Implementación digital del corpus EspaDA-UNCuyo: desde la transcripción al desarrollo de software

Autores
Acosta, Nicolás; Espeche, Paula
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión aceptada
Descripción
En esta comunicación presentaremos, dentro del proceso de construcción del Corpus de Español en el Discurso Académico de la Universidad Nacional de Cuyo (EspaDA-UNCuyo), el desarrollo de una metodología eficiente para la transcripción orientada a la implementación en sistemas digitales. También exhibiremos la primera versión de una interfaz de software que indexa este corpus en un entorno de procesamiento de lenguaje natural (PLN), programada en Perl y CGI, con acceso web. El corpus EspaDA-UNCuyo se desarrolla en el marco del proyecto 06/G718, de la Secretaría de Ciencia, Técnica y Posgrado, de la Universidad Nacional de Cuyo. Su propósito es otorgar al investigador acceso a un corpus especializado en el español académico, compuesto por textos tanto orales como escritos que se producen en la Universidad Nacional de Cuyo. Para esto, se implementan metodologías automatizadas de PLN como el etiquetado morfosintáctico y la indexación de los textos para búsquedas de contextos de formas, lemas o expresiones. Al centrarnos en el trabajo con el discurso académico oral, haremos foco en los principales problemas al momento de transformar dicho discurso a un formato escrito a través del trabajo de transcripción, el cual siempre está influenciado por la subjetividad propia del transcriptor. En cuanto a las metodologías de transcripción orientadas al procesamiento digital, se han buscado convenciones amigables para que el transcriptor pueda componer su transcripción desde un procesador de textos, y luego puedan ser convertidas al formato de texto plano. Estas convenciones se han basado en las que se utilizaron para la construcción de otro corpus especializado de discurso académico oral: MICASE, de la Universidad de Michigan. A estas convenciones les hemos hecho algunas modificaciones en la notación de los fenómenos orales como los solapamientos o interrupciones. Para finalizar, haremos hincapié en la importancia del diálogo entre el transcriptor y el lingüista computacional para generar una metodología eficiente para la transcripción, orientada a la implementación en sistemas digitales, que concluya en la creación de un corpus exhaustivo, completo, de fácil acceso y útil para el investigador lingüístico. Palabras clave: corpus especializado; procesamiento de lenguaje natural; transcripción; géneros académicos; español académico.
Fil: Fil: Acosta, Nicolás. Universidad Nacional de Cuyo. Facultad de Filosofía y Letras; Argentina.
Fil: Fil: Espeche, Paula. Universidad Nacional de Cuyo. Facultad de Filosofía y Letras; Argentina.
Materia
Corpus de Español
EspaDA-UNCuyo
Universidad Nacional de Cuyo
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc/4.0/deed.es
Repositorio
RepHipUNR (UNR)
Institución
Universidad Nacional de Rosario
OAI Identificador
oai:rephip.unr.edu.ar:2133/13834
Acceder
id RepHipUNR_f91cbdfdda22483e895bac8ffae27aea
oai_identifier_str oai:rephip.unr.edu.ar:2133/13834
network_acronym_str RepHipUNR
repository_id_str 1550
network_name_str RepHipUNR (UNR)
spelling Implementación digital del corpus EspaDA-UNCuyo: desde la transcripción al desarrollo de softwareAcosta, NicolásEspeche, PaulaCorpus de EspañolEspaDA-UNCuyoUniversidad Nacional de CuyoEn esta comunicación presentaremos, dentro del proceso de construcción del Corpus de Español en el Discurso Académico de la Universidad Nacional de Cuyo (EspaDA-UNCuyo), el desarrollo de una metodología eficiente para la transcripción orientada a la implementación en sistemas digitales. También exhibiremos la primera versión de una interfaz de software que indexa este corpus en un entorno de procesamiento de lenguaje natural (PLN), programada en Perl y CGI, con acceso web. El corpus EspaDA-UNCuyo se desarrolla en el marco del proyecto 06/G718, de la Secretaría de Ciencia, Técnica y Posgrado, de la Universidad Nacional de Cuyo. Su propósito es otorgar al investigador acceso a un corpus especializado en el español académico, compuesto por textos tanto orales como escritos que se producen en la Universidad Nacional de Cuyo. Para esto, se implementan metodologías automatizadas de PLN como el etiquetado morfosintáctico y la indexación de los textos para búsquedas de contextos de formas, lemas o expresiones. Al centrarnos en el trabajo con el discurso académico oral, haremos foco en los principales problemas al momento de transformar dicho discurso a un formato escrito a través del trabajo de transcripción, el cual siempre está influenciado por la subjetividad propia del transcriptor. En cuanto a las metodologías de transcripción orientadas al procesamiento digital, se han buscado convenciones amigables para que el transcriptor pueda componer su transcripción desde un procesador de textos, y luego puedan ser convertidas al formato de texto plano. Estas convenciones se han basado en las que se utilizaron para la construcción de otro corpus especializado de discurso académico oral: MICASE, de la Universidad de Michigan. A estas convenciones les hemos hecho algunas modificaciones en la notación de los fenómenos orales como los solapamientos o interrupciones. Para finalizar, haremos hincapié en la importancia del diálogo entre el transcriptor y el lingüista computacional para generar una metodología eficiente para la transcripción, orientada a la implementación en sistemas digitales, que concluya en la creación de un corpus exhaustivo, completo, de fácil acceso y útil para el investigador lingüístico. Palabras clave: corpus especializado; procesamiento de lenguaje natural; transcripción; géneros académicos; español académico.Fil: Fil: Acosta, Nicolás. Universidad Nacional de Cuyo. Facultad de Filosofía y Letras; Argentina.Fil: Fil: Espeche, Paula. Universidad Nacional de Cuyo. Facultad de Filosofía y Letras; Argentina.Universidad Nacional de Rosario. Facultad de Humanidades y ArtesAsociación Argentina de Humanidades Digitales (AAHD). Facultad de Humanidades de la Universidad Nacional de Rosario (UNR)2018-11info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/2133/13834spainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc/4.0/deed.eshttps://creativecommons.org/licenses/by-nc/4.0/Licencia RepHipreponame:RepHipUNR (UNR)instname:Universidad Nacional de Rosario2025-09-11T10:21:18Zoai:rephip.unr.edu.ar:2133/13834instacron:UNRInstitucionalhttps://rephip.unr.edu.ar/Universidad públicaNo correspondehttps://rephip.unr.edu.ar/oai/requestrephip@unr.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:15502025-09-11 10:21:18.765RepHipUNR (UNR) - Universidad Nacional de Rosariofalse
dc.title.none.fl_str_mv Implementación digital del corpus EspaDA-UNCuyo: desde la transcripción al desarrollo de software
title Implementación digital del corpus EspaDA-UNCuyo: desde la transcripción al desarrollo de software
spellingShingle Implementación digital del corpus EspaDA-UNCuyo: desde la transcripción al desarrollo de software
Acosta, Nicolás
Corpus de Español
EspaDA-UNCuyo
Universidad Nacional de Cuyo
title_short Implementación digital del corpus EspaDA-UNCuyo: desde la transcripción al desarrollo de software
title_full Implementación digital del corpus EspaDA-UNCuyo: desde la transcripción al desarrollo de software
title_fullStr Implementación digital del corpus EspaDA-UNCuyo: desde la transcripción al desarrollo de software
title_full_unstemmed Implementación digital del corpus EspaDA-UNCuyo: desde la transcripción al desarrollo de software
title_sort Implementación digital del corpus EspaDA-UNCuyo: desde la transcripción al desarrollo de software
dc.creator.none.fl_str_mv Acosta, Nicolás
Espeche, Paula
author Acosta, Nicolás
author_facet Acosta, Nicolás
Espeche, Paula
author_role author
author2 Espeche, Paula
author2_role author
dc.contributor.none.fl_str_mv Asociación Argentina de Humanidades Digitales (AAHD). Facultad de Humanidades de la Universidad Nacional de Rosario (UNR)
dc.subject.none.fl_str_mv Corpus de Español
EspaDA-UNCuyo
Universidad Nacional de Cuyo
topic Corpus de Español
EspaDA-UNCuyo
Universidad Nacional de Cuyo
dc.description.none.fl_txt_mv En esta comunicación presentaremos, dentro del proceso de construcción del Corpus de Español en el Discurso Académico de la Universidad Nacional de Cuyo (EspaDA-UNCuyo), el desarrollo de una metodología eficiente para la transcripción orientada a la implementación en sistemas digitales. También exhibiremos la primera versión de una interfaz de software que indexa este corpus en un entorno de procesamiento de lenguaje natural (PLN), programada en Perl y CGI, con acceso web. El corpus EspaDA-UNCuyo se desarrolla en el marco del proyecto 06/G718, de la Secretaría de Ciencia, Técnica y Posgrado, de la Universidad Nacional de Cuyo. Su propósito es otorgar al investigador acceso a un corpus especializado en el español académico, compuesto por textos tanto orales como escritos que se producen en la Universidad Nacional de Cuyo. Para esto, se implementan metodologías automatizadas de PLN como el etiquetado morfosintáctico y la indexación de los textos para búsquedas de contextos de formas, lemas o expresiones. Al centrarnos en el trabajo con el discurso académico oral, haremos foco en los principales problemas al momento de transformar dicho discurso a un formato escrito a través del trabajo de transcripción, el cual siempre está influenciado por la subjetividad propia del transcriptor. En cuanto a las metodologías de transcripción orientadas al procesamiento digital, se han buscado convenciones amigables para que el transcriptor pueda componer su transcripción desde un procesador de textos, y luego puedan ser convertidas al formato de texto plano. Estas convenciones se han basado en las que se utilizaron para la construcción de otro corpus especializado de discurso académico oral: MICASE, de la Universidad de Michigan. A estas convenciones les hemos hecho algunas modificaciones en la notación de los fenómenos orales como los solapamientos o interrupciones. Para finalizar, haremos hincapié en la importancia del diálogo entre el transcriptor y el lingüista computacional para generar una metodología eficiente para la transcripción, orientada a la implementación en sistemas digitales, que concluya en la creación de un corpus exhaustivo, completo, de fácil acceso y útil para el investigador lingüístico. Palabras clave: corpus especializado; procesamiento de lenguaje natural; transcripción; géneros académicos; español académico.
Fil: Fil: Acosta, Nicolás. Universidad Nacional de Cuyo. Facultad de Filosofía y Letras; Argentina.
Fil: Fil: Espeche, Paula. Universidad Nacional de Cuyo. Facultad de Filosofía y Letras; Argentina.
description En esta comunicación presentaremos, dentro del proceso de construcción del Corpus de Español en el Discurso Académico de la Universidad Nacional de Cuyo (EspaDA-UNCuyo), el desarrollo de una metodología eficiente para la transcripción orientada a la implementación en sistemas digitales. También exhibiremos la primera versión de una interfaz de software que indexa este corpus en un entorno de procesamiento de lenguaje natural (PLN), programada en Perl y CGI, con acceso web. El corpus EspaDA-UNCuyo se desarrolla en el marco del proyecto 06/G718, de la Secretaría de Ciencia, Técnica y Posgrado, de la Universidad Nacional de Cuyo. Su propósito es otorgar al investigador acceso a un corpus especializado en el español académico, compuesto por textos tanto orales como escritos que se producen en la Universidad Nacional de Cuyo. Para esto, se implementan metodologías automatizadas de PLN como el etiquetado morfosintáctico y la indexación de los textos para búsquedas de contextos de formas, lemas o expresiones. Al centrarnos en el trabajo con el discurso académico oral, haremos foco en los principales problemas al momento de transformar dicho discurso a un formato escrito a través del trabajo de transcripción, el cual siempre está influenciado por la subjetividad propia del transcriptor. En cuanto a las metodologías de transcripción orientadas al procesamiento digital, se han buscado convenciones amigables para que el transcriptor pueda componer su transcripción desde un procesador de textos, y luego puedan ser convertidas al formato de texto plano. Estas convenciones se han basado en las que se utilizaron para la construcción de otro corpus especializado de discurso académico oral: MICASE, de la Universidad de Michigan. A estas convenciones les hemos hecho algunas modificaciones en la notación de los fenómenos orales como los solapamientos o interrupciones. Para finalizar, haremos hincapié en la importancia del diálogo entre el transcriptor y el lingüista computacional para generar una metodología eficiente para la transcripción, orientada a la implementación en sistemas digitales, que concluya en la creación de un corpus exhaustivo, completo, de fácil acceso y útil para el investigador lingüístico. Palabras clave: corpus especializado; procesamiento de lenguaje natural; transcripción; géneros académicos; español académico.
publishDate 2018
dc.date.none.fl_str_mv 2018-11
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject


info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/2133/13834
url http://hdl.handle.net/2133/13834
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc/4.0/deed.es
https://creativecommons.org/licenses/by-nc/4.0/
Licencia RepHip
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc/4.0/deed.es
https://creativecommons.org/licenses/by-nc/4.0/
Licencia RepHip
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional de Rosario. Facultad de Humanidades y Artes
publisher.none.fl_str_mv Universidad Nacional de Rosario. Facultad de Humanidades y Artes
dc.source.none.fl_str_mv reponame:RepHipUNR (UNR)
instname:Universidad Nacional de Rosario
reponame_str RepHipUNR (UNR)
collection RepHipUNR (UNR)
instname_str Universidad Nacional de Rosario
repository.name.fl_str_mv RepHipUNR (UNR) - Universidad Nacional de Rosario
repository.mail.fl_str_mv rephip@unr.edu.ar
_version_ 1842975083627282432
score 12.993085

Publicaciones similares