Sobre toponimia moribunda: CDMX vs. DF

Google Trends

Google Trends es un servicio de Google dedicado a mostrar y mapear la popularidad de las consultas introducidas en el buscador de Google. Bastante se ha hecho con esta información en los 13 años de vida de la plataforma, como lo muestran Seung-Pyo Jun, Hyoung Sun Yoo, y San Choi en su reseña de la literatura publicada al respecto durante el periodo 2006-enero de 2017. Entre otras cosas, los autores destacan el uso de Google Trends en las ciencias de la computación, las ciencias de la salud y las finanzas, así como un cambio en los enfoques de las investigaciones realizadas: si en un inicio predominó la descripción y monitorreo del comportamiento de los usuarios, ahora se le da un mayor peso a la predicción de futuros patrones de comportamiento.

Algunas personas ya han explorado el uso de Google Trends en ciertos temas de investigación lingüística, como la dialectología perceptual, aunque, en general, parece ser que se utiliza poco en el campo. A esto habría que agregar la cuestión de qué tipo de datos lingüísticos ofrece Google Trends: es obvio que difieren cualitativamente de las muestras de habla que podríamos encontrar en un corpus y, mientras no hagamos una comparación entre ambos tipos de datos, tal vez sería algo prudente tomar con precaución cualquier tipo de conclusión que obtengamos al revisar lo que ofrece Google Trends.

Sobre los datos de Google Trends

Como lo explica Simon Rogers en este blogpost, Google Trends recurre a dos conjuntos de datos: uno en tiempo real (una muestra de las consultas realizadas en los últimos 7 días) y uno histórico (una muestra de las consultas realizadas en el periodo 2004-presente). Ambos conjuntos de datos han sido anonimizados y categorizados por tópico.

Cuando realizamos una consulta en Google Trends, los datos obtenidos son divididos por el número total de búsquedas en la geografía y rango de tiempo establecidos, y normalizados en una escala de 0 a 100. Lo anterior tiene sus beneficios (permite establecer puntos de gran interés en un tiempo y geografía establecidos), aunque entre los puntos en contra, tenemos que es difícil estimar volúmenes de búsqueda a partir de las estadísticas obtenidas y, obviamente, los resultados varían de acuerdo al número de términos comparados.

Distrito Federal vs. Ciudad de México

Con lo anterior en mente, ahora realizaré algunas comparaciones sencillas entre el interés generado por Distrito Federal, Ciudad de México y sus formas abreviadas: DF y CDMX. Estas consultas las limitaré a aquellas realizadas en México dentro del periodo 2004-1 de julio de 2019, en todos los tópicos disponibles y en búsquedas web. De este modo, obtenemos la gráfica siguiente:

Antes que nada, resulta evidente que las formas abreviadas son las que históricamente han generado más interés en los datos. Comenzando con estas, el resultado es simplemente apabullante: después de presentar un pico máximo en enero de 2016, el interés de DF ha disminuido hacia los niveles de 2004 y el de CDMX lo ha superado desde marzo de 2018. Frente a esto, el triunfo de Ciudad de México sobre Distrito Federal de hecho ocurre apenas unos meses después, hacia julio-agosto de 2016, aunque, a diferencia de DF, Distrito Federal presenta una tendencia a la baja desde la década pasada.

Ahora, enfoquémonos en las formas abreviadas y analicemos un par de colocaciones: emplos DF/CDMX y departamentos DF/CDMX:

A ojo de buen cubero, ambos gráficos muestran un comportamiento algo similar en el interés por estos términos de búsqueda, al menos en lo que respecta a las formas novedosas: las versiones con CDMX comienzan un ascenso después de 2015 y superan a las formas con DF hacia la segunda mitad de 2018.

Sobre variación geográfica

Ahora concentrémonos en los datos del periodo enero-junio de 2019 y las búsquedas de los estados, que Google Trends nos permite visualizar como subregiones.

La comparación por regiones deja ver algunas cosas interesantes. En primer lugar, ya en 2019 CDMX y Ciudad de México capturan un mayor interés que DF y Distrito Federal en todos los estados: los primeros se llevan siempre más del 50% del pastel, mientras que el porcentaje combinado de los segundos nunca supera el 33% (el caso de los datos correspondientes Baja California). En segundo lugar, las entidades cercanas a la capital (Ciudad de México, Estado de México, Hidalgo) muestran los porcentajes más altos para CDMX,² mientras que las fronterizas (Quintana Roo, Sonora, Baja California) hacen lo mismo con DF.

También hay que notar que los porcentajes de DF continúan siendo superiores a los que genera Ciudad de México en casi todos los estados, con la excepción de Zacatecas. Si continúa la tendencia a la alza de este último, tal vez este término supere a DF en años venideros.

Para pensar…

Después de revisar someramente estos datos, parece ser que…

• CDMX y Ciudad de México han superado en popularidad a DF y Distrito Federal, al menos en las búsquedas web de Google realizadas en México. Ciudad de México sobrepasa a Distrito Federal en 2016, mientras que CDMX se impone a DF en 2018.

• La subida en popularidad de CDMX y Ciudad de México coincide más o menos con la entrada en vigor de la reforma política del Distrito Federal (enero de 2016). Lo mismo podemos decir en la tendencia a la baja de DF, pero tal vez no para Distrito Federal, que venía en picada desde 2004.

• Hay cierta relación entre la cercanía de las entidades a la Ciudad de México y el interés que generan los términos CDMX y DF. Tal vez la popularidad del primero se ha visto expandida desde la capital hacia el resto del país, ya que los estados de la Zona Metropolitana del Valle de México (Ciudad de México, Estado de México, Hidalgo) muestran más interés por CDMX, mientras que los estados fronterizos muestran los porcentajes más elevados para DF.

Queda por ver si encontraremos un comportamiento similar en datos de uso. Como lo mencioné arriba, tal vez Twitter (o para mismos efectos, cualquier red social popular) o el Corpus del español: NOW ofrezca datos suficientemente actuales y numerosos para evaluar la cuestión.