Léxico variable en los países hispanohablantes según el sexo
Antonio Ruiz Tinocoa-ruiz@sophia.ac.jp Universidad Sophia, Tokio
0. El atractivo de las diferencias
No es ninguna novedad que el lenguaje de las mujeres puede ser y suele ser diferente al de los hombres en muchos aspectos. Por ejemplo, es de sobra conocido el caso de la lengua japonesa en la que se puede distinguir el habla femenina y la masculina por una serie de partículas y otras características presentadas en numerosos estudios1. La sociolingüística nos da detalles de las diferencias en el lenguaje de la cortesía, en diferencias de entonación2, etc. Robin Lakoff3, hace ya algunas décadas, señalaba que las mujeres son educadas para hablar “como mujeres” porque de este modo se quedan detrás de la barrera que las separa del poder en nuestra cultura. Dejando aparte las consecuencias de sus afirmaciones, queremos hacer hincapié en que ya Robin Lakoff describía con bastantes detalles algunas características del léxico femenino como el empleo de adjetivos vacíos4 o el uso de vocabulario especial5. Lakoff sigue en la línea de lo que ya había comentado Otto Jespersen en 19226.
También en el lenguaje escrito podemos encontrar casos de particularidades, como es la escritura nushu7, creada por campesinas chinas de la prefectura de Hunan. Moshe Koppel8 y sus compañeros de la Universidad Bar-Ilan de Israel, utilizando técnicas de lingüística de corpus, estudiando las distribuciones de algunos pronombres personales, preposiciones y conjunciones, han desarrollado un sistema automático para determinar si un texto en inglés ha
1
Sachiko Ide y Beverly Hill (eds.), Women Languages in Various Parts of the World, Mouton de Gruyter, 1998, Issue 129.
2
Cf. Brouwer, D., Gerritsen, M., y de Haan, D. “Speech differences between women and men: On the wrong track?” Language in Society 8, 1979, pp. 33-50.
3
Robin Lakoff, Language and Woman’s Place, Octagon Books, 1976. 4
Adorable, divine, lovable, que, intuitivamente, podrían tener equivalentes español en sus traducciones directas.
5
Como ejemplo, las mujeres utilizan un vocabulario más ricos para referirse a los colores y los hombres para el deporte, por lo que de alguna manera se aproxima al concepto de disponibilidad léxica.
6
Language: Its Nature and Development. London, Allen. 1922. 7
Cf. Endo Orie, Chuugoku no Onnamoji: Denshoo suru Chuugoku josei [Escritura de mujeres de la China: Mujeres chinas que las transmiten] , Tokio, Sanichi Shobo, 1996.
8
Koppe, M.; Shlomo, A. y Shimoni, A.R. “Automatically Categorizing Written Texts by Author Gender”, Literary and Linguistic Computing 17(4), 2003. Puede consultarse una versión digital en http://www.cs.biu.ac.il/~koppel/
sido escrito por un hombre o una mujer con una precisión aproximada al 80 por ciento. Los tres autores pertenecen a departamentos de computación.
Según Kimura y Clark9, las mujeres obtienen mejores resultados en los tests de memoria de vocabulario de manera consistente, ya sea recordando listas de vocabulario concreto o abstracto así como con pares asociados.
En el campo de la disponibilidad léxica también se ha estudiado este tema. En el II Encuentro de Disponibilidad Léxica10, José Antonio Bartol explica, basándose en datos del proyecto Dispolex 11 , las diferencias de la disponibilidad léxica de las mujeres latinoamericanas en comparación con los hombres y con las españolas, encontrando que las mujeres latinoamericanas disponen de un léxico más reducido.
En este estudio, nuestro objetivo es utilizar los datos del Proyecto VARILEX12 de variación léxica, y aplicaremos técnicas de bases de datos para observar desde otros puntos de vista diferencias en el léxico en varios países latinoamericanos según el sexo.
1. Breve presentación del Proyecto VARILEX
El objetivo del proyecto VARILEX es conocer la variación léxica en las principales ciudades de todo el mundo hispanohablante. Está coordinado por Hiroto Ueda de la Universidad de Tokio, Toshihiro Takagaki, de la Universidad de Estudios Extranjeros de Tokio y Antonio Ruiz Tinoco de la Universidad de Sophia, también de Tokio. Se realiza mediante encuestas enviadas a los investigadores colaboradores locales, que escogen al menos cuatro informantes locales. La selección de los informantes se hace teniendo en cuenta que pertenezcan al estrato culto de la ciudad, dos mujeres y dos hombres, de más de 18 años hasta los 39, y desde los 40 hasta los 80. Los datos se reúnen en Tokio, se procesan por ordenador y se publican anualmente en la revista VARILEX junto con algunos estudios. El proyecto VARILEX ha cumplido ya los diez años desde que se puso en marcha en el X Congreso de ALFAL en Veracruz el año 1993. Desde entonces, afortunadamente ha venido aumentando el número de colaboradores y la abrumadora cantidad de datos obtenidos nos hizo considerar la creación de una base de datos digitalizada en Internet, que como anunciamos en VARILEX 7 y posteriormente en el XII Congreso de ALFAL en Santiago de Chile, empezó a funcionar experimentalmente en el verano de 1999. A continuación exponemos algunos detalles de la
9
Kimura D. y Clark, P. “Women’s advantage in verbal memory is not restricted to concrete words”,
Psychological Reports 91, pp. 1137-1142, 2002.
10 Celebrado en Logroño, 2003. 11 Cf. http://www3.usal.es/~dispolex/
12 Además de la revista VARILEX, publicada anualmente, se puede consultar Avila, Raúl; Samper, José Antonio; Ueda, Hiroto et al. Pautas y pistas en el análisis del léxico hispano(americano), Madrid / Frankfurt, Iberoamericana / Vervuert, 2003. y la página oficial del proyecto en http://gamp.c.u-tokyo.ac.jp/~ueda/VARILEX/
base de datos.
Los datos de las encuestas se procesan provisionalmente en una base de datos en un servidor experimental13. El servidor funciona en el entorno llamado LAMP14, es de libre acceso para consulta y está protegido para la administración de todo el sistema.
El proyecto VARILEX trata de reunir una especie de inventario de geosinónimos de léxico variable. Se trata de conocer el léxico que corresponde a cada ámbito conceptual15. Por ejemplo, en el caso del concepto A024, “SOCKS”, usamos la definición “prenda de punto que cubre el pie”. Sin entrar ahora en detalles, por medio de esta definición, en cierto modo ambigua, o mejor dicho, en sentido amplio, queremos incluir objetos que físicamente son diferentes por tamaño, tipo de punto, etc. como son calcetines, medias, calcetas, soquetes, medios soquetes, soquetes cortos, etc.
Los ámbitos conceptuales incluidos en la encuesta son los que ofrecen posibilidades de variación. Incluye campos léxicos como las prendas de vestir, instrumentos usados en la cocina, electrodomésticos, muebles, partes del automóvil, material de escritorio, etc.
La metodología es muy diferente a la que se utiliza normalmente en los estudios de dialectología o disponibilidad léxica. No obstante, tiene algunos puntos en común. Se trata de estudiar el léxico utilizado por los informantes sobre unos temas concretos por lo que se pueden considerar complementarios en cierto modo.
En este estudio utilizaremos parcialmente los datos de VARILEX y el lenguaje SQL de bases de datos relacionales, que resulta de gran utilidad para nuestro objetivo, como veremos más adelante. La estructura de los datos que utilizaremos en este estudio es a grandes rasgos como se detalla en las tres tablas siguientes.
La tabla conceptos, que contiene el campo código para ordenar los conceptos utilizados. La A se refiere a la primera encuesta realizada por el grupo VARILEX; inglés, para referirnos de una forma neutra al ámbito conceptual; y concepto, que es la descripción verbal de los ámbitos conceptuales.
La tabla contestaciones contiene los siguientes campos: orden, codciu, código de la ciudad donde se realizó la encuesta, país, código de dos letras del país donde se realizó la encuesta. Por ejemplo, AR para Argentina, BO para Bolivia, CH para Chile, etc. También ciudad, código de tres letras de la ciudad donde se realizó la encuesta; informante, código de
13 Cf. http://133.12.37.60
14 LAMP, es decir, Linux como sistema operativo; Apache como servidor web; MySQL para administrar la base de datos y PHP4 para la programación. Para los detalles técnicos de uso, se recomienda consultar Ruiz Tinoco, A. “Manual del lenguaje SQL aplicado a la base de datos VARILEX”, VARILEX 8, 2000.
15 Empleamos el término ámbito conceptual para incluir todo tipo de objeto que responda a la definición dada en la encuesta en forma verbal acompañada normalmente de un dibujo.
referencia del informante; forma, código identificador de formas y respuesta, para las respuestas obtenidas de los informantes.
La tabla informantes contiene los campos código, para referencia del informante, que coincide con el campo informante de la tabla de contestaciones; codciu, código de la ciudad; país, ciudad, sexo, sexo del informante -- 1 para hombre y 2 para mujer--; edad; tipo, tipo de ocupación del informante, y ocupación.
2. Variaciones observadas en las respuestas
En este estudio vamos a utilizar solamente algunos de los campos de las tablas explicadas anteriormente mediante simples preguntas utilizando el comando SELECT de SQL16, básicamente con la estructura siguiente:
SELECT {campos}, FROM {tablas}, WHERE {condiciones}.
2.1. Respuestas diferentes ofrecidas por hombres y mujeres
Para este estudio utilizaremos los datos digitalizados de la primera encuesta realizada17, a la que llamamos la serie A. Los datos se pueden obtener tanto en la página web del proyecto como en la base de datos experimental en línea ya mencionada. Para comodidad del lector que no esté muy familiarizado con el lenguaje SQL, en algunos casos indicaremos la fórmula utilizada.
La serie A consta de 152 ámbitos conceptuales, ordenados de A001 a A21918. Se han eliminado algunas entradas en fases posteriores para reordenar los datos19. En esta encuesta participaron 177 informantes de 30 ciudades en 19 países hispanohablantes, hombres y mujeres de 18 a 79 años, con profesiones como psicólogos, amas de casa, docentes, abogados, ingenieros, etc. Usamos la siguiente fórmula para ver la tabla de hombres y mujeres, mayores y menores de 40 años, así como el país:
SELECT país,
SUM( IF ( sexo = '1', 1, 0 ) ) AS hombres,
16 El lenguaje SQL para MySQL se puede consultar en http://www.mysql.com o en cualquiera de los manuales publicados. Aconsejamos, por su claridad y detalle, Dubois, Paul; Widenius Monty: MySQL, New Riders Publishing, 1999.
17
Equipo VARILEX (Coord. Ueda, Hiroto; Takagaki, Toshihiro; Ruiz Tinoco, Antonio). VARILEX,
Variación léxica del español en el mundo. Vols. 1-9.
18
Para ver la lista completa de conceptos usar el comando siguiente: SELECT * FROM conceptos WHERE código LIKE "A%";
19
La base de datos en línea se reformará en un futuro próximo para mayor facilidad de uso, aunque no afectará a los resultados aquí expuestos.
SUM( IF ( sexo = '2', 1, 0 ) ) AS mujeres, SUM( IF ( edad > '39', 1, 0 ) ) AS mayores, SUM( IF ( edad < '40', 1, 0 ) ) AS menores, COUNT( * ) AS total
FROM informantes GROUP BY país
ORDER BY total DESC;
Así obtenemos la Fig. 1. Observamos que hay más informantes en algunos países, como España, México y Argentina, ya que se han encuestado también más ciudades o se ha hecho de forma más intensa. En Chile los informantes son 5 hombres y 6 mujeres.
país hombres mujeres mayores de 40 menores de 40 total ES 28 28 29 27 56 MX 8 8 8 8 16 AR 8 8 8 8 16 CH 5 6 5 6 11 EU20 4 4 4 4 8 CU 4 4 4 4 8 VE 4 4 4 4 8 NI 4 4 4 4 8 PR21 4 4 4 4 8 UR 2 2 2 2 4 CO 2 2 2 2 4 EL 2 2 2 2 4 PE 2 2 2 2 4 PN22 2 2 2 2 4 RD 2 2 2 2 4 BO 2 2 2 2 4 20
Hay algunos puntos de la encuesta en los Estados Unidos de América. 21
Puerto Rico 22 Panamá
CR 2 2 2 2 4
PA23 1 2 1 2 3
HO 2 1 1 2 3
Fig. 1 Distribución de los informantes por países, sexo y edad
Como hemos mencionado anteriormene, aunque la metodología utilizada en este estudio es bastante diferente a la utilizada en los estudios de disponibilidad de léxico, podemos encontrar algunas similitudes para contrastar resultados y para ello vamos a observar principalmente el número de respuestas dado según el sexo, país o zona geográfica, y a veces el tipo de léxico.
El recuento del número total de respuestas podemos verlo en la Fig. 2 a continuación. Nos parece que las cifras están más o menos equilibradas a excepción de España.
Respuestas Latinoamérica España Total
Hombres 12.443 6.177 18.620
Mujeres 12.457 5.612 18.069
Fig. 2 Número total de respuestas
En general, las cifras para Latinoamérica son equilibradas pero si observamos las cifras para cada país24, encontraremos que, además de España, también se dan diferencias llamativas en varios países. Así, en la Fig. 3, podemos ver que, además de España, en Costa Rica, El Salvador, Estados Unidos, Perú, Panamá, Puerto Rico y Uruguay, el número de respuestas dado por los hombres supera al de las mujeres. Y al contrario, en la Fig. 4 podemos ver que en Argentina, Bolivia Cuba, México, República Dominicana dan unas cifras superiores para las mujeres. En los otros países encuestados no se aprecian diferencias claras.
Hombres Mujeres
ES 6.177 5.612
23
Paraguay
24 SELECT contestaciones.país, sexo, count( contestaciones.respuesta ) AS count FROM informantes, contestaciones
WHERE contestaciones.informante = informantes.código AND orden LIKE "A%"
GROUP BY contestaciones.país, sexo ORDER BY país ASC;
CR 401 301 EL 372 336 EU 1.400 801 PE 541 407 PN 453 368 PR 820 737 UR 427 368 Hombres Mujeres AR 1.363 1.846 BO 304 363 CU 842 1.090 MX 1.680 1.735 RD 304 406 Fig. 3 Fig. 4
Creemos que hay ser prudentes a la hora de interpretar estas cifras y no caer en la tentación de sugerir, sin más, que el léxico de los hombres hispanohablantes de Estados Unidos es 75% mayor que el de las mujeres o que el de las mujeres de la República Dominicana supera un 33% al de los hombres. Máxime si tenemos en cuenta que los informantes por cada país son relativamente pocos y además se trata de léxico variable. Ya hemos visto en la Fig. 2 de respuestas totales de los informantes con las cifras aproximadas para hombres y mujeres. Sin embargo, estas cifras necesitan ser explicadas, contrastadas con otros estudios o analizar los detalles del léxico estudiado.
A continuación vamos a observar el léxico variable relacionado con el automóvil, correspondiente a los conceptos del A142 al A160. En primer lugar, obtenemos la tabla ordenada por el léxico más mencionado ordenado en sentido descendiente de frecuencia total25. La Fig. 5 recoge solamente los términos de frecuencia total más alta y donde podemos observar algunas diferencias según el sexo de los informantes.
El léxico variable más frecuente entre hombres en relación con el de las mujeres, según la Fig. 5, sería parabrisas, faros delanteros, faros, portaequipaje(s), direccional, etc. En cambio, hay pocos vocablos en los que la frecuencia sea mayor entre las mujeres, como
25 SELECT respuesta,
SUM( IF ( sexo = '1', 1, 0 ) ) AS hombres, SUM( IF ( sexo = '2', 1, 0 ) ) AS mujeres, COUNT( * ) AS total
FROM informantes, contestaciones
WHERE contestaciones.informante = informantes.código AND orden BETWEEN "A142" AND "A160"
son casa rodante, parrilla, luces o furgoneta. Puede ser significativo que la mayor diferencia entre las respuestas es NS (no sabe), lo que puede ser una de las claves de las diferencias con los hombres en este campo léxico.
respuesta hombres mujeres total
luces de freno 69 69 138 volante 66 62 128 capó 57 56 113 parabrisas 57 42 99 parachoques 39 40 79 placa 42 35 77 luces traseras 41 34 75 furgoneta 36 39 75 parrilla 33 39 72 matrícula 34 35 69 maletero 37 30 67 camioneta 35 29 64 guardabarro 31 32 63 casa rodante 28 34 62 faros 34 26 60 intermitente 31 29 60 baca 29 30 59 NS 17 36 53 parabrisa 25 26 51 faros delanteros 28 21 49
Fig. 5 Frecuencias del léxico del automóvil
En algunos de los términos podemos observar algunas diferencias curiosas. Por ejemplo, en el concepto A146, los hombres prefieren parabrisas frente a las mujeres (57/42), mientras que en la forma parabrisa no se advierte esa diferencia (25/26). Asimismo, en el concepto A145, los hombres prefieren faros o faros delanteros mientras las mujeres solamente superan de forma casi insignificativa a los hombres en términos como focos o focos
delanteros. Considerado cada país en conjunto resulta difícil de explicar solamente con los datos a mano la causa de las diferencias entre, por ejemplo, Argentina y España. Las mujeres argentinas han ofrecido 193 términos frente a los 146 de los hombres. En España, al contrario, las mujeres 549 y los hombres, 612. Entre los países en los que las mujeres han respondido con más términos de este campo léxico también se encuentra Cuba (117/89), pero en el resto, o es pequeña la diferencia o son superadas por los hombres, y en algunos casos por un amplio margen, como es el caso de Estados Unidos (143/95), Perú (61/44) o Panamá (50/39)26.
2.2. Frecuencia de léxico variable
En las encuestas del Proyecto VARILEX se pregunta a los informantes si utilizan determinados vocablos y al mismo tiempo se les pide que nos informen de otros que ellos mismos utilicen. Gracias a que los datos se van incluyendo en la base de datos relacional, resulta cómodo hacer listas de frecuencias, incluyendo las condiciones del sexo, la edad o cualquiera de los atributos de los informantes. Si hacemos la lista de vocablos27 más votados, es decir, más conocidos por los informantes, con la condición del sexo solamente, podremos observar y comparar las preferencias léxicas de cada uno de los sexos. El resultado de los vocablos más frecuentes se puede ver en Fig. 6 y 7.
Las respuestas más frecuentes, NS (no sabe) y coche son las más frecuentes. En algunos vocablos podemos observar algunas diferencias, como saco, ligeramente más frecuente entre hombres y chaqueta entre mujeres, entre las que saco tiene una frecuencia menor. También hay algunos vocablos entre los 20 más frecuentes que no aparecen en la lista del sexo opuesto, como es calzoncillo, calzoncillos, volante y silenciador entre hombres, y pluma, basurero, encendedor y papel higiénico entre las mujeres. Análogamente se pueden preparar fácilmente listas de frecuencia introduciendo las variables de país, ciudad, edad, etc.
Estas listas y estos cálculos de frecuencias nos pueden servir para comprender desde otros puntos de vista la disponibilidad léxica de los hispanohablantes.
26
Las diferencias de las cifras absolutas entre países se deben al diferente número de informantes en cada país por lo que lo que importa es la diferencia relativa dentro de cada sexo.
27
Para la serie A, hombres, utilizaremos la siguiente fórmula: SELECT respuesta,
SUM( IF ( sexo = '1', 1, 0 ) ) AS hombres FROM informantes, contestaciones
WHERE contestaciones.informante = informantes.código AND orden LIKE “A%”
GROUP BY respuesta ORDER BY hombres DESC
respuesta hombres NS 186 coche 127 ducha 107 saco 96 chaqueta 94 llave 90 suéter 85 banco 84 mochila 84 recepción 84 maleta 83 calzoncillo 82 armónica 81 abrigo 79 piscina 77 bote 76 ascensor 76 volante 75 calzoncillos 74 silenciador 74 respuesta mujeres NS 203 coche 126 chaqueta 114 ducha 109 recepción 88 saco 87 banco 85 mochila 84 suéter 81 llave 81 piscina 80 maleta 80 bote 78 ascensor 78 pluma 77 abrigo 75 armónica 74 basurero 73 encendedor 73 papel higiénico 72
Fig. 6 Léxico variable frecuente (hombres) Fig. 7 Léxico variable frecuente (mujeres)
Tal como hacemos en la versión impresa de los informes en la revista anual VARILEX, podemos obtener fácilmente la matriz bidimensional de cada uno de los ámbitos conceptuales para un microanálisis más minucioso. Como muestra, podemos obtener28 la
28
Ejemplo de obtención de matriz bidimensional. Para añadir puntos, ampliar la fórmula siguiente: SELECT respuesta,
SUM( IF ( ciudad = 'BUE', 1, 0 ) ) AS 'Buenos Aires', SUM( IF ( ciudad = 'MEX', 1, 0 ) ) AS México, SUM( IF ( ciudad = 'MAD', 1, 0 ) ) AS Madrid, SUM( IF ( ciudad = 'BAR', 1, 0 ) ) AS Barcelona, SUM( IF ( ciudad = 'MED', 1, 0 ) ) AS Medellín,
matriz bidimensional de pajarita, (“pieza de adorno usada por el hombre, con dos extremos cruzados”) en la Fig. 8.
respuesta Buenos Aires México Madrid Barcelona Medellín total
pajarita 0 0 4 4 0 8 corbata de moño 0 6 0 0 0 6 corbatín 0 0 0 1 4 5 moñito 3 0 0 0 0 3 moño 1 1 0 0 0 2 corbata de lacito 0 1 0 0 0 1
Fig. 8 Matriz bidimensional
Si queremos añadir datos de sexo (M para mujeres y H para hombres), etc. de los informantes, la matriz resultante29 será análoga a la Fig. 9.
COUNT( * ) AS total FROM contestaciones
WHERE orden = "A016"
AND ciudad IN ( 'BUE', 'MEX', 'MAD', 'BAR', 'MED' ) GROUP BY respuesta
ORDER BY total DESC; 29
La fórmula será análoga a la siguiente: SELECT respuesta,
SUM( IF ( contestaciones.ciudad = 'BUE', 1, 0 ) AND IF ( sexo = '1', 1, 0 ) ) AS 'Baires H', SUM( IF ( contestaciones.ciudad = 'BUE', 1, 0) AND IF ( sexo = '2', 1, 0 ) ) AS 'Baires M', SUM( IF ( contestaciones.ciudad = 'MEX', 1, 0) AND IF ( sexo = '1', 1, 0 ) ) AS 'México H', SUM( IF ( contestaciones.ciudad = 'MEX', 1, 0 ) AND IF ( sexo = '2', 1, 0 ) ) AS 'México M', SUM( IF ( contestaciones.ciudad = 'MAD', 1, 0 ) AND IF ( sexo = '1', 1, 0 ) ) AS 'Madrid H', SUM( IF ( contestaciones.ciudad = 'MAD', 1, 0 ) AND IF ( sexo = '2', 1, 0 ) ) AS 'Madrid M' COUNT( * ) AS total
FROM contestaciones, informantes WHERE orden = "A016"
AND contestaciones.informante = informantes.código AND contestaciones.ciudad
IN ( 'BUE', 'MEX', 'MAD' ) GROUP BY respuesta
respuesta Baires H Baires M México H México M Madrid H Madrid M total pajarita 0 0 0 0 2 2 8 corbata de moño 0 0 3 3 0 0 6 moñito 1 2 0 0 0 0 3 moño 1 0 1 0 0 0 2 corbata de lacito 0 0 0 1 0 0 1
Fig. 9 Matriz bidimensional con atención al sexo de los informantes
3. Conclusiones
La variación del léxico entre hispanohablantes de distinto sexo y distintas regiones se puede estudiar desde varios puntos de vista. Aunque resulta difícil afirmar categóricamente que los hombres poseen un vocabulario más amplio que las mujeres o viceversa, o los de una región en comparación con otras, podemos observar y cuantificar hasta cierto punto diferencias observables en un ámbito más reducido, como es el relativo a ciertos campos léxicos o de preferencia por algunos sinónimos concretos.
Aunque en la investigación del léxico variable no se da un límite de tiempo a los informantes para completar sus encuestas y las preguntas son específicas relacionadas con un ámbito conceptual, en cierto modo, y al tratarse al fin y al cabo del estudio de ciertos campos léxicos, las técnicas de la disponibilidad léxica se pueden complementar con las del léxico variable, como es el caso del proyecto VARILEX. También hemos podido comprobar que el uso de las bases de datos relacionales en este tipo de análisis puede ser de gran provecho.
