Cuando hice la solicitud para entrar en la universidad tuve que escribir acerca de mí. Seguro que tú también lo hiciste. No logro recordar la pregunta que figuraba en la solicitud porque fuera lo que fuese lo que preguntaban no venía al caso. La redacción tenía el propósito de hacer que hablase de Christian Rudder, de modo que el personal de admisiones pudiera decidir si les gustaba lo que leían. Tal como figura ahora en el formulario de solicitud habitual: «La redacción personal nos ayuda a conocerte como persona».

Siendo ya entonces un bisoño amante del melodrama, escribí acerca de la pena que me iba a dar dejar a mi perro en casa cuando fuese a la universidad. Frosty llegó a casa cuando yo tenía seis años y habíamos crecido juntos. Pero tal como funciona lo de los años de los perros, se había hecho viejo demasiado deprisa. Mi familia se había mudado bastantes veces y el perro era el último vínculo que me quedaba con la infancia profunda: clubes deportivos, piscinas del barrio, amigos; todo eso lo había dejado atrás en Houston, en Cleveland o en Louisville, pero Frosty siempre permaneció a mi lado. El siguiente traslado, sin embargo, sabía que lo iba a tener que hacer solo.

En cualquier caso, perdido y a la deriva en aquellos tránsitos y en aquellas camisetas enormes con dibujos de M. C. Escher que llevaba, rellené mi solicitud para la universidad. No he escrito muchos textos de autoafirmación desde entonces, pero implicado como estoy en el negocio de entender a la gente, no puedo evitar rememorar mi yo de 17 años y la redacción que opté por escribir. ¿Por qué hablar de Frosty y de hacerse viejo? ¿Por qué no hablar de béisbol? ¿O de baloncesto? ¿O de tenis? ¿O de estadísticas de béisbol? ¿O de cualquier otra de mis aficiones? ¿Qué fue lo que, al preguntarme «Quién eres», me incitó a responder como lo hice? Y, lo que es más importante, ¿cómo contestaban a esa pregunta los demás chavales?

Ahora, pasados veinte años, me veo leyendo millones de redacciones —miles de millones de palabras— escritas más o menos como respuesta a esa pregunta: «¿Quién eres?». Y este corpus de textos me permite abordar ese mismo proceso de admisión en la universidad pero en sentido inverso. En lugar de cotejar escritos uno a uno con un ideal preconcebido (es decir, el «material universitario»), puedo juntar todos los textos, triturarlos y ver qué ideales me descubren. Algunas veces, el conjunto de datos es tan sólido que si encaras bien tu análisis no te hace falta preguntar nada: el propio análisis te lo dice todo. ¿Cómo se describe la gente a sí misma? ¿Qué es importante, qué es típico, qué es atípico? Cuando a todo el mundo le toca el turno de poner en palabras quiénes son, ¿qué identidades esbozan?

Aquí vamos a tratar con categorías amplias: negros, blancos, asiáticos, mujeres, hombres, etcétera. Uno de los problemas que surgen a la hora de estudiar cualquier grupo concreto es que uno siempre lleva consigo sus prejuicios y sus preconcepciones. Lo que eliges advertir, recordar y transcribir tiene tanto que ver con tu modo de mirar como con aquello que en realidad tienes delante. En ciencias sociales, el conocimiento, como el agua, muchas veces adquiere la forma de su contenedor. Así que si queremos coger todas las declaraciones escritas que he recopilado y a partir de ellas formarnos una idea de quiénes son sus escritores —qué hace que grupos étnicos, sexos y orientaciones sean únicos— tendremos que desarrollar un algoritmo que extraiga el «nosotros» de esos textos y deje solamente el «ellos».

Los textos de presentación que ponen los usuarios en OkCupid son lo más parecido que se puede encontrar a un autorresumen. Son de final abierto:

«Mi autorresumen es…»

«Se me da especialmente bien…»

«Normalmente, lo primero en lo que la gente se fija de mí es…»

«Dedico mucho tiempo a pensar en…»

Y en tanto que la gente se esfuerza por empezar con buen pie no difieren tanto de las redacciones para la universidad. Imagino que mucha gente se enfrenta a ellos con parecido pavor. No hay limitaciones de extensión ni directrices en esas manifestaciones escritas. En total, la gente ha aportado al sitio web 3200 millones de palabras de autodescripción. Además, a diferencia de otros grandes bloques de texto —por ejemplo, los que ha recopilado Google Libros—, detrás de cada palabra hay datos demográficos: la edad del autor, dónde vive, su raza y demás. Pero inferir de un texto la identidad grupal de, pongamos, las mujeres asiáticas no es tan sencillo como contar quién teclea más caracteres, que en gran medida es la manera en la que hemos tratado los textos hasta ahora en este libro. Si contamos palabras solo obtenemos esto:

1. the
2. of
3. and
4. …

y así sucesivamente; básicamente, esas 100 palabras más usadas del Oxford English Corpus que hemos visto antes. Las mujeres asiáticas, los hombres blancos y todos los hablantes del inglés emplean los mismos pronombres, artículos y preposiciones para hablar de sí mismos. Para averiguar qué es de verdad lo que hace que determinado grupo, y solo ese grupo, sea especial hemos de clasificar el texto de manera algo distinta.

Me serviré de los hombres blancos como ejemplo ilustrativo, porque son los que mejor conozco. El primer paso es separar los textos de esos hombres blancos de los del resto. Después, en los dos conjuntos de autodescripciones —las de los hombres blancos y las de los que no lo son— ordenamos todas las frases y palabras de los textos por la frecuencia con la que aparecen. Las ponemos en dos listas, de la más usada a la menos usada, y obtenemos así una cosa parecida al diagrama de abajo. He extraído tres ejemplos y los he puesto en los sitios que les corresponden de la línea; las listas completas constan de alrededor de 360 000 frases cada una:

Ya vamos llegando a alguna parte, pero antes de seguir avanzando y mientras la lista sigue siendo sencilla, debo decir que en estos gráficos hay algo que resulta confuso. No, no tiene nada que ver con la banda Phish, aunque Dios es testigo de que han confundido a muchos. Se trata de que las palabras «pizza» y «the» parecen mencionarse prácticamente el mismo número de veces. De acuerdo con que la pizza es la reina de la comida, pero ese «the» es la palabra absolutamente más popular de la lengua inglesa. Y en nuestros datos, aunque el «the» está en su pertinente primer puesto en lo más alto, al parecer «pizza» está justo a su lado, con un percentil de 98. Esto puede causar la impresión de que hay algo que está mal en mis datos o en mi método, pero la clasificación de las palabras es la correcta. Es solo que los humanos empleamos el lenguaje de un modo peculiar: siempre nos estamos repitiendo. Así que un puñado de palabras de lo más alto de la clasificación acaparan la mayor parte de lo que escribimos. Y, a la inversa, la frecuencia de una palabra cae en picado en cuanto te alejas aunque sea mínimamente de las «más populares».

Esta relación contradictoria entre la popularidad de una palabra (su «rango», en el vocabulario especializado) y el número de veces que aparece la describe lo que se denomina ley de Zipf, una propiedad estadística que se ha observado en el lenguaje y que, como ocurre con otras joyas de las matemáticas, reside en alguna parte entre el milagro y la coincidencia^[25]. Su enunciado es que en cualquier cuerpo extenso de texto, la popularidad de una palabra (su puesto en el vocabulario, en el que el 1 es el rango más alto) multiplicada por el número de veces que figura es idéntica para cualquier palabra de ese texto. O, expresado con más elegancia:

rango × número = constante

Esta ley vale para la Biblia, para las letras de canciones de los años sesenta, para el corpus canónico de la literatura inglesa (el Oxford English Corpus) y también, claro, para los textos de los perfiles. Para ver lo bien que funciona en la práctica, incluso en un texto sumamente idiosincrásico, he aquí la ley aplicada al Ulises de James Joyce^[26]:

La relación invariable entre rango y número parece ser una propiedad de la mente tanto como lo es del lenguaje. Como puede verse, la tabla abarca nombres propios arbitrarios, como «Ireland» y «Zurich», e incluso palabras transcritas de un dialecto, como esa «’s».

Y para mayor prueba de su estrecho vínculo con la experiencia humana, la ley de Zipf también sirve para describir varias de nuestras creaciones sociales: el tamaño de las ciudades, por ejemplo, o la distribución de ingresos entre determinada población. Lo que eso implica para lo que aquí nos ocupa es que dado que el lenguaje no es más que un pequeño cuerpo de patrones repetidos, el uso de una palabra decae enseguida. El artículo «the» aparece en casi todos los perfiles. «Pizza» figura en uno de cada 14. «Phish», incluso en el caso de los hombres blancos, para quienes alcanza un rango tan elevado como el percentil 80, aparece en menos de uno de cada 200 perfiles. Ahora que ya entendemos cómo comparar los rangos y la frecuencia de uso, el siguiente paso es emplear esos rangos en nuestro provecho.

A continuación he colocado las dos listas en ángulo recto, formando un cuadrado, y he ubicado las palabras en su interior empleando como coordenadas sus rangos de popularidad en ambas listas. He puesto unas flechas en la palabra «phish» para que quede claro:

Aquí, la posición de una palabra tiene doble significado. Cuanto más cerca esté del margen máximo, más popular es entre los hombres blancos. Cuanto más a la derecha aparece, más popular es entre todos los demás. Si añadimos unas cuantas palabras más al gráfico nos haremos una idea de cómo funciona esta geometría antes de que pasemos a ver el corpus completo:

También aquí he añadido una línea en diagonal para mostrar la paridad de los datos. Las palabras que más cerca están de la diagonal son igual de importantes para todos. Y cuanto más hacia arriba y a la derecha están, más universalmente importantes son. Pero recordemos que no estamos buscando universalidades. Estamos buscando particularidades. Queremos saber qué es especial para la gente que estamos analizando: en este caso, hombres blancos. Para lo cual deberemos fijarnos en la parte superior izquierda: cuanto más se acerque una palabra a ese punto, con más frecuencia la usan los hombres blancos y con menos frecuencia la usan todos los demás. De hecho, cuanto más cerca se halla una palabra de ese remoto ámbito de la masculinidad blanca, el vértice superior izquierdo del cuadrado, más los tipifica a ellos y solo a ellos. Imaginemos que hay un punto justo en esa esquina; para estar allí, la palabra debería aparecer en todos y cada uno de los perfiles de hombres blancos y, a la vez, no aparecer en ningún otro perfil. Al menos en lo que concierne a las palabras que aparecen en un escrito de presentación, ese sería el ideal platónico de la identidad. Este sistema, y esa medida —la distancia del vértice superior izquierdo— les facilita a los datos una manera de hablarnos, de ayudarnos a entender cómo hablan las personas de sí mismas.

Puesto que cada conjunto de datos tiene sus peculiaridades, muchas veces los investigadores crean herramientas desde cero, como hemos hecho aquí. Siempre que hagas esto conviene que verifiques tu método mediante resultados ya conocidos. Imagina que un armador tiene un buque nuevo: quién sabe lo que ocurrirá cuando esté en alta mar, así que mejor revisar bien el casco cuando esté cerca de la orilla por si tiene agujeros. En este caso, si hubiésemos encontrado que «Kpop» (pop coreano) o «dreads» aparecían en la esquina superior izquierda, en mi supuesto rincón de la hombría blanca, tendríamos un indicio muy claro de que mis datos o mi método son una porquería. Pero, como se puede ver, funciona a la perfección.

Así pues, por fin, he aquí el aspecto que presenta el corpus completo de palabras y frases:

He rodeado con un círculo el punto que más se acerca al vértice superior izquierdo; es la cosa más masculina blanca que una persona puede escribir sobre sí misma: «mis ojos azules». Y para obtener una lista más extensa de las cosas que definen singularmente a los hombres blancos solo es cuestión de ir alejándose de ese vértice: por ejemplo, los 30 puntos más cercanos son las 30 cosas más típicas. La geometría encuentra los clichés por nosotros.

He hecho gráficos como este para todos los que componen mi conjunto de datos, no solo los tipos blancos, y con este mismo método matemático he obtenido también listas de sus palabras y frases exclusivas. Pero antes de pasar a enumerar todo eso, quiero señalar una cuestión importante. Si repasamos cualquiera de las combinaciones de sexo × grupo étnico × orientación obtendremos 2 × 4 × 3 = 24 gráficos como este que hay arriba, y en todos ellos la masa de puntos tiene esa misma forma ahusada, ancha por abajo a la izquierda y que se estrecha en la esquina superior derecha. Es decir, cuanto más cerca está una frase de esa esquina superior derecha, más se aproxima a la línea diagonal. Lo que eso significa es que tendemos a estar de acuerdo en las cosas más importantes. En cuanto a las cosas en las que no coincidimos, las he enumerado con todo detalle a continuación. Empezaré por los hombres^[27]:

palabras más típicas de hombres…

Puede que Phish ya no figure en esa lista, pero en el interior del hombre blanco sigue bullendo un festival de música para leñadores.

En cuanto a las otras tres listas, nunca había oído hablar de Zane, ni de Anthony Hamilton, ni de The Coldest Winter Ever, ni de Chunking Express, ni de Dash Berlin ni de muchas de las cosas que ahí aparecen antes de que mis scripts las escupiesen, y no voy a pretender que unos cuantos minutos consultando Wikipedia sustituyan a toda la comprensión de una cultura. Se trata de usuarios que hablan con voz propia, y mi intención es dejarles que hagan eso mismo, pero sí quiero señalar unas cuantas tendencias generales: los blancos se diferencian a sí mismos sobre todo por su pelo y sus ojos, los asiáticos por su país de origen y los latinos por su música. Pero debido a la configuración matemática, las tres listas de no blancos evidencian unas culturas que yo, como hombre blanco, no se supone que tenga que conocer. Naturalmente, todos estamos familiarizados con Spike Lee, Pekín y Shanghái, pero estas listas nos proporcionan la visión que tiene un «autóctono» de determinada cultura. Es una visión que un foráneo no puede lograr mediante la función de autorrelleno, ni de cualquier otra manera que implique ir de arriba abajo, porque no podemos preguntar sobre algo de cuya existencia no somos conscientes. «¿Por qué a los asiáticos les gusta Norwegian Wood (Tokio Blues)?» no es un estereotipo porque no son muchos los asiáticos que conozcan la novela (de Haruki Murakami) o la película. Yo creí que se refería a la canción de los Beatles, y si antes de escribir este capítulo alguien me hubiese preguntado si había visto Norwegian Wood, le habría contestado: «No creo que por aquel entonces hiciesen videoclips». Estas listas que hemos visto son nuestro santo y seña. Como tales, no son algo que uno pueda generar a priori, ya sea escribiendo cosas en Google Tendencias o buscando entre millones de hashtags. A veces hace falta un algoritmo ciego para ver realmente los datos.

Aquí van las listas de las mujeres. Como podrás observar, son muy parecidas a las de los hombres en cuanto a su esencia. Si acaso, contienen unas cuantas baladas más.

palabras más típicas de mujeres…

Mientras trabajaba con esto he descubierto que el algoritmo que empleamos para confeccionar estas listas es flexible. Puedes hacer las cuentas a la inversa con la misma facilidad. De ese modo obtienes la antítesis de un grupo: las cosas de las que específicamente no hablan, que pueden arrojar tanta luz como aquellas de las que hablan especialmente. Estas son las listas de los hombres; están impresas sobre un fondo más oscuro para acentuar gráficamente que estas listas son lo opuesto a las anteriores. Son las palabras menos usadas por estos grupos pero que más usan todos los demás, el espacio negativo de nuestro test de Rorschach verbal. Vale la pena leerlas de cabo a rabo:

palabras más antitéticas de hombres…

La lista de los «opuestos a los latinos» es la que más me sorprende. Los demógrafos muchas veces fusionan las identidades hispana y blanca; por ejemplo, el censo de Estados Unidos lleva años tratando de separarlas. Pero el único recurso que tienen para hacerlo son las casillas de verificación de sus formularios. Las listas de palabras «más típicas» y sus «opuestas» de los latinos que vemos aquí definen los extremos. La primera nos brinda lo más extendido de la cultura latina (la música y la lengua) y la segunda nos da el estereotipo del blanco «criado con maíz» del Medio Oeste, que es una de las pocas subculturas blancas exenta de influencias de los latinos. Nótese también que las cosas «menos asiáticas» son todas palabras mal escritas, oficios de la clase trabajadora y otras cosas de índole pedestre, como los padres solteros. Y, naturalmente, también están esos «6,4» (pies de estatura).

Las listas correspondientes a las mujeres son igualmente interesantes, y vuelvo a sugerir leerlas enteras. En las antítesis asiáticas está ese sorprendente «me llamo Ashley». Y debo decir, como toque de orgullo profesional, que cuando le preguntas a un algoritmo «¿De qué no hablan las mujeres negras?» y te contesta «bronceado», sabes que lo has hecho bien.

palabras más antitéticas de mujeres…

Hasta ahora he hablado mucho de la raza, y lo he hecho, como ya he señalado, porque es algo que no se suele tratar mucho de manera analítica. Y los datos de que dispongo son ideales para derribar tabúes. Pero el sexo es lo más importante, con diferencia, de lo que agrupa a los humanos. Siempre ha existido, aunque nos remontemos a cuando no éramos más que un solo pueblo, y tal vez a causa de esas raíces tan profundamente hincadas en el tiempo; los roles de género son más universales y más tercamente inmutables que cualquier otro. Es fácil olvidar, dado lo imposible de erradicar que parece la segregación racial, que las ideas raciales son producto del tiempo y la ubicación geográfica. Los irlandeses y los europeos orientales no se consideraban «blancos» hasta la década de 1900; en México, los indígenas mayas y los mestizos de sangre española llevan siglos siendo grupos étnicos diferentes (y adversarios políticos). Aun así, para mucha gente de Estados Unidos, ambos son simplemente «hispanos». Pero la división sexual es un hecho propio de la cultura humana, de toda cultura y de cualquier época.

Paradójicamente, OkCupid no es el mejor sitio para estudiar las diferencias entre hombres y mujeres, al menos no mediante el método que hemos desarrollado aquí. Tu sexo es algo innato en la manera en que usas una web de contactos, de modo que, por ejemplo, lo más destacado que observamos en el texto de los perfiles de las mujeres (heteros) es que van en busca de un hombre, y así con el resto. El sexo y el texto del perfil son indisolubles, y cualquier análisis no arroja más que redundancias. La fuente ideal para analizar la diferencia de géneros es aquella en la que el género del usuario es nominalmente irrelevante, en la que no importa que la persona sea hombre o mujer. Ese terreno neutral es para mí Twitter. Las listas que vienen a continuación se elaboraron mediante el mismo proceso matemático que las que hemos visto de OkCupid, pero empleando el texto de los tuits de los usuarios.

palabras más típicas de…

Con esto obtenemos la esencia destilada de hombres y mujeres: lee la lista y vuélvete más estúpido. Recuerda, antes de deprimirte, que el método está diseñado para hallar lo que es exclusivo de cada grupo, para encontrar las cosas que no tienen en común y ponerlas en primer plano. Es la versión matemática del dibujante callejero: la caricatura a través del algoritmo, en lugar del aerógrafo.

Estas palabras son los extremos, pero tanto en hombres y mujeres, al igual que en los grupos étnicos que hemos visto, el vocabulario básico («the», «pizza» y demás) es común. De hecho, existe un consenso cada vez mayor entre los psicólogos respecto a que hombres y mujeres son fundamentalmente muy parecidos, pese a la cosmología popular que los coloca en planetas distintos. Los investigadores de la Universidad de Rochester proclamaron recientemente que «Los hombres son de Marte la Tierra y las mujeres son de Venus la Tierra», y concluyeron:

Desde la empatía y la sexualidad hasta la inclinación por la ciencia y la extroversión, el análisis estadístico de 122 características referidas a 13 301 individuos demuestra que hombres y mujeres, en líneas generales, no pertenecen a grupos distintos.

Y aun así, aunque mi método está hecho para extraer las diferencias, cuesta imaginar dos series de intereses más contrapuestos que los que aparecen en la lista de arriba. No sé por cuál de los dos decantarme: por una parte, no es un mundo mejor aquel en el que las mujeres tienen fijación por su aspecto y los hombres viven a base de chutes de proteínas; por otra parte, si hombres y mujeres fuesen exactamente iguales, la vida no tendría mucha gracia. Lo mismo ocurre con las listas por grupos étnicos. Las diferencias culturales, aunque a veces den risa, hacen del mundo un lugar más rico.

Lo de Marte y Venus, por muy metafórico que sea, me recuerda que el firmamento ha sido un punto de referencia para la ciencia desde antiguo. Aristóteles miraba al vacío que tenía sobre su cabeza en busca de verificación de su éter. Newton confirmó su ley de la inversa del cuadrado a través del movimiento de Marte. Incluso Einstein no fue del todo Einstein hasta que el sol y la luna lo dijeron, en un eclipse producido en 1919 que confirmó su teoría de la relatividad. Pese a que aquí no estamos trabajando en algo tan grandioso como todo eso, debo decir que confío en que el texto irónicamente tachado del título de ese artículo sea precipitado, al menos en cuanto a las cosas de las que hablamos y a nuestra manera de emplear el tiempo. Míralo de este modo: si no hubiese ningún otro planeta más que la Tierra, el universo sería un sitio muy aburrido.