LIETUVIŲ KALBOTYROS KLAUSIMAI XXXIX (1998)

Vida ŽILINSKIENĖ

Matematikos ir informatikos institutas, Vilnius

Diccionario de frecuencias del lituano escrito actual

(primeros resultados de la investigación)

Ya está en funcionamiento un diccionario de frecuencias computarizado del lituano escrito actual, elaborado a partir de materiales de cuatro estilos funcionales (literario, periodístico, científico y administrativo). Para más información sobre la metodología y los principios de elaboración del diccionario, véase el artículo (Grumadienė 1995).

La diversidad léxica de una lengua, de un determinado estilo funcional, de un escritor o de una obra se evalúa mediante el denominado coeficiente de iteración (la proporción entre las apariciones de palabras y el número de palabras), que expresa también la frecuencia media de las palabras en el texto. Los cálculos realizados muestran que el coeficiente de iteración de los estilos mencionados y del lituano en su conjunto es:

literario – 9,53,

periodístico – 10,51,

científico – 12,63,

administrativo – 20,78,

lengua en su conjunto – 20,06.

Cuanto menor es este coeficiente, más palabras diferentes se encuentran en textos que contienen el mismo número de apariciones de palabras (en nuestro caso, se analizaron 300000 apariciones de palabras de textos de cada estilo funcional), y más diverso es el léxico de ese estilo. Las cifras presentadas muestran con toda claridad que: 1) el léxico literario es dos veces más diverso que el del estilo administrativo; 2) la diversidad léxica de los estilos literario, periodístico e incluso científico es bastante similar.

Podemos comparar la diversidad de las formas de palabra encontradas en los textos estudiados cotejando la proporción entre las apariciones de palabras y las formas de palabra de cada estilo:

literario – 4,34,

periodístico – 4,48,

científico – 4,83,

del estilo técnico: 7,29,

de toda la lengua: 7,16.

Estas cifras también muestran claramente que: 1) se utilizan formas gramaticales más variadas en los estilos literario, periodístico y científico; 2) desde este punto de vista, el estilo técnico también difiere considerablemente de los demás estilos.

219

Dado que contamos con un diccionario de frecuencias de la prensa lituana elaborado con la misma metodología (Žilinskienė 1990), calculado a partir de textos de periódicos y revistas de 1973-74, y con un diccionario de frecuencias de la prensa letona (Jakubaitė 1969), calculado a partir de textos de 1966-67, podemos comparar sus coeficientes de iteración:

Prensa lituana de 1993–95: 10,51; prensa lituana de 1973–74: 15,38; prensa letona de 1966–67: 18,60.

Estos coeficientes muestran claramente que el léxico de la prensa lituana actual es más variado que el de la prensa lituana de hace veinte años o que el de la prensa letona de hace casi treinta años. Comparemos las listas de las diez palabras más frecuentes de cada estilo y de toda la lengua (véase la tabla 1; en esta y en las demás tablas, la cifra junto a la palabra indica su frecuencia).

Tabla 1. Listas de las diez palabras más frecuentes de cada estilo

literatura | prensa | ciencia | estilo técnico | toda la lengua y* 11442 | y* 9743 | y* 11140 | y* 10990 | y* 43315 él 9634 | ser 5825 | ser 6294 | ser 5138 | él 24613 yo 4580 | él 5824 | él 4692 | él 4463 | ser 21366 a 4216 | ese 3487 | ese 2783 | ese 3286 | ese 13528 ser 4109 | que* 3235 | este 2138 | que 2273 | a 10715 ese 3972 | a 2719 | que 2054 | Lituania 2195 | que* 9877 o* 2822 | yo 2602 | a 1941 | este 2135 | yo 9025 que* 2811 | que 1985 | que* 1844 | que* 1992 | que 7610 cómo 2219 | o* 1904 | con 1838 | o 1903 | de 7162 qué 2136 | con 1897 | de 1647 | a 1839 | con 7034

La frecuencia de las palabras marcadas con asterisco (*) en la tabla 1 difiere de la frecuencia de esas mismas palabras presentada en la tesis (Žilinskienė 1995), porque aquí se presenta la frecuencia total de una lexema concreta, mientras que en la tesis se ofrece la frecuencia de la lexema correspondiente cuando aparece en los textos analizados únicamente como conjunción.

De la tabla 1 se desprende claramente que: 1) entre las diez palabras más frecuentes aparecen partes invariables de la oración, pronombres —que, desde el punto de vista estadístico, suelen comportarse como partes invariables de la oración— y el verbo ser, que a menudo se utiliza en el texto como verbo auxiliar; 2) en la primera lista de las palabras más frecuentes de-

220

En los cien primeros hay seis palabras (ir, jis, būti, tas, kad, į) que son las mismas, aunque difieren sus rangos (números de posición en las listas de frecuencias), salvo, claro está, ir; 3) en las diez palabras más frecuentes del estilo técnico solo hay una palabra con significado concreto: Lietuva.

Comparemos los veinte términos más frecuentes de la prensa en el lituano actual, en el lituano de prensa de épocas anteriores y en la prensa letona (véase la tabla 2).

Tabla 2. Palabras más frecuentes en la prensa lituana y letona

Prensa de 1993–95 | Prensa de 1973–74 | Prensa letona | ir 9743 | ir 11890 | un 10401 | būti 5825 | jis 5733 | būt 6395 | jis 5824 | būti 4167 | tas 5244 | tas 3487 | tas 3939 | ar 3631 | kad 3235 | į 2614 | par 3546 | į 2719 | aš 2461 | kas 3119 | aš 2602 | kad 2455 | viņš 2610 | kuris 1985 | kuris 2394 | no 2342 | o 1904 | su 2046 | ka 2325 | su 1897 | šis 2024 | ari 2304 | iš 1890 | visas 1825 | šis 2275 | Lietuva 1839 | darbas 1759 | darbs 2059 | šis 1715 | iš 1602 | mēs 2030 | visas 1517 | kaip 1594 | gads 1789 | savas 1463 | metai 1563 | bet 1643 | bet 1273 | o 1538 | uz 1630 | žmogus 1271 | žmogus 1421 | kā 1609 | ar 1213 | ne 1389 | viss 1601 | metai 1302 | tik 1277 | padome 1386 | apie 1165 | savo 1263 | savs 1349

Al comparar la prensa lituana de ambos periodos, vemos que la frecuencia de uso de las palabras más frecuentes es muy parecida; solo tres palabras (bet, ar, apie), que aparecen

221

entre las veinte primeras de la prensa actual, ocupan posiciones más bajas en la prensa anterior (bet está en la posición 22, ar en la 39 y apie en la 26) (Žilinskienė 1990); en cambio, en la prensa anterior la palabra Lietuva se codificó como nombre de Estado y allí solo se contabilizó la frecuencia conjunta de grupos separados de nombres propios (por ejemplo, nombres de pila, apellidos, nombres de Estados, nombres de masas de agua, etc.); por ello, no figura en el diccionario de palabras ordenadas por frecuencia decreciente. Al procesar la prensa actual, savo se consideró el genitivo del pronombre savas, por lo que, naturalmente, se registró el lema savas; recalculando de ese modo la prensa anterior, savas habría tenido una frecuencia de 1461 y habría ocupado la posición 17. Además, cabe señalar que entre las diez palabras más frecuentes que siguen ya aparecen sustantivos (metai, žmogus); solo darbas ha descendido al tercer grupo de diez en la prensa actual.

Al compararla con la prensa letona, podemos observar que entre las diez primeras aparecen la mayoría de las mismas palabras funcionales, así como los mismos dos sustantivos más frecuentes; sin embargo, en letón padome es aún muy frecuente (en la prensa lituana anterior, taryba apareció 455 veces, y en la actual, 137).

Comparemos los sustantivos, adjetivos, numerales, verbos y adverbios que figuran entre las cien palabras más frecuentes de cada uno de los cuatro estilos y de la lengua en su conjunto (véase la tabla 3).

Tabla 3. Sustantivos, verbos y adverbios más frecuentes en los distintos estilos

literario

periodístico

científico

técnico

lengua en su conjunto

ser humano

Lituania

trabajo

Lituania

Lituania

ojo

persona

sistema

trabajo

trabajo

mano

año

Lituania

documento

persona

cabeza

trabajo

persona

artículo

año

día

país

investigación

república

derecho

tiempo

día

parte

derecho

documento

casa

momento

momento

persona

tiempo

palabra

estado

proceso

empresa

día

hombre

tierra

elemento

ley

estado

vez

Vilnius

material

presidente

república

trabajo

tiempo

agua

Estado

parte

niño

vida

tiempo

institución

ley

padre

escuela

año

organización

artículo

pierna

Rusia

cultura

lengua

empresa

222

literatura tiempo mujer vida ventana grande bueno periodismo niño lituano empresa vez banco ley mundo casa economía Europa parte ciudad grande nuevo bueno importante científico dato lituano condición modo número significado caso lengua ciencia forma grupo superficie método resultado actividad problema lugar propiedad grande diverso principal nuevo importante especializado parte palabra diputado tribunal comisión cuestión expediente resolución procedimiento mercancía consejo país empleado miembro persona caso gobierno infracción medida día proyecto banco reunión forma contrato tiempo precio estatal alto administrativo principal importante todas las lenguas palabra lengua país persona sistema vez tierra tiempo lugar vida grande nuevo alto

223

literatura periodismo ciencia especializado todas las lenguas general social uno dos uno primero dos tres uno primero dos uno primero dos uno primero dos ser poder no ser tener decir saber ir querer tomar necesitar decir mirar no poder ver parecer ser tener poder no ser decir necesitar ser poder tener no ser constituir utilizar determinar ser tener poder necesitar no ser prever querer ser poder tener no ser necesitar saber determinar querer constituir decir obtener no poder así muy mucho dónde aquí allí bien entonces muy ahora así por eso aquí aún ya muy mucho por eso a menudo así también mucho así ahora por eso a menudo muy mucho aún así ya ahora aquí también dónde por eso solo

224

Como cabía esperar, del primer centenar de palabras más frecuentes se desprende que, ante todo, la literatura se diferencia de los estilos no literarios: 1) en la literatura hay menos sustantivos (18) y adjetivos (2), y el doble de verbos (15); 2) el periodismo se asemeja más a la literatura tanto por la proporción de partes de la oración como por las lexemas concretas (por ejemplo, casa, vez, niño, vida, bueno, decir, aquí aparecen solo en el primer centenar de palabras más frecuentes de estos estilos). Algunas lexemas se encuentran en el primer centenar de palabras más frecuentes de todos los estilos: persona, trabajo, tiempo, ser, poder, no ser, tener. A partir del primer centenar de sustantivos más frecuentes ya sería fácil decir de qué estilo proceden los textos de los que se extrajeron estas palabras. Por ejemplo, es imposible imaginar que en la literatura sean frecuentes palabras como investigación, proceso, elemento, dato, condición, significado, forma, del mismo modo que es imposible imaginar que ojo, mano, cabeza, niño, padre y similares aparezcan con frecuencia en el lenguaje del estilo científico. Tales palabras solo pueden ser frecuentes, quizá, en alguna muestra concreta en la que se escriba precisamente sobre ese tema. Además, resulta muy evidente que los verbos del primer centenar de palabras más frecuentes tienen un significado muy general y funcionan en los textos principalmente como verbos auxiliares.

Comparemos los sustantivos, adjetivos, numerales y verbos incluidos en el primer centenar de palabras más frecuentes del periodismo lituano actual, del periodismo lituano de una época anterior y del periodismo letón (véase la tabla 4).

Tabla 4. Los nombres y verbos más frecuentes del periodismo lituano y letón

Periodismo de 1993–95

Periodismo de 1973–74

periodismo letón

Lituania

trabajo

trabajo

persona

año

año

año

persona

consejo

trabajo

escuela

persona

país

país

tiempo

día

vez

partido

momento

república

pueblo

Estado

economía

Estado

tierra

día

día

Vilnius

vida

república

tiempo

película

tierra

vida

distrito

lugar

escuela

tiempo

deuda

Rusia

ciudad

fábrica

niño

ciencia

distrito

lituano

tierra

vida

225

periodismo de 1993–95

periodismo de 1973–74

periodismo letón

empresa generación banco ley mundo casa economía Europa parte ciudad

niño pueblo consejo pregunta mundo lugar tiempo maestro producción organización deporte estudiante mujer

ciudad pregunta organización ocasión comité empresa mundo palabra lucha tarea enseñanza fuerza trabajador

grande nuevo bueno importante

nuevo grande bueno soviético importante joven alto socialista verdadero

joven grande bueno alto

uno primero dos tres

uno primero

primero uno dos otro

ser tener poder no ser decir necesitar

ser tener poder necesitar no ser saber trabajar hablar querer decir

ser no ser poder convertirse ocurrir trabajar empezar dar

Esta comparación precisamente muestra qué lexemas son los más característicos del periodismo, es decir, qué lexemas son frecuentes tanto en el periodismo lituano de ambos períodos como en el letón

226

en el periodismo. Finalmente, ciertos lexemas frecuentes (por ejemplo, solo en el periodismo actual, entre las palabras más frecuentes ya aparecen bankas, įstatymas, mientras que en el periodismo anterior figuraban tarybinis, socialistinis) reflejan los aspectos políticos y económicos del período correspondiente.

En este estudio se utilizaron los materiales del Diccionario de frecuencias de la lengua lituana escrita contemporánea, elaborado con el apoyo del Fondo de Ciencia y Estudios de Lituania.

Recibido el 26 de junio de 1998

LITERATŪRA

Grumadienė L. 1995: Dabartinės rašomosios lietuvių kalbos dažnumų žodynas: sandara ir darbo eiga. – Lietuvių kalba: tyrėjai ir tyrimai. Konferencijos pranešimų tezės, Vilnius: Lietuvių kalbos institutas, 18–19.

Jakubaitė T. 1969: Jakubaitė T., Gulėvska D., Ozola V., Prūse R., Rubina A., Sika N. Latviešu valodas biežuma vārdnīca. 2, Rīgā: Zinātne.

Žilinskienė V. 1990: Lietuvių kalbos dažninis žodynas, Vilnius: Mokslas, 176.

Žilinskienė V. 1995: Rašomosios lietuvių kalbos dažninis žodynas. – Lietuvių kalba: tyrėjai ir tyrimai. Konferencijos pranešimų tezės, Vilnius: Lietuvių kalbos institutas, 33–34.

HÄUFIGKEITSWÖRTERBUCH DER LITAUISCHEN SCHRIFTSPRACHE

(erste Forschungsresultate)

Zusammenfassung

Dieser Beitrag bietet die Einschätzung der Häufigkeit der Wörter in der Lexik der verschiedenen funktionalen Stile der gegenwärtigen litauischen Schriftsprache nach Iterationskoeffizienten, wobei auf das Verhältnis der Wortformen in den Stilgattungen hingewiesen wird. Verglichen werden, die gebräuchlichsten Wörter in den Stilgattungen und die gebräuchlichsten in der litauischen Publizistik 1993–1995 bzw. 1973–1974 sowie in der lettischen Publizistik. Der Vergleich zeigt, welche Lexeme für die Publizistik besonders kennzeichnend sind und wie sie die politischen bzw. wirtschaftlichen Aspekte einer gewissen Zeitperiode widerspiegeln.

227