Metodología

Estadísticas reales de esta versión

Las bandas de frecuencia son: banda 1, posiciones 1–1.000 de la fuente; banda 2, 1.001–3.000; banda 3, 3.001–8.000; banda 4, 8.001–20.000. En esta versión hay 640 palabras de banda 1, 1002 de banda 2, 2007 de banda 3 y 2356 de banda 4. La banda 5 existe en el esquema, pero no contiene palabras en esta selección.

Fórmula de dificultad publicada

La clasificación se aplica como una cascada:

1. Fácil: banda de frecuencia 1 o 2, máximo siete letras y tipo sustantivo o adjetivo.
2. Media: si no es Fácil, banda de frecuencia 1, 2 o 3 y máximo nueve letras.
3. Difícil: cualquier palabra que no cumpla una de las dos reglas anteriores.

Esta fórmula no mide si una persona concreta conocerá una palabra; ofrece una regla pública y repetible para preparar rondas. La edad, el país y la experiencia de cada grupo siguen importando.

Cómo se construyó la lista

La frecuencia procede de FrequencyWords/OpenSubtitles 2018 y los datos lexicográficos de Wiktionary mediante Kaikki.org. La lista inicial de frecuencia contiene formas flexionadas y residuos de subtítulos, así que el proceso descartó formas que no eran lemas, nombres propios aislados y palabras sin coincidencia lexicográfica. Solo se enviaron a la colección palabras coincidentes con los datos de Wiktionary.

Las sílabas se calcularon con reglas ortográficas españolas y una batería de 89 pruebas. Las categorías se asignaron a partir de señales temáticas y heurísticas sobre los datos lexicográficos; son etiquetas de uso, no una clasificación científica cerrada. Una palabra puede pertenecer a varias categorías o a ninguna.

Reglas para juegos y para niños

Las herramientas de juego nunca reparten palabras de tipo «otro»: solo usan sustantivos, verbos, adjetivos y adverbios. En la versión 2 de los datos se retiraron, además, todas las categorías temáticas de las palabras «otro». Dibujable exige evidencia de que el término es concreto; imitable se reserva para acciones y seres o roles que se pueden representar.

La lista infantil se limita a palabras frecuentes, cortas y revisadas. Tras los filtros automáticos se leyó la selección completa y se retiraron formas conjugadas o participiales, vocabulario adulto abstracto, temas de violencia, derecho, doctrina y otros términos inadecuados para el uso previsto. La página Para niños consulta únicamente ese subconjunto.

Política de bloqueo

Una lista de bloqueo mantenida en el código de construcción contiene más de 345 términos y variantes relacionados con insultos, contenido sexual, violencia explícita y otros usos incompatibles con un sitio familiar general. La lista se aplica antes de publicar el conjunto de datos. Ningún filtro automático sustituye la revisión de una lista concreta por parte de un docente o anfitrión que conozca a su grupo.

Límites conocidos

• Navidad tiene 12 palabras y Animales en peligro solo 7 en esta versión. Ambas páginas muestran el recuento real y están marcadas como listas en expansión.
• El 68 % aproximado de la colección no tiene categoría temática. Esas palabras siguen siendo útiles en el generador general y en los filtros gramaticales o de forma.
• Puede quedar un pequeño porcentaje de ruido en alguna etiqueta temática adicional o en la clasificación gramatical de formas femeninas. La corrección v3 (etapa 2.1) reconstruyó todas las etiquetas temáticas palabra a palabra tras detectar el error sistemático de la clasificación automática inicial. La corrección v4 (etapa 2.2) retiró el vocabulario sexual residual de la colección general y seleccionó a mano los lugares del generador de historias.
• Animales en peligro refleja una asociación temática en las fuentes, no una evaluación científica actualizada del estado de conservación.

Consulta también Fuentes y licencias.