/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) variables explicativas (*)
(*) Términos presentes en el nuestro glosario de lingüística
1) Candidate: variables explicativas
Is in goldstandard
1
paper MX_ElAnuariodeLetrastxt6 - : Hemos considerado para este análisis la variable dependiente del discurso referido (que se compone de las variantes DD y DI) y como variables explicativas las siguientes:^[71]^10
2
paper VE_BoletindeLinguisticatxt113 - : Una de las ventajas del programa estadístico es que no sólo computa totales reales y porcentuales, también calcula los pesos probabilísticos de las variables propuestas. Estos pesos constituyen un fuerte indicador de la contribución de la variable al fenómeno. A continuación se presentan los pesos probabilísticos de cada una de las variables explicativas (con sus variantes) postuladas en este estudio de variación:
3
paper VE_BoletindeLinguisticatxt46 - : 4. El paquete estadístico ofrece la posibilidad de establecer, entre un conjunto de rasgos, cuáles contribuyen efectivamente a la aparición de una variante determinada de la variable dependiente, esto es, la que es objeto de la investigación. El programa determina, pues, las variables que son efectivamente explicativas del fenómeno en estudio y desestima aquellas que no lo son. Las variables explicativas son, además, jerarquizadas y, en cada caso, se señalan mediante pesos probabilísticos qué variantes de cada variable favorecen la elección de una forma determinada y cuáles la restringen . Dentro de cada variable, el programa asigna un determinado peso probabilístico a cada variante. Los pesos probabilísticos oscilan entre 0 y 1. Mientras más alto sea, mayor será el influjo que ejerce sobre la elección. Por el contrario, mientras más bajo resulte, menor será su fuerza en la escogencia. En general, se considera que una variante resulta efectivamente explicativa cuando sobrepasa el valor de
4
paper VE_Núcleotxt96 - : Balasch (2008) analiza la manifestación variable del sujeto de 3ª persona, plural y singular, desde la sociolingüística variacionista, en una muestra de habla del Corpus Sociolingüístico de Mérida (Domínguez y Mora, 1995). La autora utiliza las variables explicativas: número gramatical, clase semántica de los verbos y la nueva versión de la conectividad discursiva (Paredes Silva, 2003 ). Balasch indica que la frecuencia de los sujetos explícitos aumenta a medida que se debilita la conexión, pasando del grado 1 al 7. Sus resultados concuerdan con los de Paredes Silva (2003) y, a grandes rasgos, con los de Quijada (2006).
5
paper corpusRLAtxt99 - : El análisis de regresión estadística tiene la ventaja de que puede considerar de manera simultánea los efectos que múltiples variables explicativas pueden estar teniendo sobre la variable dependiente. Cuando la variable dependiente es, como en este caso, de tipo binaria o dicotómica (aspiración vs. mantenimiento de I si), lo más recomendable es utilizar un tipo de regresión estadística que tenga en cuenta dicha particularidad, como lo es el modelo logit. Esta clase de regresión busca estimar una función que, en base a los datos de la muestra, nos informe cuál es la probabilidad de que la variable dependiente tome un determinado valor para cada uno de los posibles valores que puedan adoptar las variables explicativas (en nuestro caso, cuál es la probabilidad de encontrarnos con una aspiración en cada posible combinación de valores de las restantes variables ).
6
paper corpusRLAtxt99 - : donde "Pr(Aspirac = 1)" es la probabilidad de que I si tenga una realización aspirada, "Exp" es una función exponencial, "x representa a cada una de las variables explicativas utilizadas en la regresión y "pi i" es el coeficiente que le corresponde a dicha variable explicativa . Cuando se lleva a cabo una regresión logística, se parte de determinados valores de las variables explicativas utilizadas y de la variable dependiente, y se estima en base a ellos un valor para cada uno de los coeficientes "Pi". Esto último se hace siguiendo el criterio de "máxima verosimilitud" (maximum likelihood), es decir, eligiendo los valores que más se aproximen a los datos que se están utilizando.
Evaluando al candidato variables explicativas:
1) pesos: 5
2) dependiente: 5
3) regresión: 5 (*)
4) probabilísticos: 4
5) valores: 4
7) variantes: 3
8) probabilidad: 3 (*)
variables explicativas
Lengua: spa
Frec: 18
Docs: 8
Nombre propio: / 18 = 0%
Coocurrencias con glosario: 2
Puntaje: 3.126 = (2 + (1+4.90689059560852) / (1+4.24792751344359)));
Candidato aceptado