RESUMEN:En esta investigación se ha llevado a cabo un estudio del lenguaje periodístico para determinar si se hace uso del lenguaje sexista en los medios de comunicación. La metodología utilizada para el estudio se ha basado en las técnicas de análisis de big data, entendido este concepto, en general, como los grandes conjuntos de información que por sus características no pueden ser obtenidos, gestionados ni procesados por herramientas tradicionales en un período de tiempo razonable. Dentro de todo el conjunto de big data, hemos seleccionado la plataforma de microblogging Twitter, debido a la gran cantidad de información textual que contiene, a sus características estructurales y a su capacidad para mostrarse como elemento de comunicación masivo. Para poder trabajar de este modo, hemos desarrollado una herramienta informática de autor que nos ha permitido acceder a los datos de las cuentas de cinco perió-dicos españoles. ABSTRACT:The aim of this article is to analyze the journalistic language to determine the use of sexist language in mass media. The methodology has been based in big data technology, meaning by big data the vast amount of information that cannot be obtained, managed or processed by traditional methods. In particular, we have focused in the microblogging platform Twitter, due to the huge quantity of textual data that it contains, and also to its structural features and its capacity of being a global mass media. In order to do so, we have developed a software tool that allows us to access to the Twitter accounts of five Spanish newspapers.
RESUMENLa utilización de big data en el mundo de la ciencia y de la empresa está dando como resultado grandes beneficios no solo económicos, sino también en lo relacionado con la producción del conocimiento y en la calidad de este.Sin embargo, a pesar de las reconocidas virtudes de esta metodología, pocos intentos ha habido de aplicarla al ámbito educativo y, menos aún, en el campo de las lenguas y de la enseñanza bilingüe. En esta investigación nos proponemos estudiar cuál es el grado de interés de los usuarios de Twitter en distintas áreas temáticas para conocer así los gustos y las inclinaciones de los potenciales alumnos de la clase bilingüe español-inglés y conseguir un mayor acercamiento a ellos.Para ello, hemos utilizado una herramienta de autor que, mediante la introducción de distintos parámetros, realiza una búsqueda sobre Twitter y nos devuelve la información procesada y lista para su posterior análisis.De esta manera, conoceremos qué interés tiene cada país en las distintas áreas estudiadas para poder diseñar planes de estudio, materiales curriculares y proyectos docentes más personalizados, con la intención de que las clases de idiomas les resulten más interesantes y útiles.Palabras clave: big data, Twitter, áreas temáticas, enseñanza bilingüe, educación. ABSTRACTUsing big data in the scientific field and also in the business sector is undoubtedly resulting in many benefits, not only economic, but also related with knowledge and science.However, in spite of the acknowledged advantages of this new methodology, it is not still being used in education nor in bilingual lessons.In this project, we aim to know the degree of interest of Twitter users in some different topics to understand their tastes and interests as potential students of a bilingual Spanish-English class.In order to do this, we have used authoring system that makes a search through Twitter by adding some preestablished parameters, such as geographic area, language, topic and date.This way, we can learn the attitude of users towards the studied topics in order to design more effective and personalized curricula, with the intention of achieving more success in language lessons.
Desde que la Lingüística Computacional surgiera a mediados del siglo XX por motivos que poco tenían que ver con la investigación lingüística, esta joven disciplina ha pasado por distintas etapas, en las que ha habido tanto épocas de éxito como de duras críticas. Sin embargo, la aparición de la World Wide Web en los años 90 supuso el punto de inflexión definitivo para que esta disciplina contara con los apoyos necesarios. A partir de entonces, se produjo la expansión de la Lingüística Computacional y, con ella, grandes avances en distintas áreas de la Lingüística, entre las que destacan el análisis morfológico y sintáctico, las técnicas de reconocimiento de voz, los sistemas de diálogo o la traducción automática. Naturalmente, la Lingüística de Corpus también se ha beneficiado de estos logros y se ha sumado al progreso científico con herramientas informáticas que no solo trabajan sobre la web como corpus, sino también con técnicas de big data y que suponen un gran avance en este tipo de investigación. En este trabajo pretendemos realizar un recorrido por la historia de la lingüística computacional y ofrecer una aproximación a esta disciplina, así como a sus aplicaciones y a las herramientas disponibles hoy en día para el trabajo con corpus lingüísticos.
La cantidad de información digital disponible está aumentando de forma masiva. Las grandes empresas como Google, Facebook, Microsoft…, así como los correos electrónicos, las descargas de música o cualquier operación realizada a través de internet genera cantidades gigantescas de información no estructurada. El término big data se refiere a estos enormes conjuntos de información que no pueden ser gestionados ni analizados mediante herramientas tradicionales en una cantidad de tiempo aceptable. Esta investigación pretende demostrar la utilidad de big data como fuente de información para el estudio en el campo de la lingüística, lo que nos permitirá llevar a cabo estudios que no podrían realizarse con los métodos tradicionales. En este trabajo, utilizamos la información disponible en el servicio de microblogging Twitter para analizar los idiomas más hablados en cinco capitales europeas y conocer así las necesidades traductológicas que presentan. De esta forma, intentamos demostrar la utilidad de big data como herramienta para la investigación lingüística. Hemos analizado los tuits generados en las ciudades de Berlín, Bruselas, París, Madrid y Londres en el período de tiempo comprendido entre el 21 de agosto y el 21 de septiembre de 2015. Para ello, hemos desarrollado una herramienta de autor que nos permite obtener la información, almacenarla, gestionarla y analizarla. Pretendemos así obtener resultados basados en millones de datos y analizados en tiempo real, lo que nos ahorra costes y tiempo a la hora de llevar a cabo la investigación y nos permite conocer de manera inmediata los idiomas que se utilizan en cualquier momento y en cualquier lugar.
En este estudio se pretende conocer la situación actual de la investigación y la formación de los estudios universitarios que integran turismo y lenguas en España, partiendo de la relevancia con la que cuenta el sector turístico en este país y teniendo en cuenta la importancia de la formación e investigación en estudios lingüísticos de aquellos profesionales que se dedican a este sector. Para estudiar la investigación, se han recopilado 367 trabajos de investigación entre 1967 y 2018 a partir de Dialnet con la conjunción de diversas palabras clave. Para analizar la formación (principalmente los estudios de Turismo y de Traducción e Interpretación), se ha empleado la base de datos del RUCT para identificar los tipos de asignaturas que se incluyen en todos los planes de estudio. Como conclusión, se esboza que la preocupación investigadora en torno al turismo desde una perspectiva lingüística ha aumentado desde 2016.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.