Cuatro resultados negativos seguidos

Hay una tentación evidente en un método que reduce la palabra a sus consonantes: quitarle antes los afijos. Si el turco gelmek es «venir» más un infinitivo, el infinitivo estorba. Quitémoslo y el catálogo mejorará.

Parece obvio. Se probó en cuatro familias. Falla en las cuatro.

Turco

El descubridor automático de afijos gana 6,3 puntos de agrupamiento y 13,9 puntos de nulo.

Es decir: agrupa más, y el azar agrupa mucho más. La ventaja sobre el azar, que es lo único que importa, empeora.

Y hay un diagnóstico que lo explica mejor que cualquier cifra. El descubridor encontró 365 prefijos en una familia sin prefijos. El turco es aglutinante y sufijante; los prefijos que el procedimiento «descubrió» no existen. Son parecidos iniciales entre palabras, tratados como morfología porque el procedimiento no tiene manera de distinguir una cosa de la otra.

Urálico

Sube diez puntos de agrupamiento y dieciocho de nulo. Segunda familia aglutinante, mismo resultado.

Pama-ñungano

Sube el agrupamiento doce puntos y el nulo veintiséis. Tercer resultado negativo consecutivo, declarado como tal en el paper.

Indoeuropeo

Vuelve a empeorar la ventaja sobre el azar. Cuarta familia seguida — y ésta es la familia donde más se sabe de morfología en toda la lingüística.

La regla que sale de ahí

El despiece morfológico rinde cuando la regla se declara, y empeora cuando se descubre por parecido.

Un afijo declarado —«en esta lengua, el infinitivo es -mek / -mak»— es información externa que el catálogo no tenía. Un afijo descubierto por frecuencia de subcadenas no es información: es el propio catálogo mirándose al espejo. Quitar lo que se repite hace que lo que queda se parezca más entre sí, y el azar sube exactamente por la misma razón que sube la señal.

Es la misma trampa que la serie encuentra una y otra vez, con caras distintas.

Otras dos veces que la agregación mintió

La matriz de sustituciones. En turco, agregada sobre toda la familia, pierde la correspondencia que define su división primaria — el rasgo más establecido de la familia, invisible. Sólo al restringirse al par de ramas reaparece, y entonces a 6,1 veces el azar.

Promediar sobre una familia entera no es una vista general: es un borrado.

El enriquecimiento máximo. El código con más ventaja sobre el azar volvió a ser, en turco, un préstamo — ruso, esta vez. Y el mecanismo se puede nombrar: lo produce el concepto raro, no el código raro. Un concepto que casi ninguna lengua tiene y que unas pocas tomaron prestado de la misma fuente da un enriquecimiento espectacular que no dice nada sobre la familia.

Y una vez que sí funcionó

Para que la lista no parezca sólo una colección de fracasos: el cierre de las sustituciones llevaba dos familias sin producir nada, y en pama-ñungano dio tres clases limpias que resultaron ser puntos de articulación.

Nadie se los pidió. Salieron.

Por qué publicar esto

Un resultado negativo no vende. Cuatro seguidos, menos.

Pero el argumento de esta serie no es que el instrumento funcione. Es que el instrumento está descrito con la precisión suficiente para que se vea dónde deja de funcionar, y que esa descripción se publica en el mismo paper que los resultados y no en un anexo.

Un catálogo que sólo publicara sus aciertos no sería comprobable por nadie. Y un instrumento que no se puede comprobar no es un instrumento: es una opinión con tablas.

Los papers: