Corpus de conversaciones de WhatsApp: recolección de datos y consideraciones éticas

• Autores: Cantamutto, Lucía M.; Vela Delfa, Cristina
• Año de publicación: 2024
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Humanidades; metodología; WhatsApp; Discurso Digital; Humanidades
• Institución: Universidad Nacional de Río Negro

Fil: Cantamutto, Lucía M. Universidad Nacional de Río Negro. Centro Interdisciplinario de Estudios sobre Derechos, Inclusión y Sociedad. Río Negro, Argentina
Fil: Vela Delfa, Cristina. Universidad de Valladolid, Segovia (España)
El acceso a muestras reales de lengua es un paso fundamental para muchas investigaciones, principalmente, aquellas que, desde una perspectiva pragmática y sociolingüística, buscan analizar los usos lingüísticos contextualizados (Albelda Marco, 2021). En el Análisis del Discurso Digital (Thurlow y Mroczek, 2011; Bou-Franch, P. y Garcés Cornejo Blitvich, 2018), se observa una tendencia a recoger datos de redes sociales cuyas expectativas de circulación se acercan a la esfera pública, tales como Twitter/X o Facebook, y, en menor caso, la atención a las interacciones privadas e íntimas que ocurren a través de diferentes aplicaciones de mensajería instantánea (Pano Alamán y Moya Muñoz, 2015; Vela Delfa y Cantamutto, 2016; Cantamutto y Vela Delfa, 2023). El objetivo del presente trabajo es doble. Por un lado, presentamos una sistematización de las técnicas de recolección de datos de WhatsApp que incluye los tipos de datos que se recuperan en cada caso. Por otro lado, expondremos las consideraciones éticas que el estudio de estas piezas lingüísticas requiere. Respecto al primer punto, atenderemos a las consecuencias metodológicas de optar entre exportar chat, realizar capturas, usar el reenvío, o ser participante-observador. Sobre el segundo objetivo, atenderemos a los aspectos a considerar en la anonimización de los datos y resguardo de la identidad de los participantes, los consentimientos informados y la trazabilidad de los datos. A partir de una revisión sobre los conjuntos de datos utilizados por investigaciones previas, se evidencia un área de vacancia en torno a la constitución de corpus amplios, sistemáticos y de consulta general sobre interacciones digitales en lengua española. Además, estos datos tampoco tienen presencia en los corpus de referencia del español. La combinación de técnicas de recolección ha mostrado ser la opción más segura para recoger los datos digitales y atender a la complejidad que estos tienen. En esta línea, se plantea la importancia de realizar el tratamiento de los datos a los fines de garantizar la anonimidad de los participantes, así como las posibilidades de su explotación a través de programas de análisis lingüísticos, como Antconc.