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

1) Candidate: error


Is in goldstandard

1
paper corpusSignosTxtLongLines100 - : Es evidente que en la nota introductoria Poe enfatiza la confiabilidad de Pym en su calidad de informante de los eventos en los mares del sur. Por el contrario, en la nota final el autor articula un editor que pone en tela de juicio tanto el recuento de los eventos que hace Pym como la precisión con que el "señor Poe" los expone. Desde un ángulo ficticio, se cuestiona la supuesta veracidad de los hechos relatados por Pym. A nivel metaficticio, sin embargo, las contradicciones entre las notas introductoria y final evidencian la falibilidad narrativa de Poe. Inducida deliberadamente por el autor, esta inclinación al error y la incongruencia nos recuerdan, una vez más, el carácter ficticio de la narración .

2
paper corpusSignosTxtLongLines154 - : Se realizó la prueba estadística ‘probabilidad de t’ para determinar la probabilidad de error en las diferencias observadas entre los indicadores cognitivos de ambos grupos. Los resultados estadísticos corroboraron la relación que se establece entre los indicadores. Para ‘atención y concentración’ la probabilidad de error equivale a 0,00013661, mientras que en ‘memoria operativa’ corresponde a 0,00012945 . En ambos indicadores la relación es significativa, en el sentido de que sólo en 1,4 y 1,3 sujetos por cada 10.000, respectivamente, la diferencia que se observa podría no estar relacionada con los factores considerados.

3
paper corpusSignosTxtLongLines155 - : masturbación extática, Irene es una imagen, una imagen olvidada que al acercarse la memoria su sombra de goce la va borrando, oscureciendo, hasta ser la mácula de la esperma, el error o imposibilidad de repetición (reproducción) que amenaza con la ruina, con la catástrofe, con el desastre que en la inminencia se cumple:

4
paper corpusSignosTxtLongLines155 - : El discurso amoroso de Eros, la repetición de su gesto[69]27, queda relegado a un pasado irrecuperable: "ANTES, AYER, yo amaba a Irene. Hasta ayer en que ella se fue, yo la amé locamente". Esta repetición también se disemina en el desastre cosmético: la imagen esperada (Irene) que no coincide con la imagen recordada o imaginada por el simulacro. La imagen de Irene, que es espera, se va perdiendo, en tanto la imaginación, su error, toma su lugar, fracturándola, o como dice Lezama ([70]1971:157):

5
paper corpusSignosTxtLongLines155 - : La imagen perdida u olvidada del objeto amado, el error que desesperanza al discurso amoroso: sólo el simulacro, el eidôlon, el ídolo, toma ese lugar, el del desaparecimiento, el del cuerpo perdido por el del corpúsculo o cuerpo desgastado, diseminado . Pero el simulacro en Excesos cumple la "cita" para pervertirla y pervertirse; "cita" al cuerpo ausente en que él también ha devenido para nunca hacerlo aparecer, para no tomar su lugar, para siempre diferirlo: para siempre aparecer como el cuerpo, el original perverso, una totalidad de la perversión. La locura del discurso amoroso, encarnada en el pavoroso " Yo no soy otro" de Barthes[81]34, viene a dar cuenta de ese cuerpo irremediablemente perdido en el pliegue, y paradójicamente esperanzador, del simulacro.

6
paper corpusSignosTxtLongLines155 - : simulado (el ojo nunca igual) que atenta contra el fragmento del cuerpo (el ojo). El desastre se anuncia en esta erosión del error, de ese fragmento a la deriva o infinito que profetiza Lucrecio (I, 774-778): "Además, si nosotros no admitimos/ de división un término preciso,/ se compondrán los cuerpos más pequeños/ de infinidad de partes,/ caminando de mitad en mitad al infinito" . Ese infinito que en la escritura de Excesos es lo ilimitado, no la infinitud propiamente tal, sino un no-límite, por un sí- limen.

7
paper corpusSignosTxtLongLines155 - : esa paciencia del cuerpo: el trazo que lo conforma a pequeña escala, lo va haciendo desaparecer en cada punto o fragmento de su sobreescritura corporal. Tras cada fragmento, el cuerpo en Excesos señala su fuga: así, el error posibilita la diseminación final: " […] y todo por este ojo, que, mierda, no va a quedar nunca igual al otro y parece que será mejor dejarlo así ; ahora, sí, ahora soy Irene".

8
paper corpusSignosTxtLongLines178 - : En todos estos casos la respuesta consiste en la extracción exacta de fragmentos de la fuente o en paráfrasis mínimas que –como veremos más adelante– no eximen del error. En algunas pocas respuestas (7%), que resultaron incorrectas en su totalidad, los sujetos intentan una reformulación propia o ampliaciones que integran sus conocimientos previos sobre el tema. En el siguiente ejemplo pueden observarse los errores que genera esta clase de operaciones:

9
paper corpusSignosTxtLongLines178 - : cterísticas de las teorías comparadas con el criterio que se emplea para compararlas: se propone como característica del constructivismo el criterio de comparación y se vincula con un conector de equivalencia ("o sea") este criterio con un rasgo de una de las teorías comparadas (un error más: selecciona un rasgo del conductismo en vez del correspondiente al constructivismo ).

10
paper corpusSignosTxtLongLines181 - : La contrastación estadística de estas relaciones nos permite confirmar la idea anterior. Así, al comparar la SLS entre las variables textuales (palabras clave-resumen, palabras clave-contenido y resumen-contenido), utilizando la prueba U de Mann-Whitney y considerando un 5% de error, podemos establecer que en ciencias biológicas existe diferencia estadística entre las tres relaciones, es decir, que la SLS entre palabras clave y contenido es menor que la relación de SLS entre palabras clave y resumen . A su vez ambas relaciones son menores que la SLS existente entre el resumen y el contenido. En ciencias sociales la prueba estadística también mostró diferencias entre las tres relaciones de variables. Así, la SLS entre palabras clave-resumen es menor que la SLS entre palabras clave-contenido, y ambas son menores que la SLS existente entre el resumen y el contenido de los artículos investigados.

11
paper corpusSignosTxtLongLines194 - : Los errores y el feedback correctivo son parte natural del aprendizaje de la lengua. Los errores pueden definirse como desviaciones de las normas de la lengua meta (Ellis, 1997). Los errores revelan patrones de desarrollo de los sistemas de interlengua de los estudiantes que aprenden una segunda lengua, señalando donde ellos sobregeneralizan una regla o donde transfieren de manera inapropiada una regla de la lengua materna a la segunda lengua (Lightbown & Spada, 1990; 1999). El feedback correctivo se refiere a una indicación para el estudiante de que alguna estructura en la lengua meta está incorrecta. De acuerdo con Ellis (1997), el tratamiento del error es un proceso complejo . Esto se puede apreciar en los modelos propuestos para el tratamiento del error (Long, 1977; Day, 1984; Chaudron, 1977; Lyster & Ranta, 1997) y también en las diferentes taxonomías de estrategias de feedback analizados en la literatura de adquisición de segundas lenguas (Allwright, 1975; Chaudron, 1977; Seedhouse,

12
paper corpusSignosTxtLongLines194 - : La siguiente [37]Tabla 4 muestra que las estrategias más frecuentes utilizadas en los tres niveles fueron las del Grupo 1 (177), distribuidos en reformulación (recast) (66 (37%)), corrección explícita (correction) (81 (46%)), proveer la forma esperada (given-answer) (22 (12%)) y repetición del error (repetition-error) (8 (5%)). En consecuencia, los profesores prefieren tratar los errores de los estudiantes con una corrección explícita, de forma tal que la reparación viene a ser un other-repair, es decir, los errores son reparados por ellos mismos (los profesores ) y no por los estudiantes, quienes generalmente repiten lo que dice el profesor.

13
paper corpusSignosTxtLongLines194 - : Hasta aquí, hemos determinado que el Grupo 2 de estrategias de feedback correctivo es el más frecuentemente utilizado por los profesores de nuestra muestra para tratar los tres tipos de errores: gramaticales, de vocabulario y de pronunciación . Corresponde ahora responder la tercera pregunta de nuestra investigación sobre las estrategias de feedback correctivo más efectivas en la enseñanza del español como lengua extranjera. Como ya lo señaláramos, para apreciar el incremento del aprendizaje, se analizó lo que sucedía en los tres turnos siguientes del profesor, después de que este proveía la estrategia del feedback correctivo. La reparación la hemos definido como la correcta reformulación de un error del estudiante después de aplicadas las estrategias del Grupo 1 o del Grupo 2 por parte del profesor. Creemos que la relación entre la frecuencia de las reparaciones y la frecuencia de los tipos de feedback correctivo da una indicación de la efectividad inmediata del feedback, al menos en

14
paper corpusSignosTxtLongLines194 - : La preferencia de utilizar las estrategias del Grupo 1 se puede deber al hecho de que los profesores parecen estar preocupados de mantener la fluidez de la conversación. Tratan de facilitar la reparación del error del estudiante ya sea proporcionándoles las formas esperadas (target-form ) o repitiendo el error. Sin embargo, los estudiantes no siempre se dan cuenta de este tipo de ayuda. No la reconocen como la corrección del profesor porque asumen que el profesor está respondiendo al contenido más que a la forma del lenguaje del alumno. Esto se puede deber al hecho de que la mayoría de las clases de español como lengua extranjera que se analizaron estaban enfocadas en los aspectos comunicativos de la lengua (enfoque comunicativo) con énfasis en el significado.

15
paper corpusSignosTxtLongLines213 - : La Máquina de Vectores de Soporte es un método de clasificación de datos bastante nuevo, con el que diversos investigadores han conseguido buen desempeño de generalización sobre una amplia variedad de problemas de clasificación, destacando recientemente en problemas de clasificación de textos. En relación a esto último, se le reconoce al método la capacidad de minimizar el error de generalización, es decir, los errores del clasificador sobre nuevos documentos (Cortes & Vapnick, 1995 ; Hsu, Chan & Lin, 2003; Baldi, Fresconi & Smyth, 2003; Téllez, 2005).

16
paper corpusSignosTxtLongLines219 - : rbal correspondiente a cada tipo de palabra, solamente cuatro sujetos cometieron un error cada uno: uno de ellos (sujeto 8 ) utilizó derivados en forma exclusiva y solo produjo uno con base verbal conjugada (“pruebador”); otro niño (sujeto 9) utilizó las dos formas pero uno de los compuestos con base sin conjugar (“torcemetal”) y otros dos sujetos (5 y 14) utilizaron las dos formas pero produjeron cada uno un derivado con base conjugada (“cuentador” y “cuelgador”). Esta producción mínima de errores y el alto porcentaje de uso de los dos tipos de palabras muestran un mayor acercamiento a la lengua adulta.

17
paper corpusSignosTxtLongLines228 - : tutoriales (modalidad one-to-one). Otras investigaciones han analizado los diferentes tipos de respuestas que los tutores humanos proveen a los estudiantes cuando ellos cometen un error. Graesser et al. (1995) han establecido algunos hallazgos relevantes en materia de este tipo de estrategias tutoriales. Un tutor efectivo debería proveer la estrategia de feedback acorde con la contribución del estudiante. Ello implica que debería ser capaz de percibir que se ha cometido un error, es decir, reconocer los diferentes tipos de errores, identificar dónde se ha cometido el error (en la oración ), instruir o enseñar al estudiante cómo reparar dicho error, diagnosticar los malos entendidos o faltas de comprensión que han generado el error y establecer nuevas metas que remedien el error. Los tutores dan respuestas (de confrmación o rechazo) y estrategias de feedback, con las cuales ellos orientan a los estudiantes y los ayudan a adquirir habilidades para resolver problemas (Anderson et al. 1995;

18
paper corpusSignosTxtLongLines228 - : Los resultados de dos estudios previos (uno observacional sobre clases tradicionales de español como LE y otro de casos sobre clases tutoriales (Ferreira, 2003, 2006)) señalan que para los errores gramaticales un STI para lengua extranjera debería implementar estrategias que traten de extraer o sonsacar las respuestas de los estudiantes utilizando claves metalingüísticas y elicitaciones . Estas estrategias que extraen el conocimiento lingüístico del estudiante son más efectivas que aquellas que proveen la respuesta o corrigen de manera explícita la respuesta del estudiante. De hecho, las estrategias de elicitación parecen promover un aprendizaje constructivo en un contexto tutorial (Chi et al., 2001), porque ayudan al estudiante a responder de manera más elaborativa que cuando el profesor da una simple repetición de la respuesta o una corrección del error. Con el fin de determinar si estas tendencias se pueden probar empíricamente, llevamos a cabo un estudio basado en un diseño experimental

19
paper corpusSignosTxtLongLines233 - : En el fragmento de (1) se han destacado cuatro problemas que pueden servir como muestra de las inadecuaciones de redacción habituales en la sentencia. Uno de ellos es el abuso de construcciones sintácticas complejas y extensas y, como consecuencia, la ruptura antinormativa de la estructura oracional (anacoluto), que hemos marcado en el texto mediante una doble barra. El segundo error que dificulta la comprensión del texto es la pérdida o la dificultad de interpretación de los referentes de expresiones pronominales -como, por ejemplo, el pronombre átono ‘las’ en la forma verbal “gravándolas” o el uso antinormativo de “la misma” con valor anafórico- . Un tercer fenómeno consiste en los errores de concordancia, que suelen conllevar problemas de acceso al referente bien de una expresión pronominal, como en el caso del pronombre ‘las’ que acaba de mencionarse, o bien del sujeto del verbo “se formalizaron” (la escritura pública), que se pierde porque el verbo no concuerda con él, sin

20
paper corpusSignosTxtLongLines236 - : Por otra parte, los promedios de respuestas erróneas obtenidos alcanzaron un 7,2% para priming relacionado y un 8,8% para priming no relacionado. Para las pseudopalabras, el índice de error fue bastante alto: alcanzó un 32 .4%.

21
paper corpusSignosTxtLongLines241 - : Pues bien. He aquí la paradoja. Ha estado frente a nuestros ojos hace ya un buen tiempo. La hemos enfrentado en diversos escenarios. Ha promovido innumerables discusiones; laberínticas y eternas preocupaciones. Hemos defendido la interdisciplina y hasta la multidisciplina, ante las dificultades que ellas nos imponen, pero luego −tal vez en un afán cientificista− hemos dudado de enfrentar tamaña diversidad y hemos intentado aceptar la existencia de un fenómeno supuestamente más homogéneo y estable. Hemos así intentado mantener el abordaje de una misma y unívoca cosa. En mi opinión, ello ha sido un error. Ciertamente un error involuntario, una equivocación impensada .

22
paper corpusSignosTxtLongLines242 - : Muchas de las empresas multinacionales que operan en el extranjero, dado lo anterior, prefieren por ello ubicar en puestos claves a personal del país huésped, a fin de poder manejar cualquier restricción lingüística, sociopolítica, intercultural o transcultural que puedan tener que confrontar en medio ambientes relativamente poco familiares. Subyacente en esta estrategia, parece existir una clara comprensión de lo que se requiere para funcionar de modo competente en contextos multiculturales. Sin embargo, es un error suponer que todas las actividades profesionales se llevan a cabo en inglés británico, americano o australiano, y que todas las interacciones se rigen uniformemente por un conjunto de normas lingüísticas o sociolingüísticas nativas .

23
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'.

24
paper corpusSignosTxtLongLines327 - : Tal como vemos en el siguiente ejemplo, los acusadores dan una ilusoria cabida a un error de ellos al hacer la Acusación, a través de una pregunta retórica del orador:

25
paper corpusSignosTxtLongLines340 - : Más recientemente, Heift (2003) y Heift y Schulze (2007) han desarrollado un STI para apoyar el proceso de aprendizaje del alemán como LE, el sistema E-TUTOR. Este sistema proporciona un feedback individualizado de errores específicos mediante la realización de un análisis lingüístico del input del estudiante y un ajuste de los mensajes de retroalimentación adecuados a la habilidad de los alumnos. E-TUTOR también ofrece ayuda individualizada sensible al contexto, en función de los errores que los aprendices estén cometiendo. El sistema clasifica los errores del estudiante por medio del uso de una lista de prioridad flexible de error: las limitaciones de gramática pueden ser reordenadas a fin de reflejar el énfasis deseado de una actividad específica . La experiencia con E-TUTOR apoya la necesidad de un sistema tutorial que considere múltiples errores de acuerdo con la enseñanza de lenguas.

26
paper corpusSignosTxtLongLines340 - : Los analizadores 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 es la inclusión de reglas agramaticales (del término técnico en inglés buggy rules), que hacen posible que el parser procese una oración que contiene uno o más errores e identificarlos (Dodigovich, 2005; Heift & Schulze, 2007). Sistemas más recientes de diagnóstico utilizan métodos estadísticos con grandes córpora con errores de alumnos de L2 para poder reconocer errores (Tschichold, 2003; Dodigovich, 2005). La ventaja de los enfoques con gramática de errores es que la respuesta al alumno puede ser muy específica. Pero la gran desventaja es que los errores individuales de los alumnos deben ser anticipados, es decir, cada error debe ser cubierto por una regla adecuada a ese error (Heift & Schulze, 2007 ). Otra forma de realizar dicho análisis es a través de la técnica

27
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

28
paper corpusSignosTxtLongLines340 - : El peso de cada uno de los errores se calcula tomando en cuenta la frecuencia de cada error en el estudio piloto con el fin de establecer qué errores corresponden al nivel B2. Los errores que presentaban una mayor frecuencia se estimaron como los que debían tener más peso, dado que un mayor número de errores implica una mayor dificultad . Así, cada uno de los ellos adquirió un valor diferente, con lo que la medición del nivel de proficiencia del estudiante se hace más preciso.

29
paper corpusSignosTxtLongLines340 - : Como se puede observar en la [40]Figura 6, el módulo del tutor presenta dos componentes principales: un analizador y un generador de retroalimentación correctiva. La secuencia comienza con una respuesta del estudiante que contiene al menos un error de lengua. En el caso de que aparezca más de un error, es necesario tomar una decisión acerca de qué error debería ser tratado primero. El tratamiento de errores y generación de estrategias feedback correctivo en el contexto del módulo del tutor tiene en consideración aspectos tales como:

30
paper corpusSignosTxtLongLines340 - : Debido a que el tratamiento de los errores cumple un rol preponderante, las especificaciones deben ser muy precisas. Debe tolerar, detectar y diagnosticar errores, como asimismo ser capaz de entregar una respuesta flexible en el reporte de los mismos. Un tema importante es el tratamiento de los errores múltiples, es decir, cuando una oración generada por el alumno contiene más de un error . Por un lado, es deseable que el programa sea capaz de detectar y explicar todos los errores, pero eso no significa que tenga que desplegar cada uno de los errores detectados. La ausencia de un mecanismo de filtro puede llegar a agobiar al alumno. Por ello, este sistema contiene una jerarquía de errores mediante el cual se despliega y se entrega una retroalimentación para el error más importante según esta jerarquía (Ferreira & Kotz, 2010).

31
paper corpusSignosTxtLongLines340 - : Como se puede apreciar, el sistema reconoce dos errores; el primer error detectado no corresponde a un error en el sentido de la estructura de la frase, sino a un incumplimiento en los requerimientos del ejercicio que, en este caso, exige una oración en tiempo futuro ; el segundo error, en cambio, es un error de concordancia entre el determinante ‘la’ y el sustantivo ‘fin’. El modelo presenta una serie de pasos a seguir desde el momento que se introduce el enunciado hasta la salida del informe de errores. El alumno-usuario ingresa un enunciado como respuesta a un ejercicio que es etiquetado por un etiquetador de partes del habla (PoS Tagging, Part-of-speech tagging o simplemente POST) probabilístico con una técnica de ‘tri-gramas’. La oración etiquetada es comparada con las del corpus de entrenamiento buscando coincidencias y analizada en tanto sus rasgos morfológicos y sintácticos. Para el análisis morfológico se utiliza la técnica de chunking de frases nominales para la detección de se

32
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 .

33
paper corpusSignosTxtLongLines354 - : Resumen: Se presenta un estudio con estudiantes universitarios españoles con dominios básico, intermedio y avanzado de inglés como lengua extranjera. El objetivo fue estudiar la efectividad en el Control de la Comprensión (CC) en inglés, comparado con el que se tiene en español, y explicar los resultados a partir del modelo de comprensión de textos desarrollado por Kintsch y otros colegas. Nuestro foco de atención fue la representación semántica, diferenciando el CC a nivel micro y macroestructural. Se midió el CC al leer textos asumiendo el Error Detection Paradigm: se insertaron inconsistencias micro y macroestructurales en los textos y se pidió a los estudiantes juzgar su comprensibilidad usando un código para distinguir entre ‘palabras desconocidas’, ‘ideas de significado absurdo’ e ‘ideas incoherentes o incompatibles con otras del texto’ . Se utilizaron textos de ciencias, tres en inglés y otros tres en español para aumentar la fiabilidad. Las predicciones fueron: a) en

34
paper corpusSignosTxtLongLines354 - : la categorización y análisis cualitativos posteriores de las alocuciones de los sujetos. La otra metodología usada con mucha frecuencia es el Error Detection Paradigm (Winograd & Johnston, 1982), basada en la inserción de inconsistencias en los textos para analizar si los estudiantes las detectan o no . Estos estudios permiten análisis cuantitativos de las acciones de los sujetos, es decir, de la habilidad de los sujetos de detectar el error y corregirlo.

35
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 .

36
paper corpusSignosTxtLongLines354 - : Cuando se utiliza el Error Detection Paradigm para valorar el CC, significa detectar las inconsistencias de un texto, es decir, detectar que dos proposiciones textuales son mutuamente excluyentes y que no pueden ser ciertas a la vez . Para eso, ambas proposiciones deben procesarse a la vez en la memoria de trabajo. Vosniadou, Pearson y Rogers (1988), en un estudio realizado con niños, descubrieron que las dificultades en la detección de inconsistencias en L1 no se debían a la incapacidad de los participantes para comparar proposiciones contradictorias, sino a una pobre representación mental de una o de ambas proposiciones en la memoria. Cuando se daban las condiciones para que ambas proposiciones estuvieran a la vez en la memoria de trabajo, los niños detectaban la contradicción sin problemas.

37
paper corpusSignosTxtLongLines356 - : Abstract: The current study provides a descriptive analysis of the orthographic performance of Chilean children that attend public schools. In order to address the recurrent errors, a total of 250 narrative texts from students of 3rd -, 5th- and 7th grade were collected. Stories were obtained from a topic-continuing written prompt. To analise the errors, a rubric was created considering the following error categories: omission of accent marks, erroneous use of spelling (b/v ; s/c/z; h), hyposegmentation, and omission or commission of syllables and/or letters. The rubric was based on the linguistic norm and on the phonologic simplification phenomenon. An analysis of frequencies and an Index of errors related to total written words showed that the orthographic errors occurred in 17% of written words. These errors were normally attested in frequently used words such as verbs ‘haber’, ‘hacer’ and ‘estar’ In addition, most recurrent errors relate to the omission of accent marks (mostly in last

38
paper corpusSignosTxtLongLines356 - : Por último, cabe señalar que nuestro estudio obtiene resultados similares al del INEE de México en 3º básico. Estos son los siguientes: la carencia de tilde se presenta con mayor frecuencia en las palabras agudas; los errores en el uso de b/v son más frecuentes que los de s/c/z; la omisión y/o cambio de grafías es más frecuente al final de las palabras; la hiposegmentación más recurrente se produce por la unión de una preposición o pronombre con otra palabra; y el error más frecuente en el uso de la ‘h’ es la omisión .

39
paper corpusSignosTxtLongLines364 - : The reporting template laid down by the UN and by ISO 26000 aims to help companies standardize reports, and convey information in the most comprehensible and objective manner. However, the invasion of promotional discourse in the reporting genre results in material, which is not entirely "free from material error and bias" (GCRIAR, 2008: 13 ) or necessarily "conveyed in a manner understandable to the reader".

40
paper corpusSignosTxtLongLines367 - : En lo que respecta a los polisílabos sin hiato acentual, hay que indicar que se someten a las reglas de una tilde específica que, como se puede apreciar en nuestro mapa conceptual, hemos rotulado como ‘tópica’. Al recurrir a este nombre solo estamos continuando con una práctica que acontece en algunos lugares del Perú y Bolivia (Academia Boliviana de la Lengua, 2011). No estamos de acuerdo con la denominación, ampliamente conocida, de ‘tilde general’ pues no se trata de reglas generales de aplicación del acento ortográfico en cualquier palabra. De lo que se trata en realidad es solo de un conjunto de reglas aplicables a un grupo definido de palabras. La RAE incurre en un error al afirmar que las "reglas de acentuación gráfica de las palabras polisílabas se aplican en función de si son agudas, llanas, esdrújulas o sobresdrújulas" (RAE, 2010: 231), puesto que hay polisílabos que se tildan atendiendo a otras consideraciones: en primer lugar, están las palabras con hiato acentual ; y en se

41
paper corpusSignosTxtLongLines371 - : Results from the ANOVA using the SPSS demonstrate that with a 95% confidence level and an error margin of +/- 5% there are statistically significant differences^[32]2 between groups TN and TNI in the number of correct answers: group TNI retains more than group TN . No significant differences were found between group TNV and the other groups.

42
paper corpusSignosTxtLongLines371 - : Results from the t-student, using the SPSS, indicate that with a 95% confidence level and a margin of error of +/- 5% there are statistically significant differences^[35]3 between groups TN and TNI in the scores for correct answers: Group TNI transfers more than group TN . There are no statistically significant differences between groups TN and TNV, nor between groups TNI and TNV.

43
paper corpusSignosTxtLongLines386 - : Las dimensiones se refieren a los criterios de descripción, clasificación y explicación de la modificación de la lengua objeto de estudio (LO) presentes en el corpus de aprendientes (Corder, 1967; Granger, 2004; Díaz-Negrillo & Domínguez, 2006). En este sentido, la inclusión de las dimensiones en una taxonomía de error corresponde a: (1) Criterio de Clasificación lingüística: nivel lingüístico en el que se encuentra el error (léxico, categoría gramatical) y (2) Taxonomía de modificación de la LO: se refiere a las alteraciones o desviaciones observadas en los errores tales como ‘la omisión’, ‘la adición’, ‘la sustitución’ y ‘el orden’ . La combinación de estas dos dimensiones permite la construcción de una taxonomía que da cuenta tanto del error en un nivel lingüístico, como de su respectiva categorización en el tipo de error cometido por el aprendiente.

44
paper corpusSignosTxtLongLines386 - : Como se puede observar en la Tabla 3, dentro del criterio lingüístico se considera un “error de adición” cuando el estudiante agrega algún elemento, ya sea de tipo gramatical o léxico, que no es necesario en el texto, ejemplo: “entonces es necesario para tener sistemas para tratar el exceso del agua” (Sujeto 11, texto expositivo (a )), en este caso el estudiante agregó una preposición innecesaria. Por el contrario, un “error de omisión”, como su nombre lo indica, se refiere a la omisión de algún elemento lingüístico en el texto, por ejemplo: “El artículo discute que este proyecto de ley sea muy importante para el futuro de___ música chilena” (Sujeto16, texto argumentativo), en esta oración el estudiante omitió el artículo definido. Mientras que un error de falsa selección corresponde a la utilización poco pertinente de algún término o elemento gramatical, por ejemplo: “Su madre estuvo una persona optimista” (Sujeto 12, texto narrativo). En esta oración el estudiante u

45
paper corpusSignosTxtLongLines386 - : En el criterio etiológico se consideró como un “error de tipo interlingual” aquel que presenta influencia de la lengua materna del estudiante, ya sea de manera parcial o completa en la palabra u oración. Se consideraron cinco errores de este tipo: uso de L1, analogía semántica, calcos, traducción literal y orden de palabras . Por ejemplo, un error clasificado como uso de la L1 es el siguiente: “hay también canales de radio que tienen el focus en música chilena” (Sujeto 22, L1 inglés, texto argumentativo). El “error de tipo intralingual” corresponde a una problemática de la naturaleza propia de la lengua que se está aprendiendo, en este caso, el español. En este nivel intralingual, se consideraron tres tipos de errores: sobregeneralización, hipercorrección y simplificación. Por ejemplo, un error de sobregeneralización es “la imagen de un minero: manos robustos” (Sujeto 8, texto expositivo (b)). En este caso, el estudiante desconoce que el sustantivo ‘mano’ es femenino y apli

46
paper corpusSignosTxtLongLines415 - : El funcionamiento del corrector es sencillo: contrasta las combinaciones de palabras utilizadas en el texto con los datos de esas mismas palabras obtenidos en el corpus de textos y, dependiendo del resultado del algoritmo, nos avisa de si los bigramas son poco o nada frecuentes (y deberían serlo más, dada la frecuencia de las palabras que los forman), lo cual puede ser un indicio de que contienen un error. Para evaluar la eficacia del algoritmo, hemos recopilado textos escritos por hablantes nativos que incluyen errores que encontramos con cierta frecuencia –muchos de ellos están recogidos en la sección de ‘preguntas frecuentes’ de la página web de la Real Academia Española ([25]http://www .rae.es/consultas-linguisticas/preguntas-frecuentes)–. En general, las palabras usadas erróneamente existen en español y son correctas en otros contextos –de ahí la dificultad de detectar sus usos incorrectos o, en muchos casos, impropios–.

47
paper corpusSignosTxtLongLines415 - : en cambio, al aplicar el algoritmo tendremos evidencias claras de que en estas combinaciones de palabras hay un error (véase Tabla 2):

48
paper corpusSignosTxtLongLines415 - : Como vemos en la Tabla 4, estas combinaciones no se registran ni una sola vez en el corpus de cien millones de palabras, a pesar de que la probabilidad de aparecer juntas es, en todos los casos, superior a 1.4 (incluso en ‘haber qué’ esa probabilidad es bastante alta: 141.65). Esos son claros indicios de que contienen errores. En cambio, sí se encuentra en el corpus esta otra combinación (‘haber si’), pero solo siete veces; mientras que la probabilidad de que se dé este par de palabras es mucho mayor: 183.29 (por separado, la frecuencia de ‘haber’ es 53686 y la de ‘si’, 341403); de ahí que el umbral sea tan bajo: 0.04 y que nos deba hacer pensar en un error:

49
paper corpusSignosTxtLongLines415 - : Solo Stilus® identifica y corrige correctamente el error de (7). El corrector de Word no señala ningún error en (5-7), y tanto Stilus® como SpanishChecker® plantean una corrección equivocada en dos casos en los que detectan una falta: el primero, en (5 ), plantea incluir la preposición a, lo cual resultaría en una combinación incorrecta (*vete a haber), y SpanishChecker®, en (6), propone eliminar la preposición ‘a’ (‘tiene que ver ‘no es lo mismo que ‘tiene que haber’, que es lo que se quiere decir).

50
paper corpusSignosTxtLongLines415 - : Por otro lado, en ocasiones se omite la tilde diacrítica o se coloca en la palabra que no la lleva. Este es un ejemplo del primer error:

51
paper corpusSignosTxtLongLines415 - : Hasta ahora nos hemos limitado a probar el algoritmo con fragmentos breves, pero quizá la mayor utilidad es la que proporciona al corrector de un texto extenso si lo ayuda a localizar aquellos errores que han podido pasar desapercibidos en una primera lectura. Para comprobar la eficacia en estos casos, hemos analizado el capítulo de un libro destinado a ser incluido en una publicación universitaria, y que consta de 9.000 palabras. Estos son los fragmentos del capítulo en los que se han encontrado bigramas muy poco frecuentes (se indican subrayados) y todos contienen algún error, ya sea ortográfico, como, por ejemplo, la omisión de la tilde en ‘módulo’ y ‘diálogo’:

52
paper corpusSignosTxtLongLines415 - : En concreto, en este texto de 9.000 palabras, en el que hay 8.100 bigramas, si el algoritmo llama la atención sobre los 100 pares con las menores puntuaciones, que son los que más probablemente pueden contener un error –y de hecho, ocho son incorrectos– será muy útil; sobre todo, porque se trata de errores que otros correctores no identifican como tales. Por ejemplo, de esos ocho errores, los correctores destinados específicamente al aprendiz de español como L2, identifican dos cada uno. Grammar Checker®, por un lado, señala (15 y 16); y Stilus®, por su parte (13 y 16). De igual forma, el corrector de Microsoft Word identifica dos de los ocho errores: (14 y 17 ).

53
paper corpusSignosTxtLongLines415 - : el corrector no identifica que el sujeto es un sustantivo en singular (‘la gente’) mientras que el verbo aparece en plural (‘están’). Las cifras del análisis no nos ayudarán a percatarnos del error: el par ‘que están’ es una combinación muy frecuente en los textos del corpus (aparece en 4 .531 ocasiones), incluso se registra tres mil veces más de lo que sería esperable, teniendo en cuenta la probabilidad de la combinación: 1119.7 (por su parte, la frecuencia de ‘que’ es 3295376 y la de ‘están’, 33978; y el umbral es 4.05); y es correcta si el antecedente es plural, como aquí:

54
paper corpusSignosTxtLongLines415 - : El usuario no debería olvidar que no se trata de una herramienta infalible, sino que es, más bien, “a flagging tool which brings possible errors to their attention” (Jacobs & Rodgers, 1999: 523 ). De manera que, igual que cuando, por ejemplo, estamos escribiendo en español e introducimos una cita en inglés, el corrector del procesador de textos nos la subraya, y no por ello consideramos que hemos cometido un error; pues, CorrectMe también llamará la atención sobre combinaciones de palabras que, simplemente, son poco frecuentes, pero no por ello, erróneas. Este programa exige que el usuario no sea un mero receptor pasivo de la información, sino que sea capaz de intuir la causa de los avisos que le envía. Además, es conveniente que el usuario sea consciente de la necesidad de complementar la utilización del corrector con el Diccionario de la lengua española y el Diccionario panhispánico de dudas de la RAE, y con otras utilidades como el Corpus del español actual (CREA) o WebCorp (Renouf, Keho

55
paper corpusSignosTxtLongLines416 - : de palabras. También identificamos las causas para cada tipo de error y sugerimos posibles soluciones, con un correspondiente análisis de su costo y la magnitud del impacto . Hemos realizado el análisis de extracciones a partir de dos conjuntos de textos en español: FactSpaCIC, un conjunto de oraciones gramaticalmente correctas y verificadas, y RawWeb, un conjunto de fragmentos de texto procedentes de Internet sin corrección alguna. La extracción se llevó a cabo con el sistema ExtrHech.

56
paper corpusSignosTxtLongLines416 - : This example shows how an error in relation detection leads to an error in argument detection: overspecification of the relation led to underspecification of the argument .

57
paper corpusSignosTxtLongLines416 - : We have analyzed in detail the errors typical to the method of Open IE based on heuristic rules over POS-tags. No detailed description or accurate classification of the errors had been reported before, although some types of errors along with some issues were mentioned by Fader et al. (2011), but not distinguished. We have distinguished between errors and their sources. We have classified all information extraction errors into four types based on the component of an extracted fragment where an error occurred: incorrect relation phrase, incorrect arguments, incorrect argument order, and incorrect arguments with correct relation phrase . This classification is complete: it covers all possible errors.

58
paper corpusSignosTxtLongLines416 - : We have performed error analysis for two datasets: the FactSpaCIC dataset of grammatically correct verified sentences and the RawWeb dataset of texts directly extracted from the Internet . We have shown that the distributions of types of errors are similar for both datasets.

59
paper corpusSignosTxtLongLines450 - : En segundo lugar, la falta de diligencia entronca con la idea de incorrección, que se expresa con el uso de lexemas, especialmente sustantivos y adjetivos valorativos, pertenecientes a la semántica del defecto o el error, por lo que vehiculan juicios de estima social claramente negativos (incapacidad o incompetencia de los médicos). Algunos de los más recurrentes en las sentencias francesas para definir la intervención quirúrgica, el diagnóstico o el tratamiento son défaut de, défectuosité, défectueux y faute, y en las españolas, ‘inadecuado’, ‘defectuosa’, ‘erróneo’, ‘mala’, ‘desacierto’, ‘error’, ‘desajuste’, ‘inadecuación’, como se puede ver en (5) y (6):

60
paper corpusSignosTxtLongLines450 - : ● Negación. La negación es un recurso dialógicamente contractivo, de manera que con ella el emisor rechaza un punto de vista alternativo y muestra un mayor compromiso respecto a su discurso. Por ejemplo, en la descripción del resultado de la actuación médica, se recurre a oraciones en modalidad negativa para invalidar elementos léxicos negativos relacionados con la existencia de riesgo o de error alegada por el recurrente, tanto en francés como en español:

61
paper corpusSignosTxtLongLines459 - : La precisión gramatical en el ámbito de la destreza escrita en Español como Lengua Extranjera (ELE) requiere de apoyos metodológicos innovadores que faciliten el mejoramiento de las problemáticas lingüísticas que tanto preocupan a profesores como estudiantes de Adquisición de Segundas Lenguas. Para ello es relevante innovar en el reconocimiento, análisis y tratamiento de los errores en ELE (^[27]De Alba Quiñonez, 2009). Los errores, entendidos como desviaciones de las normas de la lengua meta, son parte natural del proceso de adquisición y aprendizaje de una segunda lengua (^[28]Ellis, 1997; ^[29]Alexopoulou, 2005; ^[30]Vásquez, 2009). Nuestro enfoque de investigación se fundamenta en la necesidad de tratar el error a lo largo del proceso de adquisición y aprendizaje de una lengua extranjera (LE), porque este forma parte del mismo y, por lo tanto, es una evidencia de este proceso .

62
paper corpusSignosTxtLongLines459 - : El Análisis de Errores, basado en los procedimientos del Corpus de aprendices (CLC, del inglés Computer Learner Corpora) y en el Análisis de Errores asistido por Computador (CEA, del inglés Computer aided Error Analysis) en lo que se refiere a Corpora de Aprendientes de ELE en Formato Electrónico, ha evidenciado que los errores de mayor frecuencia y recurrencia corresponden a los errores ortográficos (^[31]Ferreira, 2014a ; ^[32]Ferreira, Elejalde & Vine, 2014). Los estudios se han sustentado en el corpus CAELE (^[33]Ferreira, 2015) constituido por una colección de 418 textos de aprendientes de ELE, almacenados y procesados en formato digital. Estos textos han sido recolectados durante intervenciones lingüísticas entre los años 2014 y 2015 con el objeto de describir la interlengua de los aprendices e identificar los errores lingüísticos más frecuentes y recurrentes según el nivel de competencia (proficiency, en inglés, es decir la capacidad que una persona demuestra en el uso de una lengua

63
paper corpusSignosTxtLongLines459 - : En el caso de que no haya coincidencia en el cotejo del punto 3 (listado de palabras correctas), se pasa al punto 4. En este se compara la palabra con distintos patrones de error, construidos en base a expresiones regulares^[60]^3, que se almacenan en un archivo de texto plano. Dichas expresiones se leen del archivo y se almacenan como tuplas^[61]^4 de Python, en un listado llamado ‘errores_originales_simples. La lectura de los patrones de error desde el archivo se realiza con el siguiente código:

64
paper corpusSignosTxtLongLines459 - : La función en que se basa el cotejo de las palabras de entrada con los patrones de error es la siguiente:

65
paper corpusSignosTxtLongLines459 - : Como se puede ver en todos los casos, la clave es la palabra ingresada. El valor, por otro lado, en la mayoría de los casos es la etiqueta SIN_ERROR. En dos palabras, sin embargo, esto difiere. Como ya se adelantó, el nombre ‘Wanderers’ es desconocido para el corrector, por lo tanto, como valor se obtiene la etiqueta PALABRA_DESCONOCIDA. La otra salida distinta es justamente para la palabra en que se omitió tildar, esto es, ‘Concepcion. En este caso el valor es una lista de Python que contiene la palabra con el error, su forma correcta y la etiqueta que identifica el error, es decir, la omisión de la tilde en una palabra aguda: OMI_ORTO_AGUDA .

66
paper corpusSignosTxtLongLines459 - : Una de las limitaciones más obvias de estas reglas contextuales es la infinidad de combinaciones que ofrece el español, por lo que sería imposible preverlas todas; sin embargo, son una forma eficiente de solucionar casos como el recién expuesto y lograr que el corrector ortográfico funcione de forma más precisa. (Al igual que en el caso de las palabras aisladas, también pueden añadirse nuevos patrones complejos de error debido a la arquitectura dinámica del corrector, que se explicará en el apartado siguiente).En este caso, los patrones de error complejos también se almacenan en un archivo de texto y se leen con el siguiente código:

67
paper corpusSignosTxtLongLines459 - : El citado código lee los patrones de error almacenados en los siguientes archivos:

68
paper corpusSignosTxtLongLines459 - : Como resumen de lo hasta aquí presentado, el corrector ortográfico en primer lugar coteja las palabras de entrada con un listado de palabras correctas. Luego busca los patrones de error almacenados en las siguientes variables creadas en Python:

69
paper corpusSignosTxtLongLines459 - : En el caso de los patrones complejos de error, el siguiente código ejecuta la tarea de buscarlos y almacena sus resultados en el diccionario ‘resultados_complejos’:

70
paper corpusSignosTxtLongLines459 - : A este diccionario de Python que constituye la salida se aplican los procedimientos descritos en 2.3 que hacen que este corrector ortográfico sea dinámico, y pueda mejorar su funcionamiento con el tiempo y la ayuda de un revisor humano. Por último, es importante señalar que el sistema comenzó con 860 patrones de error simples, a los que se han añadido posteriormente otros 173. En el caso de los patrones de error complejos, hay 52 que son originales y 86 que se han agregado posteriormente. En el caso de los patrones de error simples hay muchos que sirven para detectar errores en más de una palabra como en el ejemplo que se presentó anteriormente:

71
paper corpusSignosTxtLongLines475 - : Para concluir el apartado de neologismos adjetivales pocos frecuentes creados por sufijación incluimos en este último apartado algunos casos que, por falta de recurrencia en los matices de significado que denotan o por la poca claridad de los mismos, se acercan más al error o a la variación puntual que a un nuevo paradigma morfosemántico, como ocurría con los casos reseñados en los apartados anteriores:

72
paper corpusSignosTxtLongLines477 - : Se ha puesto de manifiesto que los niños con TEL hablan con oraciones más cortas y más simples, y que su desarrollo de la complejidad sintáctica es mucho más lento que en sus compañeros con desarrollo típico. Uno de los métodos más empleados para estudiar la expresión gramatical en niños con TEL ha sido la repetición de oraciones. Mediante este procedimiento se ha comprobado, por ejemplo, sus enormes limitaciones para la producción de oraciones de relativo (^[51]Riches, Loucas, Baird, Charman & Simonov, 2010; ^[52]Frizelle & Fletcher, 2014). Igualmente se ha estudiado el tipo de errores gramaticales que cometen los niños con TEL, tanto en muestras de habla espontánea como en pruebas experimentales, siendo las omisiones el principal patrón de error (^[53]Anderson, 2007 ). Finalmente, añadir que también se han utilizado las narraciones como contexto para determinar el análisis de la producción gramatical. Así, se ha constatado que los niños con TEL estructuran sus relatos a una edad mayor

73
paper corpusSignosTxtLongLines48 - : En primer lugar, hay que señalar que el tipo de error detectado y explicitado con mayor frecuencia por los alumnos es el léxico (ver figura 2 ). Cuando se analizan los resultados más en detalle también se dan estos resultados (ver figuras 3 y 4).

74
paper corpusSignosTxtLongLines48 - : Este resultado, que va de lo más particular y concreto (lo léxico) a lo más general y abstracto (lo sintáctico y semántico), guarda relación con nuestro concepto de comprensión de lectura. De hecho, la diferencia abrupta entre el error léxico y los otros dos criterios se debe a que el léxico supone un tipo de proceso bastante más simple y a nivel microestructural . En cambio, lo sintáctico y lo semántico suponen algún grado de mayor abstracción y un nivel macroestructural de tratamiento textual. Podríamos explicar de este modo la alta correlación existente entre comprensión y experiencia metacomprensiva.

75
paper corpusSignosTxtLongLines495 - : La tradición de los estudios sobre feedback a la escritura proviene de investigaciones en segundas lenguas. Desde un inicio, un lugar destacado lo ocupan los comentarios de tipo correctivo, los cuales se centran principalmente en que el aprendiz-escritor mejore su uso del nuevo código (^[61]Ellis, 2009, ^[62]2010; ^[63]Ferris, 2010; ^[64]Bitchener & Ferris, 2012). Al respecto, ^[65]Ellis (2009) sistematiza una clasificación de seis tipos de feedback o CE a los errores lingüísticos presentes en los textos: correctivo directo, indirecto y metalingüístico ; feedback correctivo focalizado en un tipo error y no focalizado; reformulación y uso de feedback electrónico. Basándonos en esta propuesta y en la exploración preliminar de los datos, nos propusimos tres categorías para analizar los comentarios correctivos de los profesores guías de tesis: CE correctivos directos, CE metalingüísticos directos y CE metalingüísticos indirectos.

76
paper corpusSignosTxtLongLines496 - : “if one accepts a 'weak' interpretation of communicative language teaching, then s/he must accept the value of grammatical explanation, error correction, and drill” (^[46]Nunan, 1987: 141 ).

77
paper corpusSignosTxtLongLines515 - : Son conocidas las dos tendencias de tratamiento de errores que gobernaron la segunda mitad del siglo XX. La primera, el análisis contrastivo, consideraba el error como el producto de la interferencia con la lengua materna, y como tal, predecible a partir de la comparación sistemática de la L1 y la L2. La segunda, el análisis de errores, está impulsada por un texto de ^[26]Corder (1967) y supone que los errores son necesarios para la adquisición de la L2 ; este lingüista propone clasificarlos a partir de las propias producciones de los alumnos y en función del estadio de lengua que poseen.

78
paper corpusSignosTxtLongLines515 - : Los casos de inadecuación a la norma sintáctica tampoco pueden explicarse a partir de la teoría de la interlengua (^[65]Corder, 1967) o estadio de adquisición de la lengua, puesto que, como demuestran los datos recogidos en la [66]Tabla 3, la pluralización no es exclusiva de los niveles iniciales del idioma. Por el contrario, se presenta de manera más o menos homogénea en todos los estadios de dominio lingüístico. No es, por tanto, un error equiparable a las faltas de concordancia, atribuibles a la interlengua de los aprendices (^[67]Pastor Cesteros, 2001), probablemente porque, como venimos insistiendo, es un fenómeno en variación también entre nativos .

79
paper corpusSignosTxtLongLines515 - : concordado como error) como en la evaluación de output: si la variedad preferente estigmatiza, es recomendable penalizarlo en textos escritos de B1, B2, C1 y C2, y en producciones orales de niveles avanzados . Si la variedad preferente no estigmatiza el uso concordado, recomendamos que no se penalice en ningún caso.

80
paper corpusSignosTxtLongLines519 - : locutora (línea 1). En el turno siguiente (línea 3), Kris repara el error:

81
paper corpusSignosTxtLongLines552 - : Asimismo, la elección de una u otra técnica podría estar relacionada con el contexto de instrucción, el tipo de error y la rentabilidad de su corrección. Dicho de otro modo, es posible que, además del interés por mantener la atención al significado, la profesora decidiera reformular un error de forma poco saliente por varias razones: (a ) porque el error no es recurrente y puede que sea solo una falta espontánea; (b) porque el error es parte del estadio en el que se encuentra la interlengua del alumno, sin que su corrección pueda alterar el orden natural de adquisición; (c) porque, en un contexto de clase, la preocupación de la profesora no es solo que el alumno que ha cometido el error lo autocorrija, sino también suministrar input correcto al resto de los alumnos.

82
paper corpusSignosTxtLongLines552 - : Aun así, los autores matizan que, para que esto suceda, el alumno debe conocer ya la forma correcta con anterioridad. En la presente investigación, se observó que en un buen número de errores gramaticales los estudiantes ya conocían la forma correcta, por lo que una repetición con énfasis, una elicitación o un gesto que llamara la atención sobre el error fueron a veces suficientes para que el alumno se autocorrigiera o para que reconociera el error y repitiera la forma correcta que le daba un compañero .

83
paper corpusSignosTxtLongLines92 - : Ya que no se disponía de estudios previos que proporcionaran información acerca de la variabilidad de los puntajes por estrato, para el cálculo del tamaño de la muestra se utilizó una desviación estándar estimada de 236,8 puntos, que corresponde a la sexta parte del recorrido de la muestra, bajo el supuesto de normalidad de la variable Puntaje Total. Por otra parte, de acuerdo a la información obtenida del estudio pìloto, se convino en utilizar un nivel de precisión de 15 puntos y un nivel de error alfa: 0,05 . En consecuencia, el tamaño de muestra global mínimo resultó ser de 957 sujetos. Sin embargo, dado que la prueba se llevó a cabo con grupos curso, la muestra final quedó en 1194 sujetos.

Evaluando al candidato error:


1) palabras: 26 (*)
3) texto: 21 (*)
4) estudiante: 17
5) feedback: 17 (*)
6) análisis: 16
7) oración: 14 (*)
8) hemos: 14
9) textos: 14 (*)
11) patrones: 12 (*)
12) frecuencia: 12 (*)
13) estrategias: 12
15) corrector: 12 (*)
19) reglas: 10

error
Lengua: spa
Frec: 520
Docs: 119
Nombre propio: 2 / 520 = 0%
Coocurrencias con glosario: 8
Frec. en corpus ref. en eng: 129
Frec. en corpus ref. en spa: 105
Puntaje: 8.861 = (8 + (1+7.62935662007961) / (1+9.02513956227851)));
Rechazado: muy común;

Referencias bibliográficas encontradas sobre cada término

(Que existan referencias dedicadas a un término es también indicio de terminologicidad.)
error
: Alexopoulou, A. (2005). El error: Un concepto clave en los estudios de adquisición de segundas lenguas. Revista de Lingüística Teórica y Aplicada, 43(1), 75-92.
: Allwright, R. (1975). Problems in the study of the language teacher’s treatment of learner error. En M. Burt & H. Dulay (Eds.), TESOL’75 New Directions in Second Language Learning, Teaching and Bilingual Education (pp. 96-109). Washington, DC.: TESOL.
: Cano, F., Cortés, M., Ornani, C., Katchdajian, P., Masine, B., Petris, J. & Setton, J. (2008). Ensayo y error. El ensayo en el taller de escritura. Buenos Aires: Eudeba.
: Chandler, J. (2003). The efficacy of various kinds of error feedback for improvement in the accuracy and fluency of L2 student writing. Journal of Second Language Writing, 12(3), 267-296.
: Corder, P. (1981). Error analysis and interlanguage. Oxford: Oxford University Press.
: Dagneaux, E., Denness, S. & Granger, S. (1998). Computer-aided error analysis. System, 26(2), 163-174.
: DeKeyser, R. (1978). The effect of error correction on L2 grammar knowledge and oral proficiency. Modern Language Journal, 77, 501-514.
: Deveau, T. (1998). Error analysis in the interlanguage of beginning Spanish students. Unpublished master’s thesis. Houston, Texas: Rice University [on line]. Retrieved from: [132]http://scholarship.rice.edu/handle/1911/17165
: Dodigovic, M. (2005). Artificial intelligence in second language learning: Raising error awareness. Clevedon: Multilingual Matters Ltd.
: Díaz-Negrillo, A. & Domínguez, J. F. (2006). Error tagging systems for learner corpora. Revista Española de Lingüística Aplicada, 19, 83-102.
: Fanselow, J. (1977). The treatment of learner error in oral work. Foreign Language Annals, 10, 583-593.
: Hendrickson, J. (1978). Error correction in foreign language teaching: Recent theory, research and practice. Modern Language Journal, 62, 387-398.
: Hendrickson, J. (1979). Evaluating spontaneous communication trough systematic error analysis. Foreign Language Annals, 12(5), 357-364.
: However, compared to human judgment, automatic erroneous sound detection is not at all satisfactory (^[53]Strik et al., 2009). We believe that error detection rate can be improved by using error patterns as guidelines for predicting errors in learner’s speech.
: Ito, A., Lim, Y., Suzuki, M. & Makino, S. (2005). Pronunciation error detection method based on error rule clustering using a decision tree. In Proceedings of Interspeech, 173-176.
: Jaeger, F. T. & Snider, N. E. (2013). Alignment as a consequence of expectation adaptation: Syntactic priming is affected by the prime’s prediction error given both prior and recent experience. Cognition, 127, 57-83.
: James, C. (1998). Error in Language Learning and Use. Exploring Error Analysis. Harlow: Pearson Education Limited.
: Jang, J., Jones, M., Milne, E., Wilson, D. & Lee, K. H. (2016). Contingent negative variation (CNV) associated with sensorimotor timing error correction. Neuroimage, 127, 58-66.
: Long, M. (1977). Teacher feedback on learner error: Mapping cognitions. En H. Brown, C. Yorio & R. Crymes (Eds.), On TESOL`77 (pp. 278-294). Washington D.C.: TESOL.
: Los casos en los que el alumno corrige su error, ya sea por autocorrección o por repetición, se consideran como uptake satisfactorio, que podría ser facilitador de la adquisición (^[42]Ellis, Basturkmen & Loewen, 2001).
: Lyster, R. (1998). Negotiation of form, recasts, and explicit correction in relation to error types and learner repair in immersion classrooms. Language Learning, 48(2), 182-218.
: 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.
: Miletich, M. (2006). Pedagogía del error: Aspectos didácticos de la traducción. En Centro Virtual Cervantes (pp. 453-465) [en línea]. Disponible en: [127]http://cvc.cervantes.es/lengua/esletra/pdf/03/041_miletich.pdf.
: Muramoto, N. (1998). Gesture in Japanese language instruction: The case of error correction. En L. K. Heilenmann (Ed.), Research Issues and Language Program Direction (pp. 143-175). Boston: Heinle & Heinle.
: Nagata, N. (2009). Robo-Sensei NLP-based error detection and feedback generation. CALICO Journal, 26(3), 262-279.
: Nystron, N. (1983). Teacherstudent interaction in bilingual classrooms: Four aproaches to error feedback. En H. Seliger & M. Long (Eds.), Classroom-oriented research in second language acquisition (pp. 169-189). Rowley, MA: Newbury House.
: Reichle, E. & Drieghe, D. (2015). Using E-Z Reader to examine the consequences of fixation-location measurement error. Journal of Experimental Psychology: Learning, Memory, and Cognition, 41, 262-270.
: Robb, T., Ross, S. & Shortreed, I. (1986). Salience of feedback on error and its effect on EFL writing quality. TESOL Quarterly, 20(1), 83-93.
: Strik, H., Truong, K., de Wet, F. & Cucchiarini, C. (2009). Comparing different approaches for automatic pronunciation error detection. Speech Communication, 51(10), 845-852.
: The basic elements of an intelligent tutor model include tutor, leaner, domain, speech processing, and error detection (^[41]Swartz & Yazdani, 2012). These components perform activities which together comprise the L2 teaching-learning process.
: Truong, K., Neri, A., Cucchiarini, C. & Strik, H. (2004). Automatic pronunciation error detection: An acoustic-phonetic approach. In Proceedings of InSTIL/ICALL Symposium, 135-138.
: Truscott, J. & Hsu, A. (2008). Error correction, revision, and learning. Journal of Second Language Writing, 17(4), 292-305.
: Tschichold, C. (2003). Lexically driven error detection and correction. CALICO Journal, 20(3), 549-559.
: Van Beuningen, C.G., De Jong, N.H. & Kuiken, F. (2012). Evidence on the effectiveness of comprehensive error correction in second language writing. Language Learning, 62(1), 1-41.
: Winograd P. y Johnson, P. (1980) Comprehension Monitoring and the Error Detection Paradigm. Urbana: University of Illinois.
: Winograd, P. & Johnston, P. (1982). Comprehension monitoring and the Error Detection Paradigm. Journal of Reading Behavior, 14(1), 61-76.
: Yoon, S., Hasegawa-Johnson, M. & Sproat, R. (2010). Landmark-based automated pronunciation error detection.Interspeech, 614-617.
: Zamorano, J. (2004). Text generator, error analysis, and feedback. En R. Delmonte, P. Delcloque & S. Tonelli (Eds.), NLP and speech technologies in advanced language learning systems (pp. 87-91). Padova: Unipress.
: Zhao, T., Hoshino, A., Suzuki, M., Minematsu, N. & Hirose, K. (2012). Automatic Chinese pronunciation error detection using SVM trained with structural features. InProceedings of Spoken Language Technology Workshop (SLT), IEEE, 473-478.