Metodología del detector de anglicismos

Divulgación completa de cómo calculamos la puntuación de claridad: fórmula, pesos, fuentes de diccionarios y decisiones de tokenización. Sin cajas negras — cada número es transparente y reproducible.

📐 Fórmula de puntuación

La puntuación final es un número de 0 a 100. Se calcula a partir de la densidad suavizada de coincidencias ponderadas: el peso de cada una depende de la gravedad, la jerarquía de necesidad, el dominio y el contexto (en palabras homónimas).

peso = GRAVEDAD[nivel] × NECESIDAD[tier] × factor_dominio × contexto × rigor ponderado = Σ peso contexto: exacto=1.0, posible=0.3, sentido_español=0 densidad = ponderado / ( número_de_palabras + 60 ) ← suavizado para textos cortos penalización = 100 × densidad / ( densidad + 0.04 ) puntuación = max( 0 , round( 100 − penalización ) )

Cada coincidencia cuenta una sola vez; las frases de varias palabras, como una. Las palabras homónimas se evalúan según el contexto: en su sentido propio del español no penalizan; en el ambiguo, con suavidad. El suavizado y una curva gradual hacen que la puntuación sea estable frente a la longitud del texto y comparable entre textos.

⚖️ Pesos y factores

El peso de una coincidencia combina la gravedad, la jerarquía de necesidad (modelo VDS), el dominio y la severidad. Todos los valores están fijados en el código y son iguales para todos los idiomas.

Nivel de gravedad

Nivel	Peso	Significado
low	0.5	Préstamo naturalizado o neutral ("manager").
medium	1.0	OK en algunos contextos, redundante en otros ("contenido").
high	2.0	Totalmente reemplazable por palabra nativa sin pérdida ("deadline").

Modo de rigor

Modo	Factor	Significado
lax	×0.6	Indulgente (×0.6). Ignora los préstamos admisibles dentro del dominio.
balanced	×1.0	Equilibrada (×1.0, por defecto). Cuenta todo, pero con suavidad.
strict	×1.6	Estricta (×1.6). Exige más rigor.
purist	×2.4	Purista (×2.4). Ninguna concesión, ni siquiera a los términos naturalizados.

Jerarquía de necesidad (tier) — modelo VDS Anglizismenindex

Modificador	Factor	Cuándo se aplica
Necesario (×0.15)	×0.15	Sin equivalente exacto en español: es terminología. Apenas penaliza.
Matiz (×0.5)	×0.5	Aporta un matiz o ya está asentado. Penaliza a la mitad.
Evitable (×1.0)	×1.0	Tiene un equivalente pleno en español. Peso completo.

Modificadores

Modificador	Factor	Cuándo se aplica
Dominio compatible (×0.4)	×0.4	La palabra es admisible en el dominio elegido (por ejemplo, un término de TI en un texto de TI).
Contexto del homónimo	×1.0 / ×0.3 / 0	En palabras homónimas: sentido exacto ×1.0, ambiguo ×0.3, sentido propio del español: no cuenta.

🎯 Calificaciones por letra

La puntuación numérica se mapea a una letra para orientación rápida. Los límites están fijos en el código:

90–100

Excelente

75–89

Bueno

60–74

Mixto

40–59

Pobre

0–39

Muy prestado

🧠 Tokenización y filtro de ruido

Antes de buscar coincidencias enmascaramos fragmentos que parecen palabras pero no lo son. El enmascaramiento conserva los desplazamientos originales para que el resaltado siga siendo preciso.

URLs (https://…) — enmascaradas por completo para no marcar "site" dentro de "https://site.com".
Correos electrónicos — igual.
Menciones @ y hashtags # — saltados como marcado social.
Código `inline` en backticks — ignorado.
Identificadores camelCase y snake_case — ignorados como código.
Frases multipalabra (ej. "user experience") se emparejan antes que palabras sueltas y consumen sus tokens, así no cuentan dos veces.
Marcas conocidas y nombres propios (Apple, Yandex, ChatGPT) se omiten. La lista se extiende por idioma vía `meta.brands`.

📚 Diccionarios por idioma

Todos los diccionarios están disponibles libremente en JSON. Úsalos en tus proyectos, cítalos en investigación, envía correcciones.

Las entradas frecuentemente citadas llevan su propia fuente (`src`) — visible en el popover por palabra. Conforme avanza la curación añadimos cita propia a cada entrada.

Ruso 2805 · v2026-10-22-lic1 · CC BY-SA 4.0

Fuentes

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

Alemán 1187 · v2026-10-22-lic1 · CC BY-SA 4.0

Fuentes

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

Francés 2460 · v2026-10-22-lic1 · CC BY-SA 4.0

Fuentes

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

Español 968 · v2026-10-22-lic1 · CC BY-SA 4.0

Fuentes

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

Portugués 1030 · v2026-10-22-lic1 · CC BY-SA 4.0

Fuentes

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

Coreano 767 · v2026-10-22-lic1 · CC BY-SA 4.0

Fuentes

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

Indonesio 745 · v2026-10-22-lic1 · CC BY-SA 4.0

Fuentes

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

Árabe 663 · v2026-10-22-lic1 · CC BY-SA 4.0

Fuentes

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

🤝 Honestidad sobre limitaciones

Queremos ser una referencia — así que somos directos sobre lo que la herramienta hace y lo que aún no.

Lo que aún no hacemos: La lematización es aproximada (regex sobre raíz y terminaciones). Los nombres propios no se separan completamente. La gramática contextual no se considera. Estas mejoras están en la hoja de ruta; hasta que se publiquen, el modo más fiable es Equilibrado con naturalizados activado.

📜 Licencia

Los diccionarios se publican bajo CC BY-SA 4.0. Parte de las entradas procede de las listas de préstamos del inglés de Wiktionary, así que para reutilizarlos hay que citar «Tembrica y colaboradores de Wiktionary» y compartir el conjunto derivado con la misma licencia.

CC BY-SA 4.0 · Wiktionary

¿Listo para probar?

Abrir Detector de anglicismos →