JOURNÉE INTERNATIONALE DE LA LANGUE MATERNELLE UNESCO

1. JOURNÉE INTERNATIONALE DE LA LANGUE MATERNELLE UNESCO PARIS 21 février 2007

2. ATELIERExpériences récentes pour mesurer les langues dans le cyberespace:un tour d’horizon et la méthode Funredes/Union Latine

3. Daniel Pimientapimienta@funredes.orgFUNDACIÓN REDES Y DESARROLLOhttp://funredes.org

4. APPROCHES EXISTANTES

5. APPROCHES FUTURES

6. METHODE FUNREDES/UNION LATINEHTTP://FUNREDES.ORG/LC • BASÉE SUR MOTEUR DE RECHERCHE • APPROCHE LINGUISTIQUE SERIEUSE • TRAVAIL STATISTIQUE SOIGNÉ • LA SEULE DOCUMENTÉE 100% • LA SEULE AVEC SUIVI RÉGULIER • VARIETE D’INDICATEURS • VARIETE D’ESPACE

7. METHODE FUNREDES/UNION LATINE • LIMITATION EN LANGUES (anglais, allemand, espagnol, français, italien, portugais, roumain) • DONNE RÉSULTATS RELATIFS • MESURE L’ESPACE INDEXÉ • FUTUR INCERTAIN

8. METHODOLOGIEFUNREDES/UNION LATINE  Définition 57 concepts équivalents sémantiquement ===> 1600 termes  Mesure comparative fréquence avec moteurs de recherche (automatisé para programme)  Méthode statistique (distribution, moyenne, variance, loi de Fischer, intervalle de confiance)  Résultats % par rapport anglais  Evaluation anglais par recoupement et résultats absolus autres langues.

9. CONCEPTS: CRITÈRES LINGUISTIQUES Neutralité culturelle Homographie trans-linguistique Homographie trans linguistique avec un des éléments d'un mot composé Homographie trans-linguistique par emprunt Homographie avec une abréviation Homographie avec un nom propre fréquent Pseudo-homographie trans-linguistique Significations non équivalentes Morpho-syntaxe non équivalente : nom, verbe Morpho-syntaxe non équivalente : adjectifs et noms Pluricentrisme lexique et sémantique Pluricentrisme orthographique Formes aggrégées (allemand)

10. Neutralidad cultural Propiedad de una palabra en relación con su frecuencia de uso en la lengua en función de la cultura respectiva. Las palabras francesasvin,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.

11. 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 red en inglés (rojo); hier en francés (ayer) y hier en allemán (aquí).  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 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.

12. 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)

13. Homografía con una abreviación Sept, siete en francés, homógrafo de las abreviaciones de septiembre en varios idiomas, sobre todo eninglés. Evitar estas palabras. Estamos relativamente protegidos por la consigna de evitar palabras de menos de cuatros letras.

14. 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.

15. 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)adoren inglés. Se rechazan estas palabras solamente si la lengua con que se confunde es el inglés.

16. 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.

17. Morfosintaxis no equivalente: sustantivo, verbo El inglés es diferente morfosintácticamente 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.

18. 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 yellowcorresponde a amarillo / amarilla / amarillos / amarillas. El sustantivo inglés instability / instabilitiesa las variantes rumanas siguientes:instabilitate / instabilitatea / instabilităţii / instabilităţi / instabilităţile / instabilităţilor.  Incluir las variantes de género, número y caso en los idiomas en la necesidad de equivalencia lo exige.

19. 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.

20. 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.

21. 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.

22. 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

23. 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

24. SEARCH ENGINE All are tested: Altavista, Excite, Fastsearch (Alltheweb), Google, Hotbot, Infoseek, iWon, Lycos, Northernlight, Yahoo et Webtop. The best suited is selected: • Counting reliability • Handling of diacritics • coherence of results • Size of Index • Homogeneity vs. Language

25. SEARCH ENGINE • Almost always a headache… • Takes time to validate and understand tricks…

26. COMPUTING • Completely automatized by PHP program interfacing the web. • Data base of results for comparation and historical storage.

27. STATISTICAL METHOD • Normal distribution • Covariance analysis for sound results • 90% and 99% confidence interval Computed from Student T-Distribution

28. PRODUCTS • RAW PORCENTAGE OF LANGUAGE COMPARED TO ENGLISH • VARIANCE COEFFICIENT • CONFIDENCE INTERVAL

29. EVALUATION OF ENGLISH PORCENTAGE - The least scientifical part • Made by crosschecking with the porcentrage of reamaining languages and modelling • More and more difficult to do…

30. DERIVED RESULTS AND INDICATORS • ABSOLUTE PERCENT • WEIGHTED PRESENCE OF LANGUAGE • (RELATIVE TO NUMBER OF SPEAKERS) • PRODUCTIVITY • (RELATIVE TO NUMBERS OF INTERNAUTS) • - EVOLUTIONS

31. 1998-2005EVOLUTION % WEB PAGESBY LANGUAGE vs. ENGLISH

32. INDICATORS 2005 (Sources: Global Reach y Funredes/Union Latina)

33. DERIVED RESULTS AND INDICATORS • GOOGLE ALLOW HIGH FLEXIBILITY OF SEARCHES: • BY GENERIC DOMAIN • BY TOP LEVEL DOMAIN • BY COUNTRY • BY LANGUAGE •  This allow, with our methodology, to produce interesting indicators such as productivity per language per country…

38. OTHER ACTIVITIESOF FUNREDES OBSERVATORY • Measuring languages in other Internet spaces such as: newsgroups, blogospehere, wikipedia • “Measuring” cultures via citation index of representative personnages and weighting evolutions. • Automatic translation in electronic conferences.

39. AND BY THE WAY… ENGLISH WEB PAGES ARE BELOW 50% SINCE 2002…. CAN YOU BELIEVE IT? Go check: http://FUNREDES.ORG/LC