Se encontraron en el corpus tres tipos de estudio, generalmente de corte psicolingüístico: 1) los que miden el desarrollo de la complejidad en distintas poblaciones, 2) investigaciones que dan cuenta del efecto de la complejidad en los procesos de lectura y escritura de textos y 3) trabajos que indagan acerca de la dificultad de procesamiento de ciertas estructuras. A continuación, se explica y ejemplifica cada grupo. En la Tabla 1 , se presenta una reseña breve de algunos de ellos para ilustrar la tendencia.

Tabla 1.a Tabla 1.a Tendencias investigativas Fuente: elaboración propia.

Tabla 1.b Tabla 1.b Tendencias investigativas Fuente: elaboración propia.

Como se puede observar, algunas investigaciones analizan distintas variables que determinan el nivel de complejidad lingüística: edad, nivel socioeconómico, género discursivo, lengua (L1 o L2/ monolingüe o bilingüe). Otra variable reportada en la bibliografía es la tarea o consigna dada (Adams et al., 2015; Frear y Bitchener, 2015. Varios autores resaltan la importancia de mantener variables mutidimensionales que permitan un mejor acercamiento a cada texto, a cada tema y a cada tipo de texto (Neary-Sundquist, 2016; Yang et al., 2015).

Estudios que miden el desarrollo de la complejidad en distintas poblaciones: En este grupo se ubican la mayoría de los trabajos. Se indaga acerca de qué nivel de complejidad presentan textos tanto orales como escritos en una mirada diacrónica y sincrónica.

Se encontraron en este grupo trabajos que indagan por aspectos puntuales de la sintaxis. Así Kraljević et al. (2016) muestran cómo va evolucionando el lenguaje de niños en el estadio de desarrollo tardío a propósito de la reformulación de oraciones relativas. Ansarifar et al. (2018) comparan resúmenes escritos por estudiantes persas con nivel de maestría, escritores de nivel de doctorado y escritores expertos del campo de la lingüística aplicada, en términos de características de modificación de la frase. Concluyen que el grupo de maestría difiere significativamente de los escritores expertos en el uso de cuatro tipos de modificadores, mientras que el grupo de doctorado solo muestra el uso de frases preposicionales como sustantivos posmodificadores.

Wijers (2018) analiza si la frecuencia de la cláusula subordinada puede considerarse por sí sola una medida de la complejidad sintáctica en la adquisición de L2 y un buen predictor del desarrollo de la complejidad. El estudio revela que la sola relación de subordinación es insuficiente, ya que no se observaron diferencias significativas en las proporciones de subordinación de los estudiantes; en cambio, hay diferencias en términos de la estructura interna de la cláusula subordinada y de los tipos de subordinadas. En este grupo, se analizan también distintos tipos de textos como libros escolares, anuncios y eslogan (Fitzgerald et al., 2015; Miller y Toman, 2015; Tolochko y Boomgaarden, 2017), a la luz del nivel de complejidad.

Investigaciones que miden el efecto de la complejidad en los procesos de comprensión y producción de textos.

En este grupo, se busca validar la hipótesis de que la complejidad lingüística determina la comprensión y otros aspectos del lenguaje en distintas poblaciones. Por ejemplo, Nip y Blumenfeld (2015) indican que la complejidad lingüística afecta el control del habla y el rendimiento en los estudiantes de español como L2. Wagovich y Hall (2018) analizan si la diversidad léxica, la complejidad sintáctica y la longitud de pronunciación son determinantes en la frecuencia de tartamudeo en niños de 2 a 4 años. Concluyen que una duración media más larga de la pronunciación, un vocabulario más diverso en general y una mayor complejidad sintáctica aumenta la tartamudez. Así mismo, se indaga si la complejidad sintáctica afecta a personas mayores o a niños con algún tipo de discapacidad (Kim et al., 2016; Penke y Wimmer, 2018) hallando una relación positiva. Así mismo, se ha medido el efecto de la complejidad en la fluidez y precisión tanto en L1 como en L2. Así, Sadri y De Jong (2015) encuentran que hay una correlación positiva y que el efecto es mayor para L1.

Trabajos que indagan acerca de la dificultad de procesamiento de ciertas estructuras.

En este grupo, se reúnen investigaciones que indagan acerca de la dificultad de procesamiento de distintas estructuras, con el supuesto de que hay unas estructuras más complejas que otras. Bridgers y Kacinik (2017), por ejemplo, analizan el nivel de dificultad de las palabras derivadas en italiano y concluyen que «el procesamiento de estas palabras varía de acuerdo con la naturaleza de los afijos, el orden en que aparecen y el tipo de información que codifica el afijo» (p. 175). Lin (2017) señala las dificultades morfosintácticas y semánticas de las perífrasis verbales de infinitivo para los universitarios taiwaneses, ya que dichas estructuras no se encuentran en el sistema chino.

[…] los estudiantes, cuando aprenden perífrasis verbales, deben familiarizarse con el orden sintáctico apropiado y distinguir el significado de cada unidad compuesta. Los matices entre la perífrasis verbal, la semiperifrasis verbal y la no perífrasis fácilmente generan ambigüedades que dan lugar a dificultades de aprendizaje (Lin, 2017, p. 191).

Por su parte, Scontras et al. (2015) a través de un estudio experimental con hablantes nativos de inglés, evalúan la dificultad de las oraciones relativas y wh-question. Encontraron que las oraciones que implican la creación de una oración de relativo extraída del sujeto se produce con mayor velocidad y con menor latencia que las relativas dependientes de objeto, lo que implica que estas últimas requieren mayor esfuerzo. Así mismo, las wh-question que implican una extracción del sujeto suponen un tiempo de producción menor. Debido a esta dificultad, los sujetos evitan el uso de dichas construcciones. Los investigadores concluyen que el tiempo puede ser un gran indicador de dificultad sintáctica en la producción de oraciones.

En este grupo se reúnen las investigaciones de corte teórico y aplicado que dan cuenta de la complejidad lingüística a través de un conjunto de rasgos lingüísticos y programas informáticos que se ocupan del mismo objeto, ya referidos.

Investigaciones tanto teóricas como aplicadas.

Los criterios encontrados, la mayoría de las ocasiones, se deducen de trabajos como los reseñados anteriormente, en general trabajos de tipo aplicado, pero también se encontraron en la revisión bibliográfica estudios teóricos centrados en este objeto. Veamos: Pallotti (2014, p. 4) operacionaliza la complejidad estructural a partir de tres niveles, con las siguientes medidas específicas:

Complejidad morfológica: cantidad de exponentes (formas que toman las palabras para marcar categorías gramaticales y funciones), questionable measures (patrones morfológicos, relación forma-función).

Bunch et al. (2014) estudiaron el concepto de complejidad textual. Señalan que se encuentran en la bibliografía tres tipos de complejidad: la cuantitativa (longitud de una oración o a la variación lingüística), la cualitativa (significados y propósitos) y la consideración del lector y la tarea de comprensión, que tiene en cuenta los conocimientos previos del lector y su nivel educativo. Según estos investigadores, el nivel cuantitativo ha sido mayormente estudiado, pues es «medible» fácilmente. Se ha considerado que a mayor complejidad léxica o sintáctica, mayor dificultad. No obstante, los autores están en desacuerdo con esta afirmación, pues consideran que se ha demostrado que un texto muy complejo sintácticamente no genera dificultad a la hora de comprenderlo y viceversa. Por tanto, los autores proponen unir la complejidad textual con el nivel de comprensión de lectura. En ese sentido, establecen otro tipo de clasificación que comprende tres conceptos: complejidad para el nivel léxico, sintáctico y discursivo; dificultad, en relación con la experiencia de comprensión de un lector específico, en un contexto específico y accesibilidad, en relación con las tareas específicas que se le proporcionan a dicho lector para mejorar su comprensión. Estos investigadores señalan la importancia de reconocer que la complejidad textual va más allá de los elementos lingüísticos y que se debe empezar a integrar herramientas que tengan en cuenta también al lector. Para estos investigadores, los textos no son complejos en sí mismos, sino que dicha complejidad se construye a través del lector y sus capacidades, así como las herramientas dadas por los docentes para mejorar dichas capacidades.

Ortega (2015) destaca el desarrollo que ha tenido el concepto de complejidad sintáctica, pero considera que es preciso averiguar cómo se la puede medir mejor para ciertos propósitos, en ciertos niveles de desarrollo-competencia, en varios tiempos de instrucción e intensidades, en ciertas modalidades, géneros/tareas/contenido, teniendo en cuenta los antecedentes de L1 y la variación entre los estudiantes. Por su parte, Frantz et al. (2015) reconocen la importancia de combinar variantes sintácticas, léxicas y semánticas en un mismo estudio, pero dando mayor peso a la gramática. Afirman, además, que hay que tener en cuenta distintas tipologías textuales, contexto en el que se inserta el texto (el inglés académico tendrá un registro distinto que el inglés cotidiano) y el contenido específico de materias (matemáticas, ciencias, sociales). Ahora bien, Solnyshkina et al. (2017) resaltan la importancia de la complejidad semántica centran su atención en la cohesión referencial, como un elemento clave para determinar la complejidad de libros de texto. Para ellos, la cohesión referencial está dada por la relación lineal de las palabras de contenido y la relación entre ideas.

De acuerdo con De Clercq y Housen (2017), la complejidad sintáctica y lingüística se ha estudiado como indicador del rendimiento lingüístico, del desarrollo y de la competencia. Sin embargo, señalan que publicaciones recientes han destacado el enfoque reduccionista adoptado para la medición de la complejidad sintáctica, que a menudo se centra únicamente en una o dos medidas que representan la complejidad a nivel de la oración. En este sentido, su propuesta es que el concepto de complejidad sintáctica se amplíe y se analice, entre otros aspectos la configuración de la frase (especialmente la frase nominal) y la estructura de la cláusula. Por otro lado, Kurdi (2017) construye un modelo para medir la complejidad de textos de lectura para estudiantes de inglés como segunda lengua. Para ello, utiliza dos criterios: complejidad léxica y complejidad sintáctica. En la primera tiene en cuenta: frecuencia de la palabra en el idioma (indicador de nivel de vocabulario), porcentaje de conectores del discurso (número total de conectores/número total de palabras del texto) y diversidad de lemas. En la segunda, es decir en la complejidad sintáctica, analiza: tiempos verbales (clasificados por niveles de complejidad, por ejemplo en inglés el presente y pasado simple son de nivel uno, mientras que el futuro perfecto continuo es de nivel tres o más), número promedio de frases verbales por oración, número promedio de frases preposicionales, duración media de las cláusulas dependientes, longitudes medias de frases, número promedio de frases por oración, número promedio de cláusulas dependientes y longitud media de oraciones.

Programas informáticos

La mayoría son programas que analizan textos en inglés y que resultan relevantes para la revisión del estado del arte, ya que presentan criterios para analizar los textos. Muchos de estos programas son utilizados en las investigaciones presentadas en los anteriores apartados. A continuación, se presenta una breve descripción de dos de estos programas. 1) Lexile: es un software que evalúa la complejidad de textos, generalmente escolares, para calcular los desafíos sintácticos y semánticos que el texto presenta al lector. Mide la longitud de la oración, la frecuencia de las palabras y la longitud media de la oración. El análisis da como resultado una medida Lexile (: generalmente, las oraciones más largas y las palabras de menor frecuencia conducen a medidas Lexile más altas; oraciones más cortas y palabras de mayor frecuencia conducen a medidas Lexile más bajas (Lexile® Framework for Reading). 2) Multidimensional Analysis Tagger ([MAT]; Nini, 2019): el programa hace análisis gramaticales de corpus en inglés. Puede generar una versión anotada gramaticalmente del corpus seleccionado, así como las estadísticas necesarias para realizar un análisis de texto o de género.

La mayoría de programas son de análisis morfosintáctico, esto es, se analiza el tipo y longitud de oraciones y la cantidad, composición y categoría de las palabras. Algunos programas incluyen también el componente léxico en relación con la diversidad y frecuencia. Estos programas suelen ofrecer información a profesores, padres y estudiantes sobre el nivel de dificultad de los textos. Desafortunadamente, hay pocos softwars para análisis de textos en español. A continuación, se describen con mayor detalle dos programas de las cuales hay versiones para el análisis de textos en español e información detallada de los criterios usados para evaluar la complejidad, en sus páginas web, ellos son Coh-Metrix (s.f.) y Reader-Bench, de amplio uso en las investigaciones aplicadas.

Coh-Metrix (s.f.): Es una herramienta que analiza la complejidad textual a partir de 11 índices:

Índices descriptivos: número de párrafos, oraciones y palabras; longitud de párrafos, oraciones y palabras; número de sílabas, número de letras.

Reader-Bench: Es un programa que mide la complejidad textual, con base en medidas de lecturabilidad, índices superficiales, morfología y sintaxis, y estructura semántica y discursiva (Dascǎlu et al., 2017).

Entre los índices superficiales se encuentran la longitud de la oración, la longitud de la palabra, el número de palabras únicas utilizadas y la entropía de la palabra. Los creadores del programa parten del principio de que «los textos más complejos contienen más información e, inherentemente, conceptos más diversos» (Dascǎlu et al., 2017, p. 496). Se mide también el índice de complejidad de palabras en términos de número de sílabas, composición y número de significados potenciales. En el nivel de la oración, se calcula el índice sintáctico. El programa mide la cohesión local y global del texto (índices de cohesión semántica) teniendo en cuenta cadenas léxicas, modelos semánticos y cadenas de correferencia. Como índices de estructura del discurso, se tiene en cuenta los conectivos, la polifonía y los recursos lingüísticos usados.

Los dos programas anteriores son herramientas integrales que analizan el texto desde varias dimensiones.

En relación con la pregunta: ¿qué hace que un texto sea más o menos complejo?, la posición estructural inmanente se opone a la mirada de complejidad en términos de costo de procesamiento o etapas de desarrollo. Desde la posición estructural, Pallotti (2014) considera que un texto es más complejo que otro según tres aspectos: el morfológico, el sintáctico y el léxico. Según el primer criterio, un texto es más complejo si «contiene un cierto número de exponentes y codifica un conjunto de características más o menos numerosas» (p. 6). Desde el punto de vista sintáctico, un texto puede ser más o menos complejo según la cantidad de constituyentes e interrelaciones, «que es el principio que está detrás de medidas como la longitud de frase, el número de frases por cláusula y el número de cláusulas por unidad» (p. 7). La complejidad a nivel léxico se relaciona con la cantidad y variedad de términos: «se dice que un texto con una amplia variedad de lexemas es más complejo que uno donde las mismas pocas palabras se repiten una y otra vez» (p. 9).

Por su parte, para Vyatkina (2013), el criterio decisivo reside en el nivel sintáctico: si el texto tiene más variedad en las construcciones sintácticas utilizadas, es más complejo que uno que solo tenga un tipo de construcción sintáctica (por ejemplo, solo coordinación). Desde este criterio, se considera, por ejemplo, que la voz pasiva es una marca inherente de complejidad: entre más uso de voz pasiva hay en un texto, es más complejo (Corriveau et al., 2016).

En términos semánticos, Yang et al. (2015) consideran que un texto que presente un razonamiento causal, es decir, la presencia de justificaciones de interpretaciones y razones de por qué los eventos se suceden uno al otro, es más complejo que otro que no lo tenga. En relación con la segunda posición —la del procesamiento de las estructuras, su dificultad o facilidad y el tiempo de adquisición—, los planteamientos se encontraron, principalmente, en los programas informáticos. Veamos tres de ellos.

Coh-metrix (s.f.) presenta consideraciones en varios niveles y unidades de la lengua, en relación con la dificultad de un texto: frente a las oraciones, son menos complejas aquellas que contienen menos palabras y utilizan estructuras sintácticas más simples y familiares. En el extremo opuesto del continuo, están los textos que contienen oraciones con más palabras y usan estructuras sintácticas complejas y desconocidas.

En relación con el léxico, los textos que contienen palabras concretas, significativas y que evocan imágenes mentales son más fáciles de procesar y comprender, que los que poseen palabras con los rasgos contrarios. De igual manera, los textos con alta cohesión y con más conexiones explícitas son más fáciles de procesar que los que tienen baja cohesión. Finalmente, los textos narrativos son más fáciles de procesar que los textos no narrativos y de temas menos familiares.

Una extensión del software Coh-Metrix (s.f.) es el programa T.E.R.A: Text Ease and Readability Assesor (Tanner et al., 2016), que mide la complejidad y la legibilidad de un texto en cinco componentes: 1) narratividad, 2) simplicidad sintáctica, 3) concreción de la palabra, 4) cohesión referencial y 5) cohesión profunda. Para un texto dado, cada uno de estos componentes recibe una puntuación de «facilidad», que muestra cómo se compara con miles de otros textos.