Acceso usuarios
Álvaro Cabana
La tarea de asociación libre de palabras es una de las más antiguas y más utilizadas en psicolingüística. Los patrones de asociación presentes en una población, compilados en normas, reflejan relaciones léxicas complejas que engloban semántica, fonología, conocimiento del mundo, etc. Desde hace al menos 20 años, estas normas se han empleado para obtener representaciones del significado a nivel léxico. Aplicando técnicas de álgebra lineal, es posible obtener para cada palabra un vector en un espacio n-dimensional, similar a los embeddings derivados de aplicar métodos de aprendizaje automático basados en corpus textuales como word2Vec, fastText o Glove. Un aspecto interesante de estos vectores es que suelen lograr un mayor grado de alineación con desempeño humano: por ejemplo, en tareas de evaluación de similitud semántica, logran una correlación mayor a los juicios realizados por voluntarios participantes. Recientemente, hemos publicado las normas “Small World of Words” de asociación libre del español rioplatense (SWOW-RP), que contiene más de 3 millones de respuestas a más de 13000 palabras por parte de 50.000 participantes. Con base en esta norma hemos obtenido vectores de embeddings que logran buen desempeño en juicios de similitud semántica en diferentes conjuntos de datos, y en la evaluación de analogías mediante aritmética vectorial básica (en forma análoga al famoso “reina –hombre + mujer = rey”). Utilizando estos datos, también hemos logrado evidenciar cambios en los significados de algunas palabras (p.ej.: cepa, burbuja, alcohol, inmunidad) durante la pandemia de COVID-19 en Argentina y Uruguay. Con base en estos resultados, argumentaremos que estas representaciones vectoriales del significado obtenidas a partir de asociación libre son excelentes alternativas a los embeddings obtenidos con base en corpus textuales, y en el caso de SWOW-RP, derivan exclusivamente de hablantes nativos del español rioplatense
