Automatización del estudio de características lingüísticas del español escrito

Resumen

El uso de palabras como estímulos es muy frecuente en las ciencias
de la conducta, por tanto, resulta de gran interés caracterizar las variables
lingüísticas de los vocablos en el idioma que se trata . En el español existen
algunos estudios de esta índole, pero presentan problemas que los limitan en
cuanto a su representatividad, ya sea porque la cantidad de información que se
analiza es muy pequeña, la procedencia geográfica del estudio difiere del lugar
donde se van a utilizar sus resultados o porque han perdido vigencia a causa del
envejecimiento del material usado para su confección . El empleo de los medios
de computación permite analizar un gran volumen de información en tiempo
breve, confiere mayor confiabilidad al estudio al disminuir los errores humanos
y facilita la actualización constante de la información . En el presente trabajo, se
expone un sistema para extraer automáticamente, a partir de un conjunto de
textos, variables lingüísticas pertinentes a palabras y sílabas, tales como frecuencia
de aparición, longitud, irregularidad grafema-fonema, cantidad de sílabas,
acentuación ortográfica, patrón de división silábica y sucesión de consonantes
y vocales . La salida del sistema consiste en una base de datos, lo que
facilita la selección automática de palabras para la creación de listas según criterios
lingüísticos prefijados por el investigador . Con este sistema, se analizó un
conjunto de textos publicados en Cuba, creándose diccionarios de frecuencia
de uso de vocablos y sílabas que incluyen otras variables lingüísticas . Este sistema
se ha empleado también para realizar otros estudios linguísticos regionales
en España y Colombia .