Chustva

Sofía Barón Heranz, 2020

Imagen de Chustva

Imagen de Chustva

Descripción

Este proyecto indaga en la capacidad de la tipografía para comunicar matices emocionales y tonos de voz que suelen perderse en la comunicación escrita digital. La autora parte de la premisa de que el texto plano carece de la expresividad del lenguaje oral, lo que habitualmente se suple mediante el uso de emoticonos. La propuesta consiste en una tipografía variable de estética geométrica (con influencias del constructivismo ruso) diseñada con tres ejes de variación basados en la teoría de las emociones de Paul Ekman (felicidad, miedo e ira). El sistema se conecta a una inteligencia artificial (IBM Watson Tone Analyzer) que analiza semánticamente el texto introducido por el usuario. En función del sentimiento detectado en la frase, los glifos modifican su morfología en tiempo real para reflejar la emoción correspondiente, otorgando al mensaje una capa de información paralingüística visual.

El proyecto se relaciona con Type as Tone al compartir la función de restituir la dimensión paralingüística a la comunicación escrita digital mediante la automatización. La conexión es tanto metodológica como formal puesto que, al igual que Type as Tone procesa el contenido del mensaje para asignar una forma visual a su entonación (redondeada y suave para lo positivo; aguda y puntiaguda para lo negativo), Chustva utiliza el análisis semántico para modular la morfología de la tipografía en tiempo real. Ambos sistemas coinciden en utilizar la tipografía como una interfaz capaz de revelar la carga emocional del texto (ironía, enfado, alegría), demostrando que la forma del glifo puede suplir la ausencia de la voz humana sin necesidad de recurrir a símbolos externos como los emoticonos. A nivel metodológico, la propuesta comparte la arquitectura de datos del prototipo número seis al utilizar el propio texto introducido como desencadenante de la interacción. En ambos sistemas se abandona la medición de parámetros físicos para integrar el análisis semántico, extrayendo valores cualitativos del lenguaje para modular los glifos en tiempo real.

La arquitectura de Chustva articula el modelo mediante una relación basada en datos textuales, donde la propia cadena de caracteres introducida actúa como fuente de información primaria. El sistema integra una función normalizadora (ejecutada a través de la API de IBM Watson) encargada de procesar el análisis semántico para extraer y cuantificar valores de entrada probabilísticos asociados a categorías emocionales. A partir de estos datos, la función significativa aplica una lógica de correspondencia afectiva, vinculando la puntuación de cada sentimiento con los tres ejes de variación definidos en la tipografía (Felicidad, Miedo e Ira). Este mecanismo genera valores transformados que modulan la morfología del glifo en tiempo real según el tono emocional del mensaje, validando la capacidad del modelo para expandir los procesos de significación al dotar al texto de una capa paralingüística automatizada que muestra su carga emocional.

Clasificación

← Anterior
Volver al índice
Siguiente →