Índice de palabras de contenido (IPC) y distribución porcentual de Legomena (DPL) en artículos de investigación en español

Abstract

Resumen: A partir de una revisión de los índices clásicos en estadística léxica (Leyes de Estoup-Zipf-Mandelbrot), se proponen dos índices lingüísticos que buscan aportar nuevos datos en la descripción de textos especializados. Se presenta un caso de la aplicación de estos índices a un corpus representativo y multidisciplinar de artículos de investigación en español, que se contrasta con otros siete corpus a modo de control. Si bien desde un punto de vista general los índices tienen un comportamiento estable en los distintos registros, de forma específica, los índices permiten distinguir registros de alta y de baja especialización y dan cuenta de la variación disciplinar de los corpus analizados.Palabras Clave: Leyes de potencia, lingüística cuantitativa, tipos de Legomena, artículos de investigación. Índice de Palabras de 71 INTRODUCCIÓNMathematicians believe in [Zipf's law] because they think that linguists have established it to be a linguistic law, and linguists believe in it because they, on their part, think that mathematicians have established it to be a mathematical law.Gustav Herdan (1996:33) En la primera mitad del siglo XX, el lingüista estadounidense George Kingsley Zipf constató la existencia de ciertos patrones matemáticos que se manifiestan en la relación entre el rango y la frecuencia de las palabras de un texto, con el propósito de sustentar el principio de mínimo esfuerzo, el cual explica la comunicación como un fenómeno matemático e informático (Shannon, 1948). Desde su formulación, la Ley de Zipf (1949), basada a su vez en las observaciones del secretario del Instituto Francés de Esteganografía, Jean Baptiste Estoup, y en los postulados del sociólogo y economista italiano Wilfredo Pareto, ha tenido una enorme influencia en campos variados, claramente insospechados en un comienzo: la estructura del código genético (Sastre, Cañibano, Boubeé, Rey, Suhurt & Scempio, 2010), el funcionamiento de internet (Adamic & Huberman, 2002), la teoría del caos (Larsen-Freeman, 1997), la teoría de los fractales y las finanzas (Mandelbrot & Hudson, 2006), el modelamiento de bases de datos textuales y la recuperación de la información (Baeza-Yates & Navarro, 2005), entre otros.Dada la especial interacción que la Ley de Zipf (formalmente no es una ley, sino un modelo) supone entre los fenómenos estadísticos y lingüísticos (Wyllys, 1981), desde la matemática se han propuesto diversos ajustes a esta ley (Jiang, Shan, Jiang & Xu, 2002;Izsák, 2006) que suponen una divergencia de la constante que ella predice de forma general. Estos ajustes reflejan de mejor forma rangos específicos de la distribución de datos (Sun, Shaw & Davis, 1999;Evert, 2006), o bien datos con rangos de gran escala (Gunther, Levitin, Schapiro & Wagner, 1996;Izquierdo, 1998;Debowski, 2002).Aunque estos ajustes a la Ley de Zipf dan luces sobre aspectos de la distribución de la probabilidad de aparición de las palabras en textos de distinta naturaleza, su abordaje ha sido casi exclusivamente matemático y estadístico, generando una falta de refle...

Descripción de rasgos léxicos de textos profesionales producidos por estudiantes de derecho y medicina

“…Como se puede apreciar en la Tabla 2, además de considerar los resultados de types y tokens, también realizamos un análisis TTR, fórmula ampliamente utilizada para calcular el índice de diversidad léxica (Kettunen, 2014;Matsuda et al, 2012;Richards, 1987), y que nos permitió analizar estos datos de forma más específica. De acuerdo con Richards (1987), para interpretar la TTR se debe considerar cuán cerca se encuentra de 0.…”

La cuantificación difuminada en la cuenta anual de una Oficina de Transferencia Tecnológica: ¿retórica o estilo?

“…Para probar la explicación estilística de la cuantificación, tomamos de la planilla de cálculos las celdas en los que aparecía la clasificación realizada, según si la cuantificación fuera difusa o exacta. Estos datos los traspasamos a un archivo de texto plano (.txt) y luego los cargamos en el software Antconc v.3.5.8 (Anthony, 2019), con el cual es posible obtener patrones o n-gramas y se puede observar cómo se distribuyen las frecuencias de las palabras según el número de veces que se repiten en un texto (Matsuda, Sadowsky, Matsuda & Sabaj, 2012). Así, si las secuencias son poco variables, es decir, hay muchas secuencias de una misma categoría (exacta-exacta-exacta… o difusa-difusadifusa), la explicación estilística perdería sustento.…”

El léxico disciplinar en la educación universitaria.

“…En cuanto a las lexías usadas solo una vez en el corpus, representan una mínima parte (3,37%) del total de ocurrencias y casi la mitad (47,39%) del total de formas léxicas distintas. El resultado indica una muy baja presencia de esas lexías únicas; como señalan Matsuda et al (2011), el mayor porcentaje de hápax se vincula con una alta presencia de terminología y supone un esfuerzo máximo en la comunicación, para alcanzar un registro altamente elaborado destinado a una audiencia especializada y reducida. Queda pendiente aplicar otros índices complementarios, extrapolados de la enseñanza de segundas lenguas, como el índice de complejidad léxica y el de fluidez, que describen la expresividad de una muestra de textos escritos (Larsen-Freeman, 2006;Bulté & Housen, 2012).…”

“…La larga tradición de los estudios en terminología, lexicología y lexicografía (Adelstein, 2004) apoyan este presupuesto, lo mismo que algunas aproximaciones desde la psicología cognitiva del desarrollo, como la Hipótesis de la calidad lexical (Perfetti, 2007), los enfoques desde la Lingüística de corpus INTRODUCCIÓN *Autor de correspondencia: mireyace@gmail.com. ORCID: 0000-0002-5519-7192 **Autor de correspondencia: giolavar@uis.edu.co (Matsuda, Sadowsky y Sabaj, 2011;Venegas, 2007) y los estudios de enseñanza del inglés con fines específicos, centrados en el léxico (Coxhead, 2014(Coxhead, , 2016Hyland & Tse, 2009;Nation, 2013). No obstante, ninguno de estos enfoques autoriza un paso automático hacia la alfabetización académica, pues es evidente la insuficiencia del aprendizaje de un lexicón para el dominio de la lectura y la escritura en las disciplinas profesionales.…”