Como ya se ha comentado, las investigaciones demolingüísticas tropiezan con múltiples problemas que confieren a sus resultados un carácter inseguro o provisional. Estas dificultades emanan, por un lado, de la volubilidad de algunos conceptos teóricos fundamentales —lengua materna, lengua principal, bilingüismo—, por otro, de lo heterogéneo y cambiante de la realidad que se pretende cuantificar, de la complejidad metodológica que supone la aplicación de ciertos procedimientos cuantitativos y, en fin, de las lagunas de las fuentes cuantitativas disponibles en lo que se refiere a su universalidad, fiabilidad y comparabilidad.

La demografía lingüística suele utilizar como herramienta de trabajo el concepto de «Grupo de Lengua Materna» (GLM), definido como el conjunto de hablantes que comparten una lengua materna determinada [5]. El problema está en que los especialistas en psicolingüística y en sociología del lenguaje —y los lingüistas, en general— no manejan un criterio uniforme acerca de la interpretación y la definición del concepto de «lengua materna».

Para unos, la lengua materna o nativa es aquella que se aprende durante la infancia, generalmente antes de los tres años, de los padres; para otros, es aquella de la que se hace uso principal o cuyo uso predomina en la vida de un individuo, aunque su adquisición no se haya producido en primer lugar; para otros, es la lengua que mejor se domina, al margen de su uso y del momento de su adquisición; y otros piensan que debe considerarse como tal la variedad cuya adquisición viene a concluirse en los años de la adolescencia (vernáculo).

El problema no es baladí, pues son muchos los hablantes bilingües que tienen dificultades para identificar su propia lengua materna, especialmente en situaciones lingüísticas complejas (inmigración de origen lingüístico diverso; situaciones de lenguas minoritarias). Ante tal circunstancia, la única salida razonable, a la hora de afrontar tareas demolingüísticas, es la de optar, de modo riguroso, por una de las posibilidades interpretativas.

Muy ligado a este escollo conceptual, se presenta el de la definición y caracterización del bilingüismo y del hablante bilingüe. Para bien o para mal, la lingüística cuenta con definiciones del concepto de «bilingüismo» propuestas desde posiciones muy diferentes: todas ellas podrían alinearse a lo largo de una escala que situaría, en un extremo, las definiciones que ofrecen una concepción estricta del fenómeno, definiciones del tipo «el bilingüismo consiste en el dominio pleno, simultáneo y alternante de dos lenguas»; en el otro extremo se encontrarían las definiciones de límites menos angostos, las que hablan de bilingüismo para referirse simplemente al conocimiento de una segunda lengua, en el grado que sea. Esta situación también obliga a la demolingüística a tomar decisiones metodológicas que permitan aplicar criterios uniformes a la hora de contar los hablantes bilingües.

En consecuencia, la utilización de los conceptos básicos de «lengua materna» y «bilingüismo» en el campo de la demolingüística exige una interpretación, en lo posible, unívoca y constante, así como la aplicación de unos criterios coherentes que puedan servir de referencia. Así, cuando se habla de «lengua materna» en sociología del lenguaje —por ejemplo, a la hora de recoger información con vistas a una planificación lingüística— se suele considerar como tal la lengua que se ha adquirido en el ámbito familiar durante la primera infancia.

En esta misma línea, a propósito del bilingüismo, sería razonable definir el «bilingüe» como la persona que tiene una competencia parecida en dos lenguas y que es capaz de usar una u otra en cualquier circunstancia con parecida eficacia. A pesar de todo, estas definiciones no esquivan completamente otros problemas, como el de la medición del bilingüismo.

Junto a las dificultades de índole teórica hay que sopesar aquellas que se derivan de la realidad demográfica estudiada. Se calcula que la población mundial está aumentando a una tasa del 1,35 por ciento anual (aunque este ritmo va en descenso desde los años setenta) lo que implica que en sólo diez años pueden experimentarse cambios demográficos muy importantes. En algunos países, que suelen estar a la cola del desarrollo, estas tasas pueden superar el 3 (Honduras, Kenia) y el 4% (Mozambique, Jordania). Según una previsión de las Naciones Unidas para el año 2000, la población mundial superará los 6000 millones.

Al crecimiento natural de la población habría que añadir, como factor de cambio demográfico, los movimientos migratorios, que si bien no tienen por qué afectar a corto plazo a los datos de lengua materna, sí pueden influir en las generaciones sucesivas, así como en los datos de uso de las distintas lenguas. En estas condiciones, cualquier estimación de hablantes puede quedar anticuada rapidísimamente.

También debe tenerse en cuenta otra clase de dificultades a las que se enfrenta la demolingüística: las que nacen de los censos. Los censos son recuentos de carácter periódico realizados en un espacio mínimo de tiempo (días) con el fin de ofrecer algo así como una imagen fotográfica de la población de un país. Para completarlos (los censos suelen realizarse en el mejor de los casos con una periodicidad de diez años) los estadísticos nacionales e internacionales emplean fuentes complementarias, como padrones municipales, registros de nacimiento, matrimonio y defunción, etc.

Con éstos actualizan los datos de los censos y calculan las tasas de crecimiento, negativo o positivo, de la población, que utilizan para hacer estimaciones presentes y proyecciones futuras de la población nacional, además de cruces y tabulados temáticos sobre aspectos muy diversos de la sociedad.

Pues bien, muchos de los censos nacionales de población, en los que se basa en buena medida la demolingüística, no recogen información sobre las lenguas y su uso. El conocimiento de la realidad social es un requisito previo imprescindible para la acción de gobierno: este es el motivo fundamental del desarrollo de los censos y otros registros estadísticos en los Estados modernos [6]. En el caso que nos ocupa, los censos lingüísticos tienen una gran importancia porque la población de un territorio no coincide ni aproximadamente con el número de hablantes de una sola lengua en el mismo territorio salvo en casos muy contados. Para muchos países, sin embargo, la lengua o lenguas habladas por sus habitantes no es materia de investigación.

Aunque la falta de recursos puede explicar en casos extremos la falta de preguntas lingüísticas en los censos, no hay una correspondencia unívoca entre el nivel de desarrollo de un país y la existencia de información lingüística. Estas preguntas se encuentran en países con población heterogénea, donde se atribuye a la información lingüística un valor del que carece en países de habla homogénea. Junto a la información sobre el país de nacimiento, la nacionalidad, la raza y la religión, la información estadística sobre lenguas suele utilizarse para conocer la composición étnica de la población, pero también para la planificación cultural y educativa.

Sí hay correspondencia entre el nivel de desarrollo y la fiabilidad de muchos censos, determinada por criterios como los de periodicidad, regularidad, exactitud o comparabilidad internacional. Algunas de estas carencias de fiabilidad afectan por igual a la interpretación de datos lingüísticos y a la de datos de otra clase. Nos referimos a errores que pueden surgir en cualquier estadio de la recolección, procesamiento o presentación de los datos, y que pueden conducir a la infra o supra valoración de la población en el censo (errores de cobertura) o a la defectuosa recogida de datos (errores de contenido).

En lo que respecta concretamente a los datos lingüísticos, la fiabilidad de un censo puede depender también de ciertos aspectos psicológicos (el encuestado puede exagerar su conocimiento de una lengua u ocultarlo por motivos sociales) o políticos (las cifras pueden aparecer infladas o rebajadas para apoyar una causa cultural o política asociada a la lengua).

Puede ocurrir que los cuestionarios aplicados en lugares diferentes, aun buscando un mismo tipo de información, lo hagan por medio de preguntas distintas, que inevitablemente llevan a la recogida de respuestas heterogéneas, muchas veces imposibles de comparar: se puede preguntar por el uso habitual o por el uso según determinados tipos de ámbitos o dominios o según determinados tipos de interlocutores. En ocasiones, esto ocurre incluso en los censos realizados dentro de un mismo país.

A los aspectos tratados sumaremos el que se refiere al nombre de las variedades lingüísticas en estudio, porque una misma denominación puede referirse a un habla o a un diasistema; con otras palabras, es posible que lo que para unos hablantes no es más que una modalidad dialectal, para otros sea una lengua o incluso una familia de lenguas. Cuando el referente lingüístico no está bien fijado, las posibilidades de interpretación pueden ser múltiples. Esto va en detrimento de una cabal comprensión e interpretación de los recuentos censales; al mismo tiempo, la ambigüedad referencial puede utilizarse según el particular interés de los redactores de los cuestionarios.

Las notas técnicas del Anuario Demográfico de las Naciones Unidas, que recoge discontinuamente tablas de población clasificadas por las lenguas de aquellos países que incluyen en sus censos datos de carácter lingüístico, explican las limitaciones de los datos de procedencia censal a efectos internacionales [7]. Estos son difícilmente comparables porque cada país recoge información diferente en función de sus necesidades y porque los que recogen información semejante lo hacen de modo distinto.

Así, los recuentos de las Naciones Unidas mezclan datos de tres tipos: hablantes de lengua materna, la lengua más empleada y el conocimiento de otras lenguas, según las preguntas de los censos nacionales. El concepto de lengua materna produce datos más o menos comparables entre unos países y otros, puesto que las preguntas del censo sobre las que se basan las estadísticas son esencialmente equivalentes en todos ellos, aunque no indican el uso ni el nivel de conocimiento de la misma.

Las preguntas sobre el uso de las lenguas toman, en cambio, formas diversas —lengua empleada habitualmente, lengua mejor hablada, lengua hablada en el hogar, lengua hablada con fluidez— e ignoran la capacidad de usar lenguas distintas en ámbitos diferentes. Las preguntas sobre conocimiento de otras lenguas no producen habitualmente datos comparables.

Otras dificultades para la interpretación de los datos surgen de que muchos países aplican límites de edad para la recogida de datos de lengua [8], de que hay personas multilingües que son registradas en varios recuentos de hablantes a la vez, por lo que a menudo la suma de los hablantes de distintas lenguas en un mismo país no coincide con la población total, o de la falta de método en la agrupación de lenguas y dialectos, lo que produce disparidades en la clasificación y el detalle de los hablantes de unos países a otros.

Tomemos, para ilustrar las dificultades de la comparación, algunos ejemplos. Canadá, país de población cultural y racialmente heterogénea y de inmigración reciente, pasa por ser uno de los países del mundo donde se ejerce con más cuidado la protección de las minorías. En el censo canadiense de 1996, dos cuestionarios diferentes trataban con un grado distinto de detalle las cuestiones lingüísticas.

El cuestionario abreviado, que recibieron cuatro de cada cinco hogares y que constaba de siete preguntas, incluía una sobre la lengua materna. El cuestionario extenso, dirigido a uno de cada cinco hogares, contenía 48 preguntas más, entre ellas algunas dedicadas a la primera lengua adquirida en la infancia, lenguas comprendidas y lenguas habladas en casa, y conocimiento de lenguas oficiales y no oficiales en las distintas regiones de Canadá. Estos datos, según la oficina de estadística canadiense, serán empleados «to establish programs to protect the rights of Canadians under the Canadian Charter of Rights and Freedoms», así como «in forecasting language training requirements and in determining where services must be provided in both official languages to comply with the Official Languages Act» [9].

Es claro que en el caso canadiense, como en el de todos los países donde se recogen oficialmente datos lingüísticos, la forma de allegarlos está condicionada por la realidad social y política del país. En Canadá sobresalen dos rasgos: la protección a las minorías (básicamente indígenas, pero también originadas por la inmigración reciente) y la coexistencia entre los dos grupos culturales dominantes, anglófonos y francófonos, especialmente en algunas provincias canadienses.

Por otro lado, la diversidad étnica de la población, la persistencia de minorías indígenas y la coexistencia de las lenguas amerindias con la lengua española explican que no falten en Hispanoamérica censos con información lingüística, aunque ésta adolezca de algunas de las lagunas mencionadas. En el último censo mexicano, que desde hace décadas recoge con regularidad datos sobre la lengua de la población, se incluyó esta instrucción al encuestador:

(Pregunte sólo si esta persona tiene 5 años cumplidos o más)
¿Esta persona habla alguna lengua indígena? sí / no;
¿Qué lengua indígena habla?
¿Habla también español? sí / no [10].

El censo guatemalteco de 1994 incluyó las siguientes preguntas sobre etnia y lengua a los mayores de 3 años:

¿Es indígena? sí / no;
¿En qué lengua o idioma aprendió a hablar? K’iché / Kaqchikel / Mam / Q’eqchí / Otra lengua maya... / Español / Otro idioma...;
¿Habla usted alguna lengua maya? K’iché / Kaqchikel / Mam / Q’eqchí / Otra lengua maya... / Ninguna;
¿Habla idioma español? sí / no;
¿Usa traje maya? sí / no [11].

Además recogen o han recogido en algún momento datos sobre la lengua de la población, al menos, Bolivia, Ecuador, Honduras, Nicaragua, Panamá, Paraguay, Perú, Puerto Rico y Venezuela. En otros países, como Chile y Colombia, se recoge información étnica aunque no lingüística.

En lo que se refiere a Europa, es muy infrecuente encontrar datos lingüísticos de forma oficial y periódica en los censos. En esta misma línea, el censo español tampoco atiende a cuestiones lingüísticas.