Familiaridad léxica y estadística léxica

Las unidades léxicas familiares pueden entenderse como altamente frecuentes, altamente usadas, altamente disponibles o, incluso, altamente asociadas al ámbito del hogar o de la familia, en cuyo caso familiar pasa a ser sinónimo de coloquial o informal (López Morales, Sociolingüística), como sucede en diccionarios de lengua española.

Para efectos de esta investigación, la noción de familiaridad pretende dar cuenta del grado de conocimiento o cercanía que un hablante experimenta respecto de una unidad léxica dada. Así, las unidades léxicas menos familiares serían aquellas que un individuo o un grupo escucha o lee por primera vez, mientras las más familiares serían aquellas que el hablante o comunidad ha oído o leído en reiteradas oportunidades. Esta noción puede sustentarse en criterios estadísticos y se entiende que, en la medida en que se da en un continuum, es eminentemente relativa. Así, si hablamos de unidades léxicas extraídas de un corpus textual o de referencia, consideramos que las unidades léxicas serán más familiares cuanto mayor sea su índice de uso (U), entendido este como el producto de la frecuencia (Fi) por la dispersión (D). Una unidad que simplemente sea frecuente, pero que no presente una distribución estable entre distintos mundos o géneros discursivos -es decir, una dispersión elevada-, no será familiar para el público general, sino únicamente para el público objetivo de cada mundo o género. Por ejemplo, fonema puede resultar frecuente en textos de fonética y fonología, del área técnico-científica, pero probablemente tendrá una frecuencia tendiente a cero en prensa o en obras dramáticas. Así, será una unidad familiar para los estudiosos de la fonética y la fonología, pero poco familiar o rara para los demás. El análisis lexicoestadístico de distintos corpus de referencia ha mostrado que los vocablos raros de tienden a presentar mayor complejidad silábica y fonológica que los vocablos de alto uso, lo que puede observarse en distintas lenguas. Los vocablos de alto uso, por el contrario, suelen ser predominantemente monosílabos, bisílabos y en menor grado trisílabos (Ávila 256), lo que facilita tanto su retención como su reconocimiento, pronunciación y escritura.

Las unidades de bajo uso podrán, sin embargo, a nuestro juicio, ser también altamente familiares cuando presenten una disponibilidad léxica alta, es decir, cuando pese a formar parte predominantemente del léxico pasivo, se activen fácil y rápidamente cuando se proporciona al hablante el contexto para ello. Las unidades de mayor disponibilidad de una comunidad son aquellas que tienden a aparecer en los primeros rangos cuando se solicita a los hablantes enumerar unidades léxicas relacionadas con un tema específico, es decir, con un centro de interés particular. De este modo, unidades léxicas de alta disponibilidad dentro de la comunidad, serán también familiares. Unidades léxicas de baja disponibilidad y bajo uso, en tanto, serán estimadas como raras. Por último, las unidades léxicas de alto uso suelen pertenecer a familias léxicas más numerosas que las unidades raras, lo que propicia que los hablantes las reconozcan o puedan deducir su significado. Esto no sucede con las unidades raras, que tienden a ser representantes únicos de familias léxicas, o a emparentarse con otras unidades también raras, lo que no contribuye a su reconocimiento, retención o comprensión.

La necesidad de utilizar los índices de uso y disponibilidad en combinación radica en que mientras el léxico más usado es atemático, el más disponible es temático, de modo que ambos lexicones son necesarios para la comunicación y ambos conforman el llamado léxico fundamental (Lara).

Ahora bien, un estudio lexicológico supone trascender la palabra, unidad mínima textual y centrarse en el vocablo, unidad mínima del léxico. Mientras la primera se actualiza en el discurso y puede ser observada fonéticamente, el segundo implica una abstracción desde un conjunto de variantes hacia una variable que representa todo un paradigma de realizaciones y puede actuar como lema o unidad de cita; este último, el vocablo, es susceptible de análisis fonológico. Las distintas realizaciones de superficie de cada vocablo, las palabras, permiten un análisis fonético.

El vocablo, para efectos de este estudio, podrá ser univerbal o pluriverbal, según esté formado por una o más palabras que, en conjunto, funcionen como una sola unidad de denominación. En sentido extenso, incluimos también las colocaciones, entendidas como combinaciones frecuentes no arbitrarias de dos o más palabras, que dan cuenta de restricciones de predicación respecto de un argumento o un conjunto de argumentos (Bosque 17).

Sílaba, acentuación, duración y frecuencia fundamental

Los vocablos pueden ser descritos de acuerdo a su estructura silábica y a su acentuación. Las sílabas se definen como las unidades fonológicas inmediatamente inferior al enunciado o cadena fónica. Estas unidades se estructuran de acuerdo al sistema lingüístico de cada lengua, específicamente el fonológico. En el español, las sílabas pueden estar conformadas por una estructura simple, es decir, un solo fonema (una vocal) o por estructuras complejas, es decir, más de un fonema (vocal más consonante, por ejemplo). Cualquiera sea la estructura de la sílaba, está siempre estará conformada por un núcleo que en el español siempre corresponderá a una vocal. Este núcleo puede ser acompañado (o no) por una o más consonantes en posición anterior o posterior al mismo núcleo. También, el núcleo puede ser acompañado por una o más vocales para conformar juntos un núcleo complejo (Martínez Celdrán, Fonología).

La acentuación está estrechamente vinculada a las sílabas, en cuanto estas últimas “son las unidades mínimas que soportan los tres parámetros que intervienen en la prosodia” (Martínez Celdrán y Fernández Planas, Manual 197). Estos parámetros se refieren a la duración, la intensidad y la frecuencia fundamental, parámetros acústicos que sustentan el acento al interior de un enunciado o de una unidad léxica. Este último caso, se conoce como “acento léxico”, es decir, aquel relieve que se produce en una sílaba específica al interior de una unidad léxica (Gil 535). La posición que tome este acento determinará si el vocablo se cataloga como voz aguda, grave, esdrújula o sobreesdrújula.

Desde un punto de vista fonético, la voz humana produce sonidos cuya fuente puede ser sonora o áfona, debido al (nivel de) movimiento de los pliegues vocálicos. Los sonidos cuya fuente sea sonora tienen como consecuencia la frecuencia fundamental, también llamada f0. Esta suele definirse como el armónico de menor frecuencia en una onda periódica compleja.

Una cadena fónica, que esté conformada por sonidos sonoros en su totalidad o en parte de ella, tendrá una serie de frecuencias fundamentales que se moverán entre ciertos rangos frecuenciales. La serie de frecuencias conformarán lo que se conoce como curva de frecuencia fundamental (f0). Hay tres maneras de trabajar los valores acústicos de la curva de f0: la primera es a partir de valores absolutos de Hz; la segunda es realizar una normalización de los valores para disminuir la variación intra e inter locutor; la tercera consiste en analizar la curva, considerando aspectos lingüísticos (Cantero; Martínez Celdrán).

La duración es un parámetro que forma parte de lo segmental y de lo suprasegmental (Cantero; Martínez Celdrán, El sonido; Fernández Planas). Así lo deja entrever Gili Gaya (43) cuando dice "Este mínimum es distinto para cada sonido, según su naturaleza articulatoria y la de los sonidos que se hallen en contacto con él; varía además en relación a la intensidad y el tono". También se ha definido como la prolongación de un sonido o conjunto de ellos en una determinada unidad de tiempo (milisegundos, por lo general). Esta duración puede estar determinada, al igual que la frecuencia fundamental, por características propias de los sonidos. Por ejemplo, todos los sonidos consonánticos áfonos u oclusivos tienen menos posibilidades de ser prolongados o “alargados” que los sonidos consonánticos sonoros o vocálicos, debido a las características propias de los primeros versus los segundos.

En español, las realizaciones suprasegmentales tienen implicancias dialectales; así lo demuestran los diversos estudios de AMPER que se han llevado a cabo en hispanoamérica (Martínez Celdrán y Fernández Planas, Atlas). De ahí la necesidad de adecuar un futuro instrumento según la zona de aplicación. En este caso, en particular, el análisis suprasegmental se centrará en realizaciones propias del español de Chile.

Determinación de léxico relevante y creación de un listado de vocablos

Vista la necesidad de crear un listado de vocablos relevantes específico, nos centramos en los relacionados con la diabetes mellitus 2. Así, previa firma de un consentimiento informado, se aplicó un test de disponibilidad léxica focalizado en el centro de interés La diabetes a 83 profesionales de la salud especializados en atención de pacientes crónicos cardiovasculares, que trabajan en atención primaria en la Región Metropolitana y en la Región de Valparaíso. Tras descartar a extranjeros, personas con perfiles sociológicos incompletos e informantes no profesionales (técnicos en enfermería de nivel superior o TENS), que pueden ser objeto de un estudio posterior, llegamos a un n=70, compuesto por médicos, enfermeros, kinesiólogos y nutricionistas chilenos, que han residido la mayor parte de su vida en Chile y han realizado sus estudios escolares y universitarios en el país.

El test se realizó siguiendo los parámetros del Proyecto Panhispánico de Léxico Disponible (DispoLex, Grupo de Investigación), basado en López Morales (Léxico), de modo que se entregó a cada informante una hoja en blanco y se le pidió escribir en ella todas las palabras que vinieran a su mente en relación con el tema La diabetes, de arriba hacia abajo como en una lista de supermercado.

Los datos fueron transcritos e ingresados en una hoja de cálculo. Cada unidad léxica se asoció a un código alfanumérico de tres dígitos que funciona como etiqueta de cada informante y a un rango que da cuenta de la posición que dicha respuesta ocupa en el listado producido por cada uno. Luego, se estandarizaron los datos en cuatro pasos: 1) corrección ortográfica y lematización en singular de formas nominales; 2) lematización en masculino de formas nominales; 3) lematización en infinitivo de verbos conjugados y adaptación de préstamos léxicos según el DLE; 4) estandarización de unidades fraseológicas, incluyendo no sólo locuciones y unidades fraseológicas, sino también colocaciones. Al igual que en Santos Díaz, se incluyeron todas las aportaciones de los informantes, con independencia de que estuviesen relacionadas con la temática o fuesen nombres propios. Sólo se eliminaron las repeticiones: cuando un mismo informante daba exactamente la misma respuesta en dos rangos distintos, se mantuvo únicamente la primera.

A continuación, los datos fueron exportados a *.TXT, codificación ANSI, y se reordenaron de acuerdo con los requerimientos de Dispogen para Windows Versión 1.3.1, programa escogido para el cálculo del índice de disponibilidad léxica (IDL) de cada vocablo. Interesa destacar que Dispogen para Windows Versión 1.3.1 es un software libre creado en Chile, que puede instalarse en cualquier ordenador con ambiente Windows. Se trata de una aplicación creada en MatLab por Max Echeverría, Paula Urzúa e Israel Figueroa. Matlab es un programa que realiza cálculos sobre la base de matrices y está especializado en el análisis estadístico de datos multivariantes, como es el caso de la disponibilidad léxica. La ventaja de este software es que para calcular el IDL utiliza la última fórmula matemática elaborada en México y cuyos resultados muestran mayor grado de precisión que los en- tregados por anteriores fórmulas. (Ferreira y Echeverría 141)

Este programa exige que los datos estén organizados como se ilustra en el ejemplo siguiente:

22234 010 03 respuesta 1, respuesta 2, respuesta 3, respuesta n

La primera posición la ocupan cinco números (en este caso, 22234). Cada uno representa una variable extralingüística que da cuenta del grupo al que pertenece el informante. Dispogen admite hasta cinco variables. Si todos los informantes pertenecen al mismo grupo, se puede ingresar un 1 en cada caso, pero no se pueden dejar campos vacíos. Luego de un espacio, en segunda posición se ubica el código que identifica a cada informante (en el ejemplo, 010), que necesariamente debe tener tres dígitos. Después de otro espacio, se ingresa el número que identifica al centro de interés. En este caso, es el centro de interés 03, que puede corresponder a cualquier centro previamente definido por los investigadores en su plan de codificación. En nuestra investigación, se trata del centro de interés La diabetes. Por último, y a continuación de un nuevo espacio, se ordenan las unidades léxicas mencionadas por el informante, en el orden en que fueron escritas y separadas por coma y espacio.

Este archivo *.TXT, adecuadamente ordenado, fue procesado en Dispogen para Windows Versión 1.3.1, lo que permitió ordenar las unidades léxicas de mayor a menor disponibilidad, según la fórmula de López Chávez y Strassburger Frías.

Para efectos de esta investigación, seleccionamos las primeras veinte unidades para ser postuladas como las más relevantes en relación con diabetes. El punto de corte se estableció a partir de criterios estadísticos (cf. 4. Resultados). Estos vocablos pasaron a ser nuestros vocablos meta y el núcleo del listado a partir del cual podrá evaluarse la familiaridad. Para evitar que alguno de ellos quedara en posición inicial o final, con las consiguientes consecuencias suprasegmentales en la lectura en voz alta (Castillo Fadić y Oplustil Gallegos 189-198), agregamos un distractor al principio de la lista (colesterol) y otro al final (nefropatía), ambos extraídos de las respuestas de los informantes en relación con este centro de interés, para que no fuera evidente que no forman parte de las unidades léxicas sujetas a evaluación.

Figura 1: Listado de unidades léxicas para lectura en voz alta. Centro de interés: La diabetes 

Descripción estadística de las unidades léxicas relevantes

Cabe recalcar que la descripción se realizó considerando las 20 unidades léxicas relevantes y no los dos distractores.

Además de obtener el índice de disponibilidad (IDL), frecuencia (Fi) y porcentaje de aparición (%) de las unidades léxicas en el grupo de informantes, se revisó frecuencia, dispersión (D) y uso (U) de estas unidades léxicas en el español general de Chile. Para la determinación de los índices de Fi, D y U nos basamos en el Corpus Básico del Español de Chile © (Castillo Fadić). Aunque no contamos con estudios previos de este centro de interés en el español de Chile, nos pareció de interés revisar los resultados de Valencia y Echeverría, ya que algunos de nuestros vocablos relevantes sí aparecen en centros de interés tradicionales. Además, se revisó si las unidades léxicas estaban o no registradas en el DLE (Real Academia Española y ASALE); si estaban consignadas, se observó su definición y su marcación diatécnica.

Descripción lexicológica y fonológica de los vocablos relevantes

Las unidades se clasificaron en univerbales y pluriverbales; en este último grupo se incluyeron también las colocaciones.

Se dispuso de una tabla (planilla electrónica) donde se describió el acento fonológico (unidad aguda, grave o esdrújula), se contó el número de sílabas por cada unidad y se describió la estructura simple (vocal - consonante) de cada sílaba.

Obtención y procesamiento de un corpus oral de realizaciones expertas

Grabamos por medio de un teléfono móvil a 22 profesionales de la salud, principalmente médicos y enfermeros, leyendo la lista de los vocablos meta (con los dos distractores incluidos), diez veces cada uno; para ello, se imprimió una lista que ocupa una página tamaño carta, en un tipo de letra sin serif (Arial), tamaño mediano (13) e interlineado doble, donde cada vocablo ocupa una línea, de modo de facilitar la lectura (cf. Figura 1). Esto generó un corpus de 4.840 palabras, donde 4.400 corresponden a realizaciones de vocablos meta y donde cada vocablo meta tiene una Fi=220. Tuvimos la precaución, además, de incluir tanto hombres como mujeres, para facilitar el reconocimiento de voz (Oropeza Rodríguez) sin importar si ésta es grave o aguda, lo que se realizará en etapas posteriores de la investigación.

La razón de emplear teléfonos celulares y no grabadoras no es antojadiza: radica en lo accesible de estos aparatos, en la dificultad de contar con grabadoras en centros de atención primaria y en la dificultad de contar con espacios especialmente acondicionados para realizar grabaciones libres de ruidos externos en este tipo de centros. A esto se suma la expectativa de generar a futuro una aplicación para teléfonos móviles que permita aplicar el test en cualquier lugar, sin requerir de una infraestructura especial. La realización de estas grabaciones en ambientes no controlados permitirá evaluar la viabilidad de generar una herramienta automática utilizable en espacios comunes de centros de salud.

Dado que estas grabaciones podrían ser la base para entrenar a posteriori modelos de reconocimiento de voz (sistema experto) que permitan segmentar de manera automática las palabras en futuras grabaciones de pacientes (señales de voz desconocidas) realizamos el ejercicio piloto de segmentar cada archivo de audio en formato *.WAV, manualmente, usando el programa Praat; para ello se etiquetaron los valores temporales que delimitan cada palabra y el silencio o ruido ambiental, tanto entre cada una de ellas como al final y comienzo de cada grabación. Ya que estas etiquetas de segmentación son imprescindibles para aplicar metodologías de reconocimiento de voz (Oropeza Rodríguez 284), este ejercicio, que por un lado constituye un avance para etapas posteriores de desarrollo del instrumento, permite también ponderar hasta qué punto la pérdida de calidad de la grabación y control de la señal redunda en pérdida de información imprescindible para el análisis fonético acústico automático, para alcanzar un razonable equilibrio entre los ambientes no controlados de un centro de salud y la obtención de archivos de audio útiles para el instrumento en desarrollo.

Descripción fonético-acústica de realizaciones expertas

La obtención de los datos acústicos de duración y frecuencia fundamental (f0) se realizó mediante el Praat (Boersma y Weenink) a través de la utilización de un script (cf. 7. Anexo programa). Esta rutina obtuvo los valores de duración a partir del tiempo de inicio y tiempo final de cada vocablo en milisegundos (ms) desde las marcas establecidas previamente en el mismo programa. También extrajo los valores de la frecuencia fundamental promedio de cada unidad léxica junto con la frecuencia mínima y máxima de las mismas; todo lo anterior en hertz (Hz).

Listado de léxico relevante

Los vocablos más disponibles del centro de interés La diabetes, que conforman el primer componente de nuestro instrumento, son los siguientes, ordenados por rango de mayor a menor disponibilidad:

Como se puede observar, un número importante de ellos pertenece al ámbito técnico (cf. Lerat); en esta categoría encontramos de hecho los vocablos de los cuatro primeros rangos: glicemia, nivel de glucosa en la sangre; hemoglobina glicosilada, examen para evaluar la compensación metabólica de un paciente diabético, que mide el nivel promedio de glucosa en sangre de los últimos tres meses; diabetes, la condición en la que se centra este listado; insulina, la hormona que regula la cantidad de glucosa en la sangre. Sólo actividad física, azúcar, dieta, alimentación, ejercicio, enfermedad y control parecen pertenecer a la lengua común. Compensación, si bien puede resultar una palabra conocida, aparece aquí con un significado diferente del corriente, restringido a la compensación metabólica. Medicamento es la variante técnica de remedio. Autocuidado, aun cuando contiene una base léxica de alto uso, resulta también propia del ámbito de salud. Metformina, un hipoglicemiante oral muy utilizado por pacientes diabéticos y resistentes a la insulina, presenta un uso mínimo desde el punto de vista lingüístico, por su baja dispersión; incluso sus usuarios suelen conocerlo por alguno de sus nombres de fantasía. Páncreas, el órgano encargado de la producción de insulina, no se cuenta entre los más conocidos por los no especialistas, que raramente lo relacionan con la diabetes y tienen dificultades para indicar su función o su ubicación dentro del cuerpo. Alimentación saludable, anotada aquí separada de alimentación a secas, resulta técnica en la medida en que exige saber qué es saludable dicho de alimentación. Complicación resulta también vaga para los no especialistas; se entiende como algo negativo, pero no se distingue de agravamiento. Hipoglicemia, por último, es claramente técnico.

Descripción estadística de las unidades léxicas

En la Figura 2 resumimos los principales índices estadísticos obtenidos a partir del análisis de los tests aplicados a profesionales de la salud chilenos. El índice de disponibilidad léxica (IDL) da cuenta de los vocablos más relevantes para que un paciente diabético comprenda las indicaciones relacionadas con su condición, en la medida en que son los que se activan más fácilmente en el grupo de profesionales estudiado cuando se habla de diabetes. La frecuencia aquí es absoluta y corresponde al número de repeticiones de la respuesta en el total de la muestra. El porcentaje de aparición, en tanto, relativiza esta frecuencia respecto del tamaño de la muestra.

Figura 2:  Índices de disponibilidad, frecuencia y porcentaje de aparición de las unidades léxicas relevantes en la muestra de profesionales de la salud. 

Las unidades del listado son, como es natural en un estudio de disponibilidad léxica, fuertemente temáticas. Pese a su alta disponibilidad en el grupo encuestado, presentan bajos índices en el Corpus Básico del Español de Chile © (Castillo Fadić), que incluye alrededor de 500.000 palabras obtenidas de 26 años de publicaciones chilenas (Drama, Narrativa, Ensayo, Técnico-Científico y Prensa). Entre los vocablos que podríamos considerar más raros, se encuentran hemoglobina glicosilada, hidrato de carbono, autocuidado, metformina y alimentación saludable, que ni siquiera aparecen en el corpus de referencia consultado (F=0); les siguen glicemia (F=2), insulina (F=2), actividad física (F=1), páncreas (F=1) e hipoglicemia (F=2), con dispersión D=0, ya que sólo tienen ocurrencias en un tipo de texto -en el caso de los cuatro primeros, textos técnicos y científicos; en el caso del último, la sección de deportes de un diario-; a continuación, diabetes (F=5, D=0,2, U= 1,15) con cuatro ocurrencias en textos técnicos y científicos y una en narrativa; compensación (F=4, D=0,5, U= 2,12), con una ocurrencia en ensayo, dos en textos técnicos y científicos y una en prensa, todas con acepciones distintas a la relativa a salud; azúcar (F=4, D=0,3, U= 1,08), con tres ocurrencias en textos narrativos y una en un texto técnico-científico de un ámbito distinto a la salud, en todos los casos con un significado restringido a la sustancia dulce obtenida de la remolacha o de la caña de azúcar, que no abarca la acepción química relativa a hidrato de carbono, pertinente para el ámbito de la diabetes; dieta (F=4, D=0,5, U= 2,12), con dos ocurrencias en textos narrativos, una en un texto técnico y una en un diario; y complicación (F=8, D=0,39, U= 3,12), con cuatro ocurrencias en textos técnico-científicos del ámbito de la salud y cuatro en diarios (dos en noticias de salud). Así, mientras sólo medicamento (F=11, D=0,78, U= 8,58), alimentación (F=6, D=0,69, U= 4,14), ejercicio (F=51, D=0,69, U= 35,19), enfermedad (F=45, D=0,84, U= 37,80) y control (F=89, D=0,6, U= 53,4) forman parte de los cinco mil vocablos de mayor uso en el español general de Chile (Cf. Castillo Fadić, Léxico), los quince vocablos restantes, estimados relevantes para la comprensión de la diabetes y del autocuidado relativo a esta condición, son infrecuentes, poco dispersos o derechamente raros. En este sentido, la mayor parte de ellos será poco familiar para el hablante no especialista; otros le resultarán familiares o medianamente familiares, por afinidad fonosemántica con vocablos conocidos o por su pertenencia a familias de palabras conocidas; algunos, polisémicos, como azúcar, les parecerán familiares, aunque el hecho de que el significado de las unidades léxicas en el español general difiera del relativo al área de la salud podrá generar equívocos importantes.

Respecto del índice de disponibilidad en el español general de Chile (cf. Figura 3), si bien no se encuentran estudios previos del mismo centro de interés, en la revisión de los resultados obtenidos por Valencia y Echeverría en torno a los centros de interés tradicionales, se observa que la mayor parte de los vocablos relevantes de nuestro listado no aparece en el mencionado trabajo (glicemia, hemoglobina glicosilada, diabetes, insulina, compensación, autocuidado, actividad física, metformina, alimentación saludable, complicación e hipoglicemia); los que se encuentran presentes lo están con baja disponibilidad (hidrato de carbono, medicamento, páncreas, alimentación) y, en la mayoría de los casos, con diferencias semánticas de comprensión o extensión (azúcar, dieta, control).

Figura 3: Vocablos relevantes en Valencia y Echeverría 1999. 

La baja disponibilidad de los vocablos relevantes del centro de interés La diabetes en el español general de Chile, sumada a su bajo uso, dan cuenta de su escasa familiaridad para hablantes no especializados.

Descripción lexicológica y fonológica de las unidades léxicas relevantes

Si observamos el listado de 20 vocablos relevantes para la diabetes, no hay monosílabos; solo dos unidades son bisilábicas -dieta y control-, pero ambas presentan sílabas complejas. Mientras la primera incluye un diptongo, la segunda contiene una sílaba compuesta o trabada y es, además, aguda, en una lengua como la española que tiende a las palabras graves.

Dentro de los primeros rangos, encontramos unidades pluriverbales que funcionan como unidades de denominación. Así, hemoglobina glicosilada e hidrato de carbono no sólo están constituidas por más de una palabra, sino que además presentan una serie de complejidades estructurales, desde su extensión (10 sílabas y siete sílabas) hasta la inclusión de sílabas trabadas y la presencia de al menos dos acentos de intensidad.

En los casos de actividad física y alimentación saludable, se trata de colocaciones, a saber, grupos de palabras que aparecen frecuentemente en combinación, motivados por restricciones de predicación. Si bien tanto el sustantivo actividad como el adjetivo físico pueden aparecer en distintas combinaciones, actividad física funciona como unidad en la medida en que no toda obra, ejecución o tarea (actividad) relativa a la naturaleza corpórea (física) constituye una actividad física en términos de salud. Por otra parte, aunque alimentación (“Acción y efecto de alimentarse”, Real Academia Española y ASALE, s.v. alimentación, 1ª acep) aparece en nuestro listado de manera independiente, estimamos que alimentación saludable funciona en su conjunto como una unidad distinta, en la medida en que saludable (“Que sirve para conservar o restablecer la salud corporal”, Real Academia Española y ASALE, s.v. saludable, 1ª acep)., dicho de alimentación, supone que existen ciertos alimentos que pueden contribuir a la salud de los individuos, de modo que la comprensión cabal de esta colocación implica conocer cuáles son esos alimentos y en qué proporción conviene consumirlos.

Del total de 20 unidades léxicas, se observa un grupo de 16 unidades univerbales y otro de 4 unidades pluriverbales. En relación al acento, el primer grupo está compuesto por 5 unidades univerbales agudas, 10 unidades graves y solo 1 unidad esdrújula. Del grupo de las unidades plurivervales, 2 corresponden a grave-grave, 1 a aguda-esdrújula y 1 a aguda-grave.

En relación con la cantidad de sílabas al interior de cada unidad, las univerbales se encuentran en el rango de 2 a 5 sílabas por unidad; en cambio, las pluriverbales están en el rango de 7 a 10 sílabas. En cuanto a la estructura silábica, la mayoría de las unidades (17 exactamente) están compuestas por al menos una estructura consonante-vocal (CV), le sigue la estructura consonante-vocal-consonante (CVC) y luego la configuración consonante-consonante-vocal (CCV). Esta distribución es acorde a lo que ocurre en el sistema lingüístico hispánico general (Moreno Sandoval, Torre Toledano y Curto).

Descripción acústica de las unidades léxicas realizadas por personal de salud

La lectura en voz alta a repetición de las unidades léxicas relevantes por parte de profesionales de la salud permite abstraer parámetros hacia la construcción de un modelo ideal o figura referencial totalizadora. Si bien todos los informantes presentan realizaciones distintas de los vocablos del listado, y si bien existen variaciones entre las realizaciones de un mismo sujeto -“Es imposible que un locutor pronuncie dos veces exactamente igual una misma sílaba, palabra o frase” (^{Esparza Arellano & Ávalos Briseño, 2003})-, esta descripción pretende precisar rasgos suprasegmentales comunes que puedan dar cuenta de la familiaridad de los sujetos con las unidades léxicas. Estos rasgos podrán, en una fase posterior, ser contrastados con los de usuarios no expertos.

Respecto de la duración, se observa que las unidades léxicas con mayor duración son las unidades léxicas pluriverbales de la lista, tanto en hombres como en mujeres. También se observa que la duración más baja, tanto en hombres como en mujeres, corresponde a la unidad léxica “dieta” (cf. Figura 4 y 5). En ambos gráficos, se aprecian valores espurios en casi todas las palabras; vale decir, hay valores de duración que se alejan de la media, de sus mínimos y máximos. Aunque estos valores son minoritarios dentro de la totalidad del corpus, se evidencia que la mayoría están contenidos en las voces femeninas.

Figura 4: Distribución de la duración de hablantes hombres. 

En relación a la frecuencia fundamental (cf. Figura 6 y 7), se observa que los valores de todas las palabras se mantienen dentro de un mismo rango frecuencial: en el caso de las voces masculinas, la f0 se mantuvo sobre los 100 Hz y bajo los 180 Hz. En cambio en los valores de las voces femeninas, las frecuencias estuvieron sobre los 150 Hz y bajo los 250 Hz. En este último grupo, aparecen valores espurios, principalmente bajo los 150 Hz.

Figura 5: Distribución de la duración de hablantes mujeres. 

Principales resultados

Junto con confirmar la conveniencia de usar tests de disponibilidad léxica para obtener léxico relevante de áreas temáticas específicas, hemos obtenido un listado con las 20 unidades léxicas más relevantes en el área de la diabetes; recomendamos que sea tomado en cuenta por los profesionales de salud a la hora de explicar conceptos fundamentales para el autocuidado a sus pacientes diabéticos, puesto que, por su carácter técnico y su bajo índice de uso y de disponibilidad en el español general de Chile, resultarán muy probablemente poco familiares a los no especialistas. En tanto no se disponga de una herramienta automática validada, proponemos emplear un breve test con escala de Likert, donde los pacientes pueden marcar su grado de familiaridad con cada uno de los vocablos relevantes (cf. Figura 8). Los vocablos con puntajes de 0 a 2 deberían ser explicados cuidadosamente a los pacientes. Esto, porque la inseguridad lingüística, mayor en hablantes de menor nivel sociocultural (López Morales, Sociolingüística 277-279), podría llevarlos a brindar respuestas que sobrevaloren su familiaridad con las unidades léxicas, para evitar ser juzgados desfavorablemente por el personal de salud o por sus acompañantes.

Figura 8 Cuestionario para medir familiaridad léxica 

Temas para investigaciones futuras.

Proyectamos generar nuevos listados para otras condiciones crónicas de salud, usando tests de disponibilidad léxica diferenciados, de modo de ampliar las funcionalidades del instrumento para evaluar la familiaridad de pacientes con distintas condiciones crónicas con el léxico necesario para comprender adecuadamente las explicaciones del personal de salud y seguir sus indicaciones, para alcanzar una mejor calidad de vida y evitar complicaciones.

A la luz de los datos recogidos, nos parece relevante realizar un análisis estadístico pormenorizado de los datos obtenidos de los test de disponibilidad léxica aplicados a los profesionales de la salud, que incorpore variables sociolingüísticas y dialectales, así como un análisis cualitativo detallado que dé cuenta de las relaciones asociativas que establecen los profesionales de salud entre las unidades léxicas mencionadas.

Además, estimamos de alta relevancia cotejar la disponibilidad léxica de profesionales de la salud y pacientes en este y otros centros de interés. Si bien es esperable que el léxico disponible de un individuo dé cuenta de su especialización, no podemos olvidar que una persona con una condición crónica de salud, adecuadamente informada, debería contar también con mayores antecedentes respecto de su condición que una persona no especialista que no presenta esa condición ni ha estado en contacto cercano con personas que la presenten. En esta misma línea, nos parece de gran relevancia estudiar posibles correlaciones entre disponibilidad léxica en el centro de interés relativo a una condición crónica de salud y distintas variables; entre ellas, el tiempo transcurrido desde el diagnóstico, la adherencia a tratamiento y el índice de compensación metabólica. En estos estudios comparativos, nos resulta también de especial importancia cotejar los procesos de salida y reentrada del núcleo entre distintos grupos y las relaciones que establecen los hablantes respecto de cada centro de interés, ya que pueden dar pistas no sólo de las asociaciones que realizan, sino también de su dominio del vocabulario del área en estudio.

Desde una perspectiva fonético acústica, consideramos de interés tomar muestras de audio de informantes no expertos para compararlas y contrastarlas con las del personal de salud y precisar de este modo cuáles son las características de las emisiones de quienes conocen las unidades léxicas respecto de los que no las conocen.