Termout.org logo/LING


Update: February 24, 2023 The new version of Termout.org is now online, so this web site is now obsolete and will soon be dismantled.

Lista de candidatos sometidos a examen:
1) automático (*)
(*) Términos presentes en el nuestro glosario de lingüística

1) Candidate: automático


Is in goldstandard

1
paper corpusSignosTxtLongLines281 - : Este estudio se plantea como objetivo principal el diseño y la implementación de un analizador automático de errores gramaticales para el español en el contexto de un tutorial inteligente para la enseñanza del Español como Lengua Extranjera: Parser ELE-UDEC . El artículo está organizado en las siguientes secciones: En la sección 1, nos referimos a los principales fundamentos teóricos y empíricos en que se sustenta nuestra investigación. En la sección 2, presentamos el diseño e implementación del analizador automático para la enseñanza del Español como Lengua Extranjera. En la sección 3, mostramos algunos ejemplos del análisis sintáctico computacional llevado a cabo por el Parser ELE-UDEC. Finalmente, en la sección 4, se presentan comentarios finales.

2
paper corpusSignosTxtLongLines281 - : Este artículo ha centrado su atención en el diseño y la implementación de un analizador automático de errores gramaticales para el español en el contexto de un tutorial inteligente para la enseñanza del español como lengua extranjera: Parser ELE-UDEC . En general, la fundamentación teórica, empírica y ejemplos expuestos han evidenciado que el diseño e implementación propuestos en este enfoque están conduciendo a la identificación y reconocimiento de los tipos de errores cubiertos en este dominio restringido de la enseñanza del español cono lengua extranjera apoyando de esta forma el proceso de enseñanza aprendizaje en lo que respecta a la precisión de las formas lingüísticas gramaticales que se requieren desarrollar en la competencia lingüística de los estudiantes de B2.

3
paper corpusSignosTxtLongLines340 - : El análisis automático (del término técnico en inglés parsing) es un proceso por medio del cual se convierte el texto de entrada en otras estructuras (comúnmente árboles sintácticos ), que son más útiles para el posterior análisis y capturan la jerarquía implícita de la entrada. Durante el procesamiento se producen distintas estructuras intermedias o de trabajo, hasta producir un árbol de análisis estructural de la secuencia de entrada. Un árbol correcto es aquel que cubre todos y solo los elementos del enunciado y en cuyo tope tiene un símbolo S (del inglés sentence) u O (de ‘oración’) (Lavid, 2005; Jurafsky & Martin, 2008).

4
paper corpusSignosTxtLongLines340 - : En la [41]Figura 7 se precisan las distintas etapas del procesamiento sintáctico de la entrada “*no salió la fin de semana” realizada por el analizador automático ELE-TUTOR correspondiente al ejercicio de futuro en el cual el estudiante debe completar el enunciado “Alejandro sale de clases a las 10 de la noche, así que … .“*no salió la fin de semana” (ver ejercicio en [42]Figura 5).

5
paper corpusSignosTxtLongLines340 - : En consecuencia, la identificación y/o selección del tipo de error (cuando hay más de uno en la respuesta del estudiante) y la selección del tipo de estrategia constituyen las entradas para el subcomponente del generador automático que debe producir el enunciado en cuestión correspondiente al feedback correctivo que debe desplegar el sistema ELE-TUTOR para que el alumno note su error y lo repare, mejorando así su precisión gramatical .

6
paper corpusSignosTxtLongLines366 - : cuando estos son emitidos por médicos o juristas; por lo tanto, se debe tener en cuenta la pluralidad de perspectivas en el enriquecimiento automático de terminologías:

7
paper corpusSignosTxtLongLines384 - : El principal desafío del proceso de aprendizaje automático es obtener una máquina que posea buena capacidad de generalización, es decir, que no solo aprenda a clasificar los ejemplos Z, conocidos utilizados en su proceso de entrenamiento, sino también, que sea capaz de construir un modelo general que permita clasificar bien nuevos ejemplos desconocidos . Para asegurar una buena capacidad de generalización, la Teoría del Aprendizaje Estadístico (Vapnik, 1989) define una Función Riesgo R(g(z)) como aquella que agrupa funciones g(z) del clasificador automático representando la distancia de estas funciones respecto a las reales. Cada conjunto de funciones g opera como clasificador con otro conjunto de parámetros. Al conjunto de funciones g y sus parámetros se les denomina Funciones Admisibles, de forma que R(g(z))=R(α), donde α es el conjunto de parámetros del clasificador automático. R evalúa la distancia acumulada entre las funciones del clasificador respecto a la función real subyacente, por

8
paper corpusSignosTxtLongLines386 - : Para el etiquetado de errores se empleó el software de análisis de datos cualitativos Nvivo 10, con el fin de realizar el procesamiento y análisis del corpus de forma automática. Así en palabras de Dagneaux et al. (1998) la ventaja de utilizar software para el procesamiento automático de los datos es el de obtener rápidamente resultados de diferentes tipo de errores en contexto y la frecuencia de estos .

9
paper corpusSignosTxtLongLines399 - : Puede advertirse que si se pretende identificar el hiperónimo de las definiciones antes mostradas, resultaría imposible para los casos (6) y (7), pues ambos no constituyen definiciones de tipo aristotélico. Sin embargo, lograr que un proceso automático identifique qué definiciones inician con perífrasis verbal, como en (6), no resulta tan complicado, pues gran parte de la solución vendría dada por la previa indicación de los auxiliares tradicionalmente reconocidos (Topor, 2005), en los ejemplos en (6) se tendría: ‘tener que’, ‘ volver a’ y ‘comenzar a’, y de qué manera se combinan con las formas verbales adicionales que le dan el significado léxico . Esta facilidad de reconocimiento automático no ocurre para los casos de las colocaciones en (7): se sabe de antemano qué disposición pueden seguir las palabras según sus categorías gramaticales dentro de las colocaciones, pero no podemos hablar de la identificación de formas verbales determinadas que se usen como colocativos.

10
paper corpusSignosTxtLongLines432 - : Respecto a los contextos de escritura, 18 alumnos (30,5%) dicen usar el traductor automático: “en un Writing de inglés” o “si hay una palabra que no sé cómo se dice en inglés, entonces la escribo en catalán, y luego me sale en inglés” . 7 alumnos (11,8%) reconocen explícitamente escribir primero en su lengua materna y luego traducir el texto a la L2. Un alumno menciona usar el oralizador (Google) en un contexto de producción escrita: “lo de escuchar también está muy bien, porque si no sabes cómo se pronuncia una palabra, pues lo miras”.

11
paper corpusSignosTxtLongLines463 - : En este sentido y como punto final, podemos decir que estos datos no sólo exhiben que la posibilidad/imposibilidad de involucrar conocimiento previo sobre el mundo interviene para condicionar el procesamiento psicolingüístico, sino también de qué modo parece influir: en su ausencia, la información sintáctica se vuelve decisiva y la complejidad de la estructura oracional resulta un factor central. En el procesamiento cotidiano, semántica y sintaxis parecen articularse de modo permanente y automático, e incluso la semántica ,a través de diversas vías, puede solventar la complejidad sintáctica y evitar que esta se traduzca en mayores costos de procesamiento. En cambio, ante el esfuerzo de procesar piezas de lenguaje sin un consistente andamiaje semántico, la complejidad sintáctica ,en tanto proceso automático no dependiente de nuestro conocimiento general, vuelve a tomar un rol preponderante: ahora sí, aquellas construcciones más complejas en términos estructurales y derivacionales resultan

12
paper corpusSignosTxtLongLines475 - : “[la derivación] no constituye un proceso totalmente productivo ni automático: ni todas las derivaciones posibles se actualizan en la lengua, ni las pautas derivativas que se aplican a unas formaciones son extensivas a todas las de su clase” .

13
paper corpusSignosTxtLongLines522 - : Para el análisis de los patrones se utilizó el análisis manual de los verbos como ‘gold standard’, estableciendo una serie de reglas de conversión ya que existen diferencias estructurales entre ambos resultados. Hay casos en que el patrón humano y el automático son idénticos, como en el caso del patrón 4 de ‘llenar’: ‘[[Humano]] llenar [[Documento]]’ . No obstante, existen otros casos en que el análisis automático todavía no alcanza el grado de generalización y concreción del análisis manual, como en el siguiente caso: ‘[[Human | Eventuality]] llenar [[Building | Location]] {de | con [[Physical Object]]}’; por ejemplo, porque el analizador de dependencias no siempre detecta el complemento de régimen (que está ausente en muchas de las concordancias analizadas porque es un argumento opcional la mayoría de veces), o porque no advierte las alternancias semánticas. Por ese motivo, se aceptan como válidos todos los patrones en los que el análisis sintáctico-semántico se ha real

14
paper corpusSignosTxtLongLines555 - : Para describir las medidas de desempeño, se utiliza la siguiente notación: considerando el vector Y[i] ∈{0,1}^ |L| ∶i = 1…d , entonces cada etiqueta será relevante si y[ i,j ]= 1, y por su parte, la predicción del clasificador automático será y^ ' [i,j ]= 1 , donde d es el número de documentos y |L| es el número de posibles etiquetas .

15
paper corpusSignosTxtLongLines581 - : Observamos a continuación la identificación de la referencia de los roles analizados en la transitividad con alguno de los interlocutores concretos que participan de la interacción: el emisor -sujeto discursivo construido como productor del mensaje- y/o el destinatario del mensaje automático:

16
paper corpusSignosTxtLongLines581 - : La tendencia que muestra el análisis de los tres casos presentados en la sección anterior es representativa. La [75]Tabla 3 muestra qué combinaciones predominan en la realización de la agentividad (Ag), por un lado, y de la identificación referencial del participante activo (Mo), por otro, cuando las actividades representadas en las cláusulas involucran la participación del destinatario (i.e. de quienes reciben los correos y mensajes de texto, y de quienes se encuentran con el contestador automático) y cuando no lo involucran:

Evaluando al candidato automático:


1) análisis: 12
3) funciones: 6 (*)
5) procesamiento: 6 (*)
7) errores: 5
9) analizador: 5 (*)
10) clasificador: 5 (*)
11) identificación: 5
12) sección: 5
13) enseñanza: 5 (*)
15) implementación: 4
18) gramaticales: 4 (*)

automático
Lengua: spa
Frec: 123
Docs: 49
Nombre propio: / 123 = 0%
Coocurrencias con glosario: 6
Puntaje: 6.877 = (6 + (1+5.97727992349992) / (1+6.95419631038688)));
Candidato aceptado

Referencias bibliográficas encontradas sobre cada término

(Que existan referencias dedicadas a un término es también indicio de terminologicidad.)
automático
: Díaz Villa, A.M. (2005). Tipología de errores gramaticales para un corrector automático. Procesamiento del Lenguaje Natural, 35, 409-416.
: Gelbukh, A. & Sidorov, G. (2006). Procesamiento automático del Español con enfoque en recursos léxicos grandes. México: Instituto Politécnico Nacional.
: Kotz, G. & Ferreira, A. (2013). La precisión gramatical mediada por la tecnología: El análisis y tratamiento automático de errores. Literatura y Lingüística, 27, 219-242.
: Koza, W. (2009). Análisis automático de textos: Reconocimiento de construcciones dicendi. Infosur revista, 3, 95-104.
: Moreno Sandoval, A. & Campillos Llanos, L. (2015). Combinación de estrategias léxicas y estadísticas para el reconocimiento automático de términos: Su aplicación a un corpus de medicina. Lingüística Española Actual, 37, 173-197.
: Ortega, R. (2007). Descubrimiento automático de hipónimos a partir de texto no estructurado. Tesis de maestría en Ciencias Computacionales, Instituto Nacional de Astrofísica, Óptica y Electrónica, Puebla, México.
: da Cunha, I. (2008). Hacia un modelo lingüístico de resumen automático de artículos médicos en español. Barcelona: Institut Universitari de Lingüística Aplicada, Universitat Pompeu Fabra.