Metodología del estudio

Cada entrevista o intervención pública del sujeto se obtiene desde su fuente audiovisual original. La pieza completa se incorpora al estudio sin recortes ni edición posterior, garantizando la integridad del registro fonético.

El audio se procesa con un sistema de reconocimiento de voz automático (WhisperX), que produce una transcripción literal de todo lo dicho durante la entrevista, alineada palabra por palabra con su marca temporal exacta. Este registro conserva la espontaneidad y las repeticiones del habla, condición indispensable para una observación fiel.

Cada fragmento de la transcripción se compara contra un conjunto de referencias vocales del presidente —muestras curadas de su voz en distintos contextos (estudio, exteriores, gritando, hablando bajo)—. Para cada fragmento se calcula su similitud con esas referencias mediante un modelo de embeddings vocales, y se conserva solo el material que supera el umbral correspondiente. Las intervenciones del entrevistador, panelistas, cortinas musicales y silencios quedan descartadas del análisis posterior.

El umbral de aceptación se calibra de forma adaptativa por audio, en función del rango de similitudes observado en esa grabación puntual. Esto permite analizar correctamente piezas con condiciones acústicas dispares —radio AM, paneles televisivos, micrófonos de campo— sin perder material legítimo ni admitir voces ajenas.

Sobre el texto aislado del sujeto se cuenta cada ocurrencia de "o sea" y "digamos". El texto se normaliza previamente —se quitan acentos, se uniforma a minúscula y se colapsan los espacios— de modo que las variantes ortográficas no estandarizadas ("osea", "ósea", "o sea") se consideren equivalentes a los efectos del estudio.

Las cifras absolutas se normalizan al tiempo real de habla del presidente —los minutos efectivos en los que su voz está activa— y no a la duración total del video. Esta decisión evita el sesgo de las entrevistas en las que el entrevistador domina la conversación y asegura que la tasa reportada represente fielmente con qué frecuencia el sujeto emite cada muletilla cuando habla.

Cada medición se registra en un repositorio versionado y se proyecta en el gráfico bidimensional del estudio: el eje horizontal muestra "o sea" por minuto, el eje vertical "digamos" por minuto. La posición de cada entrevista en el plano la ubica en una de las cuatro zonas clínicas predefinidas, descritas a continuación.