La lengua española en la proyección mundial de Internet Hiroto Ueda
Universidad de Tokio (Japón)

En la actualidad, la comunicación no se realiza exclusivamente cara a cara, ni a través de la forma tradicional de discursos, teléfonos, cartas, documentos en papel, etc. El mensaje, la información y el conocimiento se transmiten por medios inimaginables en los siglos pasados. Nos referimos al mundo de Internet, que apenas comenzó a finales del siglo xx.¹ Los sueños de los lingüistas del pasado están realizados ya en gran escala por la tecnología de la información y la comunicación. Por medio de algunos servicios que se prestan gratuitamente, podemos acceder a la cantidad de información presentada en las páginas digitales de todos los lugares del mundo.

Por una cuestión de límite de tiempo, en esta ocasión nos limitamos a informar sobre algunos resultados de experimentos llevados a cabo en una sincronía de dos días² sobre dos aspectos relacionados con la presencia de la lengua española en su proyección mundial en Internet, y obtenidos mediante la aplicación de algunas técnicas de lingüística computacional.

2. Español sin fronteras

Dejando aparte el inglés, la lengua internacional por excelencia, el español, es una de las más difundidas en los espacios de Internet.³Para aproximarnos a la cantidad de páginas editadas en español, podemos utilizar el sistema del buscador Google de los Estados Unidos, la marca más conocida y utilizada en el mundo. Este buscador es utilizado por los lingüistas para encontrar ejemplos reales de palabras,⁴ a diferencia de los usos normales de búsqueda de información general sobre asuntos concretos. La utilización primera sería la del diccionario, mientras que la segunda sería la de la enciclopedia.

Aparte del uso normal de la búsqueda, tanto en forma de diccionario como de enciclopedia, nos fijamos en una información muy importante sobre la cantidad aproximada de páginas encontradas. Si uno está versado en la «Búsqueda avanzada»,⁵ puede obtener una información estadística del número de páginas de acuerdo con varias condiciones, entre las cuales destacamos la elección y condición de palabras, «Idioma» y «Región».

Google ofrece cuatro condiciones de las palabras: «con todas las palabras», «con la frase exacta», «con alguna de las palabras» y «sin las palabras». Estos criterios resultan sumamente útiles a la hora de estudiar los usos de algunos elementos lingüísticos. La tabla siguiente muestra la cantidad de páginas encontradas con la condición de «con alguna de las palabras» solicitadas⁶.

Según el estudio de estadística léxica de Juilland y Chang-Rodríguez (1965)⁸, basado en un corpus de 500 000 palabras, las voces más frecuentes son de, el, la, y, a, en, en este orden. Es decir, sería muy difícil que hubiera páginas sin la preposición de y mucho más difícil que haya páginas sin de ni el. Pensamos que es casi imposible editar las páginas sin usar las cinco palabras más frecuentes: dos preposiciones, dos artículos definidos y una conjunción, de modo que si buscamos con estas palabras mediante la condición optativa «con alguna de las palabras», el cálculo que ofrece el buscador representaría muy fielmente la cantidad de páginas en español existentes en el mundo.

Ahora bien, la misma operación puede efectuarse por «Región». En la opción que ofrece el buscador podemos elegir la localidad por país. Lo he intentado con la mayoría de las opciones y encontrado las cifras siguientes de los 41 países que poseen más de un millón de páginas (tabla 2):⁹

En este cuadro podemos observar que Estados Unidos es el país que presenta más páginas en español, seguido de España, Chile, México, Argentina, etcétera.¹⁰ A pesar de que se presenta una distribución desigual, lo que es normal en la estadística de frecuencia, podemos destacar el hecho de que las páginas en español se distribuyen no sólo en los países hispanohablantes sino también en los no hispanohablantes: Brasil, Francia, Alemania, Reino Unido, Suecia, Bélgica, Italia, Canadá, Países Bajos, China, Portugal, Corea del Sur, Suiza, Rusia, Irlanda, República Checa, Luxemburgo, Japón y Taiwán, aparte de Estados Unidos, que ocupa el primer lugar. ¿Estas páginas son realmente emitidas desde el país en cuestión? ¿Se divulga la lengua española con tanta fuerza en el mundo?

Al observar las primeras 343 páginas «de Japón» que ofrece el buscador, hemos comprobado que la mayoría son realmente emitidas desde la dirección «.jp», aunque también encontramos algunas excepciones, por ejemplo, las páginas de embajadas japonesas residentes en los países hispanohablantes, las que llevan la dirección «.edu» o «.com», etcétera. Estas excepciones, a nuestro modo de ver, no constituirían unos contraejemplos si los consideramos «páginas de Japón», dejando aparte su situación física geográfica. Ahora lo que importa es el hecho de que la lengua española se ha difundido más allá del mundo hispanohablante. Lo mismo puede decirse de los casos de las páginas emitidas por los hispanohablantes residentes en Japón. La cuestión de la autoría es relativa. Hay profesores japoneses de universidad que elaboran páginas en español, los cuales probablemente cuenten con la ayuda de colegas, amigos o conocidos nativos. Lo más destacable para nuestro actual objeto de estudio es que en estas páginas se publican mensajes e informaciones en español fuera del ámbito hispanohablante.

3. Español a través de las lenguas

Después de observar los espacios en español extendidos por el mundo, ampliemos nuestra visión a varios idiomas. Dentro de la multitud de idiomas que ofrece el buscador, hemos elegido cinco lenguas europeas: español, inglés, francés, alemán y ruso; y dos asiáticas: chino y japonés. Cuando se trata de personajes históricos en estas páginas, se respeta su ortografía original, aparte de las transliteraciones en su propio idioma. Lo que nos interesa es la frecuencia de las formas españolas de personalidades que se presentan en el contexto del idioma en cuestión. A través de la función de «con la frase exacta» y elección de «Idioma» del buscador Google, podemos saber la cantidad aproximada de páginas. He elegido nombres propios de la literatura, pintura y música, tratados en enciclopedias japonesas.¹¹ La tabla siguiente muestra la cantidad de páginas en orden descendente de WWW («cualquier idioma»), con el límite de más de un millón de página:¹²

Por este cuadro podemos saber la cantidad aproximada de páginas donde aparecen los nombres en cuestión. Reconocemos de nuevo la fuerza de las dos lenguas internacionales: español e inglés. En comparación con estos dos idiomas, otras lenguas europeas, francés y alemán, ofrecen muchas menos páginas y todavía menos las dos lenguas asiáticas y la rusa.

Estas cifras no pueden ser necesariamente indicadoras de citas culturales, puesto que los nombres de grandes figuras de historia pueden ser utilizados en nombres de calles, hoteles, institutos de enseñanza, aulas de universidad, etcétera. Sabemos que la aerolínea española Iberia utiliza los nombres de grandes autores de la literatura española para identificar los aviones de tipo B-747.¹³ Podemos considerar estas utilizaciones como fenómenos socioculturales. Los nombres de calles, hoteles, aviones, etcétera, no están lexicalizados,¹⁴ completamente separados de los nombres de persona, a pesar de que a veces no nos damos cuenta del origen de su denominación. Serían resultado de una identificación artificial de entidades con la historia cultural. Todas estas cifras reflejan de alguna manera la referencia al pasado de la cultura hispánica, lo cual podríamos denominar como una «proyección lingüística cultural». Y una vez más nos llama la atención el hecho de que las personalidades de la cultura hispánica son proyectadas no solamente en español, sino en otras lenguas del mundo, en mayor o menor escala.

Además de todas estas cifras en cantidades absolutas, también nos interesa el orden inverso de la frecuencia, que se muestra de la manera siguiente:¹⁵

Ahora todas las cifras anteriores se han convertido en el orden inverso de frecuencia. Por ejemplo, la máxima cantidad alcanzada por Miguel de Cervantes en la tabla 3 se ha reducido en 24, el máximo del orden inverso; mientras que la mínima cantidad correspondiente a Francisco de Quevedo obtiene 1 en WWW. Por este cuadro podemos observar qué lugar ocupa cada nombre dentro del universo de cada idioma. Aparte del orden general de WWW, cada idioma ofrece unas características peculiares en su proyección de la cultura hispánica. Por ejemplo, Astor Piazzolla y Joan Miró alcanzan cifras relativamente altas en idiomas tanto europeos como asiáticos en contraste con el caso del español, donde ocupan una posición intermedia. Un caso inverso es el de José Hernández. La ordenación que presenta el Total de 7 idiomas no coincide exactamente con la de WWW, lo cual significa que se supone haber variaciones en otras lenguas no tratadas en la figura.

En el siguiente cuadro se muestra la matriz de coeficientes de correlación de las 9 categorías de idioma:

Aparecen marcadas las cifras superiores a 0,7, que indican un alto grado de correlación. A partir de esta matriz podemos elaborar un dendrograma, resultado del análisis multivariado cluster (método de valor medio):

Mediante esta figura podemos observar que hay dos grupos principales:

1. WWW, Español, Inglés, Total de 7 idiomas; y
2. Francés, Ruso, Chino, Alemán, Japonés.

Por la figura 1, sabemos que el coeficiente de correlación entre WWW y Español es 0,594. Esta cifra es tan abstracta que indica simplemente que se da un grado mediano de correlación. Veamos la realidad de la correlación, utilizando los datos de la tabla 4. Personas e idiomas - Orden inverso de frecuencia:

En este gráfico Miguel de Cervantes aparece situado en primer lugar tanto en Español como en WWW, mientras que Francisco de Quevedo e Isaac Albéniz ocupan el último lugar en WWW y Español, respectivamente, dentro de los primeros 24 nombres más frecuentes. La distribución presenta una forma gradual y regular.

Ahora bien, el caso de Japonés es peculiar en el sentido de que el coeficiente de correlación entre este idioma y WWW es relativamente bajo: 0,367, lo que demuestra una baja correlación, por no decir nula:

Según este gráfico los nombres que presentan valores peculiares son: Astor Piazzolla, Isaac Albéniz, Pau Casals y Joan Miró, que se sitúan en posiciones altas en Japonés, mientras que en el mundo de WWW ocupan lugares inferiores al valor medio dentro de los 24 elementos tratados. Las personas indicadas pertenecen a actividades musicales y pictóricas. Nos llama la atención que estos autores y Pablo Picasso y El Greco ocupan lugares superiores al de Miguel de Cervantes, el primero en Español y en WWW.

4. Conclusión

El objetivo de nuestro análisis en las secciones anteriores no ha sido elaborar un ranking de la cantidad de páginas ni de la proyección cultural, sino medir por algunos datos estadísticos la envergadura de la actividad de la lengua española divulgada en el mundo de Internet, así como observar la proyección de la cultura hispánica en las páginas en español y en otros idiomas¹⁶. Ninguno de los dos datos es homogéneo, sino que presentan una gran divergencia respecto de sus propias características.

Tradicionalmente, la lingüística hispánica ha venido investigando las variedades del español de acuerdo con la diversidad geográfica (geolingüística), la diversidad de parámetros personales y sociales (sociolingüística), de estilo de habla (estilística lingüística) y de tiempo (lingüística histórica). El resultado de investigación se titula como «Español DE América», «Español DE jóvenes», «Español DE estilo coloquial», «Español DEL Siglo de Oro», etcétera. Además de estas directrices establecidas, lo que podríamos proponer ahora es, tomando en cuenta la pertenencia constante a los parámetros tradicionales, aproximarnos a las variedades dinámicas del «español EN» distintos campos de actividades humanas: «español EN el ámbito universitario», «español EN Internet», «español EN la comunicación intercultural» y «Español EN el Mundo».¹⁷

Notas

• 1. Para cuestiones generales sobre el español en el ámbito de Internet, véase Francisco A. Marcos Marín, «La lengua española en Internet», El español en el mundo, Instituto Cervantes, 2000, pp. 299-357.
• 2. Son los días 28 y 29 de enero de 2010. Es importante mantener una sincronía lo más aproximada posible para llevar a cabo unos estudios comparativos de informaciones que varían de un momento a otro en el mundo de Internet.
• 3. Véase Pedro Maestre Yenes, «La utilización de las diferentes lenguas en Internet», El español en el mundo, Instituto Cervantes, 1999, pp. 187-239.
• 4. En Yutaka Miyazazi y Mutsuro Kai, Nihongogaku, temabetsu fairu, internet kensaku gizyutu to nihongo kenkyuu («Lingüística Japonesa. Ficheros temáticos. (1) Técnicas de búsqueda en Internet y estudios lingüísticos japoneses»), Tokio: Meizishoin, están reunidos los artículos que tratan las cuestiones prácticas de esta investigación.
• 5. Citamos entre comillas indicaciones que aparecen en la interfaz de Google.
• 6. La fecha de realización es 28 de enero de 2010.
• 7. Se puede observar que desciende la cifra correspondiente a «de el la y», con respecto a «de el la». Esto se debe, según K’s Production (2003), al cambio de acceso a los distintos servidores distribuidos por el mundo, cada uno de los cuales se están actualizando constantemente. K’s Production, Google no himitsu («Secretos de Google»), Tokyo, Softmagic, 2003.
• 8. Frequency dictionary of Spanish Words, The Hague, Mouton, 1965.
• 9. Los países que siguen son: Dinamarca (977 000), Ucrania (921 000), Rumania (849 000), India (848 000), Noruega (683 000), Austria (661 000), Malasia (575 000), Israel (561 000), Estonia (558 000), Finlandia (527 000), Filipinas (525 000), Australia (509 000), Polonia (500 000), Tailandia (488 000), Eslovenia (424 000), Eslovaquia (399 000), Sudáfrica (399 000), Singapur (384 000), Hungría (364 000), Indonesia (340 000), Lituania (305 000), Bulgaria (301 000), Nueva Zelanda (279 000), Grecia (249 000), Islandia (198 000), Macedonia (183 000), Marruecos (155 000), Arabia Saudí (145 000), Haití (142 000), Vietnam (142 000), Emiratos Árabes Unidos (109 000), Jordania (106 000), Bosnia-Herzegovina (56 300), Letonia (52 200), Bielorrusia (35 400), Irán (34 900), Ciudad del Vaticano (28 400), Egipto (19 200), Pakistán (18 300), Kenia (15 000), Liechtenstein (10 600), Nigeria (6 400), Laos (4 260), Kuwait (4 220), Guinea Ecuatorial (3 380), Camboya (3 350), Iraq (3 130), Mongolia (2 340), Líbano (1 590), Nepal (1 560), Serbia (476), Myanmar (344). La fecha de la realización de búsqueda es 28 de enero de 2010.
• 10. Compárese con la situación descrita por Pedro Maestre Yenes (1999, op. cit.., p.203): «El número total de páginas en español en los países en los que es lengua oficial es de 1 825 787, lo que supone un 68,04 por ciento de las páginas en nuestro idioma».
• 11. Hemos consultado principalmente: Mineo Ikegami, Nobuaki Ushizima, Keizo Kanki, Norio Kinshichi, Kazuhiro Kobayashi, Juan Sopeña, Jiro Hamada (eds.), Cyclopedia of Spain and Portugal, 1992, Heibonsha, Tokyo (en japonés); Yoshio Oonuki, Kazuyasu Ochiai, Iyo Kunimoto, Keiichi Tsunekawa, Masanori Fukushima, Hiroshi Matsushita, Cyclopedia of Latin America, new edition, Heibonsha, Tokyo (en japonés), 1999.
• 12. Los personajes históricos que siguen son: Emilia Pardo Bazán (999 000), Juan de Valdés (995 000), Jacinto Benavente (968 000), Pedro Antonio de Alarcón (912 000), Gabriela Mistral (881 000), Lope de Vega y Carpio (829 000), Diego Rodríguez de Silva y Velázquez  (827 000), Rubén Darío (822 000), Pío Baroja (775 000), César Vallejo (750 000), Inca Garcilaso de la Vega (Gómez Suárez de Figueroa) (708 000), Manuel de Falla (692 000), Luis Buñuel (690 000), Enrique Granados (652 000), Arcipreste de Talavera (636 000), Juan Ramón Jiménez (621 000), Miguel de Unamuno (604 000), Ramón Gómez de la Serna (589 000), Antoni Gaudí (565 000), Camilo José Cela (491 000), Rufino Tamayo (486 000), Tirso de Molina (456 000), Nicolás Guillén (435 000), Garcilaso de la Vega (406 000), Pedro Calderón de la Barca (365 000), Alfonso Reyes (355 000), Azorín (José Martínez Ruiz) (300 000), Benito Pérez Galdós (279 000), Atahualpa Yupanqui (268 000), Alejo Carpentier (259 000), Baltasar Gracián (258 000), Gustavo Adolfo Bécquer (254 000), Francisco Jiménez de Cisneros (251 000), Vicente Aleixandre (243 000), Fray Luis de León (220 000), José Zorrilla (208 000), Don Juan Manuel (200 000), Ramón J. Sender (190 000), Miguel Ángel Asturias (190 000), Jorge Manrique (177 000), José Carlos Mariátegui (175 000), Adolfo Bioy Casares (173 000), Dámaso Alonso (168 000), Juan Valera (166 000), Vicente Blasco Ibáñez (165 000), Julián Sanz del Río (160 000), Salvador de Madariaga (159 000), Manuel Puig (154 000), José María Arguedas (147 000), Juan Luis Vives (139 000), Arcipreste de Hita (135 000), Clarín (Leopoldo Alas) (126 000), José Donoso (124 000), Gabriel Miró (122 000), José Lezama Lima (115 000), Gonzalo de Berceo (111 000), David Alfaro Siqueiros (109 000), Ana María Matute (106 000), Juan de Mena (102 000), Marqués de Santillana (92 500), Augusto Roa Bastos (83 100), Ángel Ganivet (75 200), Mateo Alemán (71 900), Juan Ruiz de Alarcón (66 900), José Echegaray (66 400), Ramón del Valle-Inclán (62 800), Bartolomé Esteban Murillo (62 100), Francisco de Zurbarán (53 900), Juan del Encina (52 900), Marcelino Menéndez Pelayo (48 300), Benito Jerónimo Feijoo (46 900), Gaspar Melchor de Jovellanos (44 600), Armando Palacio Valdés (41 300), Fernando de Herrera (40 600), Juan Meléndez Valdés (30 500), Juan Eugenio Hartzenbusch (21 800), Bartolomé Torres Naharro (5 660). La fecha de la búsqueda es 29 de enero de 2010.
• 13. Cf. Mineo Ikegami et al. (op. cit..), s. v. Iberia Koukuu.
• 14. En cambio palabras tales como amperio, sándwich, pulman, rímel, vatio son ejemplos lexicalizados de nombres propios de persona, procedentes o no de otros idiomas. Cf. Charles E. Kany, Semántica hispanoamericana, Madrid, Aguilar, 1962, pp.193-194.
• 15. Las cifras pueden variar mucho si abreviamos o completamos con más apellidos: por ejemplo, Cervantes (15 800 000), Miguel de Cervantes (3 540 000), Miguel de Cervantes Saavedra (874 000). Para unificar los resultados con propósito comparativo entre varios idiomas, hemos utilizado la forma más usual de cita.
• 16. Para situar los personajes de cultura hispánica tratados en nuestro estudio dentro de un contexto general de la cultura universal, véase la investigación amplia de Luis Cueto Álvarez de Sotomayor, Chimo Soler Herrero y Javier Noya, «Iconos culturales hispanos en Internet: Lo que ven los buscadores», El Español en el Mundo, Instituto Cervantes, 2004, pp. 127-190.
• 17. Lo que estamos observando en el mundo de Internet es algo parecido a la situación del Estado de Tejas en EE. UU. descrita por Manuel Alvar (1996): «Es imposible encontrar gentes afincadas desde hace varias generaciones; lo normal es que de las regiones próximas vengan emigrantes cuyo establecimiento no es siempre duradero, que continúen manteniendo constante relación con su patria de origen y que reflejen el español mejicano de su procedencia. Es decir, más que el español de Tejas lo que puede obtenerse es un español en Tejas», en Manuel Alvar (dir.), Manual de dialectología hispánica. El español de América, Barcelona, Ariel, p. 95. Para la visión amplia del español, véanse Francisco Moreno Fernández y Jaime Otero Roth, Atlas de la lengua española en el mundo, Barcelona, Ariel, 2007; id. La lengua española en su geografía, Madrid, Arco / Libros, 2009.