Uso de palabras clave para la detección automática del discurso sexista en prensa y redes sociales

Héctor Castro Mosqueda

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Ignacio Rodríguez Sánchez	es_ES
dc.creator	Héctor Castro Mosqueda	es_ES
dc.date	2023-01-02
dc.date.accessioned	2023-02-27T18:40:24Z
dc.date.available	2023-02-27T18:40:24Z
dc.date.issued	2023-01-02
dc.identifier.uri	https://ri-ng.uaq.mx/handle/123456789/4427
dc.description	Esta tesis emplea herramientas de análisis léxico, métodos de procesamiento cuantitativo y procedimientos propios del procesamiento del lenguaje natural para analizar muestras de lenguaje con el fin de identificar, analizar y clasificar la presencia, a veces sutil y a veces flagrante, del sexismo lingüístico en nuestra vida cotidiana. Esta tesis inicia realizando un análisis de colocaciones para investigar cómo se representan lingüísticamente a las mujeres y a los hombres en la prensa en línea en español. Posteriormente, esta investigación analiza cómo la extracción de palabras clave, una técnica propia de la Lingüística de Corpus, puede emplearse en la obtención de rasgos para mejorar la precisión de los algoritmos en tareas de Clasificación Automática de Texto en el campo del Procesamiento del Lenguaje Natural; en particular, esta tesis se ocupa de extraer palabras clave de un corpus obtenido de las redes sociales para clasificar el lenguaje misógino. En estas investigaciones, comenzamos basándonos en un corpus de cuarta generación y eventualmente en textos de comunicación mediada por ordenador. Concretamente, el corpus NOW, que contiene 7,200 millones de palabras, fue consultado en un inicio para identificar representaciones lingüísticas de género mediante un análisis de colocaciones adjetivas y verbales; asimismo, después se recopiló un corpus de comentarios en redes sociales de 1,841,385 palabras para extraer palabras clave, las cuales se utilizaron como rasgos para mejorar la precisión de los algoritmos en tareas de clasificación automática. El análisis de los datos mostró que algunos adjetivos y verbos se relacionan exclusivamente o con mayor intensidad con el lema HOMBRE o con MUJER; los hombres se relacionan con mayor intensidad con adjetivos relacionados con la agudeza mental, la sexualidad y la fertilidad, mientras que las mujeres se relacionan con adjetivos relacionados con la salud, el estado civil y las afiliaciones religiosas. Con respecto a las colocaciones verbales, las mujeres se asocian más fuertemente con verbos relacionados con expresiones de emociones y los hombres con verbos que denotan un comportamiento violento. Posteriormente, en las tareas de clasificación que se realizaron con el corpus extraído de las redes sociales, las palabras clave obtuvieron un 98% de precisión al clasificar los textos y un 92% al clasificar casi 7,500 comentarios. Cuando se eliminaron las palabras clave de la tarea de clasificación y se utilizaron todas las palabras para llevar a cabo dicha tarea, la precisión descendió en promedio 17 %.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Lenguas y letras	es_ES
dc.relation.requires	Si	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	Humanidades y Ciencias de la Conducta	es_ES
dc.subject	Lingüística	es_ES
dc.subject	Lingüística aplicada	es_ES
dc.title	Uso de palabras clave para la detección automática del discurso sexista en prensa y redes sociales	es_ES
dc.type	Tesis de doctorado	es_ES
dc.creator.tid	curp	es_ES
dc.creator.identificador	CAMH790325HGTSSC09	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Doctorado en Lingüística	es_ES
dc.degree.department	Facultad de Lenguas y Letras	es_ES
dc.degree.level	Doctorado	es_ES