Dice un viejo proverbio árabe que quien no comprenda una mirada tampoco entenderá una larga explicación. Si bien es cierto que existen tecnologías que permiten a los ordenadores reconocer las expresiones ligadas a las emociones mediante, por ejemplo, el análisis de los rasgos faciales con mayor exactitud que una persona, no es menos cierto que detrás de un gesto se pueden esconder infinidad de sentimientos y emociones.

Basta con echar un vistazo a los memes que circulan por las redes sociales de un inexpresivo Vladimir Putin que aglutina bajo un mismo semblante todo tipo de emociones, en oposición a una cariacontecido Barack Obama que tiene una expresión para cada sentimiento o situación.

Claro que, si queremos complicar el análisis, a veces, y sin entrar en tópicos femeninos, no es solo “lo que dices”, sino el clásico “cómo lo dices”. O incluso cómo respondes ante determinadas situaciones o interrogatorios, como ocurría en la serie Lie to me (en España, Miénteme) donde el especialista Cal Lightman era capaz de saber cuándo un sospechoso estaba mintiendo. De hecho, la serie televisiva se inspiraba en el trabajo científico del psicólogo Paul Ekman sobre el estudio de las conexiones existentes entre los estados emocionales y las expresiones faciales.

Emociones

Si retrocedemos en el tiempo, los primeros trabajos sobre la caracterización lingüística de la emoción desvelaban que las emociones, en gran medida, podían ser caracterizadas a partir de tres dimensiones principales: la valencia afectiva primaria (que va desde lo positivo hasta negativo), la excitación (que va desde la calma hasta la agitación), y, por último, una tercera dimensión a la que inicialmente se etiquetó como “dominio” o “control” y que tiene una significancia menor.

A partir de estos trabajos iniciales surgieron modelos clásicos de clasificación, como el del Dr. Ekman, que propuso un conjunto de seis emociones básicas: la alegría, la tristeza, la ira, el miedo, el asco y la sorpresa. A esta enumeración inicial, Robert Plutchik añadió dos más: la confianza y la anticipación. Además, propuso dividir estas ocho emociones en tres niveles adicionales de excitación, de lo que resultaban hasta 24 categorías de emoción. Un listado muy pequeño si tenemos en cuenta que algunos modelos posteriores ya elevaron esa clasificación hasta las casi 300 emociones, mientras que autores actuales como Mohammad y Kiritchenko han llegado a formular hasta 585 emociones distintas.

Analizar la emoción a gran escala y en función del contexto social

Análisis de datos

Si bien es cierto que los avances en los sistemas de reconocimiento de expresiones han servido para identificar a partir del tono de voz en grabaciones, como por ejemplo de una llamada al servicio de atención al cliente, síntomas de excitación, nerviosismo o enfado, los nuevos hábitos de interacción digital —voz, vídeo, textos— unidos a las nuevas fuentes y canales de interacción —redes sociales, foros, mensajes instantáneos, chats— han incrementado exponencialmente las variables de análisis de datos.

Y es precisamente ahí donde la aparición del big data aporta una nueva capa de análisis a toda esa información cuantitativa y cualitativa. Pero más importante aún, ofrece la posibilidad de analizar e interpretar todos esos datos e información en tiempo real y así poder aplicar ese conocimiento a la toma de decisiones en el ámbito empresarial, algo que no ha sido habitual hasta ahora.

De este modo, la aplicación de técnicas de análisis de big data en diferentes escenarios donde entran en juego las emociones de un usuario/consumidor/cliente permitiría a una empresa:

• Ayudar a recomendar un producto o un servicio en los casos de compras online.
• Proponer determinados contenidos o sugerir ciertas noticias según lo que el usuario está visualizando en la tele.
• Modificar el desarrollo de un programa televisivo en directo en función de la información que se recopila de la monitorización de los comentarios que hacen los usuarios en las redes sociales.
• Seguir una determinada pauta de conversación en casos de servicios de atención al cliente.
• Acometer ciertos cambios en el servicio o la oferta de un hotel a partir de los comentarios de clientes y empleados.
• En estos casos, además de la interpretación en tiempo real, lo que hace falta es hacer una revisión de los criterios de valoración usados hasta ahora. Es decir, la clasificación habitual de comentarios se basaba en el tono (negativo, neutro o positivo). Y, como ya hemos visto, las opciones pueden ser infinitas.

Otro reto importante en un mundo global será el de la necesidad de procesar datos multilingües en tiempo real, ya que la mayoría de las investigaciones se están realizando sobre inglés y español. Pero, como ocurre en el día a día, en las conversaciones surgen expresiones y jergas nuevas o poco habituales, y puede haber personas de múltiples países interactuando, lo que dificulta la interpretación, al tener que tener en cuenta hábitos y costumbres sociales.

Analisis de emociones a gran escala

En este sentido, el proyecto europeo Mixed Emotions —en el que participa Paradigma, parte de la implantación de una gran plataforma big data para el análisis de las emociones a través de fuentes heterogéneas de datos, diferentes lenguas y modalidades. El objetivo es desarrollar herramientas y enfoques que permitan el análisis de la emoción a gran escala y la fusión de datos heterogéneos: multilingüe, texto, voz, vídeo, redes sociales… y todo ello en función del contexto social.

Así, más allá de la búsqueda de datos estructurados, asociados a patrones y relevantes, ponerle una etiqueta de emoción puede convertirse en una ventaja competitiva de negocio para las empresas.

Otro viejo proverbio chino dice que el necio no sabe lo que dice y que el sabio no dice lo que sabe. Nuestra experiencia nos dice que contar con la capacidad de análisis que ofrece big data permite a las empresas, no sólo saber qué es lo que tienen que hacer, sino poder empezar a hacerlo en tiempo real.