Panorama. Cada línea es un movimiento de la cara del entrevistado a lo largo de todo el programa (promedio de 30 s). No hace falta leer cada línea: las de cejas y labios se mueven poco, mientras que las de mejillas, comisuras y párpados suben y bajan a ratos, con un pico muy marcado hacia el minuto 26. Abajo, hacia dónde está girada la cabeza: cuando está muy girada, estas medidas son menos fiables. Son estimaciones de un programa, no una descripción de emociones.
Resumen
Se describe, con medidas, lo que hace el entrevistado en un programa de entretenimiento de 1 h 43 min y en qué momento lo hace: 8.487 palabras verificadas como suyas (41 min de habla); 135 pausas de más de 0,4 s (mediana 0,68 s); 562 frases con tono, volumen y velocidad medidos (media 136 Hz y 220 palabras por minuto); 22 respuestas a preguntas delicadas clasificadas a mano; y movimientos de la cara (unidades de acción) en 63 % de los fotogramas muestreados. Se cruzan las señales para destacar 15 momentos en los que coinciden varias. El documento no etiqueta emociones ni atribuye intenciones, rasgos o diagnósticos, y señala en cada apartado lo que no se puede medir.
Palabras clave: pausas, voz, retórica, gestos de la cara, entrevista televisiva.
1Material y método
El vídeo es la emisión completa del programa en RTVE Play. Todos los minutos de este documento son tiempo del vídeo (m:ss). El invitado empieza a hablar hacia el minuto 5:15; antes es presentación.
Tabla 1. Qué se mide, con qué y qué no se mide.
Qué se mide
Cómo se mide
Hasta dónde llega
Texto de lo dicho
Transcripción automática (Whisper) con el instante de cada palabra
Todo el vídeo
Quién habla
Un programa separa las voces y una segunda comprobación compara cada tramo con la voz del entrevistado
Solo se usan palabras verificadas para atribuir al entrevistado
Pausas
Tiempo entre dos palabras seguidas del entrevistado
Todo el vídeo; desde 0,4 s
Voz
Análisis del audio (programa Praat): tono, volumen y palabras por minuto
Frases del entrevistado; el volumen solo sirve para comparar dentro del programa
Recursos al hablar
Búsqueda automática de patrones («no X, sino Y», preguntas retóricas…) y clasificación a mano de 22 respuestas
La búsqueda automática no es exhaustiva
Cara
Un programa (py-feat) estima movimientos de la cara (unidades de acción) y hacia dónde apunta la cabeza
5 imágenes por segundo desde el minuto 5; solo cuando sale el entrevistado
No se mide
Emociones; mirada; intención; veracidad
Ningún modelo de emociones se ejecuta
Tres reglas rigen el documento. 1) Las citas son literales y llevan su minuto. 2) La cara se informa solo en unidades de acción (FACS), nunca como emoción. 3) Una palabra cuyo hablante no se ha podido verificar no cuenta nunca como del entrevistado.
2Quién habla y cuánto
Antes de medir nada hay que saber quién está hablando, para que las cifras de después correspondan de verdad al entrevistado.
Con la regla anterior, el entrevistado acumula 41,0 minutos de habla verificada, frente a 26,5 entre los dos entrevistadores. Quedan 3.314 palabras (18 %) sin verificar —tramos muy cortos, solapamientos, público— que no se atribuyen a nadie.
Tabla 2. Palabras y tiempo de habla por hablante (solo palabras verificadas).
Hablante
Palabras
Minutos de habla
Palabras/min
Entrevistado
8.487
41,0
207
Entrevistador 1
5.902
22,6
261
Entrevistador 2
892
3,8
234
Una «intervención» es una serie de tramos consecutivos del entrevistado con huecos de 2 s o menos y sin que hable nadie más en medio. El entrevistado tiene 340 intervenciones; la mediana es de 15 palabras y la mayor, de 204.
Tabla 3. Las cinco intervenciones más largas del entrevistado (primeras 22 palabras, literales).
Minuto
Palabras
Duración
Inicio de la intervención
67:57
204
72 s
«precisamente para la reconciliación y la superación de conflictos como el que vivimos en 2017. Y yo muchas veces puedo decir, oye,…»
65:46
137
43 s
«No, hombre, pero sobre todo porque creo y comparto la preocupación por la vivienda y comparto la urgencia, pero necesito herramientas para…»
47:56
135
41 s
«O trans -humanista, como hablan ellos, ¿no? Uno pensando en irse a Marte, el otro en ponerse un chip en la cabeza,…»
30:48
125
46 s
«Ten en cuenta que nosotros en dos meses hemos habilitado 7 .500 plazas para poder acoger a todas estas personas. Y en…»
69:58
119
43 s
«Bueno, pero yo, por ejemplo, ante una sentencia que yo considero injusta, como es, por ejemplo, la que se le hizo al…»
3Pausas
Una pausa es un silencio entre dos palabras. La investigación sobre comunicación suele asociar algunas pausas a un énfasis antes de una idea importante; aquí solo se mide cuándo ocurren y cuánto duran.
Se miden como hueco entre dos palabras verificadas consecutivas del entrevistado. Hay 135 de más de 0,4 s; duración media 0,95 s, mediana 0,68 s, máxima 7,3 s; 31 duran 1 s o más y 8, 2 s o más.
23 preceden a una frase con carga retórica según el detector automático: cifra (11), contraste (9), rival (2) y promesa (1).
Figura 1. Duración de los 135 silencios; la mayoría son muy breves. Línea roja: el valor central (mediana).
Solo el 17 % de las pausas coincide con un silencio detectado por ffmpeg silencedetect: el ruido de fondo del plató (público, música) impide detectar silencios reales con ese método, de modo que la medida se apoya en los tiempos de Whisper. Un hueco puede contener risa o aplausos no transcritos.
4Voz
Se miden tres cosas de la voz: lo agudo o grave que suena (tono), lo fuerte (volumen) y lo rápido que habla (velocidad).
De 562 frases del entrevistado se midieron tono, volumen y velocidad. Tono medio: 136 Hz (desviación entre frases 20 Hz); volumen medio 61,6 dB (relativos, solo comparables dentro del programa); velocidad media 220 palabras por minuto.
Se considera «cambio» una frase cuyo valor se aparta claramente (más de 1,5 desviaciones) de la media de este programa: el tono sube en 55 frases y baja en 11; el volumen sube en 52 y baja en 23; la velocidad sube en 41 y baja en 19.
Figura 2. Tono, volumen y velocidad de cada frase (puntos), tendencia suavizada (línea azul) y media del programa (línea discontinua). Las líneas rojas verticales marcan los 15 momentos destacados (apartado 8).
Tabla 4. Medidas por bloques de 10 minutos del vídeo. Pausas: total de más de 0,4 s (entre paréntesis, de 1 s o más); última columna, pausas por cada 1.000 palabras.
Minutos
Palabras
Palabras/min
Tono (Hz)
Volumen (dB)
Pausas
Pausas por 1.000 palabras
0–10
341
247
141
62,0
8 (2)
23,5
10–20
775
225
139
60,8
16 (3)
20,6
20–30
972
214
136
61,4
15 (3)
15,4
30–40
1.005
202
130
60,8
14 (1)
13,9
40–50
968
212
138
62,5
14 (4)
14,5
50–60
860
215
140
61,7
14 (4)
16,3
60–70
1.227
217
133
60,7
16 (3)
13,0
70–80
1.125
218
137
61,9
24 (8)
21,3
80–90
817
218
126
61,0
11 (3)
13,5
90–100
317
256
148
63,9
2 (0)
6,3
100–103
80
296
151
65,9
1 (0)
12,5
El tono, el volumen y la velocidad suelen subir y bajar a la vez, así que no son tres señales independientes. El volumen se mide sobre el audio de emisión (ya mezclado y comprimido), así que solo sirve para comparar dentro de este programa. Los cambios se definen respecto a la media de esta entrevista, no respecto a cómo habla la persona normalmente.
5Léxico y retórica
Qué palabras usa más y qué recursos al hablar aparecen, como contrastes («no es X, sino Y») o la diferencia entre decir «yo» y «nosotros».
Palabras de contenido más frecuentes del entrevistado (de 4 letras o más; se excluyeron a mano palabras de uso general y muletillas, y cada forma cuenta por separado: «gobierno» y «gobiernos» son dos palabras).
Tabla 5. Palabras más frecuentes del entrevistado: veces que las dice y veces por cada 1.000 palabras que pronuncia.
Palabra
Veces
Por 1.000
Palabra
Veces
Por 1.000
caso
33
3,9
españa
12
1,4
gobierno
25
2,9
partido
11
1,3
ejemplo
23
2,7
millones
11
1,3
años
21
2,5
personas
11
1,3
país
20
2,4
viviendas
11
1,3
presidente
18
2,1
david
10
1,2
vivienda
18
2,1
verdad
10
1,2
tienes
16
1,9
efectivamente
10
1,2
final
15
1,8
jóvenes
10
1,2
gente
14
1,6
izquierdas
10
1,2
fíjate
14
1,6
cuatro
9
1,1
mira
13
1,5
vida
9
1,1
Pronombres de primera persona y de grupo: «yo» 130, «nosotros» 24, «ellos» 12, «vosotros» 1. Aparecen 52 palabras con dígitos en la transcripción (6,1 por cada 1.000 palabras); los dígitos los escribe el propio Whisper, de modo que es una estimación del uso de cifras, no un recuento exacto.
Detecciones automáticas de patrones retóricos (sin revisar una a una; ver limitaciones): 10 contrastes «no X, sino Y», 22 preguntas retóricas candidatas, 14 relatos o personas concretas candidatos, 1 lista de tres candidata. El detector de encuadres de ganancia (14) y de pérdida (2) busca verbos concretos y tiene falsos positivos, así que no se interpreta aquí.
6Preguntas delicadas y respuestas
Cuando le hacen una pregunta incómoda, ¿responde? Una persona revisó cada caso y los clasificó; es una valoración, no una medida automática.
De 106 pares pregunta-respuesta detectados (preguntas con «?» de los entrevistadores) se seleccionaron a mano 22 que tratan temas políticos o personales delicados; el resto son bromas y charla del programa. Clasificación de la respuesta, por un solo analista:
responde (13), responde en parte (6), responde a otra pregunta (2), cambia de tema (1).
Para cada una se mide el tiempo hasta empezar a responder: lo que pasa entre la última palabra verificada de un entrevistador y la primera palabra verificada del entrevistado.
Se pudo medir en 22 de 22; mediana 0,3 s, máxima 4,3 s.
Tabla 6. Las 22 respuestas: minuto, cómo responde, cita literal y tiempo que tarda en empezar a hablar desde que termina el entrevistador.
Minuto
Cómo responde
Cita literal de la respuesta
Tiempo hasta empezar a responder
10:59
responde en parte
«no me siento muy identificado con sus opiniones»
0,0 s
20:36
responde
«Las pensiones, el salario mínimo interprofesional, los permisos de paternidad y maternidad»
2,9 s
21:51
cambia de tema
«Los puntos se los dejo a Tezanos»
4,0 s
27:03
responde
«los casos de corrupción que he sufrido en mi partido con José Luis Ábalos»
«ha habido errores que he cometido, pero hay otras, a lo mejor, decisiones»
2,2 s
Ese tiempo incluye cualquier risa o aplauso entre ambas voces y depende de que el final de la pregunta haya sido verificado; no es un tiempo de reacción. Un 0,0 s indica que el entrevistado empieza justo al terminar la última palabra verificada del entrevistador (o solapándose con ella). Las preguntas que son afirmaciones sin «?» no se detectan.
7Cara: unidades de acción
La cara se describe con «unidades de acción»: movimientos concretos de grupos de músculos, como subir las cejas o apretar los labios. No se interpretan como emociones.
Con py-feat se estimaron las unidades de acción (AU) del sistema FACS cinco veces por segundo, desde el minuto 5, en los fotogramas en que aparece el entrevistado: 18.471 fotogramas, el 63 % de los muestreados. Los valores son intensidades estimadas por un modelo estadístico (0 a 1 aproximadamente), no codificación manual. Se informa de las AU, no de emociones.
Tabla 7. Intensidad media de cada AU según quién habla en ese instante.
Movimiento de la cara (unidad de acción)
Cuando habla él
Cuando hablan los entrevistadores
Parte interna de las cejas arriba (AU1)
0,46
0,43
Parte externa de las cejas arriba (AU2)
0,26
0,22
Cejas bajan y se juntan (AU4)
0,34
0,41
Párpado superior arriba (AU5)
0,33
0,32
Mejillas elevadas (AU6)
0,16
0,21
Párpados tensos (AU7)
0,09
0,17
Nariz arrugada (AU9)
0,25
0,29
Labio superior arriba (AU10)
0,10
0,14
Surco nasolabial (AU11)
0,27
0,38
Comisuras de los labios arriba (AU12)
0,11
0,16
Hoyuelo en la comisura (AU14)
0,44
0,46
Comisuras de los labios abajo (AU15)
0,38
0,44
Mentón arriba (AU17)
0,37
0,38
Labios estirados (AU20)
0,27
0,25
Labios apretados (AU23)
0,46
0,50
Labios presionados (AU24)
0,37
0,42
Labios separados (AU25)
0,61
0,41
Mandíbula baja (AU26)
0,41
0,34
Labios succionados (AU28)
0,21
0,22
Ojos cerrados (AU43)
0,22
0,33
Las AU de la boca (AU25, AU26 y otras) cambian de valor según quién habla: parte de lo que el modelo mide en la boca es articulación del habla, no gesto. La cabeza está girada de media 35° respecto a la cámara (mediana 31°), lo que también altera las estimaciones.
Figura 3. Intensidad media de cada movimiento de la cara por bloques de 10 minutos. El color es relativo a cada fila (más oscuro = más intenso dentro de esa fila; las filas no se pueden comparar entre sí); el número es el valor medio.
No se mide hacia dónde mira: el programa solo estima hacia dónde apunta la cabeza (subida o bajada, giro e inclinación).
8Mapa y momentos destacados
Se buscaron los instantes en los que coinciden varias señales a la vez (voz, silencios, preguntas delicadas, recursos al hablar y movimientos de la cara). Coincidir no significa que estén relacionadas.
Figura 4. Mapa temporal del programa. De arriba abajo: habla de los entrevistadores y del entrevistado (solo tramos verificados), silencios de 1 s o más, frases con la voz distinta de lo habitual, frases «no X, sino Y», las 22 respuestas a preguntas delicadas (círculo lleno: responde; círculo vacío: responde en parte; cuadrado vacío: contesta a otra pregunta; cuadrado lleno: cambia de tema) y los 15 momentos destacados numerados. Azul: habla del entrevistado; ocre: habla de los entrevistadores.
Se recorrió el programa en ventanas de 3 segundos antes y después de cada instante y se contó en cuántas categorías distintas coinciden señales: voz (un cambio claro de tono, volumen o velocidad; las tres cuentan como una sola porque suelen moverse juntas), silencio (de 1 s o más, o justo antes de una frase con carga), pregunta delicada, recurso al hablar y movimiento de la cara fuera de lo habitual (más de 2 desviaciones respecto a lo normal en esta entrevista). Se eligieron los 15 instantes con más categorías, separados al menos 1 minuto; todos tienen 3 o más. Que dos señales coincidan no demuestra que estén relacionadas. Cuando hay humor, bromas con los entrevistadores o un hueco sin habla transcrita, se indica como «contexto», porque son explicaciones alternativas.
6:49Momento 1
Coinciden: voz, recurso al hablar, movimientos de la cara
«es que lo importante no es la botella, sino lo que hay dentro de la botella.»
Qué se mide
tono: sube (+2,7 desviaciones); volumen: sube (+2,0 desviaciones); técnica retórica: contraste no X sino Y; movimientos de la cara fuera de lo habitual: AU6 (mejillas elevadas) +2,7 desviaciones; AU7 (párpados tensos) +2,4 desviaciones; AU12 (comisura de los labios arriba) +2,3 desviaciones.
Qué puede estar pasando
Contraste «no X, sino Y» dentro de un intercambio de humor sobre una botella. Coincide con lo que la retórica describe como antítesis o reencuadre. La subida de tono y volumen y el patrón AU6 + AU7 + AU12 no se pueden separar del contexto cómico del momento con estos datos.
Contexto que puede explicar parte de lo medido
intercambio humorístico.
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
22:14Momento 2
Coinciden: voz, silencio, recurso al hablar, movimientos de la cara
«y nosotros estamos concentrando el 85 % de la creación de empleo de la zona euro. Estamos creciendo tres veces más que la zona euro y lo estamos haciendo»
Qué se mide
pausa larga: 1.0 s; pausa antes de una cifra; velocidad: sube (+1,8 desviaciones); técnica retórica: contraste no X sino Y; movimientos de la cara fuera de lo habitual: AU14 (hoyuelo en la comisura) -2,1 desviaciones.
Qué puede estar pasando
Pausa de 1,0 s justo antes de una cifra («el 85 %») y contraste «no por primer año consecutivo, sino que…». Coincide con lo que la investigación describe sobre las pausas como marca de énfasis previa a información clave y sobre las cifras como indicio de evidencia. Poco antes (21:45) a la pregunta «¿Qué nota te pones a ti mismo…?» respondió «Los puntos se los dejo a Tezanos» y pasó a datos económicos; esa respuesta se clasifica como «cambia de tema» (ver tabla de preguntas).
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
27:36Momento 3
Coinciden: voz, pregunta delicada, movimientos de la cara
«No, de verdad que no. Yo creo que ahí crees conocer a la gente y de repente se desvela una cara algunas veces en determinados colaboradores que te quedas helado. Y es el caso de Ábalos.»
Qué se mide
volumen: sube (+1,5 desviaciones); velocidad: baja (-2,0 desviaciones); pregunta delicada: responde; movimientos de la cara fuera de lo habitual: AU17 (mentón arriba) +2,6 desviaciones; AU4 (cejas bajan y se juntan) +2,5 desviaciones.
Qué puede estar pasando
Respuesta a «¿Algo te viste venir algún día…?» sobre comentarios de un colaborador: dice «de verdad que no» y menciona el caso de Ábalos. En 26:40, a la pregunta por los peores errores, ya había citado «los casos de corrupción que he sufrido en mi partido con José Luis Ábalos». Coincide en parte con lo que la literatura llama «adelantarse a la crítica» (stealing thunder), aunque aquí es el entrevistador quien plantea el tema.
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
29:53Momento 4
Coinciden: voz, silencio, movimientos de la cara
«tan masiva. Y yo lo expliqué en el Congreso de los Diputados, Por tanto, no estoy desvelando nada. Cuando llegó ese día, el 30 y el 31 de julio,»
Qué se mide
pausa antes de una cifra; velocidad: sube (+1,8 desviaciones); movimientos de la cara fuera de lo habitual: AU2 (cejas: parte externa arriba) +2,6 desviaciones; AU5 (párpado superior arriba) +2,0 desviaciones.
Qué puede estar pasando
Pausa corta (0,46 s) antes de fechas y cifras («el 30 y el 31 de julio»), con AU2 + AU5 (cejas externas y párpado superior arriba) por encima de lo habitual. La literatura FACS describe movimientos de cejas como acompañantes frecuentes del énfasis en el habla; con estos datos no se puede asegurar que aquí lo sean.
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
30:53Momento 5
Coinciden: voz, silencio, movimientos de la cara
«plazas para poder acoger a todas estas personas. Y en segundo lugar, bueno, desde el 10 de agosto, porque nueve de cada diez salieron»
Qué se mide
pausa antes de una cifra; tono: baja (-1,6 desviaciones); movimientos de la cara fuera de lo habitual: AU5 (párpado superior arriba) +4,0 desviaciones.
Qué puede estar pasando
Cifra en formato de frecuencia («nueve de cada diez») tras una pausa de 0,46 s, con descenso de tono y AU5 muy por encima de lo habitual (+4,0 desviaciones). Coincide con el uso de datos concretos como indicio de credibilidad.
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
38:42Momento 6
Coinciden: voz, pregunta delicada, movimientos de la cara
«No, pero yo creo que entre medias hay opciones mucho más interesantes.»
Qué se mide
volumen: sube (+2,2 desviaciones); pregunta delicada: responde a otra pregunta; movimientos de la cara fuera de lo habitual: AU7 (párpados tensos) +3,7 desviaciones; AU12 (comisura de los labios arriba) +2,4 desviaciones; AU14 (hoyuelo en la comisura) +2,0 desviaciones.
Qué puede estar pasando
Pregunta «¿Viajar al pasado y pactar con Ciudadanos o al futuro y pactar con Vox?», respuesta clasificada como «responde a otra pregunta»: rechaza el dilema y propone «opciones más interesantes». Coincide con lo que la investigación sobre equivocación en entrevistas políticas describe como no elegir entre las opciones planteadas. AU7 + AU12 + AU14 por encima de lo habitual.
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
39:57Momento 7
Coinciden: voz, pregunta delicada, movimientos de la cara
«Esquerra Republicana, que es un partido con el que nos hemos entendido y hemos sacado muchas cosas adelante»
Qué se mide
volumen: sube (+1,6 desviaciones); pregunta delicada: responde; movimientos de la cara fuera de lo habitual: AU17 (mentón arriba) +2,4 desviaciones.
Qué puede estar pasando
Respuesta a la pregunta sobre la estrategia de Esquerra, tras una breve interrupción («eso no…») y con repetición del marcador «mira». No se identifica una técnica persuasiva concreta más allá de ese marcador y una explicación causal.
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
50:58Momento 8
Coinciden: voz, recurso al hablar, movimientos de la cara
«No solamente vamos a ganar, sino que vamos a ganar con más mayoría de la que hemos tenido.»
Qué se mide
velocidad: sube (+1,6 desviaciones); técnica retórica: contraste no X sino Y; movimientos de la cara fuera de lo habitual: AU6 (mejillas elevadas) +4,1 desviaciones; AU12 (comisura de los labios arriba) +3,7 desviaciones; AU7 (párpados tensos) +3,2 desviaciones.
Qué puede estar pasando
Predicción de victoria con escalada «no solamente… sino que…». Coincide con las afirmaciones de expectativa de resultado que describe la investigación sobre persuasión política (efecto de «ir con el ganador»). Mayor desviación de AU de todo el análisis: AU6 + AU12 + AU7 con z entre +3,2 y +4,1. En ese tramo los entrevistadores reaccionan en broma («¿Estás loco, Pedro?»); no se separa el efecto de ese intercambio.
Contexto que puede explicar parte de lo medido
intercambio de broma con los entrevistadores.
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
60:42Momento 9
Coinciden: voz, recurso al hablar, movimientos de la cara
«Lo que pasa es que son competencias que están compartidas con las comunidades autónomas y los ayuntamientos y las comunidades autónomas se niegan a hacerlo.»
Qué se mide
velocidad: sube (+2,5 desviaciones); técnica retórica: encuadre ganancia; movimientos de la cara fuera de lo habitual: AU2 (cejas: parte externa arriba) +2,3 desviaciones.
Qué puede estar pasando
Atribución de responsabilidad a un tercero («las comunidades autónomas se niegan a hacerlo»). Coincide con lo que la investigación sobre encuadre describe como atribución de responsabilidad, y la detección automática marca además un encuadre de logro en la misma ventana.
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
72:03Momento 10
Coinciden: voz, silencio, pregunta delicada
«Bueno, no, lo que se dice... No, pero un poco por compartir. O sea, Begoña y yo nos conocimos con 30, 31 años y entonces»
Qué se mide
pausa antes de una cifra; tono: sube (+1,6 desviaciones); volumen: sube (+1,6 desviaciones); pregunta delicada: responde en parte.
Qué puede estar pasando
Respuesta clasificada como «responde en parte» a la pregunta sobre el caso de su esposa: relato biográfico con datos concretos (edad, fechas) tras una pausa de 0,46 s. Coincide con el uso de narración personal y detalles concretos que describe la investigación sobre persuasión narrativa.
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
74:19Momento 11
Coinciden: voz, pregunta delicada, movimientos de la cara
«que mi mujer dejó de trabajar porque no es el presidente del gobierno. O sea, es que este es lo más contradictorio»
Qué se mide
velocidad: baja (-1,7 desviaciones); pregunta delicada: responde en parte; movimientos de la cara fuera de lo habitual: AU5 (párpado superior arriba) +2,1 desviaciones.
Qué puede estar pasando
Argumento que presenta la situación como contradictoria («lo más contradictorio y paradójico de este caso»). Coincide con la refutación por contradicción. Descenso de velocidad (-1,7 desviaciones) y AU5 por encima de lo habitual.
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
76:31Momento 12
Coinciden: voz, silencio, movimientos de la cara
«que no te has imaginado en tu vida hacerle esta pregunta a un presidente López nunca jamás»
Qué se mide
pausa larga: 7.3 s; tono: sube (+1,6 desviaciones); volumen: sube (+1,7 desviaciones); movimientos de la cara fuera de lo habitual: AU6 (mejillas elevadas) +2,1 desviaciones; AU7 (párpados tensos) +2,1 desviaciones.
Qué puede estar pasando
Hueco de 7,3 s entre palabras del entrevistado, seguido de un comentario sobre la propia pregunta («en una entrevista te puedes preparar para cualquier cosa»). En ese hueco no hay habla transcrita; no se ha comprobado si contiene risas, aplausos o ruido. Contexto: bloque de preguntas humorísticas sobre patrimonio.
Contexto que puede explicar parte de lo medido
hueco sin habla transcrita.
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
79:07Momento 13
Coinciden: voz, pregunta delicada, movimientos de la cara
velocidad: baja (-2,3 desviaciones); pregunta delicada: responde; movimientos de la cara fuera de lo habitual: AU15 (comisura de los labios abajo) +2,1 desviaciones; AU12 (comisura de los labios arriba) +2,0 desviaciones.
Qué puede estar pasando
Respuesta breve y repetida literalmente («Progresamos adecuadamente, progresamos adecuadamente») a la pregunta sobre la relación con Estados Unidos. La investigación describe el efecto de la repetición sobre la fluidez percibida; con dos repeticiones consecutivas no se puede inferir ese efecto aquí.
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
84:20Momento 14
Coinciden: voz, recurso al hablar, movimientos de la cara
«Bueno, no solamente se folla, también se hace el amor, eh, David Bueno,»
Qué se mide
volumen: sube (+1,9 desviaciones); técnica retórica: contraste no X sino Y; movimientos de la cara fuera de lo habitual: AU6 (mejillas elevadas) +4,6 desviaciones; AU12 (comisura de los labios arriba) +4,4 desviaciones; AU14 (hoyuelo en la comisura) +3,0 desviaciones.
Qué puede estar pasando
Intercambio humorístico (broma sobre sexo) con contraste «no solamente… también». Cumple los criterios automáticos (AU6 + AU12 + AU14 con z hasta +4,6) y se conserva por transparencia, pero no es un momento de persuasión política.
Contexto que puede explicar parte de lo medido
intercambio humorístico.
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
99:37Momento 15
Coinciden: voz, pregunta delicada, movimientos de la cara
«Pero todo no es blanco o negro.»
Qué se mide
tono: sube (+2,6 desviaciones); volumen: sube (+2,0 desviaciones); pregunta delicada: responde en parte; movimientos de la cara fuera de lo habitual: AU5 (párpado superior arriba) +2,5 desviaciones.
Qué puede estar pasando
Respuesta clasificada como «responde en parte» a la pregunta de si puede decir «en esto la cagué»: concede errores pero introduce matices («todo no es blanco o negro»). Coincide con lo que la literatura llama concesión parcial o mensaje de dos caras.
antesdurantedespués
Clip de 10 s con la caja de la cara, los 68 puntos de referencia y las barras de AU.
9Limitaciones
Estas medidas tienen límites. Los más importantes: la transcripción y la separación de voces son automáticas y pueden fallar; los movimientos de la cara los estima un programa que se confunde con el habla y con la cabeza girada; y los momentos destacados son coincidencias que pueden ser casuales. El detalle técnico está debajo.
Ver el detalle técnico de las limitaciones
Transcripción. Whisper large-v3 comete errores, sobre todo en nombres propios, en el habla solapada y con el público de fondo (por ejemplo «Ancara» por Ankara). Las cifras escritas con dígitos las genera el propio modelo. No se ha revisado la transcripción completa a mano.
Separación de hablantes. pyannote 3.1 separó 8 voces. Una verificación por huella de voz (wespeaker) comprobó cada tramo de 1 s o más: se verificó el 82% de las palabras totales y el 87% de las del entrevistado (8487 de 9740). Solo las palabras verificadas se usan para pausas, voz, retórica y asignación de cara; las no verificadas (tramos muy cortos, solapamientos y voces dudosas) nunca cuentan como del entrevistado. La verificación reasignó cerca de 500 palabras entre los dos hablantes principales. El segundo entrevistador tiene pocos tramos limpios de referencia (12), así que su atribución es la menos fiable. Hay pruebas de regresión en tests/test_hablantes.py.
Pausas. Se miden entre palabras consecutivas verificadas del entrevistado; los huecos pueden contener risas, aplausos o habla que Whisper no transcribió (el hueco de 7,3 s del minuto 76:33 no se ha comprobado). silencedetect solo confirma el 17%.
Voz. F0 e intensidad se miden con Praat sobre el audio de emisión, con mezcla, compresión, música y público; la intensidad en dB es relativa. Los cambios se definen respecto a la media de este programa, no respecto a una línea base de la persona. El tono, el volumen y la velocidad están correlacionados entre sí.
Cara. py-feat 0.6.2 (detector RetinaFace, AU con modelo XGBoost) es un modelo estadístico entrenado con otros datos: sus intensidades no son una codificación FACS manual y no están calibradas. Con la cabeza girada unos 30° de media, con el habla (la boca se mueve por articular) y con cambios de plano, las AU pueden variar sin que cambie el gesto; AU14, AU15, AU23 y AU24 tienen valores base altos en todo el vídeo. No mide la mirada: se informa solo de la postura de la cabeza. Las AU se muestrean a 5 fps; los 5 primeros minutos no se analizan. Las desviaciones «fuera de lo habitual» se comparan con la propia línea base del vídeo (z de ventanas de 6 s).
Identidad de la cara. Las caras se agruparon por similitud (k-means sobre incrustaciones faciales), y se eligieron los grupos cuya boca se mueve cuando habla el entrevistado verificado y no cuando hablan los entrevistadores (grupos 1, 3, 5 y 7 en cara_grupos_identidad.csv); una revisión visual de recortes confirmó que son la misma persona en distintos ángulos de cámara. No se usó reconocimiento facial contra ninguna base de datos. Planos en los que el entrevistado no sale, o sale pequeño, se descartan, y puede haber fotogramas del entrevistado descartados o caras de otra persona aceptadas.
Emociones. El modelo de emociones de py-feat no se puede desactivar al construir el detector. Sus pesos se cargan en memoria, pero nunca se ejecuta (se sustituyó por una función que devuelve NaN) y ninguna salida de emoción aparece en los CSV ni en los clips.
Retórica y preguntas. Los patrones (contrastes, listas, encuadres, relatos) son detecciones automáticas por expresiones regulares: no son exhaustivas y tienen falsos positivos. «Ellos» sin referente claro se marca como incierto. Las preguntas del entrevistador que son afirmaciones sin «?» (por ejemplo, la del caso Zapatero) no se detectan. La selección de las 22 preguntas incómodas y su clasificación son de un solo analista.
Momentos clave. El cruce usa umbrales fijados por el analista (±3 s, |z| ≥ 1,5 en voz, |z| ≥ 2 en AU) y varios momentos ocurren en pasajes de humor o de broma con los entrevistadores, que explican por sí solos parte de lo medido. Con 15 momentos y varias señales posibles, es esperable que alguna coincidencia sea casual.
Alcance. Es un solo programa de entretenimiento de unos 100 minutos. Nada de lo medido permite concluir sobre intenciones, estados internos o rasgos de la persona; solo describe conductas observables y el momento en que ocurren.
10Datos
Tablas del análisis en CSV (UTF-8). No se publica la transcripción completa ni el vídeo.
pausas.csv · una fila por pausa (segundo, duración, palabras que la rodean, marca de carga)
voz.csv · una fila por frase del entrevistado (tono, intensidad, velocidad, z y cambios)
retorica.csv · detecciones retóricas y las 22 respuestas clasificadas
