Los apellidos que cambian con el género: el tercer caso que su esquema olvidó

La mayoría de los desarrolladores conoce dos reglas sobre los apellidos y el género. O bien el apellido se flexiona — Novák para un hombre, Nováková para su esposa — o bien no lo hace, y Smith es Smith para siempre. Se elige una por locale, se publica y se pasa a otra cosa.

Existe un tercer caso. No es flexión ni es identidad, y es el que rompe el esquema, porque en ese caso la lista masculina y la lista femenina de apellidos son listas distintas de longitudes distintas, sin correspondencia alguna entre ellas.

Mantenemos corpus curados de apellidos para 64 locales, almacenados como un fichero lastname_male y un fichero lastname_female por locale. Esa estructura obliga a responder la pregunta de forma explícita para cada país, y la respuesta no es binaria:

Recuentos de los corpus remedidos el 2026-07-22; las cifras de los registros citadas más abajo están actualizadas a 2026-07-17.

Si su modelo de datos solo admite las dos primeras filas, ya ha perdido datos en algún sitio. Veamos dónde.

Caso (a): se flexiona — pero « flexionarse » son cuatro mecanismos distintos

Diez locales tienen apellidos con marca de género: uk, ru, cs, sk, pl, bg, lv, el, kk y (estructuralmente) is. Agruparlos bajo una sola etiqueta es el primer error, porque la etiqueta oculta al menos cuatro gramáticas sin relación entre sí.

El checo y el eslovaco añaden un sufijo posesivo. Novák → Nováková, Adamec → Adamcová, Adámek → Adámková. Fíjese en el ejemplo del medio: la raíz pierde una vocal. Esto no es concatenación de cadenas.

El ruso, el búlgaro y el polaco flexionan un adjetivo. Иванов → Иванова, Аврамов → Аврамова, Kowalski → Kowalska. La forma masculina es gramaticalmente un adjetivo, y la forma femenina es ese mismo adjetivo en femenino.

El griego pasa al caso genitivo. Παπαδόπουλος → Παπαδοπούλου. Esa forma femenina no es un « apellido femenino »: es el genitivo del masculino, literalmente « de Papadopoulos ». Βλάχος → Βλάχου, Παππάς → Παππά.

El letón aplica clases de declinación, que es otro asunto completamente distinto, y volveremos sobre él porque es el interesante.

Cuatro mecanismos, una sola bandera. Si su código tiene una única función feminizeSurname() que se ramifica según el locale, son cuatro funciones disfrazadas bajo la misma gabardina.

El invariante que sí se cumple: no todos los pares cambian

El emparejamiento es por índice, no por transformación. En varios locales una gran parte de los pares son idénticos en ambos lados, y eso son datos correctos, no un fallo de su importación:

Tres cuartas partes de los apellidos ucranianos — toda la familia en -енко — no cambian nunca. El -ski polaco se flexiona; el -czyk polaco, no. Los apellidos griegos que ya están en genitivo (Παπαγεωργίου, Νικολάου) no tienen adónde ir, de modo que 103 de 648 permanecen sin cambios. El checo tiene exactamente 14 apellidos invariantes en una lista de 1.805 — el tipo adjetival indeclinable en -í (Krejčí, Dolejší, Kočí) y el tipo de genitivo plural en -ů (Martinů, Petrů, Pavlů). El eslovaco no tiene ninguno.

Un validador que afirme « si el locale se flexiona, entonces masculino ≠ femenino » saltará en 2.043 filas ucranianas correctas.

El letón: por qué la regla de los sufijos no funciona

En su día describimos el letón como tres clases bien ordenadas: -š → -a, -s → -a, -is → -e. Luego lo contrastamos con los pares reales. 152 de 789 pares no encajan en ninguna de las tres.

La razón es que la terminación no determina la clase. Dos apellidos con las mismas letras finales adoptan formas femeninas distintas:

Ozols y Jansons terminan igual. Zālītis y Baranovskis, también. La división sigue la clase de declinación del sustantivo — una propiedad del lexema, no de su grafía. No se puede recuperar a partir de la cadena, lo que significa que no se puede derivar la forma femenina; hay que almacenar el par.

Y 12 apellidos letones son invariantes, porque ya son sustantivos de clase femenina: Liepa (tilo), Egle (abeto), Roze (rosa), Priede (pino), Kļava (arce), Lapsa (zorro), Zvaigzne (estrella). Un hombre es Jānis Liepa; su hija es Anna Liepa.

Caso (c): el conjunto separado

Dos locales de nuestro corpus tienen ficheros de apellidos masculinos y femeninos de longitudes distintas: en_IN (836 / 842) y bn_BD (400 / 404). Ahí el emparejamiento por índice carece de sentido. Y la regla « los ficheros deben ser idénticos », también.

La India. Seis apellidos aparecen solo en el fichero femenino: Devi, Kaur, Begum, Khatun, Bano, Parveen. No son formas femeninas de nada: son nombres distintos que llevan las mujeres. En la práctica onomástica sij, Kaur es el nombre que llevan las mujeres y Singh lo llevan predominantemente los hombres; Devi es un apellido femenino muy extendido por todo el norte de la India; Begum, Khatun, Bano y Parveen son nombres de mujer en las comunidades musulmanas. Devi pesa mucho: empata con la entrada más pesada del fichero femenino por peso.

Si impone « las dos listas deben ser idénticas », tiene dos opciones, y ambas son erróneas: meter Devi en el corpus masculino o eliminarlo. Eliminarlo significa que las mujeres de sus datos indios pierden uno de los apellidos reales más comunes del país.

Fíjese en lo que los datos no dicen. Singh está presente en ambos ficheros — con un peso mayor en el lado masculino (100) que en el femenino (55). No es un nombre exclusivo de hombres: las mujeres sijes también lo llevan, y se usa ampliamente por todo el norte de la India con independencia de la religión. El corpus codifica un sesgo, no una exclusión. Esa distinción solo sobrevive si su esquema sabe expresar « presente en ambos, ponderado de forma distinta ».

Bangladés. Cuatro entradas existen solo en el lado femenino: বেগম (Begum), আক্তার (Akter), খাতুন (Khatun), খানম (Khanam). Son tratamientos honoríficos que ocupan el hueco del apellido: una mujer lleva con frecuencia Begum o Akter allí donde un hombre lleva un apellido familiar. No son en absoluto apellidos en el sentido europeo, y no tienen contrapartida masculina con la que emparejarse.

En ambos locales la lista masculina es un subconjunto estricto de la femenina. Nada en el esquema se lo indica de antemano.

Islandia pertenece conceptualmente a este caso, aunque mecánicamente supere la prueba de emparejamiento. Sus 343 entradas son 284 patronímicos (Jónsson / Jónsdóttir) más 59 apellidos familiares heredados. El emparejamiento es realmente necesario — una raíz, dos formas — pero la derivación no es cirugía de cadenas: Sigurður da Sigurðsson pero Sigurðardóttir, a partir de dos genitivos auténticos y distintos del mismo nombre de pila. Magnús da Magnússon y Magnúsdóttir, con la s doblada en un solo lado.

Y « Islandia no tiene apellidos » es impreciso: los 59 apellidos familiares son reales (Blöndal, Briem, Thorlacius, Zoëga). La ley nr. 54/1925 prohibió crear otros nuevos; no abolió los existentes. Son el 17 % de las filas, pero el 4,15 % del peso (97 de 2.335) — lo que coincide con el 4 % que mide Statistics Iceland, y no con el « alrededor del 10 % » que circula por internet.

Georgia es el caso híbrido. ka_GE tiene 492 entradas en cada lado; 460 apellidos georgianos (ბერიძე, კაპანაძე) son invariantes, y 32 azerbaiyanos se flexionan (-ოვი → -ოვა). Los ficheros se emparejan por índice. Pero მამედოვი lleva peso 34 y მამედოვა lleva 31 — el par no comparte peso, porque los hombres y las mujeres de la minoría azerbaiyana de Georgia no son igual de numerosos en el registro. Cualquier invariante del tipo « las filas emparejadas tienen pesos iguales » es falso aquí.

El contraejemplo que rompe el caso (c)

El caso (c) invita a una generalización tentadora: Kaur y Begum son nombres de mujer, así que dirijámoslos al conjunto femenino en todas partes.

En España eso es rotundamente falso.

El registro civil español otorga a cada persona dos apellidos: primero el del padre, después el de la madre. La transmisión del apellido de la madre no depende del sexo del hijo. Un hombre cuya madre es una Begum lleva legalmente Begum como segundo apellido.

El registro del INE publica ambas columnas por separado, de modo que esto es medible en lugar de discutible. Begum tiene ap2 = 5.599 — 3,18 veces más que su ap1. Ese nombre es abrumadoramente un segundo apellido, lo que significa que, de forma abrumadora, lo heredan de la madre hijos de ambos sexos. Aplicar la lógica india en España corrompería los datos.

Nuestros ficheros es_ES son idénticos byte a byte, y Kaur, Begum y Singh aparecen los tres en ambos lados. Eso lo decidió el recuento, no el aspecto del nombre. La misma columna mide la profundidad generacional: García está en ap2/ap1 = 1,015 (plenamente asentado), Kaur en 0,657, Singh en 0,070 — un nombre de primera generación que apenas ha empezado a llegar al hueco de la madre.

Qué significa esto para su esquema

1. Una sola columna « apellido » más una columna « género » no bastan para reconstruir el nombre de una persona en diez de estos locales. Necesita o bien pares almacenados, o bien conjuntos separados.
2. Nunca derive la forma femenina a partir de la cadena. El letón lo zanja: dos terminaciones idénticas, dos clases distintas.
3. No afirme que masculino ≠ femenino. 2.043 apellidos ucranianos son invariantes, y 12 letones, y 14 checos.
4. No afirme que las listas tienen la misma longitud. La India y Bangladés difieren en 6 y en 4 filas respectivamente, y ahí los datos son precisamente correctos.
5. No afirme que un par comparte sus metadatos. Los მამედოვი/მამედოვა de Georgia no lo hacen.
6. Permita la discordancia. Una persona cuyo género almacenado y cuya forma almacenada del apellido « no concuerdan » no es necesariamente un error de datos. Los nombres cambian con el matrimonio, la transición, la migración y el papeleo; una mujer checa puede inscribirse legalmente como Novák, sin -ová. Una restricción estricta en este punto rechazará a personas reales.

La regla general que subyace a los seis puntos: los nombres no se derivan de otros campos. Son hechos almacenados. Toda regla que parece que le va a ahorrar una columna es una regla que algún registro, en alguna parte, ya ha infringido.