El uso de palabras como estímulos es muy frecuente en la experimentación en las ciencias de la conducta, por tanto, resulta de gran interés caracterizar las variables lingüísticas de los vocablos del idioma que se trata. En el español existen algunos estudios de esta índole, pero presentan problemas que los limitan en cuanto a su representatividad, ya sea porque la cantidad de información que se analiza es muy pequeña, la procedencia geográfica del estudio difiere del lugar donde se van a utilizar sus resultados, o porque han perdido vigencia a causa del envejecimiento del material usado para su confección. El empleo de los medios de computación permite analizar un gran volumen de información en tiempo breve, confiere mayor confiabilidad al estudio al disminuir los errores humanos y facilita la actualización constante de la información. En el presente trabajo se propone la creación de un sistema para extraer automáticamente, a partir de un conjunto de textos, variables lingüísticas pertinentes al estudio de palabras y sílabas, tales como frecuencia de uso, longitud, cantidad de sílabas, acentuación ortográfica, patrón de división silábica y sucesión de consonantes y vocales. La salida del sistema consiste en una base de datos, lo que facilita la selección automática de palabras para la creación de listas según los criterios lingüísticos prefijados por el investigador. Con este sistema se propone analizar un conjunto de textos publicados en México, para crear un diccionario de frecuencia de uso de vocablos y sílabas que incluye otras variables lingüísticas: el diccionario léxico del español de México y sus frecuencias de uso.

La creación del diccionario del español de México aportará una fuente confiable, actualizada y válida de palabras para su uso en la investigación básica y aplicada en diferentes campos (i.e., psicología, lingüística, neurociencias, antropología, etc.) que tienen por objeto al lenguaje. Dado que se obtendrán diversos parámetros léxicos, como frecuencia silábica, estructura consonante–vocal, frecuencia de uso y categoría sintáctica, este diccionario permitirá un amplio abanico de posibilidades experimentales dentro de la psicolingüística.