Forza della categoria e mappe dei termini

Abbiamo usato la nostra metodologia per identificare i BCT per le popolazioni maschili e femminili separatamente. I grafici delle mappe dei termini sono presentati nella sezione supplementare 7, figure S7-S97, per tutte le lingue in WCS con almeno otto uomini e otto donne intervistati. Considerando tutte le parole di colore in tutte le lingue WCS, in molti casi, le sottopopolazioni maschili e femminili sembrano utilizzare parole simili. Siamo, tuttavia, interessati a studiare i casi in cui i comportamenti di denominazione maschile e femminile sembrano essere molto diversi. Per illustrare alcune possibili somiglianze e differenze nella forza delle categorie tra maschi e femmine, iniziamo con due esempi. La Figura 1 mostra i valori di forza delle categorie femminili e maschili, CSF e CSM, fianco a fianco per due lingue WCS.

Il pannello di sinistra mostra le forze delle categorie rispetto alle sottopopolazioni maschili e femminili della lingua Bauzi (L12 negli archivi WCS). Ogni punto rosso (blu) rappresenta una parola di colore ed è tracciato ad un’altezza corrispondente alla sua forza di categoria femminile (maschile), valore CSF (CSM). I punti che corrispondono alla stessa parola sono collegati da linee nere. Delle sette parole di colore usate dai parlanti di Language 12, cinque sono classificate come termini di colore sempre-basici (i due termini di colore mai-basici hanno forza di categoria 0), e anche quando sono separati in sottogruppi maschili e femminili le cinque parole sono sempre-basiche rispetto a entrambe le sottopopolazioni; l’ordine della forza di categoria dei termini è molto simile nei maschi e nelle femmine. Le mappe dei termini della popolazione per le sottopopolazioni maschili e femminili, che denotiamo TMw,F e TMw,M per ogni categoria corrispondente a una parola w, sono mostrate come heatmap in Fig. 2. Ogni pixel rettangolare nelle mappe dei termini rappresenta un chip di colore utilizzato nel WCS, in modo tale che i pixel nelle mappe dei termini e i chip della griglia WCS sono orientati allo stesso modo; il set completo di chip WCS è mostrato in Fig. S1 nella sezione supplementare 1 per riferimento. L’ombreggiatura più scura nelle mappe dei termini indica che i colori corrispondenti sono nominati con la parola wi da una frazione maggiore della sottopopolazione. La colorazione bianca nelle mappe dei termini indica che i colori corrispondenti non sono mai nominati con la parola wi. Possiamo vedere che il comportamento di denominazione dei parlanti di sesso femminile e maschile corrispondono strettamente su tutti e cinque i termini di colore rilevanti.

Le sottopopolazioni maschile e femminile mostrano comportamenti diversi nella lingua Cakchiquel (L17 negli archivi WCS). Nella Fig. 1, pannello destro, possiamo vedere che gli ordinamenti dei termini secondo le forze di categoria derivate dal genere sono molto diversi. Torneremo su questa lingua nella sezione in cui esploreremo le differenze concrete nel comportamento maschile e femminile nella denominazione dei colori.

Per avere una visione più globale di quanto generalmente simili o diversi possano essere i comportamenti di denominazione maschile e femminile, quantifichiamo le differenze tra TMw,F e TMw,M usando la funzione Diff (TMw,F, TMw,M) in tutte le lingue e in tutte le parole di colore che sono fondamentali rispetto ad almeno uno dei generi. La figura 3 mostra un istogramma di tutti questi dati. Possiamo vedere che, mentre la maggior parte dei termini di colore mostra un comportamento di denominazione maschile/femminile simile, ci sono termini in cui la differenza è relativamente grande; ci sono 19 parole di colore, in 14 lingue, che hanno valori Diff (TMw,F, TMw,M) maggiori di 0,25.

Una domanda importante è se le grandi differenze nella categorizzazione del colore ottenute qui sono davvero una firma delle differenze nel comportamento femminile e maschile. Può essere possibile che qualsiasi divisione casuale di una popolazione in due gruppi possa dare alcune differenze nella categorizzazione (o nell’aspetto della mappa dei termini) solo per caso. Per studiare la significatività statistica dei risultati della Fig. 3, abbiamo diviso casualmente ogni popolazione in due sottogruppi (il gruppo pseudomale e il gruppo pseudofemale) e abbiamo applicato la stessa metodologia per trovare la distribuzione globale delle differenze tra i comportamenti di denominazione pseudomale e pseudofemale di ogni lingua. Abbiamo poi contato e registrato il numero di termini che hanno un valore Diff superiore a 0,25. Abbiamo fatto questo 10.000 volte; la Fig. 3 mostra la distribuzione dei conteggi ottenuti, con area normalizzata per avere 1 unità.

Ora assumiamo la seguente ipotesi nulla: “19 o più casi con Diff ≥ 0,25 possono essere ottenuti dividendo casualmente ogni popolazione in due sottogruppi”. Si noti che quando normalizzato per avere un’area unitaria, l’istogramma in Fig. 3 può essere interpretato come una distribuzione di probabilità che mostra la probabilità che appaiano n termini ad altoDiff. Se l’ipotesi nulla è corretta, la “coda” dell’istogramma normalizzato, evidenziata in arancione, avrebbe un’area maggiore o uguale a 0,05 (usando il cut-off del 95%). Tuttavia non è questo il caso – l’area osservata è di circa 0,0191, il che implica che un grande grado di differenza nel comportamento di denominazione, assumendo che i sottogruppi siano formati da una divisione casuale della popolazione generale, si verifica con una probabilità molto piccola. Possiamo quindi concludere che le differenze osservate studiando maschi e femmine sono statisticamente significative.

L’analisi dei 19 termini che soddisfano Diff (w) > 0,25 rivela che tre termini provengono dalla lingua Karaja (L53 negli archivi WCS): ikura, iura e idy. È stato notato in Kay et al. (2009) che la raccolta di dati sui nomi dei colori è stata irregolare per questa lingua – i dati sono stati raccolti in gruppi piuttosto che da individui, il che fa sì che le mappe dei termini individuali, della sottopopolazione e dell’intera popolazione presentino distribuzioni insolite. Abbiamo quindi omesso questa lingua dallo studio; si noti che omettendo L53 da tutte le simulazioni si ottiene ancora un istogramma con dimensione della coda inferiore a 0,05, il che significa che escludere L53 non cambia le conclusioni dell’analisi di significatività statistica.

Se avessimo scelto di osservare i termini con Diff (w) > 0,2, avremmo trovato 79 termini nel set di dati WCS. Questo è un numero eccessivo di termini da studiare caso per caso in questo articolo, anche se evidenziamo alcuni esempi speciali da questo set nella Discussione. Eseguendo ulteriori analisi di significatività, troviamo che meno dell’1% di su 10.000 produce 79 o più termini con Diff (w) > 0,2, quindi possiamo concludere che lo studio di questo set di termini è anche rilevante.

Casi di studio: grandi differenze tra mappe di termini femminili e maschili

Dopo aver rimosso L53 dallo studio, ci rimangono 16 parole in 13 lingue; informazioni dettagliate per queste lingue sono fornite nella Tabella 1. Di seguito esploriamo questi 16 termini di interesse. Considerando le mappe di colore delle lingue che appaiono in questa lista, possiamo identificare i seguenti gruppi chiave determinati da grandi differenze maschio-femmina:

• Un genere lessicalizza una categoria o una divisione di categoria, e l’altro genere non lo fa (lingue 75, 81, 30, 94, 103, 67). Questo potrebbe essere causato dall’apprendimento/acquisizione di una categoria da parte di un genere prima dell’altro, e nei nostri casi ad alto Diff questo accade nella regione “verde/blu/grue” dello spazio dei colori. Convenzionalmente, “grue” si riferisce all’insieme dei colori che possono essere descritti in inglese con blue o green.

• I generi lessicalizzano categorie simili, ma possono avere nomi preferiti diversi per la categoria. Questo potrebbe essere causato da sinonimi nativi di parole di colore (lingua 103), o da parole di colore prese in prestito che competono con le parole di colore native esistenti (lingue 67, 45, 17). Nei nostri casi ad alto Diff, vediamo questo verificarsi nella regione “viola” e (un esempio) nella regione “verde/blu/grue” dello spazio colore.

• Altro (lingue 6, 21, 34, 46, 49).

Di seguito consideriamo più in dettaglio i casi che indicano l’emergere di una categoria nello schema di categorizzazione dei colori di un solo genere. In particolare, evidenziamo il comportamento di denominazione dei colori esibito dalle lingue Murle, Patep, Colorado, Tboli, Walpiri, Mazahua, Huastec e Cakchiquel. I rimanenti casi di grandi differenze (chiamati “altri” sopra) non mostrano un comportamento insolito o interessante, così li affrontiamo nella Sezione Supplementare 2.

Caso 1: Murle (L75)

La lingua Murle ha un termine, nyapus (w11), che ha un alto valore Diff, vedi la seconda riga della Fig. 4. Possiamo vedere che secondo la sottopopolazione femminile, w11 designa occasionalmente la regione dei colori “azzurri”, mentre la sottopopolazione maschile non usa affatto w11. I parlanti maschi usano solo w1 per designare i colori grue. Mentre le femmine usano anche w1 per designare i colori grue (la categoria grue), le mappe dei termini sembrano indicare che la sottopopolazione femminile ha usato una debole categoria extra che copre i colori “azzurri”, che la sottopopolazione maschile non usa. Notiamo anche che la categoria grue per le femmine è polarizzata verso le tonalità verdi, mentre la “grue” maschile è relativamente equilibrata.

Caso 2: Patep (L81)

La lingua Patep ha un termine, bilu (w8), che ha un alto valore Diff, vedi la terza riga della Fig. 5. Possiamo vedere che w8 designa meglio la regione “blu” dei colori. Tuttavia, possiamo anche vedere dalla colorazione in scala di grigi della categoria maschile w8 che i parlanti maschi non usano w8 abbastanza spesso o in modo abbastanza consistente da qualificare w8 come CSM basic. Infatti, i parlanti maschi usano w2 per designare i colori “blu” e “verde”, e occasionalmente usano anche w1 per designare i colori “verdi”. Le femmine separano distintamente le categorie di colore “verde” e “blu” con w2 e w8, rispettivamente.

Caso 3: Colorado (L30)

La lingua Colorado ha un termine, losimban (w4), che ha un alto valore Diff, vedi la prima riga della Fig. 6. Le femmine usano w6 per designare il “blu” e w4 per designare il “verde”. Al contrario, i maschi usano raramente w4 per designare entrambi i colori “verde” e “blu”; w6 è usato abbastanza raramente dalla popolazione maschile e sembra essere usato per designare i colori che non rientrano in una categoria nota.

Caso 4: Tboli (L94)

La lingua Tboli ha un termine, gingung (w7), che ha un alto valore Diff (vedi Fig. 7). Le femmine usano w7 per designare “blu scuro-viola” mentre i maschi usano raramente w7; i colori “blu scuro-viola” non sono rappresentati in nessun’altra categoria maschile.

Nei prossimi casi di studio, osserviamo la coesistenza di nomi concorrenti per la stessa categoria di colore.

Caso 5: Walpiri (L103)

La lingua Walpiri ha un termine, wajirrkikajirrki (w12), che ha un alto valore Diff, vedi la seconda riga di Fig. 8. Le femmine hanno due parole concorrenti che designano i colori “verdi”: w12 e w14. I colori “nero” e “blu” sono coperti da w7. D’altra parte, i maschi usano raramente w12 per designare il “verde”, ma usano w14 (e molto occasionalmente w7) per designare il “verde”. A parte una debole presenza nella categoria w7, i colori “blu” appaiono nella categoria non base w10 sia per i maschi che per le femmine (con una forza maggiore per le femmine). Il walpiri è stato considerato in dettaglio in Lindsey e Brown (2009) che hanno identificato l’esistenza di cinque motivi di denominazione dei colori in questa lingua; sembra che le differenze di genere nella denominazione dei colori contribuiscano a questa diversità.

Caso 6: Mahahua (L67)

La lingua Mazahua ha due termini che hanno alti valori diff: morado e verde. Ci riferiamo alle parole, rispettivamente, come w28 e w47, sulla base dell’enumerazione WCS. Le mappe dei termini maschili e femminili per w47 sono mostrate nella sesta riga della Fig. 9. Possiamo vedere che i parlanti maschi non usano quasi mai w47 per designare alcun colore, mentre le femmine usano w47 con alta frequenza e coerenza quando descrivono colori che si avvicinano alla categoria inglese “green”. Questo è particolarmente interessante quando consideriamo le mappe dei termini di w4, mostrate nella seconda riga della Fig. 9. Le femmine usano w4 per designare i colori “blu” inglesi, mentre i maschi usano w4 per designare la combinazione di colori “blu” e “verde” (“grue”). Pertanto, questo è un esempio in cui un genere lessicalizza una grande categoria (“grue”), mentre l’altro genere la divide in due categorie più piccole (“blu” e “verde”). Le mappe terminologiche maschili e femminili per w28 sono mostrate nella quinta riga della Fig. 9. w28 è usato da maschi e femmine per designare la regione “viola” dei colori. Tuttavia, i parlanti di sesso femminile usano solo w28 per designare il “viola” mentre i parlanti di sesso maschile usano anche w7 per designare lo stesso insieme di colori.

Caso 7: Huastec (L45)

La lingua Huastec ha due termini, morado e muyaky (w5 e w6), che hanno alti valori Diff (vedi Fig. 10). Le femmine e i maschi usano entrambi i termini per designare la regione “viola” dei colori. Tuttavia, le parlanti femminili favoriscono w6 mentre i parlanti maschili favoriscono w5. È interessante che in questa lingua i maschi usano il termine morado, preso in prestito dallo spagnolo, mentre le femmine usano il (tradizionale) muyaku. Questo mostra un modello simile a quello trovato da Samarina (2007) nelle lingue del Caucaso, che si spiega con le differenze di genere nello stile di vita. Le femmine che sono tipicamente coinvolte in pratiche che richiedono attenzione a cibi, tinture e piante, tendono a usare termini di colore indigeni e descrittivi. I maschi, al contrario, sono coinvolti nel commercio e in altre attività al di fuori dell’ambiente domestico, il che li porta a usare termini di colore più astratti, adottati.

Caso 8: Cakchiquel (L17)

La lingua Cakchiquel ha un termine, lila (w16), che ha un alto valore Diff, vedi la quinta riga della Fig. 11. Le femmine usano w16 per designare “viola chiaro”; i maschi usano w16 con meno frequenza e coerenza quando descrivono lo stesso insieme di colori. Tuttavia, possiamo vedere che mentre le femmine usano w10 per designare i colori “viola scuro”, i maschi usano w10 per designare tutti i colori nella regione del “viola”, comprese le varietà chiare e scure.

Esemplari di categorie maschili e femminili

In Fider et al. (2017) abbiamo delineato metodi per identificare e analizzare esemplari di categorie in base ai dati di un compito di denominazione dei colori. Applicando tali metodi alle sottopopolazioni femminili e maschili, abbiamo trovato che, sebbene in alcune lingue gli esemplari maschili e femminili fossero diversi, questo risultato non era statisticamente significativo, nel senso che modelli simili sono stati osservati in simulazioni con popolazioni pseudomaschili e pseudofemminili selezionate a caso. Va notato che l’algoritmo che individua l’esemplare di una categoria dipende dal trovare il centroide tridimensionale di una collezione di colori e proiettarlo sul set di colori WCS. La collezione originale di colori proviene dal set di colori WCS, che è scelto principalmente dalla “superficie” di un solido di colore tridimensionale; calcolare il centro di massa e proiettarlo sulla griglia WCS introduce il potenziale di errore, e i risultati esemplari maschio/femmina apparentemente casuali potrebbero essere semplicemente una conseguenza di questo problema. I dettagli riguardanti i nostri metodi e risultati basati sugli esemplari possono essere trovati nella sezione supplementare 4.

.