demostraron ser significativos. Hemos identificado en una columna los predictores comunes en los corpus de 1995 y 2015, y los hemos separado de aquellos que mostraron significación exclusiva en 1995 y en 2015.

De los predictores significativos en ambos corpus, decidimos combinar los dos que mostraron mayor peso explicativo (persona del verbo y su clase semántica) para comprobar si existía algún tipo de aumento de la presencia del pronombre cuando se relacionan.

Gráfica 3 Porcentaje de presencia del sujeto pronominal combinado con los verbos mentales y la primera persona 

La gráfica 3 muestra el porcentaje de la presencia del pronombre cuando se realizan las combinaciones señaladas. Como podemos observar, se produce un aumento considerable de la presencia del pronombre cuando un verbo mental se conjuga en primera persona del singular, y esto sucede en ambos corpus. Por lo tanto, podemos afirmar que existe interacción entre las variables lingüísticas de persona del sujeto (primera persona del singular) y clase semántica (verbos de procesos mentales), pues afectan conjuntamente a la aparición del sujeto pronominal.

5.2 Comparaciones adicionales (Sevilla, Granada, Valencia y Málaga)

Gracias a que, como hemos señalado, PRESEEA ha propiciado la aplicación de una metodología unificada, nuestro trabajo parte de un corpus homologable que nos permite establecer comparaciones de resultados parciales en trabajos realizados sobre este tema. Hemos seleccionado los estudios de la ciudad de Sevilla ^{(Repede, 2019)}, Granada ^{(Manjón-Cabeza y otros, 2016)} y Valencia (Roselló, 2020). Todos ellos parten de la misma guía de codificación ^{(Bentivoglio, Ortiz y Silva-Corvalán, 2011)}, pero, además, han introducido nuevos predictores que han considerado relevantes para adaptarla a su población, como es el bilingüismo que se produce en Valencia o la elisión de las consonantes finales características de la variedad del español andaluz.

Para este estudio, en los dos corpus que hemos manejado de la ciudad de Málaga hemos limitado la observación a los informantes del nivel bajo de estudios. Lo mismo sucede con los estudios realizados hasta el momento en PRESEEA-Sevilla, que reduce su muestra a solo los hablantes con un sociolecto alto. Por el contrario, los trabajos de Granada y Valencia recogen el total de la muestra, 54 y 72 informantes respectivamente, de todos los niveles de instrucción. En cuanto a los minutos de la entrevista semidirigida, todos los trabajos, a excepción de Sevilla, seleccionan los cinco minutos comprendidos entre el 10 y el 15.

En cuanto al análisis de los datos obtenidos tras la codificación, observamos que, en las investigaciones de Sevilla y Valencia, al igual que en nuestro trabajo, se realiza en una primera aproximación estadística la prueba de χ² para extraer los predictores que han resultado ser significativos, mientras que en Granada se utiliza la diferencia de medias de todas sus variables. Con ambos análisis, se ha permitido eliminar las variables con un p- valor > 0.05. En el cuadro 8 se muestra la significación de las variables, teniendo en cuenta solo las comunes a todos los estudios:

Tras observar los resultados de los análisis procedentes de las diferentes sintopías, podemos afirmar que los predictores significativos comunes a los cinco corpus son: la persona del sujeto, la especificidad, la ambigüedad, la clase semántica, la correferencialidad, el turno de habla y las perífrasis verbales. En cuanto a los predictores sociales, no hay una tendencia clara que nos permita afirmar que la edad o el género sean influyentes en todos los corpus analizados. Cabe destacar que la perífrasis verbal, que no aparece en la guía de codificación original, se muestra como un condicionante claro que afecta a la aparición del pronombre personal sujeto en los cinco estudios, con un alto grado de significación.

Los trabajos mencionados, al igual que el que presentamos en este artículo, tras encontrar las variables predictoras que afectan al cambio, realizan un análisis más detallado para descubrir dentro de cada variable cuál de las opciones recogidas es la que alberga mayor peso probabilístico. Para ello, en el estudio de Valencia, Granada y en nuestro trabajo se ha utilizado el análisis de Binomial Up & Down con el programa de Goldvarb; en Sevilla, en cambio, se ha optado por un recuento de casos en presencia y ausencia sobre el desglose de cada predictor.

Al contrastar todos los resultados, tanto los obtenidos por medio del análisis de nuestros dos corpus como en estudios previos ^{(Repede, 2019}; Roselló, 2021 y ^{Manjón-Cabeza y otros, 2016)}, podemos afirmar que la presencia o ausencia del pronombre personal no responde a cuestiones estilísticas, sino a cuestiones lingüísticas que se repiten en los cinco corpus. Existe una mayor presencia del pronombre cuando:

Por lo tanto, de esta aproximación parcial podríamos vislumbrar que la presencia del pronombre personal sujeto responde a un patrón lingüístico que se repite en los diversos corpus analizados.