Invitados Magistrales

Resumen de Conferencias

Dra. Nairán Ramirez Esparza:

Conferencia: Análisis factoriales de palabras para entender constructos de personalidad y salud en distintas lenguas.

Resumen: Debido al rápido desarrollo de softwares, se ha popularizado el uso de herramientas automáticas de análisis de texto para entender aspectos psicológicos. Una de estas herramientas es conocida como el “Meaning Extraction Method” o MEM. El MEM se basa en cuantificar las palabras más frecuentes utilizadas en un texto y mediante análisis factoriales se extraen los temas más significativos mencionados en el texto. En esta plática me enfoco en describir este método utilizando como ejemplos resultados de análisis de textos de personas de México y de Estados Unidos cuando describen su personalidad, así como textos de personas que hablan sobre su depresión en foros de internet en inglés y español. El método es ideal para hacer estudios en distintas lenguas porque solo cuantifica palabras sin importar su significado y es por esto que el método ayuda a entender diferencias culturales sin tener que acudir a la traducción de cuestionarios. Por ejemplo, el MEM demuestra que los mexicanos al describir su personalidad utilizan temas relacionados con la familia, mientras que los estadounidenses utilizan temas relacionados con la independencia. Los resultados de estos estudios indican que aspectos psicológicos y culturales pueden ser examinados de una manera innovadora mediante el uso de métodos cuantitativos como el MEM.

Dra. Verónica Pérez Rosas

(Video Conferencia): Computational Models for Fake News and Misinformation Detection

Abstract: Identifying trustworthy information sources has become a challenging task for humans due to the increasing proliferation of misleading information in everyday media outlets, such as newspapers or social media feeds. The need for accurate and unbiased methods for the identification of misinformation has motivated the development of data-driven methods to address this task. Automatically spotting misinformative content requires not only to find false claims but also identifying linguistic and behavioral patterns that characterize this type of content. In this talk, I will present our ongoing efforts on developing resources and computational models for the automatic detection of fake news and other forms of misinformation. I will discuss the challenges associated with building these resources and detecting fake content in everyday news and online medical videos.

Dra. Katharina Kann

Conferencia: Transfer Learning for Low-Resource Natural Language Processing

Abstract: The lack of reliably annotated corpora is one of the big bottlenecks for the processing of natural language, especially in languages different from English. If corpora are available, they are usually too small to train state-of-the-art deep learning models on them. In this talk, we will discuss several strategies to increase the applicability of data-hungry state-of-the-art approaches in settings where training data is limited. Namely, we will discuss multiple options for transfer learning, including pretraining, domain adaptation, multi-task training, and cross-lingual transfer. Finally, we will look at applications of those methods to morphological generation tasks.