Aunque ya en la Introducción aparecían los dos conceptos principales que vamos a manejar, el léxico y la frecuencia léxica, es necesario definir, en primer lugar, qué entendemos por léxico. Al hablar de léxico, obviamente, no nos referimos únicamente a palabras, sino más bien a unidades léxicas, ya que estas pueden estar formadas por un grupo de palabras inseparables que poseen un significado único (v.g. de maravilla, traer sin cuidado, echar una mano, etc.). Así, para Gómez Molina (2004: 497), la unidad léxica es "la unidad de significado en el lexicón mental^[5], que sirve como elemento vehiculador de la cultura del español y puede estar formada por una o más palabras (cabeza, paraguas, dinero negro, a la chita callando, tomar el pelo, no hay más cera de la que arde, etc.)". Cuando las unidades léxicas están formadas por una sola palabra, hablamos de unidades léxicas simples (cabeza, paraguas...). En cambio, si las unidades léxicas están formadas por dos o más palabras, hablaremos de unidades léxicas complejas (tomar el pelo, no hay más cera de la que arde...).

Si bien, en ciertas disciplinas lingüísticas pueden existir algunos matices que distinguen léxico de vocabulario, en cuanto a que el primero incluye al segundo, tal y como señala Gómez Molina (2004: 497), nosotros seguiremos lo apuntado por el Instituto Cervantes en su Diccionario de términos clave de ELE, donde se indica que "en la didáctica de la lengua, los términos vocabulario y léxico son equivalentes"^[6].

Tal y como hemos podido comprobar en los trabajos que se han consultado sobre las unidades léxicas, estas presentan una diversidad de características que permiten establecer distintas clasificaciones. En este caso, acudimos a la ofrecida por el Consejo de Europa (2002), pues nos parece la más apropiada al contexto en el que se desarrolla nuestra investigación. Así, según el Consejo de Europa en su obra Marco Común Europeo de Referencia de las Lenguas (MCERL) (2002: 108), los elementos léxicos comprenden: expresiones hechas (fórmulas fijas, modismos, estructuras fijas y otras frases hechas) y polisemia.

Si bien, en esta investigación no pretendemos clasificar las unidades léxicas extraídas del corpus de datos, sí resulta necesario mantener esta clasificación como referencia ante posibles alusiones terminológicas que vayan apareciendo.

El concepto de disponibilidad léxica (DL) tiene su origen formal como objeto de estudio dentro del marco del Centre d'étude du français élémentaire a mediados del siglo XX, concretamente tras la publicación de Micheá en el año 1953 de Mots fréquents et mots disponibles. Un aspect nouveau de la statistique du langage. Los artífices de esta línea de investigación, Gougenheim, Michéa y Sauvageot (1956), trataban de facilitar el aprendizaje del francés en las colonias francesas de entonces gracias al conteo de las palabras que los nativos franceses empleaban con más frecuencia para así poder elaborar un listado que incluir en los materiales de enseñanza del francés como lengua extranjera.

En el mundo hispánico, los estudios de disponibilidad comenzaron en Hispanoamérica y el primero de ellos fue el de López Morales en 1973. En este primer trabajo, de corte sociolingüístico, López Morales trata de determinar las variables extralingüísticas que influyen en el proceso de adquisición del vocabulario de 63 estudiantes de la zona metropolitana de San Juan, Puerto Rico.

A partir de este primer trabajo, las investigaciones sobre DL se han ido expandiendo a ambos lados del Atlántico a través de las investigaciones incluidas en el Proyecto Panhispánico. Sus aplicaciones son numerosas y suelen destacar las comparaciones interdialectales de unas zonas geográficas con otras. También resultan de gran interés los resultados concernientes a la información sociolingüística extraída, como por ejemplo las posibles diferencias entre grupos de diferentes niveles socioeconómicos. Entre otras utilidades^[7], podemos mencionar la información que se extrae para el estudio de los procesos psicolingüísticos de producción.

De todas formas, las publicaciones que hemos ido recogiendo y que aparecen citadas a lo largo de este trabajo apuntan a que la aplicación más reconocida de los estudios de disposición es la mejora de la enseñanza de lenguas, tanto en lengua materna como en lengua extranjera. Nuestro estudio se sitúa en esta línea, que fue la que dio origen a los estudios de DL; concretamente, en la mejora de la enseñanza del español como LE. De este modo, el presente trabajo servirá para conocer con más detalle la competencia léxica de nuestros alumnos, entendida esta como "el conocimiento del vocabulario de una lengua y la capacidad para utilizarlo" (Consejo de Europa, 2002: 108), procederemos a un estudio de disponibilidad léxica.

En los últimos veinte años, han tenido cierta repercusión en el español como lengua extranjera (ELE) gracias a las investigaciones pioneras sobre informantes extranjeros de Carcedo González desde 1998^[8]. Años más tarde, en 2002, se publica el trabajo de Samper Hernández sobre una muestra de 45 estudiantes de ELE, donde aparecen recogidos los criterios metodológicos y de edición de los materiales que más tarde han tomado como referencia otros investigadores de este mismo campo.

Las investigaciones que han trabajado con el léxico disponible del español como LE han seguido objetivos similares^[9]. Esto es: comparación con el léxico disponible de hablantes nativos o con manuales de ELE; descripción de la evolución de la DL según el nivel de español, según la lengua materna o según el método de enseñanza seguido; clasificación de las respuestas en función de su naturaleza gramatical o del tipo de error que representan, etc.

Nuestro trabajo también sigue esta línea, puesto que pretende aportar más información sobre la disponibilidad léxica de los estudiantes de ELE gracias al análisis de la producción de un grupo de alumnos taiwaneses de nivel A1 (MCER). Con los resultados obtenidos en esta primera aproximación al léxico disponible de los alumnos, podremos meternos de lleno en la comparación con los resultados de otros trabajos, en la introducción de variables como el nivel de español de los sujetos o de la utilización de diferentes manuales de aprendizaje.

Estas investigaciones, si bien ofrecen algunos resultados muy interesantes con respecto a los estudiantes chinos, especialmente los de Hidalgo Gallardo (2017a y 2017b), no llegan a describir el léxico disponible de los alumnos en su primera etapa de aprendizaje. A ello, hay que añadir que, en nuestro caso, trabajamos con alumnos de Taiwán y, al tratarse de una población con características socio-culturales diferentes, intuimos unos resultados diferentes con respecto a los chinos. Quizás en investigaciones futuras podamos abordar este interesante asunto; pero centrémonos por ahora en la cuestión que nos ocupa.

Las 52 encuestas de DL que forman el grupo de estudio son el resultado de la selección de una población de 61 estudiantes taiwaneses. El día que recogimos los datos, se presentaron 55 estudiantes. Luego, durante la edición de los materiales, fue necesario hacer una selección de individuos que garantizase la homogeneidad de la muestra. Esta selección será la que constituya la muestra productora de datos. El criterio fundamental que seguimos fue que los individuos garantizasen un nivel lingüístico parejo en la lengua meta. En nuestro caso, se ha estimado un A1 según los parámetros establecidos por el MCERL^[10]. Y para darle una consistencia aún mayor, hemos tenido en cuenta que las calificaciones obtenidas en el último semestre superen los 60 puntos^[11]. Esta nueva acotación nos llevó a desestimar 3 de los test que recogimos: el primero de los informantes es hablante nativo de español; el segundo de ellos ha estado en España durante 2 meses y estimamos un nivel cercano al B1; y el tercero no había llegado a los 60 puntos en el semestre pasado, por lo que consideramos que no alcanzaba un nivel A1.

Se trata, por lo tanto, de un muestreo intencional, ya que todos están cursando el tercer año de español en la Universidad Tunghai y poseen un nivel de español similar.

Una vez controlada la variable del nivel de español, a través de una encuesta de datos personales, establecimos otras características del grupo. De esta manera, pudimos averiguar la edad, el sexo, el lugar de nacimiento, la lengua materna, el conocimiento de otras lenguas y la estancia en países de habla española. El resultado de esta encuesta aparece resumido en el siguiente cuadro.

Tabla 1
Resumen de las características del grupo de estudio.

Tenemos, por lo tanto, un grupo de estudio formado por 52 individuos taiwaneses de L1 chino (6 hombres y 47 mujeres) y con un dominio satisfactorio del inglés. Además, alrededor de un 20% de ellos conoce al menos una tercera lengua extranjera. La edad de los sujetos es de 21 y 22 años, estudian en la universidad y todos han empleado el mismo material didáctico para aprender español, alcanzando un nivel de A1. Ninguno de ellos ha aprendido español en un contexto diferente de la universidad y, además, los 3 individuos que han estado en un país de habla española fue por turismo y no permanecieron allí más de 15 días.

Si bien, en el presente trabajo todas estas variables y sus posibles variantes serán empleadas como control, consideramos necesario dar cuenta de ellas por si en investigaciones futuras quisiéramos realizar estudios contrastivos con estos datos.

La prueba que realizaron los alumnos consta de dos partes. En primer lugar, se les entregó una hoja de datos que deberían rellenar con la información personal que hemos comentado en el subapartado anterior. Una vez completada, se recogió y se entregó la segunda parte de la prueba, el test de datos^[12].

El test de datos está formado por 5 páginas divididas en 3 columnas cada una. Cada columna corresponde a un centro de interés o tema^[13] y está dividida a su vez en 29 filas numeradas, que es donde se anotarán las unidades, para así facilitar el conteo de la posición de la unidad léxica dentro del total de respuestas de cada columna, aspecto que resulta fundamental para calcular la disponibilidad, tal y como señala Samper Hernández (2002: 21). Siguiendo lo apuntado por esta autora y por los trabajos realizados en el mundo hispánico, decidimos que las listas fueran abiertas para que el informante pudiera escribir todas las palabras que se le ocurrieran, aunque no estén seguros de cómo se escriben. De todas formas, limitamos el tiempo en 2 minutos para cada centro de interés^[14]. De este modo, obtenemos qué palabras son las más disponibles y cuántas son.

El encabezamiento de cada columna consiste en un número y en un espacio en blanco donde debería ir el nombre del centro de interés. La decisión de no escribir con antelación el nombre de cada centro de interés fue que los alumnos agotasen los 2 minutos que tenían para escribir todas las unidades que les vinieran a la cabeza (verbos, nombres, adjetivos, expresiones...) relacionadas con el tema en cuestión. De este modo, tratamos de evitar que comenzaran a escribir en la siguiente columna antes del tiempo establecido.

La gestión del tiempo se llevó rigurosamente, empleándose un total de 30 minutos (2 minutos por cada centro de interés).

Las instrucciones fueron muy concretas y se dieron en su lengua materna. Antes de dar comienzo a los 2 minutos de rigor para cada centro de interés, se escribió el nombre de este en la pizarra y se tradujo al chino y al inglés. Una vez agotados los 2 minutos, se escribió el nombre del siguiente tema y así hasta completar los 15 temas.

Al comienzo de la prueba, se señalaron tres cuestiones relativas al test de datos: la primera, que no debían escribir nombres propios; la segunda, que si antes de terminar los 2 minutos, deseaban volver a algún tema anterior para corregirlo o añadir más unidades léxicas, podían hacerlo; por último, que podían escribir detrás de la hoja si les faltaba espacio.

En cuanto a los centros de interés que decidimos incluir en el estudio, veamos en el siguiente subapartado qué decisiones tomamos.

Con la intención de satisfacer el justificado interés de los trabajos de revisión en torno al número y los tipos de centros de interés que se consideran en los estudios de disponibilidad léxica^[15], pasamos a justificar la decisión que nosotros tomamos sobre ello.

En los comienzos de la DL, Gougenheim et al. (1956) propusieron 16 centros de interés que son los adoptados por el Proyecto Panhispánico de Disponibilidad Léxica (PPDL) y, por lo tanto, por la mayoría de las investigaciones de DL en español. Estos 16 centros de interés son los siguientes:

1. 1) las partes del cuerpo

   2) la ropa (sin importar que sea ropa de hombre o de mujer)

   3) la casa (sin los muebles)

   4) los muebles de la casa

   5) los alimentos y las bebidas en las comidas (todas las comidas del día)

   6) los objetos colocados sobre la mesa que se utilizan para todas las comidas del día

   7) la cocina, sus muebles y los utensilios que en ella se encuentran

   8) la escuela, sus muebles y su material escolar.

   9) la calefacción y la iluminación

   10) la ciudad

   11) el pueblo

   12) los medios de transporte

   13) los trabajos del pueblo y del jardín

   14) los animales

   15) los juegos y las distracciones

   16) los oficios (los diferentes oficios y no nombres que se refieren a un solo oficio).

El propósito de utilizar unos centros de interés en particular para extraer las palabras que el informante conoce es servir de estímulo asociativo gracias a unas áreas temáticas universales que cualquier individuo pueda abarcar, si bien estos criterios de coherencia y universalidad son discutibles, tal y como recuerda Paredes García (2014: 2). Y es que, si bien, trabajar con un mismo modelo de encuesta y unos mismos centros de interés ofrece la "ventaja de servir de criterio único para una multiplicidad de equipos" (Moreno, 2012: 2), estos han sido cuestionados desde las primeras investigaciones sobre DL aplicada a la enseñanza de ELE. Así, por ejemplo, encontramos algunos centros de interés que son más sensibles a los cambios cronológicos, de lugar y de estrato social, como la ropa o los juegos (Paredes, 2014). Estos factores hacen que el investigador no sólo tienda a adaptar los centros de interés tenidos en cuenta en la propuesta inicial de Gougenheim et al. (1956), sino que es de gran importancia incluir aquellos que el investigador crea necesarios para alcanzar los objetivos propuestos en su investigación, tal y como observa Herreros Marcilla (2015a), entre otros. Por este motivo, nosotros adaptaremos los centros de interés a nuestra conveniencia.

Así, aunque en los trabajos de algunos investigadores se han incluido otros temas o centros de interés^[16] que no son los utilizados tradicionalmente, nosotros hemos querido tomar como base los aparecidos en el Marco Común Europeo de Referencia de las Lenguas, y renovados por el Plan Curricular del Instituto Cervantes (PCIC) (IC, 2006) puesto el inventario de entradas recogido tiene el "objetivo de dar una idea del tipo de unidades léxicas que el hablante debe conocer en cada uno de los niveles" (IC, 2006) y es aquí donde hasta ahora mejor aparecen desarrollados los niveles de referencia para el español según las recomendaciones propuestas en el MCERL. Al mismo tiempo, nuestro objetivo en trabajos futuros será comparar la DL de nuestros estudiantes con la propuesta hecha por el IC (2006). Veamos, en primer lugar, cuáles son los temas o nociones específicas empleadas en el PCIC:

1. 1) Individuo, dimensión física: partes del cuerpo, características físicas, etc.

   2) Individuo, dimensión perceptiva y anímica: carácter y personalidad, sentimientos y estado de ánimo, etc.

   3) Identidad personal: datos personales, documentación, etc.

   4) Relaciones personales: relaciones familiares, relaciones sociales, etc.

   5) Alimentación: dieta y nutrición, bebida, etc.

   6) Educación: centros e instituciones educativas, profesorado y alumnado, etc.

   7) Trabajo: profesiones y cargos, actividad laboral, etc.

   8) Ocio: tiempo libre y entretenimiento, deportes, etc.

   9) Información y medios de comunicación: correspondencia escrita, teléfono, etc.

   10) Vivienda: acciones relacionadas con la vivienda, características de la vivienda, etc.

   11) Servicios: servicio postal, servicio de transporte, etc.

   12) Compras, tiendas y establecimientos: lugares, personas y actividades, pagos, etc.

   13) Salud e higiene: salud y enfermedades, síntomas, etc.

   14) Viajes, alojamiento y transporte: tipos de viajes, red de transportes, etc.

   15) Economía e industria: finanzas y bolsa, renta, etc.

   17) Ciencia y tecnología: cuestiones generales, biología, etc.

   18) Gobierno, política y sociedad: vida en comunidad, ley y justicia, etc.

   19) Actividades artísticas: música y danza, literatura, etc. Religión y filosofía.

   20) Geografía y naturaleza: universo y espacio, fauna, etc.

Al comparar las nociones específicas con los dieciséis centros de interés del PPDL, encontramos que, si quisiéramos tener en cuenta las primeras en un trabajo sobre DL, estas "tienen la ventaja de tener muchos puntos en común con las áreas temáticas del proyecto inicial de disponibilidad léxica" (Paredes, 2014: 4).

Por lo tanto, consideramos que emplear las nociones específicas del PCIC en nuestra investigación aportará coherencia a nuestro objetivo. De todas formas, no hemos querido perder la referencia de los temas propuestos por el Proyecto Panhispánico porque también tenemos la intención de comparar nuestros resultados con los que puedan obtener otros investigadores. De este modo, hemos intentado utilizar unos centros de interés válidos para comparar con las nociones específicas del PCIC y que, al mismo tiempo, puedan servirnos para comparar nuestros resultados con los de otras investigaciones. Veamos, en concreto, la siguiente tabla de correspondencias entre los centros de interés que vamos a utilizar en nuestra investigación, las nociones específicas del PCIC y los centros de interés del Proyecto Panhispánico.

Tabla 2
Comparativa entre los centros de interés tradicionalmente empleados, los empleados en nuestra investigación y las nociones específicas del PCIC.

Tabla 2 (continuación)
Comparativa entre los centros de interés tradicionalmente empleados, los empleados en nuestra investigación y las nociones específicas del PCIC.

Vemos que cuatro de los 15 temas propuestos coinciden en los tres casos, si bien puede variar su denominación. Estos cuatro temas son, en la denominación que nosotros utilizamos, 7. Trabajo y profesiones, 8. Ocio (deporte, espectáculo y aficiones), 12. Ciudad y 13. Campo.

Vemos también que hay varios centros de interés del Proyecto Panhispánico que se han agrupado en una denominación más general para así hacerlo coincidir con el PCIC. Tal es el caso de 3. La casa (sin los muebles), 4. Los muebles de la casa, 7. La cocina (muebles y utensilios) y 9. Iluminación, calefacción y ventilación. Estas tres áreas temáticas se agrupan en 9. Vivienda (acciones, características y objetos). Lo mismo sucede con 11. El campo y 13. Trabajos del campo y del jardín, que pasan a llamarse 13. Campo. Si bien coincidimos con algunos autores que opinan que 13. Trabajos del campo y del jardín o 9. Iluminación, calefacción y ventilación apenas producirían resultado alguno, y menos aún en las primeras etapas de aprendizaje de la lengua, consideramos útil dejar la opción de incluirlas en nuestro estudio bajo otra denominación.

En cuanto a 5. Comidas y bebidas y 6. Objetos colocados sobre la mesa para la comida, quedan agrupados en 5. Alimentación (comida, bebida, cocina y restaurante).

Paredes (2015: 11) señala en su monográfico sobre DL, que algunos de los centros de interés que ciertos autores proponen añadir a la lista de los tradicionales ya se recogen en el PCIC (Áyora Esteban, 2006, sobre los defectos y cualidades físicas y morales; o Benítez Pérez, 1992, sobre los colores; entre otros). Otra de las razones que nos llevan a adaptar los centros de interés en nuestra encuesta coincide con lo apuntado por Sánchez-Saus (2009)^[17], y es que existen temas como Iluminación, calefacción y medios de airear un recinto y Trabajos del campo y el jardín que poseen pocas unidades léxicas y no nos sirven para nuestro objetivo. Además, hay otros que resultan demasiado concretos, como Partes de la casa (sin muebles), Los muebles de la casa, Objetos colocados en la mesa para la comida y La escuela: muebles y materiales.

Hemos de añadir, al mismo tiempo, que en el MCERL aparecen temas que no son recogidos en los centros de interés del PPDL y, sin embargo, son parte fundamental del repertorio léxico de cualquier alumno de ELE. Por ejemplo, no aparecerían cuestiones relativas a la dimensión perceptiva y anímica del individuo (simpático, inteligente, tener miedo, odiar, etc.). Tampoco tendrían cabida los adjetivos (claros, oscuros, azules, rubio, bajo, etc.) relativos a la descripción de un individuo, tema que autores como Gallego Gallego (2014), entre otros, han considerado necesario incluir en sus investigaciones. De este modo, vemos que, tal y como recomiendan autores como Paredes (2014), en los centros de interés que hemos empleado, se incluyen ciertas categorías gramaticales (adjetivos y verbos) que tradicionalmente no tienen representatividad en los diccionarios léxicos.

También tenemos áreas temáticas como los datos personales (domicilio, sexo, edad, número de teléfono, etc.), las acciones y actividades habituales (levantarse, desayunar, ir a clase, etc.) o las relaciones personales (amigo, padre, madre, etc.), propias de las primeras etapas de aprendizaje de la lengua y que, sin embargo, no tienen representación en los centros de interés propuestos por el PPDL.

Es cierto que hay otros temas del PPDL como 12. Medios de transporte que pudieran no verse tan profusamente representados en nuestro centro de interés 11. Vacaciones (viaje, alojamiento y transporte). Lo mismo sucedería con el tema del PPDL 8. La escuela (muebles y materiales), que tal vez en 6. Educación (universidad, clase, estudios y exámenes) no quedaría tan claramente representado, pero consideramos que hay suficiente relación entre ellos como para que los centros del PPDL mencionados queden incluidos en los nuestros. También hay otros centros de interés que, si bien se denominan de modo distinto, vienen a evocar los mismos conceptos. Por ejemplo, el tradicional 15. Juegos y distracciones, que en nuestro estudio pasa a ser 8. Ocio (deporte, espectáculos y aficiones).

Hemos de añadir que algunas nociones específicas del PCIC no tienen ninguna entrada en el nivel A1, así que se quedan fuera de esta clasificación. Nos referimos a los siguientes temas: 11. Servicios, 13. Salud e higiene, 15. Economía e industria, 16. Ciencia y tecnología, 17. Gobierno, política y sociedad, 19. Religión y filosofía. De todas formas, de cara a la investigación con sujetos de niveles superiores, creemos que algunos de los términos que tienen cabida dentro de estas nociones específicas (científico y tecnología, para el nivel A2 en 16. Ciencia y tecnología) podrían incluirse en algunos de los centros de interés que hemos creado para este test. Por ejemplo, Servicios y Economía e industria podrían incluirse en 7. Trabajo y profesiones; 16. Ciencia y tecnología (términos como científico, tecnología, ciencia, etc.) o Economía e industria podrían repartirse entre 7. Trabajo y profesiones y 15. Medios de comunicación.

No obstante, y a pesar de los motivos que hemos ofrecido, somos conscientes de que nuestra clasificación puede no ser tan exhaustiva, pero hemos considerado que emplear las 20 nociones específicas que aparecen en el PCIC afectaría a la concentración que requiere completar una encuesta de este tipo (se necesitarían 40 minutos) y, por lo tanto, perjudicaría en gran medida la obtención de las respuestas.

Al mismo tiempo, entendemos que la diferencia en la denominación y, a veces, en la naturaleza misma entre los centros de interés clásicos y los utilizados aquí hace que el estudio comparativo de nuestros resultados con los obtenidos en otros trabajos de DL más tradicionales resulte lo más adecuado en conjunción con nuestro objetivo final, que es llegar a saber si el alumno taiwanés está aprendiendo el léxico que una obra de referencia como el PCIC aconseja para cada uno de los seis niveles de ELE.

Además de la selección de los centros de interés, otra de cuestiones que más preocupan y que resultan más complejas en las investigaciones sobre DL es la edición de los materiales, ya que resulta fundamental seguir unos criterios de edición comunes que permitan la comparación entre diferentes investigaciones. Así lo indicaba Samper Padilla (1998) en un artículo que resultó ser pionero en la unificación de estos criterios. De hecho, la mayoría de los investigadores de disponibilidad en el mundo hispánico siguen estas mismas sugerencias, si bien suelen detallarse en función de las necesidades específicas de cada investigación. Nosotros, por nuestra parte, también utilizaremos estos criterios generales, que consisten en:

1. 1) Eliminación de términos repetidos. En el caso de que aparezca un término repetido dos veces en el mismo centro de interés, se mantendrá el que aparezca en primer lugar para, así, respetar su posición.

   2) Corrección ortográfica. El grado de faltas cometidas es muy elevado. Parte de ello puede explicarse porque durante la encuesta animamos a los alumnos a escribir todas las ocurrencias que tuvieran, aunque no estuvieran seguros de cómo escribirlas. De todas formas, los errores que hemos encontrado no son propiamente ortográficos, sino de grafía, posiblemente debidos a la deficiencia en el aprendizaje o a la interferencia de otras lenguas, generalmente el inglés.

   Para solucionar esta cuestión, hemos acudido a las recomendaciones de la Real Academia Española en la última edición de su Diccionario de la lengua española (DRAE). En el caso de que apareciesen palabras de uso habitual, pero no incluido en el DRAE, utilizaríamos el Corpus de referencia del español actual (CREA).

   3) Unificación ortográfica. En nuestro trabajo no han aparecido palabras que permitan una doble ortografía, como video / vídeo, cacto / cactus, psicología / sicología. De todas formas, conviene tener en cuenta este principio, pues podría aparecer en encuestas a sujetos con un nivel más alto de español.

   4) Unificación de variantes meramente flexivas. Este criterio consiste en utilizar la forma que suele aparecer en los diccionarios, siempre y cuando no suponga un cambio en el significado léxico. Es decir, el masculino singular en el caso de sustantivos y adjetivos y el infinitivo para los verbos.

   En el caso de aquellas palabras que admitan el singular y el plural (pantalón - pantalones), seguiremos el mismo criterio que Bartol Hernández (2004) y otros muchos autores para poder facilitar las comparaciones. Por lo tanto, mantendremos lo escrito por el sujeto cuando la forma aparece en plural (pantalones), pero escribiremos la unificación bajo la forma pantalón(es) si aparece tanto en plural como en singular. Y si nos encontramos con la forma en singular, mantendremos esta (pantalón).

   En el caso de que aparezca la forma en plural cuando existe una acepción diferente (padre - padres, rebaja - rebajas, deber - deberes), mantendremos lo escrito. Por ejemplo, padres, rebajas, deberes, etc.

   Si encontramos heterónimos como padre - madre, rey - reina, hombre - mujer, etc. se mantendrá el lexema que aparezca.

   5) Unificación en el caso de derivación que no suponga alteración del significado léxico. Se mantendrán separados los diminutivos y aumentativos que, según el DRAE o el CREA así lo especifiquen. Por ejemplo: cuchara - cucharilla, mesa - mesilla, etc.

   6) Unificación de los acortamientos. Todos los casos de palabras que admitan las dos formas serán recogidos de la manera bici(cleta), tele(visión), (auto)bús, etc.

   7) Tratamiento de los sintagmas y de aquellas elipsis originadas en combinación léxica. Cuando nos encontremos con unidades fraseológicas como ir de copas, ir de excursión, empezar a jugar, etc. editaremos la respuesta del siguiente modo: ir, copa(s), excursión, empezar, jugar. De todas formas, hemos decidido respetar aquellos sintagmas que poseen unicidad semántica y referencial y cuya frecuencia de uso es alta. Es decir, si se trata de locuciones, como, por ejemplo, caer bien, ponerse morado, ama de casa, ni fu ni fa, a diario, etc., mantendremos el original. Para decidir si un sintagma debe mantenerse o no, acudimos a los diccionarios de locuciones de Inmaculada Penadés (2002, 2005, 2006 y 2008) y, en caso de que siguiésemos con dudas al respecto, utilizaremos el DRAE o el CREA para decidir, dependiendo de los casos.

   8) Tratamiento de las marcas comerciales y los nombres de establecimientos y empresas. Al igual que muchas otras investigaciones, admitiremos todas las marcas que aparezcan en el cuestionario, y no únicamente las marcas que estén lexicalizadas, como es el caso de coca-cola, clínex, pimpón, etc.

Además de estos criterios, pensados aplicar en estudios sobre la lengua materna, tenemos la suerte de contar con los principios que, dos años más tarde, Carcedo-González (2000) propuso a partir de la ampliación y adaptación de los criterios de Samper Padilla (1998) a las necesidades propias de las investigaciones de DL aplicadas al español como lengua extranjera. Por su parte, Samper Hernández (2002) revisó estos criterios de Carcedo González (2000) y dejó constancia de una base que ha servido para la mayoría de los trabajos realizados en este campo. En nuestra investigación, utilizaremos estas indicaciones del siguiente modo:

1. 1) Tratamiento de los errores. Todas las palabras que aparezcan mal escritas serán corregidas e incluidas de modo correcto en el listado de disponibilidad, como, por ejemplo: delgata* - delgada, sencerio* - sincero, etc.

   2) Tratamiento de los extranjerismos. Para el caso de las importaciones léxicas que sean admitidas por el DRAE (voleibol, vodka, etc.) y aquellas que están muy extendidas en español, serán mantenidas sin modificaciones en las respuestas que analicemos (facebook, wifi, etc.). Aquellas que claramente pertenezcan a una lengua que no sea el español, serán eliminadas del estudio. Por ejemplo: actress*, movie*, etc.

   3) Tratamiento de las interferencias de otras lenguas. Todas las interferencias semánticas y estructurales que no se usan en español han sido eliminadas del listado. Sin embargo, aunque la palabra aparezca en otra lengua, si su escritura es muy similar al español, será tratada como un error gráfico y optaremos por su corrección. Por ejemplo, professor* - profesor, cathedral* - catedral, etc. Cuando este último grupo de palabras presente dudas sobre si se trata o no de otra lengua, adoptaremos una posición flexible y las corregiremos. Por ejemplo: futboll* (football en inglés) - fútbol, patato* (potato en inglés) - patata, etc.

   4) Prestadores y modificadores. Cuando las palabras aparecen acompañadas de un artículo, hemos optado por eliminar este. En cambio, si se trata de un adjetivo o un adverbio que sirven para modificar el significado del núcleo del sintagma, hemos decidido aplicar los mismos criterios que explicábamos en el Tratamiento de los sintagmas y de aquellas elipsis originadas en combinación léxica, manteniendo así aquellos que poseen unicidad semántica y referencial

   5) Amplitud de las relaciones asociativas. Para nuestra investigación, hemos tratado de mantener todas las palabras que el informante ha incluido en cada uno de los centros de interés, excepto si no tienen una relación explicable con el tema.

En general, los cambios que hemos aplicado en la edición de los materiales obedecen a un enfoque pedagógico, con lo que no consideramos necesario mantener las variables morfológicas, los extranjerismos, etc. que puedan aparecer en el test, tal y como señala Tomé Cornejo en su tesis doctoral (2015).

Para la cuantificación y edición de los datos utilizamos Dispogen II (Eveverría et al., 2005), un programa informático desarrollado en MatLab que nos da el índice de disponibilidad de las unidades léxicas gracias a la utilización de la fórmula de López Chávez y Strassburger (1987 y 1991):

Fórmula 1
Fórmula de López Chávez y Strassburger.

Donde:

D(P_j) = disponibilidad de la palabra j.

n = máxima posición alcanzada en el centro de interés de la encuesta.

i = número de la posición en cuestión.

j = índice de la palabra tratada.

e = número de Euler, o constante de Napier (2,718281828459045…).

f_ji = frecuencia absoluta de la palabra j en la posición i.

I₁ = número de informantes que participaron en la encuesta.

Aunque haya autores que prefieran utilizar otras fórmulas y otros programas informáticos más adecuados a sus necesidades^[18], Dispogen presenta algunas ventajas que hemos querido aprovechar en nuestro trabajo. Permite, por ejemplo, realizar cálculos por centro de interés. Además, nos ofrece un índice de disponibilidad léxica individual (relativo a los individuos que participan en el estudio). También nos ofrece datos sobre los clústeres o asociaciones de diferentes unidades léxicas y otros índices como el número de respuestas por sujeto, el total de palabras, el total de vocablos, el promedio de palabras o el índice de cohesión de cada centro de interés.

Este programa permite utilizar hasta cinco variables que poder seleccionar para crear diferentes grupos y compararlos entre sí. En nuestro caso, hemos incluido: sexo (hombre / mujer), lengua materna (chino), estancia en España (nunca/de turismo), material utilizado (ELE actual, SM) y nivel lingüístico (A1). La definición de estas variables nos servirá para poder hacer comparaciones con otros grupos de estudiantes de, por ejemplo, otra lengua materna u otro nivel lingüístico en ELE.

Si bien es cierto que, dada la naturaleza de nuestra investigación, no vamos a obtener resultados comparativos con respecto a otros grupos de informantes, los datos que presentaremos nos darán una descripción detallada del léxico disponible de 52 estudiantes taiwaneses con un nivel lingüístico de A1.

En este apartado presentaremos los índices obtenidos en nuestra investigación tal y como han ido apareciendo en otros estudios similares sobre DL en el mundo hispano, si bien, a lo largo de los años tanto la fundamentación teórica como la metodológica han ido evolucionando gracias a la publicación de nuevas investigaciones, tal y como detalla Paredes García (2012) en su artículo.

Comenzaremos con la presentación de los resultados generales que muestran los datos recogidos y que atañen a las unidades léxicas totales y diferentes. Continuaremos con un análisis más detallado sobre la productividad léxica de los informantes y de la riqueza léxica encontrada y finalizaremos con el índice de cohesión y la densidad léxica de cada uno de los centros de interés.

3.1.1. Resultados generales

Antes de comenzar a ver el análisis pormenorizado de los datos, es importantísimo recordar el significado de los términos unidades léxicas totales y unidades léxicas diferentes. Las unidades léxicas totales (ULT), que comúnmente se conocen como palabras, son todas las unidades con significado único, simples o complejas, que aparecen recogidas en las respuestas de los informantes y que pueden estar repetidas o no, lo que en algunas investigaciones se ha querido llamar palabras. En cambio, las unidades léxicas diferentes (ULD), o lo que en otras investigaciones se denomina vocablos, son aquellas que aparecen recogidas una sola vez en los diccionarios de DL y que puede encontrarse en otros trabajos como vocablos. Una vez aclarados ambos conceptos, veamos en la siguiente tabla cuál es el número de unidades léxicas totales encontradas y cuál es su promedio por centro de interés y por informante.

Tabla 3
Número de unidades léxicas totales y promedio por centro de interés y por informante.

En total, recogimos 7028 ULT en las 52 encuestas obtenidas, 469,53 ULT por centro de interés y 132,60 ULT por informante. En cuanto al número de unidades léxicas diferentes y su promedio por centro de interés y por informante, los resultados se registran en la siguiente tabla.

Tabla 4
Número de unidades léxicas diferentes y promedio por centro de interés y por informante.

Como es lógico, el número de ULD es menor que el de ULT; obtuvimos 2008 ULD en total, un promedio de 133,87 ULD por centro de interés y un promedio de 37,89 ULD por informante.

Las cifras aparecidas en estas dos tablas, más propiamente los promedios por centro de interés, servirán para determinar en los subapartados que vienen a continuación qué centros de interés están por encima de estos promedios y cuáles por debajo. De este modo, averiguaremos el valor de la productividad y la riqueza léxicas.

3.1.2. Productividad léxica. Número de unidades léxicas totales y promedio

La edición de los datos nos ha proporcionado cifras relativas al número de unidades léxicas totales (ULT) en cada uno de los centros de interés y el promedio de ULT por informante. No olvidemos que las ULY son todas las unidades léxicas que han sido recogidas en las encuestas. Por ejemplo, si la unidad léxica feo aparece 28 veces en las 53 encuestas, se contará como 28. Esto nos dará una idea de cuál es la productividad léxica en cada centro, tal y como aparece en la siguiente tabla.

Tabla 5
Número de unidades léxicas totales y promedio por informante en cada centro de interés (productividad léxica).

Los resultados parecen mostrar unas cifras similares tanto en el número de ULT en cada centro de interés, como en el promedio de ULT por informante. Para poder apreciar con más claridad cuáles son los centros de interés más y menos productivos, hemos de establecer un rango a cada uno en función del número de ULT que contienen. Además, si dividimos el número total de unidades léxicas por los 15 centros de interés, obtendremos que la media es de 468,53 ULT por cada centro de interés (véase la Tabla 3), por lo que podremos establecer qué centros están por encima y por debajo de esa media. Veamos esta ordenación en la siguiente tabla.

Tabla 6
Rango de cada centro de interés según las unidades léxicas totales (productividad léxica).

Según el rango que hemos representado en esta tabla, los centros más productivos son 3. Acciones y actividades habituales, con 635 ULT y 12,21 ULT por informantes) 5. Alimentación (621 ULT y 11,94 ULT por informante) y 9. Vivienda (571 ULT y 10,98 ULT por informante). En cambio, los centros de interés que menos unidades léxicas totales han recogido son 14. Naturaleza (318 ULT y 6,11 ULT por informante), 7. Trabajo y profesiones (341 ULT y 6, 55 ULT por informante) y 13. Campo (345 ULT y 6,63 ULT por informante). La mayor o menor productividad léxica está relacionada con la naturaleza misma de cada centro de interés y podría tener explicación en los materiales de trabajo de la clase. Sabemos que hay temas que apenas aparecen en el libro de texto^[19] (14. Naturaleza o 15. Medios de comunicación) y esto podría explicar su bajo rango. Sin embargo, hay otros temas, como 1. Descripción física y de carácter y 2. Datos personales, que aparecen ampliamente explicados los primeros temas del libro de texto ELE Actual A1, con lo que hace más de un año y medio que los estudiaron. Esta “falta de frescura” con respecto a la temática podría ser el motivo de su bajo rango. Con ello, no queremos dar una explicación definitiva al respecto, sino manifestar una intuición que deberá ser probada en una investigación específica sobre la influencia de los materiales de estudio en los resultados de la productividad léxica.

Otro de los motivos de la diferencia en el rango de cada centro de interés podríamos encontrarla en la naturaleza misma de cada uno, y es que algunos de los temas son más cerrados que otros y, por lo tanto, las posibilidades de encontrar unidades léxicas asociadas pueden ser menor.

Una cuestión que destaca en la tabla es que tenemos 8 centros de interés por encima de la media y 7 por debajo, lo cual indica que hay un reparto equilibrado entre los 15 centros de interés, si bien 3. Acciones y actividades habituales y 5. Alimentación se produce una diferencia significativa con respecto al resto de centros.

3.1.3. Riqueza léxica. Número de unidades léxicas diferentes

Si lo que queremos saber es cuáles son los centros con más y con menos riqueza léxica, es necesario presentar los resultados correspondientes al número de unidades léxicas diferentes (ULD) en cada centro de interés. Recordemos que las ULD, a diferencia de las ULT, se refieren, tal y como se recoge en la mayoría de los trabajos de DL, a aquellas que aparecen una sola vez como entrada en los diccionarios de DL. Si tomamos el ejemplo de la unidad léxica feo, que aparece 28 veces a lo largo de las 53 encuestas, esta se contaría como una sola ULD.

Veamos cuáles son las cifras arrojadas por el análisis de los datos.

Tabla 7
Número de unidades léxicas diferentes y promedio por informante y por centro de interés (riqueza léxica).

En este caso, tampoco parecen existir grandes diferencias entre unos centros y otros. Sin embargo, si tenemos en cuenta que el promedio del número de ULD por centro es de 133,87, podemos establecer qué centros de interés están por encima y por debajo de este promedio. Veámoslo en la siguiente tabla.

Tabla 8
Rango de cada centro de interés según las unidades léxicas diferentes (riqueza léxica).

En primer lugar, al igual que ocurre con la productividad léxica, podemos observar que hay 8 centros de interés por encima de la media y 7 por debajo, por lo que el reparto de ULD entre los 15 centros de interés es equilibrado.

Además, distinguimos que los centros de interés más ricos son 9. Vivienda, 10. Compras y 11. Vacaciones, mientras que los menos ricos son 4. Relaciones personales, 14. Naturaleza y 15. Medios de comunicación. Conocer el motivo de estos resultados resulta complejo. Podemos entender que estos son aquellos centros cuya temática no solo es cercana a los estudiantes, sino que presentan una variedad grande de unidades léxicas que los contienen. En cambio, 14. Naturaleza se trata de un centro más alejado de nuestros alumnos y, por lo tanto, ocupa un rango muy bajo. En cuanto a 4. Relaciones personales y 15. Medios de comunicación, creemos que el principal motivo de esta baja riqueza léxica es más bien propia de estos centros de interés, ya que encontramos un número menor de ULD que pueden asociarse a ellos. De todas formas, tal y como decíamos en el apartado relacionado con la productividad léxica, las características del libro de texto que utilizan también puede ser un motivo fundamental que afecta a estas diferencias en el rango, con lo que dejamos anotamos este motivo para indagar en él en trabajos posteriores.

3.1.4. Riqueza y productividad léxica

Tras lo visto con respecto a la riqueza y a la productividad léxica, podríamos pensar que existe un paralelismo entre los centros de interés más productivos y los más ricos lexicalmente. Veamos una comparativa entre ambos índices en la siguiente tabla.

Tabla 9
Rango de los centros de interés según su riqueza y su productividad léxica.

La comparativa, a simple vista, nos ofrece una perspectiva distinta a lo que podríamos esperar. Ninguno de los centros de interés coincide en rango con respecto a su riqueza y a su productividad léxica. De hecho, tal y como señala Gallego Gallego (2014), la mayoría de los estudios de disponibilidad léxica señalan esta situación, que tiene que ver con el carácter abierto o cerrado de cada centro de interés. Aun habiendo diferencias en el rango de la riqueza y de la productividad léxica, la mayoría de los centros de interés se establecen según estos dos índices por encima o por debajo de la media. De este modo, si bien 9. Vivienda ocupa el primer lugar en riqueza léxica y el tercer lugar en cuanto a productividad léxica, ambos rangos se sitúan por encima de la media. Los únicos centros de interés que distan en cuanto al rango que ocupan en uno u otro índice son: 5. Alimentación, que ocupa el primer lugar en productividad léxica y baja a un quinto puesto en riqueza léxica; y 7. Trabajo y profesiones, que se sitúa en el último lugar de productividad, pero está en un séptimo rango de riqueza léxica.

Volviendo al carácter abierto o cerrado de cada centro de interés, al que aludíamos en el párrafo anterior, es obvio que aquellos centros que tengan menos posibilidades de asociación de unidades léxicas ocupen posiciones bajas en cuanto a riqueza léxica. En el caso de 7. Trabajo y profesiones, resulta que, aunque presenta una riqueza léxica por encima de la media, tiene uno de los rangos más bajos en cuanto a productividad léxica. Esto podría ser debido a que se trata de un tema que en el nivel A1 suele trabajarse someramente y dentro de temas como la información personal o la familia.

También creemos que el centro de interés 14. Naturaleza no se ha tratado en profundidad en un primer nivel de aprendizaje, a excepción del clima, que sí suele aparecer en los manuales ELE de nivel A1. Todo esto, tal y como venimos diciendo, deberá ser tratado con rigor en un trabajo sobre los manuales empleados en la clase ELE.

En cuanto a 4. Relaciones personales, es el centro de interés más pobre léxicamente y uno de los menos productivos. Creemos que estas posiciones tan bajas en el rango pueden ser debidas a que se trata de un tema que no admite una variedad léxica abundante.

3.1.5. Índice de cohesión y densidad léxica

Tanto el índice de cohesión como la densidad léxica nos permiten saber si las respuestas dadas por cada individuo son iguales a las del resto de individuos (centro compacto) o difieren mucho (centro difuso).

El índice de cohesión de cada centro de interés se obtiene al dividir la frecuencia media de respuestas por individuo en cada centro de interés por el número de unidades léxicas diferentes, lo que nos da un valor comprendido entre 0 y 1. Cuanto más cercano a 1 sea el valor del índice de cohesión, más compacto será el centro. La densidad léxica, por su parte, se calcula dividiendo el número de unidades léxicas totales en cada centro por el número de unidades léxicas diferentes, lo que nos da el promedio de repeticiones de las unidades léxicas.

Sin embargo, si bien el índice de cohesión y la densidad léxica miden el nivel de coincidencia en las respuestas de los informantes, no concuerdan necesariamente. Esto es debido a que, como ya señalaba Hernández Muñoz (2004: 57), la densidad léxica “carece de límites referenciales que faciliten la comparación de los datos”.

La repercusión de los valores conseguidos por el índice de cohesión en cada centro de interés será comentada con más detalle en el análisis cualitativo, con lo que podremos analizar cuáles son las unidades léxicas que los informantes han escrito en el test.

Veamos antes una tabla comparativa entre el índice de cohesión y la densidad léxica.

Tabla 10
Rango en función del índice de cohesión y la densidad léxica en cada centro.

En la tabla anterior vemos cómo, según tomemos el índice de cohesión o la densidad léxica como referencia, la posición que ocupa cada uno de los centros de interés no es la misma. Esta diferencia significa que los centros de interés que hemos utilizado tienen un comportamiento interno diferente que será comentado con detalle en el análisis cualitativo. Aunque en ambos índices existe una relación directa entre este y el número de participantes (cuanto mayor es el número de participantes, mayor es la densidad léxica), desarrollaremos con más detalle el índice de cohesión, puesto que es el que más se utiliza en los estudios de disponibilidad léxica, lo cual nos permitirá establecer una comparación más adecuada con los resultados de otros trabajos. Así, los centros de interés que más destacan teniendo en cuenta su índice de cohesión son:

1. - Los centros de interés más compactos, los que tienen una asociación conceptual mayor, son 11. Vacaciones, 10. Compras y 5. Alimentación.

   - Los centros de interés más dispersos, los participantes ofrecieron respuestas diferentes unos de otros son 8. Ocio, 15. Medios de comunicación y 12. Ciudad.

3.1.6. Resultados por variables

En la mayoría de los estudios suelen tenerse en cuenta algunas variables que también hemos incluido en la recogida de datos, tal y como explicamos en el apartado 5.1. La muestra. De todas estas variables, solamente dos pueden ser objeto de comparación en nuestro estudio: el sexo (6 hombres y 46 mujeres) y la estancia en países de habla española (49 nunca han estado en España y 3 han estado de turismo). El resto de variables se convierten en variables control, ya que todos los sujetos de la muestra comparten las mismas características en cuanto a manual de aprendizaje utilizado (ELE Actual A1 y A2, de SM), nivel de español (A1), edad (entre 21 y 22 años), lugar de nacimiento (Taiwán) y lengua materna (chino). En la recogida de datos también incluimos el conocimiento de otras lenguas y su nivel lingüístico, pero entendemos que nuestro estudio se complicaría y la atención se apartaría de nuestro propósito inicial.

Dado que la relación entre individuos que han estado de turismo en España (3) e individuos que no han estado nunca (49) resulta desproporcionada, no hemos querido incluirla en este trabajo.

Sin embargo, la variable sexo (hombre / mujer) sí será tratada en nuestra investigación puesto que, incluso cuando la relación entre hombres y mujeres es dispar (6 hombres y 46 mujeres) y consideramos que los resultados no nos servirán para extraer conclusiones definitivas, creemos que los datos que tenemos podrán servirnos para hacer comparaciones futuras con los resultados obtenidos en otras comunidades. Así, teniendo en cuenta que hemos recogido las respuestas de 6 hombres y 46 mujeres, los índices generales obtenidos en función del sexo aparecen en la siguiente tabla.

Tabla 11
Índices generales en función del sexo.

En la tabla, puede verse a simple vista que existe una diferencia enorme entre los resultados extraídos del grupo de hombres y el grupo de mujeres. Si bien, resulta lógico que tanto el número de ULT y el de ULD sea mayor en el caso de las mujeres, cuando atendemos al promedio de ambos índices por informante, observamos que el valor del número de ULT en el grupo de los hombres es mucho mayor: 161,66 ULT frente a 131,70 ULT en el grupo de las mujeres. Esta diferencia se acentúa en la comparación del promedio de ULD por informante: 113 ULD para el grupo de hombres y 39,24 ULD para el de mujeres.

En principio, no alcanzamos a justificar los motivos de estas diferencias, si no es la mera casualidad de que los hombres de nuestro grupo de estudio sean más aplicados en el estudio. Entendemos, por lo tanto, que será necesario ampliar la muestra poblacional o, incluso, comparar estos resultados con los obtenidos en otros trabajos.

En este apartado, analizaremos cada uno de los centros de interés de la encuesta y describiremos el comportamiento de las diez unidades léxicas con mayor índice de disponibilidad, así como de los individuos que completaron la encuesta. Para ello, acudiremos a los siguientes valores: el índice de frecuencia, el porcentaje de aparición y la frecuencia acumulada. La operación con estos valores nos dará como resultado el índice de disponibilidad léxica, tanto de las unidades léxicas, como de los individuos que participan.

Además, teniendo en cuenta que los centros de interés se forman a partir de la asociación de unas palabras con otras, lo que Coseriu (1987) denominó configuraciones asociativas^[20], extraeremos los pares léxicos más repetidos en cada centro de interés para poder describir las relaciones léxicas y significativas de la encuesta.

Veamos, en primer lugar, cuáles son los resultados de la encuesta por centros de interés.

3.2.2. Pares léxicos

De cara a la enseñanza del léxico en la clase ELE, puede resultar muy útil saber qué unidades léxicas comparten más rasgos entre sí debido a que una fuerte relación entre estas podría facilitar su aprendizaje, tal y como señala Baralo (2005 y 2007). El modo en que las unidades léxicas forman relaciones puede cuantificarse gracias a una lista de asociaciones léxicas que proporciona el programa Dispogen^[22]. Estas asociaciones, también llamadas clústeres o pares léxicos, son agrupaciones de unidades léxicas que diferentes individuos escriben en sus respuestas. Por ejemplo, dentro del centro de interés Descripción física y de carácter de nuestro corpus, el par léxico guapo-feo es el más frecuente, ya que aparece entre las respuestas de 14 informantes.

Estas asociaciones dependerán de la idiosincrasia de los centros de interés, así como de su organización interna (del Barrio, 2016). Según lo apuntado por Sánchez-Saus (2011), la tipología de las asociaciones léxicas sigue siendo objeto de discusión, pero hemos querido acogernos al esquema adaptado por esta autora (2011: 341) a partir del de Casas (2011: 102). Sin necesidad de entrar en el desarrollo minucioso de esta tipología, las asociaciones léxicas pueden establecerse semánticamente, según el nivel lingüístico en el que se opere (de carácter morfológico, léxico, suboracional, oracional y textual) o significativamente, según el/los componentes del signo (significante, significado y referencia) que adoptemos como punto de partida.

Tal y como señala Saus-Laserna (2011), las conexiones que se establecen entre unas unidades léxicas y otras se basan en relaciones de tipo asociativo, es decir, se circunscriben a la realidad cercana de los informantes. De todas formas, continúa la autora (2011: 342), esto no impide que coexistan otros vínculos que vayan más allá de la asociación.

Para este primer trabajo de aproximación, veamos, entonces, cuáles son los diez pares léxicos que han aparecido con más frecuencia en las respuestas de los estudiantes y tratemos de establecer una relación entre ellos.

Tabla 12
Pares léxicos formados por dos unidades léxicas según el número de apariciones.

En la tabla que hemos elaborado, destacan dos centros de interés: 5. Alimentación, con dos pares léxicos situados en una segunda (café-leche) y una tercera posición (agua-vino); y 14. Naturaleza, con el par léxico frío-calor en una cuarta posición y el par perro-gato en la quinta.

Si bien, podríamos creer que la relación café-leche es debida a la colocación café con leche, hemos de decir que tanto café como leche han aparecido de forma separada. No obstante, café con leche queda registrada en nuestra lista (aparece en 9 cuestionarios) ya que se trata de una unidad compleja que, si bien no es un compuesto sintagmático, se trata del nombre de una bebida que suele aparecer en la clase de ELE.

En cuanto al par frío-calor, se trata claramente de una relación léxica de antonimia, la misma que se da con el par léxico guapo-feo, en quinta posición. Sin embargo, los pares agua-vino y perro-gato no tendrían por qué darse como antónimos, pero existe una relación de prototipicidad en la que la antonimia viene por su relación significativa designativa, siguiendo la terminología propuesta por Saus-Laserna (2011).

El par léxico que más aparece es el de padre-madre, dentro del centro de interés 4. Relaciones personales (familia y amigos). Ambas lexías son cohipónimos, ya que pertenecen a un mismo hiperónimo, que es familia. Y también son cohipónimos autobús-tren, que se encuentran bajo el hiperónimo medios de transporte.

El par ir-cine obedece a una relación habitual dentro del tema 3. Acciones y actividades habituales, aunque también tendría sentido encontrarlo en 8. Ocio. En este caso, cuando los informantes anotaban ir al cine como una acción de ocio, optamos por mantener ambas palabras, pero de forma separada (ir, cine). Lo mismo hicimos con otras acciones como ir de camping (ir, camping), ir de compras (ir, compras), etc., de ahí, quizás, la razón de que ir aparezca junto a cine y formen un par léxico frecuente.

Estudiante-profesor se trata de una relación de tipo asociativo, ya que son los propios sujetos de la investigación los que, debido a su experiencia personal, relacionan ambos conceptos.