Seminario Lenguas y culturas hisp

1
SeminarioLenguas y culturas hispánicasen
InternetDirección José Antonio Millán

• MADRID
• Residencia de Estudiantes
• 3 de diciembre del 2008

2
ATELIERPanorama crítico de experiencias para
medir lenguas y culturas en el ciberespaciocon
enfoque especial en el métodoFunredes/Union
Latina
3
Daniel Pimienta, Álvaro Blancopimienta_at_funredes.
orgalvaro_at_funredes.org FUNDACIÓN REDES Y
DESARROLLOhttp//funredes.org
http//funredes.org/LC
4
MIEMBRO DEhttp//maaya.org
5
FUENTE
Doce años de medidas de la diversidad
lingüística en la Internet balance e
perspectivas.D. Pimienta, D. Prado, Á. Blanco,
10/2008 ? A publicar por la Unesco en 2009. ?
Accesible en http//funredes.org/lc/espanol/arti
culos/index.htm
http//funredes.org/lc
6
DE QUE SE TRATA?

• CONOCER LA REPARTICIÓN DE LOS RECURSOS DE LA
  INTERNET EN TÉRMINOS DE DIVERSIDAD LINGÜÍSTICA
• Internautas
• Páginas web
• Correos
• Y mas y mas

7
DONDE ESTA LA MEDICIÓN DE LA DIVERSIDAD
LINGÜÍSTICA?

• EN LA EDAD DE LA PIEDRA
• REPARTICIÓN DE INTERNAUTAS
• DESINFORMACIÓN CRÓNICA SOBRE EL WEB
• MUY POCA IDEA DEL RESTO
• DESPUES DE AÑOS DE TRANCO, LA SITUACIÓN VA
  CAMBIANDO POR FIN ?

8
Y PORQUE TOMARSE LA PENA (Y QUE PENA!!!) DE
MEDIR?

• LA NECESIDAD DE POLÍTICAS LINGÚÍSTICAS
  VIRTUALES
• APOYADAS EN DATOS CIENTÍFICAMENTE VALIDADOS.

9
...Y PORQUE LA BRECHA DIGITAL DE CONTENIDOS ES
MUCHO MAS PROFUNDA QUE LA DE ACCESO!Veamos
África

• 4 de los conectados (80 en África del Sur)
• 0,6 de las páginas web en inglés
• 0,6 de las páginas web en francés
• Entre 0,06 y 0,006 páginas en lenguas locales
  (de las pocas que están localizadas)

10
Y PARA QUE COMPLICARSE LA VIDA VIRTUAL CON
POLÍTICAS?

• APUESTAS
• CULTURALES,
• SOCIALES,
• ECONÓMICAS,
• ECOLÓGICAS,
• DE GOBERNANCIA

11
ENTONCES, QUE ES LO QUE HAY?

• ESTUDIOS
• TRABAJOS
• PUBLICACIONES
• DISCURSOS
• REFERENCIAS

12
APROXIMACIONES PASADAS
METODO PRO CON
USO SENCILLO MOTOR BUSQUEDA SIMPLE MUY APROXIMATIVO SIMPLISTA
ALIS/OCLC creible por fuente no por proceso ? MEJORABLE METODO ESTADÍSTICO NO REPETIDO Y MUCHAS MAS LIMITACIONES
VARIOS PRODUCTOS EMPR. MERCADEO NO TRANSPARENTE
FUNREDES/UL DOCUMENTADO INDICADORES REPETIDO LIMITACIÓN LENGUAS ESPACIO
13
APROXIMACIONES NUEVAS
METODO PRO CON
LOP UPC/IDESCAT PODER SIN LIMITE ALGORITMO DE RECONOCIMIENTO TAMAÑO DE CRAWL
A LA ALEXA COBERTURA IDEAL NO EXISTE ?
FUNREDES/UL CONTRAPESO DEBE LIBERARSE DE LOS MOTORES
14
COMPLEMENTO DEL ESPACIO VACIO

• BUSCAR hhwhd3ygfvd
• A veces los motores responden, incluyendo con la
  opción lengua, con el tamaño total del índice.
• A veces se puede buscar -.
• Muy usado sin documentarla.

15
ALIS/OCLC

• ?3000 IP al azar (!!!)
• ?Aplicación una sola vez (!!!!!!) del algoritmo
  de reconocimiento de lengua (!!) . en la página
  de entrada (!!!).
• ?Correcciones a la mano
• no documentadas(!)

16
LOP/IDESCAT

• Explorar la web y conservar las páginas.
• Aplicar algoritmo de reconocimiento de lenguas.
• LOP enfoca Asia e África
• Esperamos mas resultados de IDESCAT

17
A LA ALEXA

• Un programa espía que reportaría el
  comportamiento de un grupo amplio y
  representativo de usuarios podría producir datos
  esenciales
• Nos encantaría poder hacerlo!

18
MÉTODO FUNREDES/UNION LATINA

• BASADO EN MOTORES DE BÚSQUEDA
• APROXIMACIÓN LINGÜÍSTICA SERIA
• PARTE ESTADÍSTICA MUY CUIDADA
• TOTALMENTE DOCUMENTADO
• SEGUIMIENTO PERMANENTE DESDE 1998
• PRODUCE VARIOS INDICADORES
• CONSIDERA VARIOS ESPACIOS

19
MÉTODO FUNREDES/UNION LATINA

• LIMITADO EN LENGUAS (inglés, aleman., español,
  francés, italiano, portugués, rumano, catalán)
• RESULTADOS RELATIVOS AL INGLÉS
• MIDE EL WEB VISIBLE E INDEXADO
• YA NO CREIBLE DESDE 2006
• FUTURO INCIERTO

20
METODOLOGÍAFUNREDES/UNION LATINA

• ? Definición 57 conceptos equivalentes
  semánticamente gt 1600 términos
• ? Medición comparativa ocurrencias con motores de
  búsqueda (automatizada)
• ? Método estadístico sólido (distribución,
  promedio, varianza, ley de Fischer, intervalo de
  confianza)
• ? Resultados en del inglés
• ? Evaluación del inglés aproximativa lleva a
  resultados absolutos en otras lenguas

21
CRITERIOS PARA SELECCIÓN DE CONCEPTOS

• Neutralidad cultural
• Homografia trans-lingüística
• Homografía trans-lingüística con palabra
  compuesta
• Homografía trans-lingüística par emprunt
• Homografía con abreviación
• Homografía con nombre propio frecuente
• Seudo-homografía trans-lingüística
• Significaciones no equivalentes
• Morfo-síntaxis no equivalente nom, verbe
• Morpho-síntaxis no equivalente adjectivos y
  nombres
• Pluricentrismo lexicográfico y semántico
• Pluricentrismo ortográfico
• Formas agregadas (alemán)

22
Neutralidad cultural

• Propiedad de una palabra en relación
• con su frecuencia de uso en la lengua en
• función de la cultura respectiva.
• Las palabras francesas vin, parfum, gastronomie y
  las palabras del lenguaje diplomático no son
  neutras culturalmente, en relación con el
  francés.
• Para obtener una muestra con el coeficiente de
  variación menor posible, se dejaron de lado las
  palabras no neutras culturalmente.

23
Homografía interlingüística

• La grafía de una palabra en un idioma es idéntica
  a la de otra palabra en otro idioma, incluido el
  caso de faux amis (significación diferente).
  Puede haber homografías con o sin diacríticos.
• Ejemplo de grafía idéntica (con el mismo
  sentido) casa en castellano y portugués.
• Ejemplos de faux amis red en castellano y en
  inglés hier en francés y alemán.
• ? Rechazar las palabras homógrafas (con o sin
  diacríticos).Se han tenido en cuenta, para
  rechazarlas, las homografías entre los idiomas
  del estudio o con un idioma muy presente en la
  Internet, como el alemán. Para evitar el riesgo
  estadístico de homografías con otros idiomas, se
  descartan por principio las palabras de menos de
  cuatros letras.

24
Homografía interlingüística por préstamo

• Cuando una palabra de un idioma es aceptada tal
  cual en otro.
• Anglicismos comme business, sandwich o software.
• El galicismo, deja vu en inglés, castellano, etc.
  (homógrafo de la expresión francesa sin
  diacríticos).
• ? Excluir sistemáticamente o deducir (mardi-gras)

25
Homografía con una abreviación

• Sept, siete en francés, homógrafo de las
  abreviaciones de septiembre en varios idiomas,
  sobre todo en inglés.
• ?Evitar estas palabras.
• Estamos relativamente protegidos por la consigna
  de evitar palabras de menos de cuatros letras.

26
Homografía con un nombre propio frecuente

• Windows es ventana en inglés.... pero es asimismo
  el nombre de un programa muy citado en la
  Internet.
• ?Evitar estas palabras.

27
Pseudohomografía interlingüística

• La escritura de una palabra con une error de
  ortografía frecuente en un idioma corresponde a
  otra en otro idioma.
• Ambasador en rumano puede confundirse con
  ambas(s)ador en inglés.
• ?Se rechazan estas palabras solamente si la
  lengua con que se confunde es el inglés.

28
Significados no equivalentes

• Prix en francés equivale en su significado a
  premio y a precio.
• ?Evitar estas palabras, salvo si fuera posible
  incluir todos los significantes que completarían
  el sentido en las lenguas que lo necesiten.

29
Morfosintaxis no equivalente sustantivo, verbo

• El inglés es diferente morfo-sintácticamente de
  los demás idiomas estudiados, suele tener una
  misma forma como sustantivo y variante verbal,
  ésta última equivalente a su vez de muchas formas
  conjugadas en los demás idiomas.
• Love en inglés es el sustantivo que significa
  amor y el verbo amar en el infinitivo (cuando
  sigue a to), en el presente del indicativo (amo,
  amas, ama, amamos, amáis, aman), etc.
• ?Evitar estas palabras.
• ?Esta característica del inglés nos lleva a
  excluir los verbos.

30
Morfosintaxis no equivalente adjetivos y
sustantivos

• Adjetivos, invariables en inglés, varían en
  género y en número en los demás idiomas
  estudiados.
• Los sustantivos, que en general sólo varían en
  número en los demás idiomas, varían en rumano
  también según el caso (nominativo, genitivo,
  etc.) y la diferencia determinado / no
  determinado.
• El adjetivo inglés yellow corresponde a amarillo
  / amarilla / amarillos / amarillas. El sustantivo
  inglés instability / instabilities a las
  variantes rumanas siguientes instabilitate /
  instabilitatea / instabilitatii / instabilitati /
  instabilitatile / instabilitatilor.
• ? Incluir las variantes de género, número y caso
  en los idiomas en la necesidad de equivalencia lo
  exige.

31
Pluricentrismo léxico y semántico

• Cuando un idioma tiene más de un centro normativo
  léxico-semántico.
• Según el país hispanohablante, se dice nafta o
  gasolina.
• Americano, en muchos países de América Latina, no
  tiene el mismo sentido que en otros o en España.
• ? Incluir las variantes sinonímicas nacionales o
  regionales cuando corresponda.

32
Pluricentrismo ortográfico

• Cuando un idioma tiene más de un centro normativo
  ortográfico.
• Casos del inglés y del portugués ortografía
  diferente en EE. UU. y en el Reino Unido (theater
  y theatre), en Portugal y en Brasil
  (electricidade y eletricidade).
• ? Incluir las variantes ortográficas nacionales o
  regionales cuando corresponda.

33
Formas agregadas

• Las formas agregadas son comunes en alemán y el
  motor no las contabiliza.
• ? Corregir globalmente las cifras en función de
  un porcentage de frecuencia.

34
CONCEPTOS EJEMPLOS

• INGLÉS cheese, cheeses
• ESPAÑOL queso, quesos
• FRANCÉS fromage, fromages
• ITALIANO formaggi, formaggio
• PORTUGUÉS queijo, queijos
• RUMANO branza, branze, branzei, branzele,
  branzelor, branzeturi, branzeturile,
  branzeturilorbrânza, brânze, brânzei, brânzele,
  brânzelor, brânzeturi, brânzeturile,
  brânzeturilor, brânzã
• ALEMÁN kaese, kaesen, kase, kasen, käse, käsen

35
CONCEPTOS EJEMPLOS

• INGLÉS yellow
• ESPAÑOL amarilla,amarillas amarillo, amarillos
• FRANCÉS jaune, jaunes
• ITALIANO gialla, gialle, gialli, giallo
• PORTUGUÉS Amarela, amarelas, amarelo, amarelos
• RUMANO Galben, galbena, galbene, galbeni,
  galbenã
• ALEMÁN gelb, gelbe, gelbem, gelben, gelber,
  gelbes

36
MOTORES DE BÚSQUEDAentre maravilla y pesadilla

• LOS HEMOS PROBADOS TODOS
• Altavista, Excite, Fastsearch (Alltheweb),
  Google, Hotbot, Infoseek, iWon, Lycos,
  Northernlight, Yahoo et Webtop..

37
MOTORES DE BÚSQUEDASELECCIÓN

• Para cada estudio se selecciona el mejor con esos
  criterios
• Fiabilidad de contabilidad de ocurrencias
• Gestión de diacríticos
• Coherencia de resultados
• Tamaño del índice
• Limitación de sezgos

38
MOTORES DE BÚSQUEDAun medio bastante opaco

• CASI SIEMPRE HAY PROBLEMAS
• TOMA TIEMPO PARA VALIDAR Y ENTENDER LOS FENÓMENOS
• A MENUDO ESTUVIMOS MUY CERCA DE ABANDONAR

39
MÉTODO ESTADÍSTICO

• Distribución normal (Gauss)
• Analisis del coeficiente de Varianza para validar
  resultados
• Interval de confianza a 90 e 99 calculados a
  partir de la distribución Student-Fisher

40
PROGRAMACIÓN

• Interfaz a los motores automatizado en PHP
• Nutre base de datos de resultados para
  conservación y comparación

41
PRODUCTOS

• PORCENTAJEE DE CADA IDIOMA COMPARADO CON INGLÉS
• COEFICIENTE DE VARIANZA
• INTERVAL DE CONFIANZA

42
EVALUACIÓN DEL PORCENTAJE DEL INGLÉS

• La parte le menos científica ?
• Realizada cruzando datos de los lenguajes no
  medidos
• Cada día mas difícil

43
RESULTADOS DERIVADOS E INDICADORES

• - PORCENTAJE ABSOLUTO
• PRESENCIA PONDERADA
• PRODUCTIVIDAD
• - EVOLUCIONES

44
EVOLUCIÓN PAGINAS WEB EN COMPAR. CON
INGLÉSFUNREDES 1998-2008
45
INDICADORES 2008
  INGLES ESP. FR. IT. POR. RUM. AL. CAT. TOT.
Locutores (millones) 670 400 130 60 205 30 120 9 6600
Locutores ( pop. mundial) 10.1 6.1 2.0 0.9 3.1 0.5 1.8 0.1 130
Internautas (millones) 366 102 58 31 47 5 59 2 1154
Internautas () 54.6 25.4 44.9 52.3 23.1 16.5 49.1 23.1 17.5
Internautas ( pop. mundial) 5.5 1.5 0.9 0.5 0.7 0.1 0.9 0.0 17.5
de Internautas por lengua 32 9 5 3 4 0 5 0.2 130
de paginas web por lengua 45.0 3.8 4.4 2.7 1.4 0.3 5.9 0.1 100
Productividad por lengua 1.42 0.43 0.87 0.98 0.34 0.66 1.16 0.74 1
Pagina web per internauta 4.44 0.63 2.24 2.93 0.45 0.62 3.25 0.96  
46
MAS RESULTADOS DERIVADOS E INDICADORES

• PARTIENDO DE BÚSQUEDA
• POR DOMINIO GENÉRICO
• POR DOMINIOS DE PAÍSES
• POR PAÍSES
• POR LENGUAS
• ? PRODUCTIVIDAD DE PAGINAS WEB EN UNA LENGUA DADA
  POR PAÍS

47
QUE PAÍSES PRODUCEN CONTENIDOS EN FRANCÉS?
FUENTE FUNREDES/UL
Noviembre 2007 Mayo 20005 Marzo 2003
FRANCIA 60 -1,09 60 - 0,82 54 - 0,96
CANADA 20 - 1,06 19 - 1,27 24 - 1,83
BELGICA 7 - 0,60 8 - 1,55 7 - 2,21
SUIZA 5 - 0,87 5 - 2,78 6 - 2,17
OTROS 8 - 0,84 8 - 1,38 9 - 3,10
48
QUE REGIONES PRODUCEN CONTENIDOS EN FRANCÉS?
FUENTE FUNREDES/UL
2007 2005 2003
EUROPA   75 79 71
AMERICA   22 21 25
AFRICA/MEDIO ORIENTE AFRICA/MEDIO ORIENTE 0.3 0.4 0,4
ASIA/OCEANIA ASIA/OCEANIA 0.2 0.4 0,4
NO CLASIFICADO NO CLASIFICADO 2,11 0.19 3.32
49
QUE PAÍSES PRODUCEN CONTENIDOS EN ESPAÑOL?
FUENTE FUNREDES/UL
2007 2005 2001
ESPAÑA 56 - 3.4 48 - 2.4 54 - 2.7
EEUU 10 - 0.4 14 - 0.4 5 - 0.12
ARGENTINA 9.4 0.9 10.6 - 1.9 9.6 - 1.3
MEXICO 8.4 - 0.45 7.4 - 0.5 8.6 - 0.45



50
QUE PAÍSES PRODUCEN CONTENIDOS EN PORTUGUÉS?
FUENTE FUNREDES/UL
2007 2005
BRASIL 71 - 0.90 71 - 0.95
PORTUGAL 15 - 0.98 17 - 1.0
USA 4 - 5.0 8 - 5.4
SPAIN 3.8 - 3.7 2.3 - 1.2
51
QUE PAÍSES PRODUCEN CONTENIDOS EN INGLÉS?
FUENTE FUNREDES/UL
nov-07 may-05
EEUU 66 - 1 51 - 0,8
INGLATERRA 6.5 - 0,6 7,2 - 0,6
CANADA 3.5 - 0,7 5 - 0,7
AUSTRALIA 1.5 - 0,3 1.8 - 0,4
ALEMAÑA 1.2 - 39 1.9 - 57
52
CUAL ES EL ESPACIO DEL SUR EN ESTA PRODUCCIÓN?

• FUENTE FUNREDES/UL
• En FRANCÉS África Asia lt 0.8 (menos que
  España o Italia...).
• Destacan Marruecos, Senegal y Vietnam
• En ESPAÑOL America latina 35 producción total
• Destaca Nicaragua y Cuba en productividad
• En rojo Guatemala, Honduras, Costa Rica, Puerto
  Rico, Perú
• En INGLÉS Producción del Sur totalmente
  marginal excepto África del Sur, China, Brasil,
  algunas islas del Pacifico (uso negociado del
  dominio nacional!), Corea del Sur, India,
  Filipinas.
• Destaca (del Norte) Alemania, Francia, Italia,
  Holanda, Japón, Suiza, Rusia, Suecia, España con
  productividades enormes...

53
OTRAS ACTIVIDADES DEL OBSERVATORIO DE FUNREDES

• Otros espacios newsgroups, blogosfera, wikipedia
• Medición muy aproximativa de las culturas a
  través las citaciones de personajes y evaluando
  las evoluciones.
• Automatización de la traducción por programa en
  listas de discusión

54
EL FUTURO DE NUESTRO METODO

• Posiblemente hemos cumplido nuestro rol y debemos
  dejar el espacio a proceso mas industriales
• Tal vez podríamos considerar lanzarnos (o mejor
  negociar con alguien) para aplicar el método no
  sobre los motores sino sobre el mismo web

55
REFERENCIAS

• Measuring linguistic diversity on the Internet,
  UNESCO, 12/2005, a collection of papers by John
  Paolillo, Daniel Pimienta, Daniel Prado, et al.
  http//portal.unesco.org/ci/en/ev.php-URL_ID20882
  URL_DODO_TOPICURL_SECTION201.html -
  Activités de Funredes pour la promotion de la
  diversité linguistique dans l'Internet et
  enseignements de l'expérience, 5/05http//portal.
  unesco.org/ci/en/file_download.php/92a27500bf11f4c
  73cd567943deb4077DanielPimienta.doc-Quel
  espace reste-t-il dans lInternet, hors la langue
  anglaise et la culture "made in USA" ?, in
   Nord et Sud numériques , Les Cahiers du
  Numériques, Vol 2 No 3/4 Hermès, Numéro spécial
  sur la fracture numérique, 2001http//funredes.o
  rg/lc/l5/cahiersNumFinal.html