L E N G U A H A B L A D A Y ESTRATO SOCIAL: U N A C E R C A M I E N T O LEXICOESTADÍSTICO*

I N T R O D U C C I Ó N

E l léxico es u n acervo que n o r m a l m e n t e se incrementa a lo largo de toda la v i d a de u n i n d i v i d u o . U n vocabular io extenso supone —así sea potenc ia lmente , sin considerar entre otros factores los de orden psicológico y social y la capacidad para usarlo e f i c ientemente— u n a pos ib i l idad m a y o r para comprender y ex­presarse. E n otros términos, u n vocabular io más r ico i m p l i c a u n universo conceptual m a y o r y , en este sentido, u n a m a y o r c u l t u r a — s i n discriminación de la c o m u n i d a d que la p r o d u z c a — , en la m e d i d a en que las palabras son portadoras de conocimientos y los generan.

A p a r t i r de lo anter i o r y del interés que pueda tener la evalua­ción estadística del vocabular io de la lengua hablada , en esta i n ­vestigación exploro algunas posibil idades para d e t e r m i n a r cuan­t i ta t i vamente el léxico del español hablado en M é x i c o por varios grupos sociales. M e propongo establecer las diferencias entre ellos con base en tres índices a los cuales me referiré in extenso más ade­lante . Para esto me apoyo en u n corpus léxico que se recogió de grabaciones realizadas en todo el país con in formantes de u n o y o t ro sexo, de d i s t in ta edad y condición social, y nat ivos de d iver ­sas localidades.

Este artículo fue leído en versión menos extensa como ponencia en el V I I I Congreso Internacional de la Asociación de Lingüística y Filología de la América Lat ina , San M i g u e l de Tucumán, Argent ina, 7 al 11 de septiem­bre de 1987.

NRFH, X X X V I (1988), num. 1, 131-148

132 RAÚL ÁVILA NRFH, X X X V I

T E X T O S Y OORPUS LÉXICO

E l léxico se obtuvo de 205 textos que fueron seleccionados por el g rupo de investigadores del D i c c i onar io del Español de Méx ico t o m a n d o como fuente otras tantas entrevistas grabadas que se h i ­c ieron para el proyecto de delimitación de las zonas dialectales del país 1 y para el estudio del habla de la c iudad de Méx i co 2 . Los * textos fueron poster iormente procesados por c o m p u t a d o r a 3 e i n ­corporados al corpus del D E M 4 . Más adelante, tras revisar el cor-pus menc ionado en los archivos de c o m p u t a d o r a , seleccioné del

T A B L A 1 Número y sexo de los informantes por texto

Número Sexo de infs.

Mase Fem M y F* Total

uno 83 82 165 dos 11 15 13 39 tres 1 1

Total 94 97 14 205

* Entrevistas con informantes de distinto sexo.

1 Las entrevistas fueron realizadas por el Seminario de Dialectología del Centro de Estudios Lingüísticos y Literarios de E l Colegio de México. Cf . , para esto, J . M . L O P E B L A N C H , " L a s zonas dialectales de México: proyecto de delimitación", NRFH, 19 (1970), 1-11.

2 Fueron hechas por el Centro de Lingüística Hispánica de la Univers i ­dad Nacional Autónoma de México y se publicaron en El habla de la ciudad de México. Materiales para su estudio, U N A M , México, 1971.

3 E l trabajo de computación se llevó a cabo en el Centro de Procesamiento de Datos A r t u r o Rosenblueth de la Secretaría de Educación Pública. Para la delimitación, la revisión y el análisis de m i corpus conté con la ayuda de Ale­jandro Medel y Héctor Vázquez, de la institución mencionada. También re­cibí el apoyo técnico y la asesoría de la U n i d a d de Cómputo de El Colegio de México.

4 Véase L . F. L A R A y R . H A M C H A N D E , "Base estadística del Dicciona­rio del Español de M é x i c o " , en L . F. L A R A , R. H A M C H A N D E e I . GARCÍA H I ­D A L G O , Investigaciones lingüisticas en lexicografía, E l Colegio de México, México, 1979, pp. 27 ss. Tomé también los informantes de cultura media y baja del corpus del D E M . Como señalan L A R A y H A M C H A N D E , su unidad de mues-treo seleccionada aleatoriamente es " e l párrafo, y u n texto tendrá tantos pá­rrafos como se necesite para alcanzar la extensión de aproximadamente 2 000 ocurrencias" (p. 31). E l art . cit. apareció originalmente en NRFH. 23 (1974), 245-267.

NRFH, X X X V I LENGUA HABLADA Y ESTRATO SOCIAL 133

m i s m o los textos que f o r m a n la base y la u n i d a d estadística de m i investigación 5 .

C o m o puede verse en la tab la 1 , las entrevistas fueron rea l i ­zadas en su m a y o r parte con u n solo i n f o r m a n t e ( 8 0 . 5 % ) ; hubo también u n buen número de ellas con dos ( 1 9 % ) y u n a sola con tres personas ( 0 . 5 % ) . E n cuanto al sexo de los part ic ipantes , si se consideran los textos que fueron producidos p o r u n a o dos per­sonas del mismo sexo, hubo u n porcentaje bastante similar de h o m ­bres ( 4 5 . 9 % ) y de mujeres ( 4 7 . 3 % ) . F u e r o n menos ( 6 . 8 % ) las entrevistas en las que p a r t i c i p a r o n dos o tres in formantes de dis­t i n t o sexo.

E n lo referente al estrato social o n ive l c u l t u r a l 6 de los in f o r ­mantes (tabla 2) , los porcentajes fueron , para el n ive l alto, 2 2 . 9 % ; p a r a el med io , 3 1 . 7 % ; y para el ba jo , 4 5 . 4 % . C o n los datos reco­gidos en las entrevistas organicé siete grupos , de acuerdo con la edad de los part ic ipantes , con la finalidad de adver t i r c ó m o esta-

T A B L A 2

Edad y nivel cultural de los informantes por texto Edad en años

Nivel 17-21 22-29 30-39 40-49 50-59 60-69 70- Total

A l t o 0 10 8 14 7 4 4 47 M e d i o 13 16 14 12 6 4 0 65 Bajo 12 19 21 17 15 6 3 93

Total 25 45 43 43 28 14 7 205

Nota: En los casos de dos o tres informantes se obtuvo la edad promed io.

5 Tras formar el archivo mediante la selección de textos exclusivamente de lengua hablada, se revisaron los datos procesados por computadora y se reclasificaron los informantes de acuerdo con las características que menciono infra. Se recogió el texto completo —alrededor de 2 000 palabras, como i n d i ­qué en la nota anter ior— de cada una de las entrevistas. Cabe destacar, por otra parte, que los textos del D E M fueron codificados, en este caso, por entre­vista y no se del imitaron las intervenciones de cada uno de los informantes. Por ese mot ivo , cuando me refiero a informantes debe entenderse que los con­sidero unitariamente por cada texto para fines estadísticos.

6 E l nivel cultural fue determinado a part i r de características tales como la escolaridad y la ocupación. Ut i l i zo tanto esa expresión —empleada por quie­nes diseñaron las investigaciones originales— como estrato o nivel social con el mismo sentido. Personalmente realicé algunas grabaciones de entrevistas pa­ra el Atlas Lingüístico del Español de México. Cf. notas 1 y 2 para referencias bibliográficas.

134 RAÚL Á V I L A NRFH, X X X V I

b a const i tuida la muestra en relación con esta v a r i a b l e 7 . Porcen-tua lmente , los grupos de edad v a n desde u n mínimo de 3 . 4 % pa­r a el grupo de 70 o más años hasta el máximo de 2 1 . 9 % p a r a el g rupo de 22 a 29 años. L a zona —última variable de la m u e s t r a — incluyó, por u n a parte , la c iudad de Méx i co ( 4 3 . 4 % ) y por o t r a , las entrevistas hechas en diferentes localidades del país ( 5 6 . 6 % ) 8 .

D e l to ta l de los textos procesados por c omputadora se formó u n corpus de 428 899 palabras-ocurrencia o palabras gráficas, ex­c luyendo los nombres propios y los números escritos con guaris ­mos , los cuales no fueron registrados en los datos estadísticos que ofrezco más adelante 9 . D e ese corpus se obtuvo , de nuevo m e d i a n ­te u n p r o g r a m a de cómputo , u n tota l de 23 504 palabras d i f e ren ­tes o tipos léx icos 1 0 . M á s adelante, después de revisar la l ista de t ipos , los asociamos a los vocablos correspondientes 1 1 y , tras ser

7 Para las entrevistas en las que intervenían dos o más informantes con­sideré la edad promedio de los mismos. E n ningún caso la diferencia de edad de los participantes fue de más de diez años.

8 Las localidades se distribuyeron prácticamente por todos los estados de la República, de acuerdo con una delimitación provisional de las zonas dialec­tales de México que propuso J . M . L O P E B L A N C H en su art . " E l léxico de la zona maya en el marco de la dialectología mexicana" , NRFH, 2 0 ( 1 9 7 1 ) , ma­pa 2 7 y pp. 5 5 ss. Esta delimitación fue tomada en cuenta por quienes deter­minaron las fuentes —en este caso de lengua hablada— del D E M . Las zonas y las localidades aparecen descritas en el documento de uso interno Manual de información para los miembros del Consejo Consultivo del DEM. Decidí, de acuer­do con mis fines, oponer únicamente dos zonas — l a ciudad de México y% la prov inc ia— porque las entrevistas que se hicieron en el interior del país y con las cuales se formó el archivo computado iban desde u n mínimo de 4 hasta u n máximo de 9 por localidad. Ese número de datos resulta normalmente i n ­suficiente para obtener resultados estadísticos confiables.

9 L a extensión de m i corpus resulta bastante adecuada para los fines que persigo, si se compara con el que emplearon A . J U I L L A N D y E. C H A N G -RODRÍGUEZ. Su Frequency dictionary of Spanish words, de acuerdo con la descrip­ción de W I L L I A M T A Y L O R P A T T E R S O N , The lexical structure of Spanish, with spe-cial consideration for the genealogical and chronologicalproperties, tesis doctoral, Stan-ford Univers i ty , 1 9 6 7 , p. 3 , "consists of the 5 0 0 0 most frequently used words i n a scientifically selected corpus of 5 0 0 0 0 0 words. These 5 0 0 0 basic words account for 9 7 % of the occurrences of any representative text of the Spanish language" . Véase infra (tabla 6 ) el número de vocablos que obtuve para los últimos dos deciles ( 9 0 y 1 0 0 % ) de m i corpus.

1 0 L a delimitación del conjunto de textos de lengua hablada y la deter­minación de los tipos fueron hechas también en el Centro de Procesamiento de Datos A r t u r o Rosenblueth. Los programas correspondientes fueron dise­ñados asimismo por A . Medel y H . Vázquez.

1 1 L a asociación se hizo en forma manual, de acuerdo con los criterios que se deducen del Diccionario de la lengua española de la Real Academia Española,

NRFH, X X X V I LENGUA HABLADA Y ESTRATO SOCIAL 135

procesada esta información electrónicamente, se obtuvo u n to ta l de 9 309 vocablos.

ÍNDICES DE RIQUEZA LÉXICA

Es evidente que la cant idad de vocablos o de tipos que se obten ­gan de u n texto estará en relación con la extensión del m i s m o 1 2 . D e acuerdo con lo anter i o r , se puede i n f e r i r que si u n texto de extensión menor produce u n m a y o r número de unidades léxicas que o tro de extensión m a y o r , el p r i m e r o tiene m a y o r r iqueza que el segundo 1 3 . Esto sucede si se c o m p a r a n los vocablos que o b t u ­ve para los niveles med io y ba jo , donde el p r i m e r o resulta más r i co pues tuvo u n m a y o r número de vocablos con u n con junto de textos de extensión m e n o r que el segundo. E n cambio , no se puede llegar a u n a conclusión segura cuando se compara u n con­j u n t o de textos de m e n o r l o n g i t u d con o tro de m a y o r tamaño y el p r i m e r o tiene u n m e n o r número de vocablos que el segundo, como ocurre con los que se recogieron para los niveles alto y m e ­dio (véase tab la 6) .

Los casos como el anter i o r h a n hecho necesario emplear otros métodos para poder c omparar textos de diferente l o n g i t u d y eva­l u a r su r iqueza léx ica 1 4 . E n esta investigación — c o m o he d i ­c h o — ut i l i zo tres índices para d e t e r m i n a r las diferencias léxicas de las variables de la muestra . E l p r i m e r o , la densidad léxica, se

2 0 a ed. , Espasa-Calpe, M a d r i d , 1984. Dado que no nos fue posible recurrir a contextos, en los casos de homonimias que pudimos detectar optamos por asignar vocablos diferentes al mismo tipo léxico. Para toda esta labor conté con la ayuda de Sara Giambruno del Centro de Estudios Lingüísticos y L i t e ­rarios de E l Colegio de México.

1 2 Cf. PIERRE G U I R A U D , Problèmes et méthodes de la statistique linguistique, Pres­ses Universitaires, Paris, 1960, p. 84: " p l u s u n texte est long plus i l comporte de mots différents". Véase también C H A R L E S M U L L E R , Estadística lingüística, t rad . A . Qui i i s , Credos, M a d r i d , 1973, pp. 267 ss.

1 3 Para decirlo en términos de M U L L E R (op. cit., p. 270), "se puede siste­matizar este método de comparación, considerando dos textos A y B, l laman­do N a , N b sus extensiones respectivas, V a , V b la extensión de sus vocabula­rios. Se puede decir que el vocabulario de A es más rico que el de B si se tiene:

bien N a < N b y V a > V b bien N a < N b y V a = V b " . 1 4 Véanse por e j . , G U I R A U D , op. cit., pp. 85 ss., M U L L E R , op. cit., pp. 269

ss. y G U S T A V H E R D A N , The advanced theory of language choice and chance, Spr in ­ger, Berl in-Heidelberg-New Y o r k , 1966, pp. 72 ss.

136 RAÚL ÁVILA NRFH, X X X V I

basa en la evaluación i n d i v i d u a l de cada u n o de los textos. E l se­gundo , las frecuencias acumuladas por deciles, se aplica a u n con­j u n t o de textos de u n estrato social de terminado . M e d i a n t e el ter ­cero comparo el número de vocablos que se obt ienen en segmen­tos extensos de i gua l l o n g i t u d , los cuales se f o r m a n de nuevo a p a r t i r de u n con junto de textos.

D E N S I D A D LÉXICA

Este índice resulta de la división del número de t ipos léxicos T que se obt ienen de u n segmento de texto de u n a l o n g i t u d deter­m i n a d a entre el número N de palabras del segmento 1 5 . Expresa-

T A B L A 3 Densidad léxica: ordenación por rangos

Rango Frecuencia Porcentaje

54.5 4 2.0 56.5 10 4.9 58.5 32 15.6 60.5 35 17.1 62.5 50 24.4 64.5 36 17.6 66.5 27 13.2 68.5 9 4.4 70.5 2 1.0

Total 205 100.0

Prom: 62.3 - Mediana y Moda: 62.5 - Desv est: 3.35 - Var: 11.2

1 5 E l procedimiento ha sido utilizado, entre otros, por P . L . B A L D I , " F a t -t o r i sociali dell'abilitá lingüistica nella produzione scritta d i bambin i d i nove-dieci a n n i " , S I L TA, 1(1974), pp. 335-471. Su índice, sin embargo, difiere del mío en la medida en que él considera sólo las palabras de contenido y no las de función, como yo hago. Véase también la investigación de J . U R E , quien ut i l iza el mismo índice (sólo con palabras de contenido) para el inglés (apud M . A . K . H A L L I D A Y , Language as social semiotics, E. A r n o l d , London , 1978, p. 32). De acuerdo con los comentarios de H A L L I D A Y (ibid.) sobre el trabajo de U r e , parece evidente que la densidad está en relación con el medio (la lengua escrita tiene una densidad más alta que la hablada) y, dentro de éste, con la función social del lenguaje. En este sentido, parto de la suposición de que los textos que analizo fueron grabados en una misma situación comunicativa: la entrevista. Se refiere también a la densidad léxica H U M B E R T O L Ó P E Z M O R A ­LES, La enseñanza de la lengua materna, M a d r i d , 1984, pp. 56 y 9 1 . Yo mismo he uti l izado anteriormente el procedimiento para evaluar textos escritos por

NRFH, X X X V I LENGUA HABLADA Y ESTRATO SOCIAL 137

do en otros términos, D = T -s- N . Para una l o n g i t u d en pala ­bras de N = 100, que es la ut i l i zada en esta investigación, la den­sidad de u n texto es el promedio de las densidades de las unidades de 100 palabras que contiene el texto . Para el t o ta l de la muest ra se obtuvo u n a densidad p r o m e d i o mínima de 54 y u n a máxima de 71 (18 valores).

60 - T — — — — ; — i

50 -

40 -

<

W 30 -O w tí fe

20 -

10 -

0 J — i — 1 — 1 — i — 1 — ' — i — 1 — 1 — t — 1 — 1 — i — 1 — 1 — i — 1 — 1 — i — — i — — r— 54.5 56.5 58.5 60.5 62.5 64.5 66.5 68.5 70.5

RANGOS

Gráfica 1. Densidad léxica: ordenación por rangos

C o m o he indicado supra, la densidad es u n valor que se obt ie ­ne de cada texto considerado i n d i v i d u a l m e n t e . Por lo m i s m o , es posible observar el c o m p o r t a m i e n t o de la muestra en su con junto con apoyo en esa var iab le . Para ese propósito, y con el fin de po­der hacer u n m a y o r número de observaciones, hice u n a r e a g r u ­pación de acuerdo con u n p r i m e r n ive l de rangos, asignando a cada uno de ellos el p r o m e d i o de densidad de cada dos valores. D e esta m a n e r a obtuve las frecuencias que aparecen en la tab la 3 y que se i l u s t r a n en la gráfica 1. C o m o se desprende de la tab la menc ionada , el c o m p o r t a m i e n t o de la muestra para la caracterís­t i ca que invest igo se acerca bastante a u n a curva n o r m a l , lo que

niños: véase m i art . ' 'Léxico in fant i l de México: palabras, tipos, vocablos", A CIÉ A (2), pp. 512 ss.

138 RAÚL ÁVILA NRFH, X X X V I

permi te suponer a posteriori que los in formantes fueron b i en seleccionados 1 6 .

Para dec idir cuáles de las variables se corre lac ionaban con la densidad, reagrupé los datos en u n segundo n ive l de rangos: el i n f e r i o r , el central y el s u p e r i o r 1 7 . Estos tres valores se t o m a r o n como variable lingüística independiente para , a p a r t i r de ella, con­siderar cuál o cuáles de las demás variables eran signif icativas en cuanto a su pos ib i l idad de expl icar la m a y o r o m e n o r densidad de los t ex tos 1 8 . E n otros términos, se trató de ver qué variables dependían de la densidad.

D e acuerdo con los resultados, las variables que menos e x p l i ­can la m a y o r o menor densidad son la edad, el sexo y el número de in formantes ; y las que más, la zona y el n ive l c u l t u r a l 1 9 . E n cuanto al p r i m e r g rupo de variables, no obstante las pocas di fe ­rencias observadas, se pueden comentar algunos aspectos, así sea en u n p l a n especulativo a p a r t i r de los indicios que ofrecen los datos. Si se observan los grupos de e d a d 2 0 , puede pensarse que se sigue aprendiendo léxico, aunque re lat ivamente poco, a lo l a r ­go de toda la v i d a adu l ta , pues la densidad aumenta conforme a u m e n t a la e d a d 2 1 . E n lo que toca a los grupos por sexo y por

1 6 Para obtener los datos estadísticos por computadora se utilizó el Statis-tical Package for Social Sciences, reléase 1.1, versión para PC. E l programa fue aplicado por Javier Rodríguez de la Unidad de Cómputo de E l Colegio de Mé­xico, quien también me ayudó a interpretar los resultados.

1 7 Abarcaron, respectivamente, las densidades 54 a 59, 60 a 65 y 66 a 71 . E n otros términos, cada uno de los rangos de este segundo nivel corresponde al promedio de cada tres rangos del primero y a 6 promedios de densidad.

1 8 Para esto se utilizó la prueba de x cuadrada. De acuerdo con ella, se parte de la suposición, por ejemplo, de que el nivel cultural y la densidad son independientes. Si los resultados contradicen esta l lamada "hipótesis n u l a " , se comprueba que las variables están correlacionadas en mayor o menor gra­do de acuerdo con el mayor o menor valor de x 2 . Véanse estos valores para las variables zona y nivel en las tablas 4 y 5 respectivamente. L a significación (sign en las tablas) se refiere a la hipótesis nula y a la probabil idad de que se confirme.

1 9 Se confirmó que la zona y el nivel cultural eran las variables de mayor peso en relación con la densidad incluso mediante desagregaciones de datos. Por ejemplo, se consideró separadamente cada grupo de la variable sexo y su densidad promedio por nivel cultural y se vio que las diferencias significativas aparecían en los niveles.

2 0 Baso mis observaciones en los datos que obtuve mediante la reagrupa­ción de los grupos de edad en tres rangos: de 17 a 29, de 30 a 49, y de 50 o más años.

2 1 E n cambio, si se comparan estos resultados con los que obtuve para n i ­ños (art. c i t . , p. 514), las diferencias son m u y significativas: de una densidad

NRFH, X X X V I LENGUA HABLADA Y ESTRATO SOCIAL 139

número de informantes , ta l parece que se emplea más léxico cuan­do en u n diálogo in terv ienen hombres y mujeres .

E n relación con las variables que sí resul taron tener u n a alta correlación con la densidad, puede destacarse lo siguiente. E n c u a n t o a las zonas ( tabla 4 ) , el porcentaje de textos del rango su­p e r i o r (RS) para la c iudad de M é x i c o ( 6 8 . 4 % ) es 3 6 . 8 % más alto que el de las otras localidades ( 3 1 . 6 % ) . E n cambio , en los rangos c e n t r a l ( R C ) e in fer i o r ( R I ) , los porcentajes correspondientes son más altos en la p rov inc ia ( R C = 5 4 . 5 % , R I = 8 2 . 6 % ) que en l a c i u d a d de Méx ico ( R C = 4 5 . 5 % , R I = 1 7 . 4 % ) : hay 9 . 0 % más textos en R C y 6 5 . 2 % más en R I en el i n t e r i o r del país que en l a capita l . Por o t ra parte , si se anal iza cada zona independien­temente , se advierte que en la c iudad de M é x i c o es m a y o r el por ­centaje de textos de R S ( 2 9 . 2 % ) que de R I ( 9 . 0 % ) , mientras que en las otras localidades sucede lo c on t rar i o : son más los de R I ( 3 2 . 8 % ) que los de R S ( 1 0 . 3 % ) .

T A B L A 4 Densidad léxica: zona y rangos superior, central e inferior

Zona Otras l. Cd. Méx. Total Gran tot.

Superior 12 26 38 38 31.6 68.4 100% 18.5% 10.3 29.2

Central 66 55 121 121 54.5 45.5 100% 59 .0% 56.9 61.8

o Ö ai

Inferior 38 8 46 46 Oí 82.6 17.4 100% 22 .4%

32.8 9.0

Total 116 89 Porcnt. 100% 100%

Gran tot. 116 89 205 Porcnt. 56 .6% 43 .4% 100.0%

X 2 = 22.56 - Sign = 0.0000

promedio de 47 (edad promedio de 9 años) se pasa a otra de 62.3 (ambas para los respectivos corpas). Esto permitiría confirmar la intuición de que el apren­dizaje —en este caso del léxico— es m u y alto entre la niñez y la edad adulta.

140 RAÚL ÁVILA NRFH, X X X V I

L a comparación de los niveles culturales ( tabla 5 ) muestra asi­m i s m o diferencias impor tantes y c laramente s ignif icativas. Si se consideran de nuevo cada uno de los rangos, del 100% de textos del R S , 4 7 . 4 % provienen del n ive l alto, 3 6 . 8 % del medio y 15 .8% del ba jo . E n t r e los niveles extremos alto y bajo hay u n a d i f e ren ­cia de 3 1 . 6 % más textos en el p r i m e r o que en el segundo. Por o t ra parte , los textos del n ive l alto se reparten en 3 8 . 3 % para R S , 5 3 . 2 % p a r a R C y 8 . 5 % para R I . E n el n ive l ba jo , en cambio , se i n v i e r t e n las proporciones p a r a las categorías extremas: 6.5 % de los textos aparecen en R S , 5 4 . 8 % en R C y 3 8 . 7 % en R I . L a m a y o r di ferencia se presenta en R I entre los niveles alto ( 8 . 7 % ) v bajo ' 7 8 , 3 % } : el seeundo grupo p r o d u j o 69 6% m á s textos de ; . « l c :a/i¡.¿- q>¿t e l r , / ; ; _ .

TABLA 5 Densidad léxica: nivel cultural y rangos superior, central e inferior

Nivel cultural

Alto Medio Bajo Total Gran tot.

Superior 18 47.4 38.3

14 36.8 21.5

6 15.8 6.5

38 100%

38 18.5%

Central 25 20.7 53.2

45 37.2 69.2

51 42.1 54.8

121 100%

• 121 59 .0%

o bß a a

Infer ior 4 8.7 8.5

6 13.0 9.2

36 78.3 38.7

46 100%

46 22 .4%

Total

Porcnt. 47

100% 65

100% 93

100%

Gran tot. Porcnt.

47 22 .9%

65 31 .7%

93 45 .4%

205 100.0%

x 2 - 3 9 . 3 3 - Sign = 0.0000

FRECUENCIAS A C U M U L A D A S POR DECILES

C o m o he comentado supra, el índice de densidad proviene de ca­da texto considerado i n d i v i d u a l m e n t e . E n ellos el léxico se pre ­senta en relación p r o p o r c i o n a l a su m a y o r o m e n o r frecuencia. E n otras palabras, en u n texto se ref le jan tanto las palabras de

N R F H , X X X V I LENGUA HABLADA Y ESTRATO SOCIAL 141

frecuencia alta como las de media y las de baja, según sus respec­tivas probabilidades. En este sentido, la densidad evalúa el léxico que llamaré normal. Frente a lo anterior, para el análisis de fre­cuencias acumuladas22 me he basado en conjuntos de textos de diferente longitud. No obstante esto, el procedimiento permite eva­luar comparativamente el vocabulario de los conjuntos, ya que la extensión de cada uno de ellos —sus respectivas frecuencias totales— no condiciona el número de vocablos que se obtienen en determinados deciles, como el 7 o (70% de frecuencias) y el 8 o

(80%). Por otra parte, dado que se requiere ordenar los vocablos en orden descendente de frecuencias23, las diferencias correspon­d í - v i Jr.„ !c« i ] f \ ;<."e*-y; ~n< r r . , r ; n ; ; < :o ^ ]> z v o c a b l o s át í:;*-

•.u^o-iia * --át*s recuas Ei i 1 1 diiáii^ís por d ó c i l e s y d e a q u í e n a d e i a n i e presento a n i

camente los datos relacionados con los niveles culturales ya que es la variable que mejor explica las diferencias léxicas24. Como puede observarse en la tabla 6 y en la gráfica 2, las diferencias se empiezan a notar a partir del 4 o decil y se van ampliando hasta llegar al máximo en el 7 o . En éste se recogieron para el nivel alto, cuyos textos sumaron 110 565 palabras, 250 vocablos; para el me­dio, 219 de un total de 130 735 palabras; y para el bajo, 183 vo­cablos de una frecuencia de 187 599. Estos resultados muestran, como dije antes, que ios vocablos que se obtienen en ese decil —en este caso para los niveles culturales— no están condicionados por la extensión de los textos: el que tuvo la frecuencia más alta produjo un número menor de vocablos, y el de la más baja, un número mayor.

2 2 U n procedimiento semejante al que uti l izo para los deciles de una dis­tribución fue utilizado por R . H A M C H A N D E , quien hizo su segmentación por cuartiles: véase su art. " D e l 1 al 1 0 0 en lexicografía" (en L . F . L A R A , R . H A M C H A N D E e I . G A R C Í A H I D A L G O , op. cit., pp . 7 8 ss.). Creo, sin embargo, a par­t i r de sus datos (cf. su cuadro, p. 7 6 y su cuadro 6 , p. 8 1 ) , que sus resultados se basan en tipos léxicos y no en vocablos. N o obstante, se acercan bastante a los míos.

2 3 Es decir, la lista de vocablos se inicia con el de frecuencia más alta ( V n ) y termina con los de más baja. Como puede verse en la tabla 6 , para cubrir el 10% ( 4 2 8 8 9 ) de frecuencias del corpus son suficientes los tres vocablos de más alta frecuencia ( V n + V n . j + V n _ 2 ) .

2 4 M e apoyo en los resultados que se obtuvieron para las zonas y los n i ­veles culturales considerados como variables métricas. E n cuanto a la pr ime­ra , el promedio de densidad para la ciudad de México fue de 6 3 . 7 ( = 1 0 0 % ) , y para las otras localidades de 6 1 . 2 ( — 3 . 9 % ) . E n los niveles culturales, los promedios fueron de 6 4 . 3 ( = 1 0 0 % ) para el alto, 6 3 . 2 ( — 1 . 7 % ) para el me­dio , y 6 0 . 6 (— 5 . 8 % ) para el bajo.

142 RAÚL Á V I L A NRFH, X X X V I

Si se t o m a como base de comparación el n i v e l a l to , para el cual se o b t u v i e r o n 250 vocablos ( = 1 0 0 % ) en el 7 o dec i l , las d i ­ferencias porcentuales m u e s t r a n que tiene 1 2 . 4 % más vocablos

T A B L A 6 Frecuencias acumuladas por deciles:

número de vocablos según nivel cultural Deciles (%)

Nivel 10 20 30 40 50 60 70 80 90 100 Frees.

A l t o 3 1 13 25 48 103 250 708 2 407 5 195 110 565 Med io 3 1 13 24 44 95 219 674 2 387 5 388 130 735 Bajo 3 1 13 24 43 84 183 530 1 992 5 322 187 599

Corpus 3 1 13 25 46 97 223 681 2 793 9 309 428 899

1.20

1.10

1.00

0.90

0.80

0.70

0.60

0.50

0.40

0.30 H

0.20

0.10

0.00 20 30

i 40

n n n

50 60 DECILES H . M E D I O

70 80 90 100

CHI H . B A J O

Gráfica 2. Frecuencias ordenadas por deciles (corpus = 100%)

que el n ive l m e d i o , y 2 6 . 8 % más que el n i v e l bajo . E n el 8 o deci l el n i v e l alto p r o d u j o 708 vocablos ( = 1 0 0 % ) , lo que representa 4 . 8 % más vocablos que el med io y 25.1 % más que el ba jo . Estas

NRFH, X X X V I LENGUA HABLADA Y ESTRATO SOCIAL 143

diferencias, como he dicho, corresponderían a vocablos de frecuen­cias altas y medias. E n el 10° dec i l , en cambio , podría conside­rarse que las diferencias, por u n a parte , se deben al peso de los vocablos de frecuencias bajas; y por o t ra , están condicionadas por l a l o n g i t u d de los textos. N o obstante esto último, el n ive l m e d i o , con u n a extensión m e n o r que el bajo , p rodu jo más vocablos que éste.

V O C A B L O S EN SEGMENTOS EXTENSOS DE I G U A L L O N G I T U D

P a r a evaluar la r iqueza léxica de textos o conjuntos de textos de d i s t i n t a l o n g i t u d se puede emplear u n procedimiento obvio : c om­p a r a r los conjuntos de textos hasta el límite de la máxima exten­sión común. E n otros términos, si tres conjuntos A , B , C , t u v i e ­r o n respectivamente las frecuencias n , n + l y n + 2, el límite de l a comparación será n .

D e acuerdo con lo anter ior , si se agrupan los textos de la mues­t r a considerando únicamente sus características de densidad en los rangos superior , centra l e i n f e r i o r , y se t o m a como límite el de 80 000 palabras gráficas — e l máximo del rango superior, donde h u b o menos t ex tos—, se obt ienen los resultados que aparecen en l a t a b l a 7 y que se i l u s t r a n en la gráfica 3. L a tabla constata que el número de vocablos está en función de la extensión del t e x t o 2 5

y que conforme a u m e n t a la l o n g i t u d decrece el número de voca­blos nuevos —de ba ja f recuenc ia— que se o b t i e n e n 2 6 . D e allí l a f o r m a asintótica de las curvas que aparecen en la gráf ica 2 7 .

2 5 Como señala M U L L E R (op. cit., p. 267), ' 'Está claro que V [el total de vocablos] es función de N [el número de palabras o la frecuencia], es decir, que para un texto dado, V crece con N [. . . ] . Ciertamente, es evidente que V crece menos de prisa que N , puesto que cada palabra que representa u n vocablo ya utilizado en el texto infiere una unidad de retraso a V con relación a N " . Véase también supra, nota 12 y texto.

2 6 E l vocabulario real presenta en la tabla, para la extensión que consi­dero, algunos casos en los cuales u n aumento de frecuencias produce más vo­cablos — y no menos— que el aumento anterior. Este tipo de desviaciones, si se considera su simil itud con las que muestra M U L L E R (op. cit., pp. 296-297), no inval ida el planteamiento general de que conforme aumenta la extensión disminuye el número de nuevos vocablos. Véase además la curva que presen­ta el autor citado (ibid.) y en la cual aparecen las extensiones teórica y real del vocabulario.

2 7 Para decirlo de nuevo con M U L L E R (op. cit, p. 268), " V no cesa de cre­cer, pues ningún texto agota el léxico de su autor; habrá que aceptar este pos-

144 RAÚL ÁVILA NRFH, XXXVI

Si se compara el número de vocablos que se o b t u v i e r o n en la frecuencia 70 000 (4 085 para el corpus) con los que se recogieron en la frecuencia 80 000 {corpus: 4 401) , la di ferencia (316) corres­pondería al incremento de nuevos vocablos entre los dos segmen­tos. Esos vocablos son — s i no de m a n e r a absoluta, al menos en f o r m a r e l a t i v a — de baja frecuencia en comparación con las fre­cuencias del vocabular io t o t a l , dado que se recogieron en el lími­te superior de la extensión del texto .

TABLA 7 _ Densidad léxica: rangos superior, central e inferior

I "-'v.'?", noceh't TI / ¡es ;

Fre-„ Ir RC E l 1-10 1 127 1 265 965 1 257 1-20 1 918 1 965 1 492 1 915 1-30 2 553 2 387 1 951 2 369 1-40 3 039 2 868 2 266 2 896 1-50 3 597 3 307 2 667 3 187 1-60 4 014 3 719 2 936 3 645 1-70 4 438 4 096 3 198 4 085 1-80 4 825 4 417 3 428 4 401

Deris. T^ro. (ÜT = 100) 68.5 62.5 56.5 62.3

E n cuanto a los grupos de textos por nivel cultural, la frecuencia límite fue de 110 000, de acuerdo con la extensión máxima de los correspondientes al c on junto de n ive l a l to . Para fines c o m p a r a t i ­vos, en la tab la 8 aparecen además las frecuencias 1 a 90 000 y 1 a 100 000, j u n t o con los vocablos que se o b t u v i e r o n en cada seg­m e n t o para los tres estratos. D e acuerdo con esos datos, en los

tulado, que es una verdad de experiencia tanto como una evidencia lingüísti­ca, y que sólo podrá ser puesta en discusión para u n corpus de dimensiones inconcebibles: todavía podemos dudar de ello. El resultado es que nuestra curva tendrá partes planas cada vez más largas [. . . ] se obtendrá una línea que t ien­de a llegar a ser paralela al eje de abscisas, pero sin que jamás llegue a serlo completamente ' 5 . Véase u n planteamiento similar, así como una curva sensi­blemente semejante a las que presento en R . M . FRUMKINA, " T h e applica-t ion of statistical methods i n linguistic research", en O . S. AKHMANOVA, I . A . M E L ' C H U K , R . M . FRUMKINA & E. V . PADUCHEVA, Exact methods in lin­guistic research, Univers i ty of Cal i fornia Press, Berkeley-Los Angeles, 1963, pp. 102-103.

NRFH, XXXVI L E N G U A H A B L A D A Y ESTRATO S O C I A L 145

tres rangos de frecuencias se o b t u v i e r o n más vocablos en el n ive l a l to que en el m e d i o , y más en éste que en el ba jo . Si se t o m a el número de vocablos de n i v e l alto como base de comparación, se advierte que las diferencias entre éste y los otros niveles a u m e n ­t a n conforme se incrementa la frecuencia: en el p r i m e r rango el n i v e l alto (4 630 = 100%) p r o d u j o 0 . 8 % más vocablos que el me ­d i o , y 1 6 . 8 % más que el ba jo ; en el segundo rango (4 928 = 1 0 0 % ) , 1.8% más que el m e d i o , y 1 8 . 4 % más que el bajo ; y en el tercer rango (5 209 = 1 0 0 % ) , 3 . 5 % más que el medio , y 2 0 . 1 % más vocablos que el n i v e l c u l t u r a l bajo . Esto p e r m i t e considerar que conforme crezca la l o n g i t u d crecerán también las diferencias

-< J .^ -Kí - * - r °. '"'?.crrirr%,^T^ de oc; e n r a b i o * de ba ja

5

1-10 1-20 1-30 1-40 1-50 1-60 1-70 1-80

A SUPERIOR A CENTRAL o INFERIOR

OCURRENCIAS (MILES)

Gráfica 3. Vocablos por rangos

2 8 Es interesante comparar los resultados que obtuve con los adultos y con los niños, pues permite de nuevo (véase lo que mencioné respecto a la densi­dad en m i nota 21) advertir el alto porcentaje de vocablos (48%) que se ad­quieren entre una y otra edad. Los vocablos correspondientes al corpus de am­bos grupos en la extensión de 1-110 000 ocurrencias fueron, para los niños, 3 563 ( = 100%) ; y para los adultos, 5 272 (148%) . Cf . , en relación con los datos del vocabulario in fant i l , m i art . c i t . , p. 511.

146 RAÚL ÁVILA NRFH, X X X V I

CONSIDERACIONES FINALES

Los resultados que he obtenido me p e r m i t e n hacer tres tipos de consideraciones. L a p r i m e r a se relaciona con los datos estadísti­cos. D e acuerdo con ellos, las diferencias entre los niveles sociales

TABLA 8 Niveles culturales alto, medio y bajo

Número y porcentaje de vocablos según frecuencias (en miles) Niveles

alto medio bajo

« -9" . * W 100.0 * bin 99.2 2 8 5 0 83.2 1 - 1 0 0 4 9 2 8 1 0 0 . 0 4 8 3 8 9 8 . 2 4 0 2 1 8 1 . 6 1 - 1 1 0 5 2 0 9 1 0 0 . 0 5 0 2 7 9 6 . 5 4 1 6 0 7 9 . 9

se presentan, en relación con las medidas de densidad, frecuen­cias acumuladas por deciles y número de vocablos por frecuen­cias, en el léxico n o r m a l , en los vocablos de frecuencias altas y medias y en los de bajas respect ivamente 2 9 . E n cuanto a estos úl­t i m o s , se puede est imar que conforme se extiende la l o n g i t u d del t ex to , las diferencias se acentúan. Por o t r a parte , el tamaño y el c o m p o r t a m i e n t o de la muestra j u n t o con el t i p o de evaluaciones que se u t i l i z a r o n dan con f iab i l idad a los resultados obtenidos.

L a segunda consideración se refiere a las características l i n ­güísticas que he estudiado. A di ferencia de otro t i p o de invest iga­ciones crencuestas, el análisis del léxico y de otros componentes de l lenguaje mediante grabaciones t iene la venta ja de que el i n ­f o r m a n t e , aunque quis iera , difícilmente podría reaccionar y cam­b i a r su conducta lingüística frente al inves t igador 3 0 . N o se da esa reacción precisamente por el n i v e l de inconsciencia que t ienen los hablantes respecto al sistema de la lengua. Consecuentemente, este

2 9 Es importante recordar que, como he mostrado supra (véase p. ej. la tabla 5), el mayor o menor acervo léxico —aunque es más frecuente en el n i ­vel alto que en el bajo— no es exclusivo de u n estrato social, ya que en cual­quiera de ellos pueden encontrarse individuos de una u otra características.

3 0 Esto se refuerza por el hecho de que yo mismo no suponía que iba a hacer este tipo de estudio cuando realicé algunas de las entrevistas y, obvia­mente, los informantes tampoco. Se podría argumentar que es posible que el entrevistado cambie de registro ante el investigador. Sin embargo, como seña­lé antes (nota 15), las grabaciones se realizaron en una misma situación comu-

NRFH, X X X V I L E N G U A H A B L A D A Y E S T R A T O S O C I A L 147

t i p o de datos lingüísticos resulta a l tamente confiable para la ca­racterización de los sujetos investigados. Por o t ra par te , es nece­sario destacar que mis resultados no están condicionados por as­pectos connotat ivos del lenguaje . E l proceso de computación no d i s t ingue , por e jemplo , fuiste, fuistes ojuites: las tres formas se con­s ideran palabras gráficas y son elementos i gua lmente válidos pa ­r a l a estadística.

Por últ imo, quis iera menc ionar algunos aspectos sociales del lenguaje . Se ha d iscut ido extensamente sobre la di ferencia o la def ic iencia de los códigos lingüísticos que u t i l i z a n los hablantes de diferentes estratos 3 1 . Además de los resultados que ahora he

eso no p a r e r * - p e r t i r e n t e 'olve/ a argumentar sobre el hecho de que en u n estrato social se ut i l i ce más léxico que en o t ro . E n c a m ­b i o , habría que buscar las causas de esas diferencias: m u y p r o b a ­b lemente t i enen que ver con la escolaridad, pero también con el t i p o de ac t i v idad o de t raba jo de las personas. Las funciones del lenguaje en relación con la ac t iv idad son, necesariamente, d i s t i n ­tas y esto podría expl icar las diferencias. E l lenguaje para la ac­ción — f r e n t e al especulativo que pr iv i l eg ia la función heurística— es precisamente el que tiene m e n o r d e n s i d a d 3 3 . Esto p e r m i t e re­chazar l a hipótesis de l déficit: el lenguaje es adecuado para los

nicativa. Esa situación podría, precisamente, condicionar el registro, y no al contrario . De acuerdo con los planteamientos de HALLIDAY {pp. cit., pp. 31 ss.)t el registro es una forma de predicción. Si se conocen los factores que i n ­tervienen en la comunicación y el escenario en que éste ocurre, " w e can pre­dict a great deal about the language that w i l l occur, w i t h reasonable probabi­l i t y of being r i g h t " . Para los conceptos de factores y escenarios en los actos de habla, véase D . HYMES, " T h e ethnography of speaking" , en J . A . Fish-m a n (éd.) , Readings in the sociology of language, M o u t o n , The Hague, 1970, pp. 110 ss.

3 1 M e refiero a las conocidas tesis de Bernstein y a quienes las apoyan y las discuten. H e comentado esto en m i art. " L a langue espagnole et son en­seignement: oppresseurs et opprimés" , en Jacques Maurais (éd.) , La crise des langues, Conseil de la langue française-Le Robert, Québec-Paris, 1985, pp. 342 ss. Véase además una m u y buena condensación de esta discusión en F. W I L ­LIAMS, "Some preliminaries and prospects", en Fredrick Wil l iams (éd.), Lan­guage and poverty, 5th ed., R a n d M c N a l l y , Chicago, 1973, pp. 1-10.

3 2 Cf. m i art . ' 'Léxico in fant i l de México . . . " , p. 513. Véase también, para conclusiones que apoyan las tesis de Bernstein a part i r del estudio de n i ­ños italianos, BALDI, art. c i t . , pp. 376 y 377.

3 3 Cf. HALLIDAY, op. cit., p. 32: "pragmatic language, or «language of ac­tion», has the lowest density of al l . This is probably true of all languages [. . . ] " . Cf . además m i nota 15.

148 RAÚL ÁVILA NRFH, X X X V I

fines del usuar io y es di ferente jus tamente por eso. Además , el poseer u n léxico extenso no es u n a condición suficiente para usarlo adecuadamente, con eficiencia c o m u n i c a t i v a . Para todos es e v i ­dente que en ciertos grupos sociales de alta escolaridad se abusa de esa característica no precisamente para comunicarse sino p a r a buscar status mediante el proced imiento de impres ionar a los de­más a través de redundancias y v e r b o r r e a 3 4 . E n cambio , las per­sonas con menores recursos léxicos pueden ser más eficientes en su expresión: basta recordar a los excelentes narradores que apa­recen p o r todos los pueb los 3 5 y todos ios barr ios perdidos de las ciudades.

---''•s • «i. /;r ~\ • JÍ R C M v :,R JK • ' - i ::-« / / L " r \ A - * rauy semejantes aunque seamos d^ nistinros país*-* Hoh parece­mos porque nos comunicamos . Esta idea puede expl icar el que haya pocas diferencias entre personas de sexo y de edades d i fe ­rentes: hay comunicación entre ellas. Los que parecen no hab lar ­se son los grupos de d i s t in to n i v e l social — y no hace falta decir ahora en qué pocos casos sí se d i r i g e n la pa labra . Si t iene sentido acortar las diferencias entre ellos y nosotros, el c a m i n o sería v o l ­vernos sus inter locutores y — e n t r e otros aspectos— devolverles la información que de ellos obtuv imos cuando fueron nuestros i n ­formantes .

RAÚL A V I L A El Colegio de México

3 4 Cf . , a propósito de esto, los comentarios de W . LABOV, " T h e logic of nonstandard English" en F. WILLIAMS, op. cit., p. 164 : " i n many ways working-class speakers are more effective narrators, reasoners, and debaters than middle-class speakers who temporize, quali fy, and lose their arguments i n a mass of irrelevant d e t a i l " .

3 5 Vale la pena recordar lo que dijo el reconocido escritor Agustín Yáñez en u n coloquio: " M i s principales maestros del idioma fueron m i madre, que conservó siempre el id ioma campesino de sus primeros años, y la sagacidad de los arrieros que durante m i niñez nos transportaban en largas jornadas por los campos de Ja l i sco" .