Yorùbá in Unicode: An Overview of a Problem

El lenguaje es más que una simple colección de sonidos; para millones de personas, es un sistema donde el tono de una voz cambia enteramente el significado de una palabra. En la lengua yoruba, hablada por más de 40 millones de personas en África Occidental y la diáspora, la diferencia entre una nota alta y una nota baja puede convertir una palabra para "mano" en una palabra para "escoba" o "respeto". Esta dependencia del tono, conocido como pitch, no es un floreo poético sino una necesidad gramatical. Sin las marcas de tono correctas, una oración simple puede convertirse en un rompecabezas confuso con docenas de significados posibles, dejando a los lectores adivinando si un padre se movió dentro de una granja grande o de un coche grande. Para resolver esto, los escritores utilizan un sistema de diacríticos —pequeñas marcas colocadas arriba o abajo de las letras— para indicar estos cambios de tono.

Sin embargo, el mundo digital no fue construido teniendo en cuenta estas complejas marcas. Cuando las computadoras llegaron por primera vez, fueron diseñadas para manejar letras estándar del alfabeto inglés, no los símbolos estratificados requeridos para las lenguas tonales. Esto creó un problema persistente: aunque la tecnología podía técnicamente mostrar las marcas, no siempre podía mantenerlas en el lugar correcto o contarlas correctamente. Una letra con una marca de tono podría verse bien en una pantalla, pero convertirse en un cuadro vacío o un símbolo desplazado en otra. Este artículo de Kọ́lá Túbọ̀sún investiga por qué sucede esto, rastreando el problema desde la historia de la escritura en yoruba hasta las reglas rígidas que gobiernan cómo las computadoras almacenan el texto hoy en día. El autor argumenta que el sistema actual está fundamentalmente roto para las lenguas tonales y propone un cambio estructural específico para solucionarlo.

La historia de la escritura del yoruba comenzó mucho antes de la era de la computación. Originalmente una lengua oral, fue escrita por primera vez por misioneros y comerciantes en el siglo XIX utilizando el alfabeto romano. Los primeros escritores lucharon por adaptar las letras inglesas a una lengua donde el tono importa. Algunos intentaron usar letras adicionales, como añadir una "h" o una "r" para mostrar un tono, mientras que otros usaron puntos o líneas sobre las vocales. Con el tiempo, surgió un sistema estándar que utilizaba puntos debajo de ciertas vocales y marcas sobre ellas para mostrar el tono. A mediados del siglo XX, este sistema estaba bien establecido, permitiendo a los escritores distinguir entre palabras que se veían idénticas pero sonaban diferentes. Pero cuando llegó la era digital, este sistema cuidadosamente diseñado chocó contra un muro.

El núcleo del problema reside en cómo las computadoras almacenan el texto. Para que el texto viaje fácilmente entre diferentes dispositivos y programas, una organización global llamada Unicode Consortium creó una lista estándar de caracteres. En este sistema, una letra con una sola marca, como una "o" con un acento, a menudo se almacena como una unidad única y prefabricada. Esto funciona bien para muchas lenguas. Sin embargo, para el yoruba, el sistema requiere apilar dos marcas diferentes en una sola letra: un punto debajo para mostrar el tipo de vocal, y una marca arriba para mostrar el tono. El estándar digital actual no tiene un código único y prefabricado para estas combinaciones apiladas. En su lugar, obliga a la computadora a construirlas uniendo dos piezas separadas: la letra base con el punto, y luego la marca de tono encima.

Este método de construir caracteres pieza por pieza es donde comienzan los problemas. Aunque pueda funcionar en una computadora, las piezas pueden separarse o desplazarse cuando el texto se mueve a una plataforma diferente, a una fuente diferente o a otro país. Un escritor podría escribir un nombre perfectamente, solo para que la marca de tono salte a la letra equivocada o desaparezca por completo cuando el documento se guarda o se imprime. El autor documenta este fallo a través de décadas de publicaciones, mostrando portadas de libros donde las marcas de tono fueron dibujadas a mano después de que el texto fuera impreso porque las máquinas de composición tipográfica no podían manejarlas. En las bibliotecas digitales, los catalogadores a veces sustituyen los símbolos incorrectos porque los correctos faltan, haciendo imposible que los investigadores encuentren libros por sus títulos reales. Incluso las plataformas de redes sociales, que cuentan cada carácter, tratan estas marcas apiladas como múltiples caracteres separados, limitando injustamente cuánto texto yoruba puede escribir una persona en una sola publicación.

El artículo desafía la explicación oficial de por qué estos caracteres no pueden arreglarse. El Unicode Consortium sostiene que su sistema es estable y que añadir nuevas combinaciones prefabricadas rompería la consistencia del texto almacenado en sistemas antiguos. Argumentan que el método actual de combinar piezas es suficiente y que los problemas surgen de fuentes deficientes o software antiguo. El autor disputa esto, señalando que los fallos ocurren incluso cuando el texto está correctamente codificado y se mueve entre sistemas modernos de alta calidad. El problema no es solo cómo se ve el texto, sino cómo se comporta: falla al buscar correctamente, se cuenta mal y se corrompe al ser transferido. El autor señala que, mientras el sistema ha hecho espacio para miles de nuevos emojis en años recientes, se ha negado a actualizar sus reglas para las necesidades esenciales de las lenguas africanas tonales.

Para solucionar esto, el artículo propone una intervención directa y específica: la creación de cuatro nuevos caracteres prefabricados en el estándar digital. Estos serían unidades únicas para las vocales abiertas "o" y "e" con tanto un punto debajo como una marca de tono arriba. Esto permitiría que el texto viaje como una unidad única e inquebrantable, asegurando que una palabra para "mano" siga siendo una palabra para "mano" sin importar dónde sea leída. El autor reconoce que las herramientas actuales, como teclados especializados y software que añade automáticamente las marcas de tono, han facilitado la escritura, pero son parches temporales. No resuelven la falla estructural subyacente que causa que el texto se rompa cuando se mueve.

La conclusión es que el problema no es la falta de esfuerzo de los escritores ni un fallo de un software individual, sino una brecha en las reglas globales que gobiernan la comunicación digital. El autor argumenta que el Unicode Consortium tiene la capacidad técnica para arreglar esto y que hacerlo es necesario para la supervivencia y el uso adecuado de la lengua en el mundo moderno. Al crear estos cuatro caracteres específicos, el mundo digital podría finalmente apoyar al yoruba de la misma manera que apoya a las lenguas que no requieren marcas apiladas. Esto no solo ayudaría a los millones de hablantes de yoruba, sino que también establecería un precedente para otras lenguas tonales que enfrentan las mismas barreras digitales. El artículo sirve tanto como registro de la lucha como un mapa claro hacia una solución que ha estado esperando durante décadas.