💬 NLP

Computational Representations of Character Significance in Novels

Este artículo propone un novedoso modelo estructural de personaje de seis componentes que incorpora la discusión por parte de otros personajes, demostrando mediante el análisis computacional de novelas realistas británicas del siglo XIX que este enfoque ofrece nuevas perspectivas sobre las teorías literarias de la centralidad del personaje y las dinámicas de género.

Autores originales: Haaris Mian, Melanie Subbiah, Sharon Marcus, Nora Shaalan, Kathleen McKeown

Publicado 2026-01-23

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Haaris Mian, Melanie Subbiah, Sharon Marcus, Nora Shaalan, Kathleen McKeown

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina una novela no solo como una historia, sino como una ciudad bulliciosa. Durante mucho tiempo, los críticos literarios y los científicos de la computación intentaron averiguar quiénes eran las personas "importantes" en esa ciudad simplemente contando cuántas veces caminaban por la calle (aparecían en una escena) o cuántas veces se daban la mano con otros (tenían una conversación).

Este artículo argumenta que este método es como juzgar la importancia de una persona en una ciudad solo por la frecuencia con la que se le ve en público. Ignora el hecho de que alguien podría ser la persona de la que más se habla en el pueblo, incluso si se queda en casa todo el día.

Aquí hay un desglose de lo que hicieron los investigadores, utilizando analogías sencillas:

1. La nueva "Ficha de Puntuación de Seis Puntos"

En lugar de solo contar "apariciones en la calle", el equipo (una mezcla de científicos de la computación y expertos en literatura) creó una nueva ficha de puntuación de seis partes para medir el "espacio" de un personaje en la historia. Piensa en esto como una boleta de calificaciones para la presencia de un personaje:

Nombre (N): ¿Cuántas veces se escribe su nombre? (Como ver su nombre en un buzón).
Comunicación (C): ¿Cuánto habla o escribe? (Como el volumen de su voz en una plaza pública).
Interioridad (I): ¿Cuánto entramos en su cabeza para escuchar sus pensamientos y sentimientos? (Como leer su diario privado).
Acción (A): ¿Qué cosas físicas hacen? (Como construir una casa o correr una carrera).
Discusión por parte de otros (DC): ¿Cuánto hablan otros personajes sobre ellos? (Esta es la gran novedad. Es como la frecuencia con la que la gente en una fiesta susurra sobre alguien que ni siquiera está presente).
Descripción del narrador (DN): ¿Cuánto los describe el narrador? (Como cuando un narrador hace una pausa para decir: "Mira sus ojos tristes").

2. El "Mapa del Chisme" (La Nueva Red)

Los investigadores construyeron un tipo especial de mapa (un grafo) basado en la parte de "Discusión" de la ficha de puntuación.

Mapas Antiguos: Los mapas anteriores mostraban quién estaba al lado de quién (coocurrencia) o quién hablaba con quién (diálogo). Estos son como calles de doble sentido.
El Nuevo Mapa: Este mapa muestra quién está hablando de quién. Esta es una calle de un solo sentido.
- Analogía: Imagina un pueblo donde Alice nunca habla, pero todos los demás hablan constantemente de ella. En un mapa antiguo, ella parecería invisible. En este nuevo "Mapa del Chisme", ella es el centro del universo porque todos la señalan.

3. El Experimento: Enseñando a las Computadoras a Leer como Críticos

El equipo probó dos formas de lograr que las computadoras completaran esta ficha de seis partes para novelas británicas del siglo XIX (como Orgullo y Prejuicio y Jane Eyre):

Método A (El flujo de trabajo "BookNLP"): Una herramienta especializada basada en reglas, diseñada específicamente para la literatura. Es como un bibliotecario experimentado que sabe exactamente dónde buscar tipos específicos de oraciones.
Método B (El enfoque "LLM"): El uso de potentes chatbots de IA (como GPT-4) para leer el texto y adivinar los conteos.

El Resultado: La herramienta del bibliotecario especializado (BookNLP) fue mucho más precisa y consistente que el chatbot de IA. El chatbot solía confundirse, especialmente con personajes menores o cuando la historia se contaba desde una perspectiva en primera persona (donde el narrador también es un personaje). Los investigadores decidieron utilizar la herramienta del "bibliotecario" para su gran estudio.

4. Lo que Descubrieron

Utilizando esta nueva ficha de puntuación y el "Mapa del Chisme", analizaron 64 novelas clásicas y encontraron algunas cosas sorprendentes:

La teoría de "El Uno contra Los Muchos": Una teoría famosa sugiere que las novelas se construyen alrededor de un héroe principal y una multitud de personajes secundarios luchando por el espacio. Los investigadores encontraron que esto es mayormente cierto, pero que "El Uno" es a menudo un pequeño grupo de 2 o 3 personas que comparten el protagonismo, en lugar de ser un solo héroo.
Ser el tema de conversación frente a hablar: En Orgullo y Prejuicio, el Sr. Darcy es el personaje del que más se habla (tiene el mayor "Grado de Entrada" en el mapa del chisme). Sin embargo, Elizabeth Bennet es quien más habla de los demás (mayor "Grado de Salida"). Esto demuestra que ser el tema de conversación es diferente de ser el hablante.
Género y Chisme: Observaron quién habla de quién basándose en el género. Encontraron que las mujeres en estas novelas hablan de otras mujeres más de lo que los hombres hablan de otros hombres. Además, las mujeres tenían más probabilidades de ser quienes discutían sobre otros, mientras que los hombres eran a menudo los que eran discutidos. Esto reveló una capa social oculta que los antiguos mapas de "quién estaba al lado de quién" pasaban por alto por completo.

Resumen

El artículo introduce una nueva forma de medir la importancia de los personajes que va más allá de simplemente "quién aparece". Al contar cuánto piensan, actúan y —crucialmente— cuánto se habla de ellos por parte de otros, los investigadores crearon un mapa más matizado del mundo social de una novela. Demostraron que las computadoras pueden hacer esto, pero necesitan las herramientas adecuadas (software especializado en lugar de solo IA general) para lograr la precisión en los detalles. Esto nos permite ver que en estas historias clásicas, el "personaje principal" es a menudo una compleja red de relaciones, no solo un único héroe.

Resumen Técnico: Representaciones Computacionales de la Significancia de los Personajes en Novelas

Planteamiento del Problema

Los enfoques computacionales tradicionales para el análisis de personajes en la literatura se han basado mayoritariamente en modelar a los personajes basándose en su presencia física en las escenas, principalmente a través de la coocurrencia o el intercambio de diálogos. Estos métodos suelen confundir "presencia" con "significancia", priorizando implícitamente al personaje principal que aparece con mayor frecuencia. Sin embargo, esta visión centrada en la interacción contradice teorías literarias como la de "el uno frente a los muchos" de Alex Woloch, que postula que las narrativas se estructuran en torno a un individuo central y una multitud de figuras subordinadas que compiten por un espacio narrativo limitado. Además, los métodos existentes suelen omitir la distinción entre el narrador y el personaje, y no tienen en cuenta cómo los personajes son discutidos por otros, un componente que revela interés y posicionamiento social sin requerir presencia física.

Los autores abordan la necesidad de un marco más matizado y multidimensional para cuantificar la significancia de los personajes que se alinee con la teoría literaria contemporánea y capture las dinámicas relacionales más allá de la simple interacción.

Metodología

El Modelo Estructural de Seis Componentes

El núcleo de la metodología es un modelo estructural de la significancia de los personajes desarrollado en colaboración con académicos de la literatura (Marcus, 2025). Este modelo descompone la presencia del personaje en seis componentes distintos:

Nombre (N): Instancias de los nombres propios del personaje (excluyendo pronombres).
Comunicación (C): Oraciones del discurso o la escritura citada del personaje.
Interioridad (I): Frases verbales que expresan los pensamientos, sentimientos, intenciones o percepciones del personaje.
Acción (A): Frases verbales que transmiten acciones físicas (excluyendo el habla o la interioridad).
Discusión por parte de otros personajes (DC): Oraciones de comunicación de otros personajes en las que se discute al personaje objetivo.
Descripción por parte del narrador (DN): Oraciones de la voz narrativa que describen la apariencia, el porte o la vestimenta del personaje.

Datos y Anotación

Los autores construyeron un conjunto de datos anotando manualmente todos los capítulos de Orgullo y Prejuicio (Jane Austen) y Jane Eyre (Charlotte Brontë) para establecer los recuentos de verdad fundamental (ground truth) para estos seis componentes a nivel de capítulo. Señalan que Jane Eyre presenta desafíos específicos debido a su narrador en primera persona, donde el narrador y el protagonista son el mismo, lo que complica la distinción entre interioridad y descripción del narrador.

Para permitir un análisis a escala, los autores seleccionaron un corpus de 64 novelas realistas británicas importantes del siglo XIX (1800–1900), excluyendo las narrativas en primera persona donde el narrador es un personaje, ya que los resultados preliminares indicaron un desempeño deficiente en tales textos.

Enfoques Computacionales

El artículo evalúa dos canales principales para operacionalizar este modelo:

Canal basado en BookNLP: Un canal basado en transformadores que utiliza paquetes de entidad, cita, superclase (supersense), evento y correferencia. Analiza el texto para identificar fragmentos que cumplan con los criterios de los componentes (por ejemplo, utilizando clases de VerbNet para acciones e interioridad).
Enfoques basados en LLM:
- Recuentos a nivel de capítulo: Solicitar a los LLM (gpt-4o-mini) generar recuentos en formato JSON para todos los componentes y personajes por capítulo.
- Anotaciones a nivel de fragmento: Solicitar a los LLM identificar fragmentos de texto específicos para componentes individuales (por ejemplo, resolviendo pronombres en el diálogo para determinar la "Discusión por parte de otros personajes").

Construcción de Redes

Los autores construyen tres tipos de redes de personajes:

Red de Coocurrencia: Edges no dirigidos basados en la copresencia a nivel de párrafo.
Red de Diálogo: Edges no dirigidos basados en la toma de turnos de palabra (Componente C).
Red de Discusión: Un grafo dirigido novedoso donde los edges $u \to v$ representan al personaje $u$ discutiendo al personaje $v$ (Componente DC). Esto permite la distinción entre "ser el tema de discusión" (grado de entrada) y "hablar de otros" (grado de salida).

Contribuciones Clave

Marco Teórico y Conjunto de Datos: El artículo introduce un modelo de seis componentes de la significancia de los personajes a los estudios literarios computacionales y publica un conjunto de datos acompañante de puntuaciones de componentes anotadas por expertos para Orgullo y Prejuicio y Jane Eyre.
Canal Computacional: Los autores desarrollan y liberan un canal capaz de etiquetar estos componentes en novelas del siglo XIX. Demuestran que, si bien se pueden usar LLM para el etiquetado, el canal basado en BookNLP ofrece una fiabilidad superior y menores tasas de error para el análisis de corpus a escala, particularmente para componentes como Acción e Interioridad.
Nueva Representación de Red: El artículo propone la "Red de Discusión" (DC), un grafo dirigido que captura cómo los personajes se posicionan entre sí a través del discurso, ofreciendo una nueva lente sobre la centralidad de los personajes distinta de la coocurrencia o el diálogo.
Análisis a Nivel de Corpus: Los autores aplican estas representaciones a un corpus de 64 novelas para responder preguntas literarias específicas sobre la centralidad de los personajes y las dinámicas de género.

Resultados

Precisión del Etiquetado

BookNLP vs. LLM: El canal basado en BookNLP logró un Error Absoluto Medio (MAE) de 1.7 y una correlación de Pearson de 0.75 contra los recuentos de referencia para Orgullo y Prejuicio. En contraste, los métodos basados en LLM, incluso con prompting granular, exhibieron un MAE más alto y un desempeño inconsistente, particularmente para personajes menores y componentes como Acción (A) e Interioridad (I).
Narrativas en Primera Persona: El canal tuvo dificultades con Jane Eyre debido a problemas de resolución de correferencia entre el narrador y el protagonista. Sin corrección manual, el MAE fue de 4.35; con la corrección, bajó a el 3.00. Por consiguiente, las narrativas en primera persona fueron excluidas del análisis principal del corpus.

Análisis de Red y Percepciones Literarias

Discrepancias de Centralidad: El estudio encontró que diferentes construcciones de red producen distintos rankings de prominencia de personajes. Por ejemplo, en Orgullo y Prejuicio, el Sr. Darcy ocupa el primer lugar en "fuerza de entrada" (ser discutido), mientras que Elizabeth ocupa el primer lugar en "fuerza de salida" (discutir a otros). Esto resalta que "ser el tema de discusión" y "llevar la voz cantante" son dimensiones distintas de la prominencia social.
El "Uno frente a los Muchos" de Woloch: El análisis de las métricas de desigualdad (coeficiente de Gini) a través del corpus revela que la atención narrativa está altamente concentrada pero no es monolítica. El "uno" no es un individuo único, sino un clúster centralizado de varios personajes, con múltiples grados de "muchos" constituyendo la periferia.
Dinámicas de Género: La Red de Discusión reveló estructuras de género significativas no visibles en las redes no dirigidas:
- Los personajes femeninos están sobrerrepresentados entre los discutidores más centrales (grado de salida) y los más discutidos (grado de entrada).
- Existe un patrón de atención cruzada de género asimétrico: los edges de mujeres hacia hombres ocurren significativamente más frecuentemente que de hombres hacia mujeres ( $F \to M / M \to F = 1.26$ ).

Significancia y Reivindicaciones

El artículo afirma ofrecer una nueva lente computacional para el análisis literario que va más allá de las métricas simples de interacción. Al integrar una teoría de componentes de los personajes con el análisis de redes, los autores demuestran que:

La Significancia del Personaje es Multifacética: Una visión integral de un personaje requiere tener en cuenta la interioridad, la descripción y la discusión, no solo la presencia física o el diálogo.
Los Grafos Dirigidos Revelan Nuevas Capas Sociales: La Red de Discusión descubre dinámicas relacionales (quién discute a quién) que son invisibles para las redes tradicionales de coocurrencia o diálogo no dirigidas.
El Género Moldea el Espacio Narrativo: El análisis computacional proporciona evidencia empírica de las dinámicas de género en la discusión de personajes, mostrando que las mujeres tienen más probabilidades de ser el tema de discusión y de discutir a otros, un matiz que estudios de redes previos pasaron por alto.

Los autores concluyen que, si bien sus métodos están actualmente limitados a novelas en inglés del siglo XIX en tercera persona debido a los costos de anotación y los desafíos de correferencia en las narrativas en primera persona, este marco proporciona una base sólida para el trabajo futuro de escalabilidad a grandes corpus. Expresan explícitamente que su objetivo es facilitar la investigación futura más que proporcionar una solución definitiva y libre de errores para todas las formas narrativas.