El estudio del léxico, a pesar de ser el nivel más complejo de la lengua, resulta interesante por su variación: variación social de unos hablantes a otros, variación del mismo locutor en diferentes situaciones comunicativas, etc. Y entre las diferentes perspectivas con las que se puede estudiar el léxico de una lengua, las de tipo cuantitativo son las que ofrecen mayor utilidad para la descripción de una comunidad; de ahí que para Sankoff (1990: 176-78), uno de los paradigmas de investigación dentro de la ciencia del lenguaje es el descriptivo-interpretativo. Asumimos, pues, que el análisis cuantitativo de la disponibilidad léxica de cualquier comunidad dialectal nos ofrecerá una excelente descripción de su norma léxica reflejada en la matriz social de dicha comunidad. Y si bien López Morales (1999: 20) opina que donde estos estudios cuantitativos ofrecen su mejor y más valiosa contribución es en las comparaciones interdialectales, no hay que olvidar la incidencia que distintos factores sociales pueden tener en el léxico disponible obtenido en cada una de las comunidades de habla, dada la contribución que puede aportar el estudio descriptivo sociolingüístico. De ahí que junto a variables extralingüísticas tradicionales en sociolingüística, tales como sexo, edad, lengua materna, lengua habitual o nivel sociocultural, sea necesario introducir otras como tipo de escolarización y lugar de residencia (o ubicación geográfica del centro), dado que existen ciertas tendencias que indican una superioridad del léxico disponible en el medio urbano frente al rural y de la enseñanza privada sobre la pública.
El estudio de la variable léxica a la hora de caracterizar cualquier comunidad de habla es incuestionable. Y no solo porque análisis anteriores (Butrón, 1989) hayan demostrado cierta regularidad entre una menor disponibilidad léxica y niveles socioculturales bajos del espectro social, lo que coincidiría con los postulados bernsteinianos de la ‘teoría del déficit’48, sino para establecer una estratificación
48
Bernstein (1971, 1975) defiende en su teoría que los sociolectos bajos se distinguen de otros, superiores en el espectro social, no solo por el empleo de estructuras lingüísticas diferentes, sino por la presencia/ausencia de elementos; es decir, el código restringido de los estratos socioculturales bajos se opone al código elaborado por factores, esencialmente, cuantitativos. Pero, como indica López Morales (1996), diferencias entre la disponibilidad léxica de dos o más estratos sociales no implican dificultades cognitivas del estrato que presenta menor cantidad de léxico, como en ocasiones se ha querido suponer.
sociolingüística de la comunidad objeto de estudio, producto de la variación y de la heterogeneidad. Para ello es necesario analizar la covariación entre los distintos factores sociales y la disponibilidad léxica de los miembros de la comunidad de habla, pues la sociolingüística intenta sistematizar el fenómeno de la variación. La ventaja, ahora, es que no se trata de la auténtica variación léxica que se produce en el discurso oral (y escrito), lo que nos permite obviar aspectos como equivalencia semántica de las variantes, valor referencial, registros, etc.
Asimismo, si aceptamos que las aportaciones más destacadas de la sociolingüística al desarrollo de las ciencias sociales son las referidas a las técnicas de obtención de datos y al análisis descriptivo-explicativo de los mismos, estaremos de acuerdo en la necesidad de aplicar algunas de sus reglas metodológicas básicas, especialmente, las referidas a los requisitos que exige la muestra de informantes que hemos de seleccionar en el conjunto (o universo) de la población. Si de lo que realmente se trata es de buscar regularidades en el comportamiento de la disponibilidad, la tónica que prevalece en varios trabajos de frecuencia léxica en español es una total ausencia de postulados a priori sobre el tamaño y la técnica de muestreo usada (población objeto de estudio, representatividad de la muestra, ...), aunque tanto Moreno (1990: 77-90) como López Morales (1994: 41-60) indican que la muestra debe ser representativa y exhaustiva del universo específico que se investiga. De otro lado, existen fórmulas elaboradas por sociólogos y por expertos en estadística (Kerlinger, 1979: 90; Garret, 1980: 270) que nos ayudan a establecer la magnitud de N, tamaño de la muestra (número de informantes), en función de ciertos valores o parámetros que hayamos establecido previamente, tales como el nivel de confianza que deseamos para los resultados en el conjunto de la población, el error de estimación admisible, etc., todo ello necesario para alcanzar un determinado nivel de significación en la investigación realizada.
El nivel de confianza es una proporción (90.0%, 95.0%, 99.0%) asociada a un factor (1.65; 1.96; 2.58) relacionado con los niveles de significación estadística (0.10; 0.05; 0.01) que se especifiquen para la investigación. Este nivel de confianza supone apostar que en esa proporción frente al 100% es cierto lo que hemos obtenido. Una vez fijado el nivel de confianza, el error de estimación establecido (+/- 0.03; +/- 0.04; +/- 0.05; +/- 0.06; ...) nos indica el grado de tolerancia máxima en el porcentaje de confianza diseñado, es decir, el error admisible del valor verdadero obtenido49.
Además, el modelo de Bernstein cataloga nocionalmente dos clases de comportamiento, etiquetados como código ‘restringido’ y código ‘elaborado’, que no responden a metodología cuantitativa o formal alguna.
49
Por ejemplo, un nivel de confianza del 95.0% y un error de muestreo del +/-3.0% significan que los resultados obtenidos son exactos entre el 92% y el 98%.
El interés por los estudios de variación léxica del español, intralingüística e intracultural, aunque no demasiado abundante, se manifiesta en algunos trabajos de vertiente metodológica, dialectal o sociolingüística (Benítez, 1992b, 1994b, 1995b; García Marcos, 1994; Alba, 1996; Mateo, 1998; Ayora, 2000; Carcedo, 2001, e.p.; VARILEX). Pero, en nuestra opinión, delimitar el tamaño de la muestra y la técnica de muestreo siguiendo las directrices sociolingüísticas es imprescindible si deseamos obtener resultados que sean significativos estadísticamente y que puedan extrapolarse al conjunto de la población estudiada. Todo ello permitirá, en el plano empírico, que los estudios cuantitativos utilizados para las comparaciones interdialectales sean fiables y rigurosos, y, en el plano teórico, regular y delimitar la muestra de informantes (tamaño y técnica de muestreo) posibilitará descubrir los factores extralingüísticos que regulan el comportamiento de la disponibilidad léxica.
Otro aspecto digno de interés sociolingüístico en nuestro caso es la variación interlingüística, dado que se trata de una comunidad con dos lenguas en contacto. Si bien este análisis podría adscribirse a la psicolingüística, considerando el bilingüismo individual y a los individuos, bilingües compuestos (cuando poseen un solo sistema de significación en ambas lenguas) o coordinados (cuando operan con dos sistemas yuxtapuestos), hemos creído más oportuno tratarlo como un hecho de bilingüismo social, ya que resulta evidente que este tipo de bilingüismo es el mayor determinante de las transferencias lingüísticas. La comunidad objeto de estudio presenta en una amplia área geográfica un bilingüismo social intenso (uso frecuente de dos o más lenguas), extenso (existe un número elevado de bilingües) y estable (las dos lenguas han coexistido durante siglos y ninguna parece estar en vías de sustitución por la otra). Resultará interesante comprobar si se producen fenómenos de transferencia léxica, catalanismos (nonce-borrowing, préstamo puntual), en la evocación asociada con el centro estímulo y la lengua de uso, el castellano. Es obvio que, atendiendo a la técnica empleada en la obtención de datos -cuestionario-, estos fenómenos no pueden ser considerados cambios de código (code-switching) al no estar integrados en el discurso oral o cadena hablada, pero sí transferencias o sustitución de código (Gómez Molina, 1986; Etxebarria, 1985, 1996; Silva Corvalán, 1994).
Todo el estudio descriptivo expuesto puede contribuir al desarrollo de la sociolingüística aplicada en sus dos vertientes: la referida a la política y planificación lingüísticas (García Marcos, 1993) y la relativa a la enseñanza de lenguas, ya se trate de lengua materna, segunda lengua o lengua extranjera (Moreno, 1994; Carcedo, 2000a; Preston y Young, 2000).
Concluimos señalando que este paradigma descriptivo-interpretativo, en el que se incluye la corriente variacionista, demuestra que los fenómenos cuantitativos no constituyen detalles menores del comportamiento lingüístico y, además, nos proporcionan información importante sobre el descubrimiento de los patrones de coaparición, los cuales permanecen inaccesibles para la introspección. De otra parte, los procedimientos estadísticos aplicados en el análisis de la correlación entre los datos léxicos y las variables de naturaleza extralingüística, son neutros con respecto al origen de la variabilidad de los datos, con lo que se logra el máximo de objetividad.