¿Cuántas lenguas habla el web dominicano?

El Observatorio de la diversidad lingüística y cultural en la Internet (https://obdilci.org) ha desarrollado una nueva herramienta que le permite medir la repartición de lenguas y el multilinguismo de cualquier serie de sitios web.

Ya ha sido aplicado a varios grupos, como la serie del millón de sitios web los mas visitados, y varios gTLDs (dominios genéricos de alto nivel) geográficos o lingüísticos asociados a Francia (https://obdilci.org/proyectos/mecildi/).

En esa entrega especial, hemos dedicado el esfuerzo al .do, el ccTLD (código de país de alto nivel) de la Republica Dominicana. Para realizar ese trabajo necesitamos la lista de dominios bajo el .do. Al no tener respuesta de nuestra solicitud al grupo que gestiona el dominio .do, hemos utilizado un servicio comercial que vende esa información para todos los dominios de alto nivel existente (zonestats.io). Es preferible trabajar con la lista oficial, completa y actualizada; sin embargo, la experiencia ha mostrado que, siendo un proceso esencialmente estadístico, las diferencias cuando se aplica a una serie incompleta, como las del proveedor mencionado, son marginales.

La plataforma ha analizado 5778 sitios web de un total de 12 349. La tasa de rechazo de 53% es dentro de lo usual en esas gestiones; incluye los sitios en construcción, los dominios “parqueados” para uso futuro, los errores de HTML que pueden surgir (como el famoso 404) y los sitios diseñados para aceptar visitas humanas pero que no aceptan visitas por parte de robot informático. Existen otros casos también, cuando el sitio es válido pero la cantidad de caracteres es demasiado poca para permitir al algoritmo de identificación de lengua hacer su trabajo de control.

La plataforma, un desarrollo bastante complejo, trabaja a partir de los campos HTML Lang= y Hreflang=, además de un algoritmo de identificación de lengua. Si tienen curiosidad acerca de la parte técnica, el método esta detallado en ese articulo en inglés: https://doi.org/10.13140/RG.2.2.12097.72800, que será remplazada pronto por otra versión publicada en revista científica después de validación por pares.

En secuencia, los resultados principales para el .do y comparación con datos globales y datos del millón de sitios más visitados, después de definir los indicadores:

Multi%: Porcentajes de sitios web multilingües, es decir con más de una versión lingüística

MuliR: Tasa de multilinguismo (numero de versiones linguisticas dividido por numero de sitios web)

AvgL: Numero promedio de lenguas por sitio multilingüe.

IDN: Nombre de dominios internacionalizados (permiten el uso de alfabeto distinto del latino o uso de diacríticos en el alfabeto latino, por ejemplo añejo.do)

GOOT: Uso de Google Translate en el sitio web para facilitar la intercomprensión con varias lenguas (no está contabilizado como multilingüe).

PAGES%(L): Porcentaje de páginas web en la lengua L (la suma para todas las lenguas es 100%)

SITES%(L): Porcentajes de sitios web con una versión lingüística en lengua L. (La suma para todas las lenguas es MultiR x 100%.

TRANCO: la lista del millón de sitios los más visitados, una serie que detiene, por su naturaleza, características de un multilinguismo particularmente alto. Los datos son resultados de medición con la misma plataforma.

WWW: El web entero, esos datos son estimaciones en algunos casos marcados en itálico, o procedente de previos estudios realizados por OBDILCI. Se estima que el numero de sitios activos en el web entero es hoy en día de más de dos cientos millones, mientras el numero de dominios definidos acerca mil quinientos millones (fuente: https://www.netcraft.com/blog/june-2026-web-server-survey).

Cerca del 80% de los sitios bajo el.do tienen una versión en español y 35% de las páginas web están en español. Las lenguas siguientes las mas frecuentes son las lenguas europeas dominantes (francés, alemán, portugués, italiano) seguidas por el chino y el ruso, luego aparece el japonés, el holandés, el coreano y el polaco.

De tras del polaco, vienen un poco mas de 100 lenguas adicionales con porcentajes de paginas inferiores a 1%, incluyendo el creole haitiano, el catalán o el vasco. No se conoce el número total de lenguas con existencia digital y contenidos en línea. Se estima a 750; esperamos en el marco de esos estudios confirmar o modificar esa estimación. No se ha encontrado sitios utilizando la técnica del IDN y el uso de Google Translate para extender la cobertura lingüística a costo muy reducido es relativamente alto.

Es de notar que la cantidad promedia alta de lenguas procede a menudo de sitios globales que están incorporados por redirección a partir de sitios del dominio .do. Son sitios con numero de lenguas altísimo, como pueden ser, por ejemplo, cisco.com (25 lenguas), airbnb.com (53), instagram.com (51) o play.google.com (75). Existen también sitios globales con versión local como visa.com.do (42), sin olvidar sitios criollos a vocación turística que hicieron el esfuerzo de incorporar hasta 71 versiones lingüísticas para tener un alcance mayor.

En otro estudio, OBDILCI midió que dentro de los sitios multilingües del millón de sitios más visitados el 90% tenían una versión en inglés y alrededor de la mitad tenían versión en alemán, español y francés. Sin embargo, la cantidad de lenguas es tal que, si se mide en páginas, el inglés no alcanza el 15% de las páginas dentro de ese grupo. La web esta cada día más multilingüe, como lo demuestran estudios de tendencias realizados.

El porcentaje de sitios multilingües clasifica la Republica Dominicana muy por encima del promedio mundial y el número de lenguas por sitios multilingües es muy alto, propulsando arriba la tasa de multilinguismo, típico de países a fuerte vocación turística.