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) detección (*)
(*) Términos presentes en el nuestro glosario de lingüística

1) Candidate: detección


Is in goldstandard

1
paper corpusSignosTxtLongLines132 - : Creemos que habría sido riesgoso comprobar cierto uso excesivo de uno u otro de estos tipos textuales. A partir de ello, es posible hipotetizar que los profesores de estos campos temáticos especializados han realizado aunque fuera intuitivamente una acertada distribución en la selección del material de lectura entregado a sus alumnos. Este equilibrio estaría, idealmente, produciendo un continuum entre tipos de textos dirigidos a un público semilego hacia otro con características de expertos propiamente tales. Por supuesto que aún queda por indagar y determinar el modo de empleo y secuencia jerárquica en la lectura y utilización de estos textos, ya que la detección de ambos prototipos textuales (más divulgativo/didáctico y altamente especializado) no implica una entrega y lectura secuenciada de ellos desde lo más divulgativo y didáctico hacia lo más puramente especializado .

2
paper corpusSignosTxtLongLines281 - : Un analizador automático (parser) de lenguaje natural toma un texto en lengua escrita como entrada y produce una representación formal de la estructura sintáctica (y, a veces semántica) del mismo, generalmente en forma de árboles. Los parsers diseñados para la enseñanza de lenguas generalmente contienen un componente que anticipa o detecta los errores en el caso de que las reglas gramaticales sean violadas. Por ejemplo, un procedimiento muy común para la detección de errores es la incorporación de una gramática de errores con buggy rules (reglas agramaticales ), lo que permite que el parser procese una oración que contiene uno o más errores e identificarlos.

3
paper corpusSignosTxtLongLines281 - : 4. El análisis morfológico utiliza una técnica llamada chunking, que sirve para la detección de ciertas identidades o secuencias específicas de texto, de esta forma esta técnica se usa para buscar errores morfológicos dentro de una oración mediante reglas similares a las buggy rules, pero que en este caso se centra en la búsqueda de secuencias de etiquetas específicas dentro de una oración que representa un error morfológico, como por ejemplo: una oración con error de tiempo o número . Los errores morfológicos son informados mediante una codificación del mismo. Actualmente se informa el tipo de error (modo, número, género, etc.), seguido del rasgo esperado, por ejemplo, 'error de número, se esperaba una oración escrita en singular'.

4
paper corpusSignosTxtLongLines321 - : El sistema propuesto consiste de dos etapas para la detección de relaciones de hiponimia/hiperonimia en textos recuperados de Internet:

5
paper corpusSignosTxtLongLines340 - : llamada chunking, que sirve para la detección de ciertas identidades o secuencias específicas de texto, de esta forma esta técnica se usa para buscar errores morfológicos dentro de una oración mediante reglas similares a las buggy rules, pero que en este caso se centra en la búsqueda de secuencias de etiquetas específicas dentro de una oración que representa un error morfológico, como por ejemplo: una oración con error de tiempo o número . Los errores morfológicos son informados mediante una codificación del mismo. El análisis sintáctico utiliza técnicas de parsing basadas en gramáticas de contexto libre o de estructura de frase. En particular, se utiliza chart-parsing, que se diferencia de los otros métodos de parsing por la utilización de la programación dinámica, lo que la hace más eficiente en lenguas con ambigüedad, además evita el back-tracking o retroceso y previene de una explosión combinatoria. Esta gramática incluye reglas de errores sintácticos que corresponden principalm

6
paper corpusSignosTxtLongLines347 - : nocimiento que los oyentes poseen sobre las transformaciones sintácticas que pueden operar en una locución determinada. Finalmente, Cacciari y Tabossi (1988) señalan que es necesario seguir estudiando cómo el contexto influye sobre el reconocimiento de las locuciones. Estas autoras suponen que el ya conocido rol del contexto en el procesamiento literal es aún más relevante cuando se trata de locuciones, ya que este tipo de expresiones cuando son interpretadas literalmente no cobran sentido, pero sí al ajustarse a determinados contextos. Para Cacciari y Tabossi (1988), la detección de esta incongruencia probablemente es un factor esencial en el reconocimiento de las locuciones .

7
paper corpusSignosTxtLongLines354 - : Algunos estudios han utilizado diseños entre-sujetos (Block, 1986), tomando un solo idioma como L1 para un grupo de sujetos y como L2 en otro grupo, lo cual involucra usualmente una gran variabilidad en variables no controladas respecto a los diseños intra-sujetos empleados en otros estudios (Morrison, 2004; Han & Stevenson, 2008) en los cuales se toman medidas de CC en ambos idiomas, L1 y L2, lo que mejora el control de variables intrapersonales y disminuye la varianza de error. El rendimiento en L1 se toma como referencia para valorar el que se demuestra en L2. El problema metodológico de estos últimos estudios basados en detección de inconsistencias es que, usualmente, las instrucciones dadas a los participantes les alientan a convertir la tarea en una ‘búsqueda de errores en el texto’, lo cual modifica sustancialmente el propósito habitual de lectura, que es la comprensión .

8
paper corpusSignosTxtLongLines354 - : Aunque en ocasiones resulta difícil explicar los resultados de esos estudios en términos cognitivos, bien por la excesiva variabilidad en la muestra, bien por la ausencia de un modelo de procesamiento determinado, o por la imposibilidad de asociar la detección de los errores insertados con niveles de procesamiento y control concretos, estos estudios han obtenido resultados convergentes: a ) el control de la comprensión es más efectivo en L1 que en L2 (Block, 1986, 1992; Morrison, 2004; Han & Stevenson, 2008); b) cuanto mayor es el nivel de dominio de L2, más efectivo es el CC en ese idioma (más similar al que se tiene en L1) (Block, 1992); y, más importante para nuestro propósito, c) los investigadores establecen una relación entre una mayor o menor efectividad en el CC en L2 y diferentes modos de procesar la información. Estas explicaciones en términos cognitivos de las diferencias entre L1 y L2 en lectura comenzaron hace tiempo. Segalowitz, Poulsen y Komoda (1991), trabajando con bilingües

9
paper corpusSignosTxtLongLines354 - : La segunda posibilidad es que la meta de los sujetos al leer en español, vinculada con el procesamiento macroestructural, suprima información poco relevante de la memoria de procesamiento e impida una representación adecuada de las microideas. Dado que las microideas absurdas insertadas en los textos experimentales son procesadas online al leer, el mecanismo de supresión debería estar asociado a una inhibición poderosa de la microidea antagónica procedente del conocimiento previo del sujeto. Otero y Kintsch (1992) usaron este mecanismo para explicar el fenómeno conocido como The Moses Illusion (Erickson & Mattson, 1981), consistente en la no detección de la inconsistencia implicada en la pregunta: ‘¿Cuántas parejas distintas de animales introdujo Moisés en el Arca ?’. La atención derivada hacia la respuesta a la pregunta, y una representación deficiente y poco diferenciadora entre ‘Moisés’ y ‘Noé’ en la memoria, hacen que muchas personas no detecten la inconsistencia de la frase de

10
paper corpusSignosTxtLongLines387 - : 0. Etapa previa: Análisis morfológico y reconocimiento de los signos de puntuación con Smorph, detección de sintagmas nominales y adjetivales, y sintagmas verbales núcleos, que empiezan en el primer elemento del sintagma (por ejemplo, un pronombre) y finalizan en el núcleo, es decir, el verbo conjugado (Bès & Solana, 2004 ) a partir de reglas de reagrupamiento con MPS;

11
paper corpusSignosTxtLongLines465 - : El análisis cualitativo se realizó en una fase general en la que se pretendía obtener una visión global del contenido y estructura de los TIDs, y una fase más específica focalizada en i) la detección de temas relevantes como configuradores de categorías identitarias, y ii) tipos de actos comunicativos y recursos lingüísticos por los cuales el autor/narrador se posiciona en su texto reflexivamente y posiciona al espectador interactivamente . Se tuvieron en cuenta macro identidades ya establecidas como la de ‛hablante nativo’ (^[97]Darvin & Norton 2015), ‛hablante intercultural’ (^[98]House, 2008), ‛estudiante’ (^[99]Fong, Lin & Engle, 2016), y ‛aprendiz’ (^[100]Coll & Falsafi, 2010; ^[101]Fong et al., 2016) ([102]Tabla 1). Finalmente, parte de los datos fueron analizados por otro investigador para asegurar la validez de las categorías.

12
paper corpusSignosTxtLongLines468 - : Seguidamente, se realizaron dos tipos de contrastes de medias con la prueba t: por una parte, entre los tiempos de reacción al tono distractor en distintos tipos de verbo dentro de cada posición y, por otra, entre los tiempos de reacción al tono en un mismo verbo comparando las dos posiciones del tono. Estos análisis revelaron que los tiempos de reacción al tono en posición inmediata no eran significativamente diferentes en función del tipo de verbo (p>0,1 en las tres comparaciones). Sin embargo, en posición demorada, la detección del tono distractor era significativamente más rápida con verbos alternantes, comparados con los otros dos tipos de verbo: t(39 ) = 2,374, p<0,05, para el contraste entre verbos restringidos y verbos alternantes en condición experimental, y t(39) = 2,209, p<0,05, para el contraste entre verbos alternantes en sus usos causativo e incoativo. En lo que respecta a los contrastes entre los tiempos de reacción en las posiciones para cada tipo de verbo, tan solo hubo una

Evaluando al candidato detección:


1) errores: 11
2) oración: 8 (*)
3) verbo: 6 (*)
5) error: 6 (*)
6) reglas: 6
7) texto: 5 (*)
9) lectura: 5 (*)
10) análisis: 5
11) procesamiento: 5 (*)
12) tono: 4 (*)
13) morfológico: 4 (*)
14) reacción: 4
15) secuencias: 4
16) morfológicos: 4
17) verbos: 4 (*)
19) específicas: 4
20) textos: 4 (*)

detección
Lengua: spa
Frec: 122
Docs: 62
Nombre propio: / 122 = 0%
Coocurrencias con glosario: 10
Puntaje: 10.943 = (10 + (1+6.49185309632967) / (1+6.94251450533924)));
Candidato aceptado

Referencias bibliográficas encontradas sobre cada término

(Que existan referencias dedicadas a un término es también indicio de terminologicidad.)
detección
: Koza, W. (2013). El inciso delimitado por comas. Análisis del fenómeno y propuesta de detección automática. Logos, 23(2), 169-195.
: Martínez, V., Diez-Itza, E. & Miranda, M. (2004). Detección de alteraciones fonológicas a partir de índices de error en el habla espontánea. Actas del XXIV. Congreso Internacional AELFA, Madrid, 449-464.
: Maturano, C., Mazitelli, C. & Macías, A. (2010). Detección de dificultades básicas de estudiantes de escuela secundaria en la comprensión de un texto de Física. Latin-American Journal of Physics Education, 4(1), 160-167.
: Nazar, R., Soto, R. & Urrejola, K. (2017). Detección automática de nombres eventivos no deverbales: un enfoque cuantitativo basado en corpus. Linguamática, 9(2), 21-33.
: Pazos, J. (2005). Detección automatizada de fraseologismos. Tesis doctoral, Universidad de Granada, España.
: Porta, M. (2008). Comprendiendo el rol predictivo de la conciencia fonológica en la adquisición de la lectura y en la detección de niños en riesgo pre-lector. Revista de Orientación Educacional, 22(42), 87-103.
: Resources Association, Portorož, Eslovenia (pp. 1485-1492).Nazar, R. & Arriagada, P. (2017). POL: un nuevo sistema para la detección y clasificación de nombres propios. Procesamiento del Lenguaje Natural, 58, 13-20.