| Revista: | Revista signos |
| Base de datos: | CLASE |
| Número de sistema: | 000539162 |
| ISSN: | 0035-0451 |
| Autores: | Venegas, René1 |
| Instituciones: | 1Pontificia Universidad Católica de Valparaíso, Valparaíso. Chile |
| Año: | 2021 |
| Periodo: | Dic |
| Volumen: | 54 |
| Número: | 107 |
| Paginación: | 942-970 |
| País: | Chile |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | La tarea de reconocer los patrones discursivos, por medio de los cuales los miembros de una comunidad discursiva académica logran cumplir los propósitos comunicativos de los géneros académicos disciplinares, es relevante para los procesos de incorporación de nuevos miembros, a través de procesos de alfabetización académica. Las investigaciones en géneros académicos se han focalizado en los géneros expertos y, en menor medida, en géneros producidos por los estudiantes universitarios, especialmente en el área de ingeniería. El análisis de patrones discursivos del género y la inteligencia artificial (IA), a través del Procesamiento del Lenguaje Natural (PLN) han tenido un desarrollo complementario, gracias tanto a los algoritmos de clasificación automatizada y la mayor disponibilidad de grandes cantidades de datos textuales, lo que ha posibilitado la clasificación de géneros discursivos académicos. En esta línea, el objetivo de este artículo es clasificar de manera automática las macromovidas (MM) del mesogénero informe de experiencia práctica en ingeniería. Para ello, se consideraron siete algoritmos de clasificación tradicionales, el modelo de aprendizaje profundo para español denominado BETO y sus correspondientes configuraciones. Entre los hallazgos, puede destacarse el mejor rendimiento general de SVM_lineal. Así también, se destaca que SVM_lineal, BETO y KNN son más efectivos para clasificar las movidas de algunas de las MMs. Estos resultados sugieren que la combinación de algoritmos sería un procedimiento útil para clasificar de mejor manera los macropropósitos de este mesogénero. Se proyecta evaluar estos algoritmos en un herramienta para retroalimentar la producción escrita desde la perspectiva del género discursivo |
| Resumen en inglés | The task of recognizing the discursive patterns that enable the members of an academic discursive community to achieve the communicative purposes of the academic disciplinary genres is relevant for the processes of incorporation of new members through academic literacy processes. Research on academic genres has focused on expert genres and, to a lesser extent, on genres produced by university students, especially in engineering. The analysis of discursive genre patterns and artificial intelligence (AI), through Natural Language Processing (NLP) have had a complementary development, thanks to both automated classification algorithms and the increased availability of large amounts of textual data, which has enabled the classification of academic discursive genres. The aim of this paper is to automate classification of macromoves (MM) of the meso-genre report of practical experience in engineering. For this purpose, seven traditional classification algorithms, the deep learning model for Spanish called BETO and their corresponding configurations were considered. Among the findings, the best overall performance of SVM_lineal stands out. Also, SVM_linear, BETO and KNN are more effective for the classification of moves in different MMs. These results suggest that the combination of algorithms would be a useful procedure to better classify the macro-purposes of this meso-genre. It is planned to evaluate these algorithms in a tool for genre-based feedback of written production |
| Disciplinas: | Literatura y lingüística |
| Palabras clave: | Lingüística aplicada, Género informe, Clasificación automatizada, Aprendizaje profundo, BETO, Procesamiento del lenguaje natural |
| Keyword: | Applied linguistics, Report genre, Automated classification, Deep learning, BETO, Natural language processing |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
