Lengua natural y lenguaje lexicográfico

LENGUA NATURAL Y LENGUAJE LEXICOGRAFICO Manuel Ollero T oribio Miguel A. Pineda Pérez INTR ODUCCI ÓN T hi s paper deals with the analysis ofthe la nguagc used in the witing of dicti onaries . We try to prove that the lexicograp hi c norm responds coa speci fi c linguistic sys te m from which it can be deduced certain general characteristics. The matter is completed wi th a sta tistical survey of the corpus we have studied. Aunque la lexicografía ha sido siempre una disciplina que ha motivado el interés y la atención de los filólogos, en el momento actual adquiere una especial trascendencia debido a la aplicación de l os nuevos métodos in formáticos al desarrollo de los diccionario s. Por una parte los nuevos diccionarios se confeccionan siguiendo técnicas más rigurosas que so n posibles gracias a la utilización de instrumentos informáticos que «vigilan» la coherencia en la redacción de los artículos. Por otra, los diccionarios resultantes en formato computacional (machine readeableform), tienen la posibilidad de ser uti li zados como instrumentos para sistemas de procesamiento automá ti co del lenguaje natural (Traducción Automática, lndización Automá ti ca de Textos, Interfaces en Lenguaje Natural, Sistemas de Análisis del Habla, etc.). En este seg undo aspecto el diccionario es un objeto que será sometido a análisis para obtener una base de datos lexicográfi ca . El proceso de análisis implica, necesa ri amente, la intervención de un parser, es decir, de un sistema de aná li sis, compuesto generalmente de una gramática formalizada y de un lexicón. En principio este tipo de parser puede ser el mismo utilizado para el análisis de un 24 Manuel Ollero Toribio y Miguel A. Pineda f' érez texto. Sin e mba r go, la experienc ia de los lexicógrafos comput aciona l es demu estra que Ja l engua utili zada en el discur so lexicográfico es un subconjunto de la len gua natural, po r lo cual el parser lexicográfico tiene que se r es pe cífico. Si c onseguimo s delimit ar es te subconjunto medi ante la de finición de una nu eva gramática y un nu evo l exicón, podremo s o bt e ner un pars er m ás a dec uado pa ra el an álisis del l enguaje lexi cog ráfico. Una posible forma de definir tanto la gra mática como el lexi cón es realizar un estudio contra stivo entre el texto le xicog ráfico y el texto de la le ngua natural. Ha ciendo ab stracción de la i nforma ción enciclopédica contenida en la generalidad de los di cc ionarios, la primera caracter ización evidente del texto le xicográfi co es su clara fun ción rnetalingüística restringida a una s ola parte del signo, es de c ir , a la infr aestructu ra de la signiri cac i ón absoluta, pu es to qu e en un di ccio nario, -salvo en los deno minad os gramaticalesno se exp li ca el comportamie nto sintáctico de l as uni dad es l éxicas ni las reglas de composición ele los e nunciados . Por este motivo scrú preferible hablar el e metal enguaje lexi cog ráfico o de la metal en gua lexicográfica, tal como hac e R. Werner 1• Es ta fu n ción co nteni da en el discurso lexi cog ráfi co es un hecho del que los lexicógrafos han sido conscientes desde anti guo, y en la bi bliografía actual se hace frecuente referen cia a es ta cuestión en aspectos concreto s, como los dela paráfrasis lexicográfica , la defini ción sinonímica, el círculo vici oso en la definición, los estratos l éxicos, etc.2• Por otra parte , sa b emos qu e tod as las funcion es de l lenguaje só lo s on analizables lingüí sticamente cuando utili za n procedimie ntos formalizablcs, pert inentes o convencio - nales, de tal man era que podremos de c ir que un dic cio nario compor ta un metalenguaje lexic ográ fi co si es posible de mostrar q ue existe un a técnica de discurso propia y específica de él, distinta de la téc nica de discurso del l enguaje habitual o normal, y que pu ede ser formalizablc mediante una gramát ica partic ul a r. Intentar demo st rar esta última afim1ación, o ensayar un pro cedi miento mediante el cual se pu eda ll evar a ca bo la dem ostra ci6n, es el p ro pó s it o de es te traba jo. Nos limitaremos aquí al estu dio estadístico-contrastivo de las formas u sadas en el discurso norma l y el dis curso l exicogrúf ico, para saber si la distribución estadística de los lexemas sustan ti vos y verba les, así como la de algun os ele m entos de rel ac i ón (p reposicio n es y c onjun ciones) presenta una di spers ión suficientemente importante para pode r afirmar que se tra ta de dos t écn ic as de di sc urso dif erenc iada s. M l ~ TOOO De la lengua española está ndar , por el momento , sólo existe un diccionario de frecuencias: el Frequency Dictiona1 y of Spanish Words ( DF ) de A. J ui ll and y E. Chang Rodrí guez, R. W ~RN EI {. La l.exiCORrafía. Madrid. 1982. J. Fr:RNÁNDEZ SEV ll J. A. Problemas de Lexicografi11 Act1111I. B ogotá . 1974. l. e11g11a 11a111ral y len¡:uaje lexico¡vcifico 25 que es el instrumento que u sa remos co mo patrón estadístico para establecer cmíles son Jos rangos de las palabras más fr ec uent es en la nonn a está ndar de nuest ra lengua. En la segunda parte de este diccionario (pp. 383-500) encontramos, d esde el rango I h as ta el 5024, los lexem as c on sus respectivas frecuen cias. De entre ellos hem os sel ecc ionado las cien primeras palabras, y de entre éstas los sustanti vos y v erbos. La elecc ión de estas cien primeras palabr as se justifica porque suponen el diez por ciento del 101al de formas que componen el diccionario. Est os mi sm os sust ant ivos y v er bos son los que determinan la otra pa rte de nuestra muestra, que hace referencia al discurso lexi cográfico. Así, hem os to mado la primera acepción de todos y cada uno de ellos en tres de los diccionarios má s prestigiosos de nuestra lengua: el Di ccionario de la Real Academia Espmiola ( DRAE ), el Diccion ario Ideológi co (DI) de Ju lio Casares y el Diccionario de Uso del Espmiol (DUE) de María Molincr. El conjunt o de enun ciados que componen es t as acepciones será la muestra que acep ta remo s como representativa del discurso le xicog ráfico. Ga rant izar la rc pr cscntat iv idad de la mues tra es la causa que nos ha obligado a renunciar a incluir en esta parte del corp us las acepciones de las otras categorías incluidas también en el ra n go cien. Y es que la definición que en un diccionario se da de una preposición, conjunción, art ículo o pronombre co nstituye un enun cia do c uya función metalingüí stica, como decíamos en el apartado anterior, se diferencia notablemente de la que den ominábamos lexicográfica, y su inclusión en el corpus produciría una importan!c desviación no de sea ble , ya q ue en la totalidad de un di cc ionario la definición de estos ele mento s su pone una parte ín fima. En cuanto a los ad jet ivos, no han si do consid era d os porque entre l as púlabras del rango elegido no aparecen calificativos sino demostrativos, posesivos, numerales, etc., cuyas definiciones presentan los problem as antes mencionados. Sig ui en do l os principios lexi co métri cos , la muestra l ex ico grá fi ca huho de ser segme ntada as í como co mpu tadas las fr ecuencias de cada forma. Dado que esta tar ea es ardua si se r ea li za manualmente, hemos recurrido a las técnicas de análisis esta dí stico automatizado. Después de introducir el t ex to en ficheros de orde nador, se re da cta ron una ser ie de progra m as en l eng uaje informático que permitieron obtener l os datos co rr espondien t es a las frecuencias en los Lrcs diccionarios. Para establ ecer el contraste entre el discur so normal y el lexico gráfico con mayor ri qu eza de matices dividim os este último en cuatro es tratos: 1. El conjunto de acepciones de los tres diccionarios, que aparecerá con la etique ~ a D's. 2. L as acepciones que apa r ecen en el DRA E. }. Las acepciones que apare ce n en el DI. 4. Las acepc i ones que apar ecen en el DU E. De cada uno de estos es tratos se ob ti ene, mediante un primer programa, la lista de formas con refer enc ia a la e ntrada del dicciona ri o en que aparece, y l as veces qu e lo h ace en e sa acepción. As í, como ejemp lo, el adjetivo abstracta apar e ce en las de finiciones de «C OSA » en el DRAE y en el DI , y en ambas un a vez. 26 Manuel Ollero Toribio y Mi gue l A. Pineda P érez El li stado de formas definitorias con referencia al término definido en cada uno de Jos di cc ionarios reveló que son pocas las palabras que aparecen en las tre s definiciones de lo s mismos ténnino s, en los tres diccionarios. Las coincidencias son las siguientes: ~ en las tr es definici one s de ENCONTRAR ~-----~ BUSCAR .__ C _O_ N _ J _ U _ N _ T _0 _~ 1---- -- ------- --- -~ ..... 1 MUNDO -CREER -DEJAR - -ENCONTRAR - -HACER 1 COSA 1 -- 1 --LLEVAR - PARECER - -SA BER -TIEMPO DESEAR .... QUERER EDIFICIO ... CASA EXISTIR ... ES TAR PALABRA ... HABLAR PERSONA ... MUJER PRODUCIR ... HACER RACIONAL ... HOMBRE REVOLUCION ... AÑO SITIO ... LLEGAR AÑO L SO L ... ¡ : SA BER : AÑO TIEMPO ... 1 DI A AÑO TIERRA ... j DIA VENIR ... 1 LLAMAR VUELTA ... 1 DIA Lengua natural y lenguaje lexicográjic:o 27 Posteriormente se obtiene la fr ecue ncia de cada forma y la ordenación decreciente de las mismas (rangos). Es te estudio se reali za para el con ju nto de los Lr es diccionarios y, de forma indep endiente, para cada uno de ellos. Al mismo tiempo se han consid erado como posibles variables que pueden tener importan cia posterio rme nt e, el que la fr ec uencia de cada fo rm a se dé en la definición de un sustantivo o de un verbo. El total de formas que compone el corpus lexi cog ráfico es de 1111, 483 en Ja definición de sustantivos y 628 en la definición de verbos. Teniendo en cuenta que so n 12 los sustantivos definidos y 22 los verbos, el promedio de formas en Ja definición de estas categorías es de 13 , 42 formas en los sustantiv os y 9,5 I en Jos verbos. En el DRAE el total de fo rmas es de 359, 194 en Ja defi ni ción de sustanti vo s y 165 en la de verbos, con un p ro medio de 16 , 16 en los sustantivos y 7,5 en l os verbos. En el DI el to tal de fmmas es de 300, 136 en los sustantivos y 164 en los verbos, co n un promedio de 11 ,33 en l os sustantivos y 7,45 en l os verbos. En el DUE el total de formas es de 452, 15 3 en los sustantivos y 299 en los verbos, con un promedio de 12,75 en la defi ni ción de sustantivos y 13,59 en la definición de verbos. De estos datos se de du ce que el DUE es el diccionario que más formas emplea p ara la definición de los 34 lexemas co nsiderados. En cuanto a las definiciones de sustantivos es el DRAE el que más formas empl ea y, en cambio, es del DUE el que má s e mp lea en las definiciones de verbos. En lo que respecta a la diversidad de formas u sa das en el discurso lexicog ráfico también se hacen notar diferencias considerables que ponen de relieve distintos grados de riqueza léxica. Así, en el conjunto de los tres diccionarios son 367 formas las representadas, 197 en las definiciones de sustantivos y 2 11 en las de los verbo s. En el DRAE aparecen 191 formas distintas, 106 en las definiciones de los sustanti vos y 108 en las de los verbos. En el DI aparecen 167 formas distintas, 93 en las defi ni ciones de los sustantivos y 92 en las de l os verbos. Y en el D UE , 217 formas distintas, 11 1 en las definiciones de los sustantivos y 12 4 en las de los verbos. Por tanto es el DUE el qu e demuestra una riqueza de léxi co mayor, seguido del DRA E y el DI. En cuanto a las palabras más frecuentemen te usadas en el con junto de los tre s diccionarios so n: 28 M111111el Ollero Toribio y Miguel A. Pineda Pérez S-V s V 1 º el e 1 º ele Iº cosa 2° qu e 2º que 2º o 3º o 3º la 3º un a En el DRAE: S-V s V Iº o 1 º ele Iº o 2º de 2ºla 2º cosa 3° un a 3° que 3º una En el DI : S-V s V 1° de 1º de Iº cosa 2° una 2º que 2" una 3º cosa 3º o 3° o En el DUE: S-V s V 1° qu e 1º que 1° de 2° de 2° en 2° que 3º Ja 3° de 3" cosa Aunque estos datos serán objeto de un an ál isis más cuidadoso en el apartado siguiente, en una prim era impresión se constata que el primer lexema en lo s tres diccionarios es «Cosa», y que Ja conjunción «o» aparece siempre en Ju gar destacado. Let1!1ua n11tural y len11u<l)e lexiwwáfiw 29 ANA1.1s1s CoNTRAST 1 vo Como decíamos al principio nuestro interés se centra en el análisis del discurso norma l y el lexicográfico para saber si existen diferencias que pueda n permitirnos afirmar que el lenguaje lexicográfico es distinto del lenguaje normal. Para ello emp i ca remos pruebas estadísticas que nos darán el grado de probabilidad con que puede aceptarse la veracidad de esta afirmación. En concreto usaremos el test de correlaci ón de rangos de Speannan y el test de concordancia de KendalP. El primero da una medida de la asociación que existe entre dos series ordenadas de datos según su frecuencia. Esta medida, o coeficiente de co rrelación, se calcula mediante la expresión: 6 L. d2 1- ----- N (N2 -I) en donde N es el número de datos en ambas ordenaciones y d la diferencia de rangos. El test de concordancia de Kendall, a diferencia del anterior, permite comparar má s de dos or denaciones, y ha sido empleado para comparar el grado de concordancia entre los tres diccionarios. Para conocer el valor de este coefic iente se empleará la expresión: 1 2. s K2• N(N 2l) donde K es el número de ordenaciones, N el número de datos en cada ordenación y S la suma de cuadrados de las diferencias entre las sumas parciales de los rangos y el valor medio de todos ellos. Estas pruebas serán aplicadas en los siguientes casos: Iº los SUSTANTIVOS usados en las dclinicio nes , comparando a) el diccionario de frecuencias (DF) con: a. I .) el conjunto de los tres diccionarios (D's) a.1.1.) en las definiciones de sustantivos y verbos a.1.2.) en las definiciones de sustantivos a.1.3.) en la s definiciones de verbos a.2.) el DRAE a.2.1.) en las definiciones de sustantivos y verbos ' CH. Mu1u1c Estadí.s tiw LinRüúrica, Madrid, 1978. 30 Manue l Ollero Toribio y Migue l A. P in eda Pér ez a.2.2.) en l as definiciones de sustantivos a.2.3.) en las definiciones de verbos a.3.) el DI a.3.1.) en las definiciones de sustantivos y verbos a.3.2.) en las definiciones de sustantivos a.3.3.) en las definiciones de verbos a.4.) el DUE a.4.1.) en la s definiciones de sustantivos y verbos a.4.2.) en la s definicion es de sustantivos a.4.3.) en la s definiciones de verbos b) el DRAE con: h.1.) el DI h. 1.1.) en las definiciones de sustantivos y verbos b. 1.2.) en las definiciones de sustan ti vos b. 1.3.) en las definici oe ns de verbos b.2.) el D UE c) el DI b.2.1 .) en las definiciones de sustantivos y ve rbos b.2.2.) en las de fi niciones de sustantivos b.2.3.) en las definiciones de ve rb os c. l. ) con el DUE c.1.1 .) en las definicion es de sustantivos y verbos c. 1 .2 .) en las definicion es de sustantivos c. 1. 3.) en las definiciones de verbos d) las de fi ni ciones de sustantivos y las definiciones de verbos: d. l.) en los tres di ccionarios d.2.) en el DRA E d.3 .) en el DI d.4.) en el DUE e) en los tres diccionarios al mismo ti empo (test de Kendall) e.1 .) en l as definiciones de sustan ti vos y verbos e.2.) en las de finiciones de sustantivos e.3.) en las de fin ic iones de verbos 2º los VE RBO S usados en las definiciones, en la mi sma secuencia de co mparaciones anterio re s: a,b,c,d, y e. 3º las PR EP OSICIONES, comparaciones a, b,c,d y e. 4° las CONJUNCIONES, igualmente, com pa ra ciones a,b,c,d y e. Lengua natural y lenguaje lexicográfico 31 Los SusTANnvos Los sustantivos estudiados son aquellos que aparecen en los tres diccionarios con frecuencias más elevadas: RANGOS DF D's DRAE DI DUE COSA PERSO NA 2 2 2 2 5.5 LUGAR 3 3 3 9 8.5 TIEMPO 4 4 4 3 3 NOMBRE 5 5.5 7 5.5 3 SUJETO 6 5.5 7 5.5 3 FACULTAD 7 7.5 7 5.5 8.5 PENSAMIENTO 8 7.5 7 5.5 8.5 ACCION 9 9.5 7 9 8.5 ASPECTO 10 9.5 10 9 8.5 En el cuadro 1 se recogen los valores de los distintos coeficientes calculados. Así, la primera casilla del cuadro (0.99) corresponde a la comparación a.1.1, la siguiente (0.68) a la a.1.2, etc. Da do que los niveles de significación vienen especificados en todos lo s cuadros, la interpretación de los coeficientes puede ser fácil. Por ejemplo, en la comparación a. ! .1 podemos decir que el coeficiente obtenido, que es superior a 0.75 , nos permite a finnar con menos del 1 por ciento de error (más del 99 por ciento de certeza) que existe una fuerte concordanc ia entre el diccionario de frecuencias y el conjunto de los tres diccionarios en cuanto a los sustantivos usados en las definiciones de sustantivos o verbos indistintamente. Sin embargo esta concordancia sólo puede aceptarse con un 95 por ciento de certeza en el caso de la comparación entre el diccionario de frecuencias y el conjunto de lo s tres diccionarios en cuanto a los susta nti vos usados en las definiciones de sustantivos, puesto que el coeficiente obtenido (0.68) está por debajo de 0.75. Por último, el coeficiente obtenido en la co mparación de los su sta ntivos usados en las defin iciones de verbos del DI y el diccionario de frecuencias (0.49) nos permite afinnar que no existe concordancia al guna entre ambos diccionarios. '