Hoy Ignacio Lobos defendió su tesis doctoral en la Pontificia Universidad Católica de Valparaíso, titulada ``Marcadores discursivos en el género Tesis y su distribución según movidas retóricas, nivel de inserción y disciplina'', dirigida por Irene Renau y Rogelio Nazar.
En su trabajo, Ignacio aborda el estudio descriptivo de los marcadores discursivos (MD) en la producción textual académica, en particular en el género tesis, hecho fundamental en la formación universitaria. La contribución de la tesis es la vinculación de los MD con tres variables: las llamadas `movidas retóricas', la variedad disciplinar y el nivel de inserción académica del estudiante. Se trata de un estudio basado en los métodos de la lingüística de corpus, y se constituyó un corpus específico para la investigación, denominado TELIDOC 2022, que recopila tesis de licenciatura y doctorado en tres disciplinas (lingüística, derecho y acuicultura).
El objetivo principal es identificar la distribución de los MD considerando estas tres variables, y sus resultados son un aporte tanto teórico como práctico. Teóricamente ofrece un entendimiento más profundo de las propiedades lingüísticas de los MD en el género tesis. En lo práctico, los resultados servirán para el desarrollo de nuevas herramientas de enseñanza de la escritura académica, guiando a los tesistas sobre las funciones discursivas más adecuadas según su disciplina y nivel de avance académico.
Desde aquí enviamos nuestras felicitaciones a Ignacio. Es un orgullo haber colaborado con él.

We have a new paper published at the IJL:
Nazar, Rogelio (2026). Semantic Typing for Corpus Pattern Analysis. International Journal of Lexicography, Volume 39, 2026, ecag012, https://doi.org/10.1093/ijl/ecag012

Abstract

For the ongoing creation of a database of Spanish verbs, we developed a methodological proposal for the automatic tagging of semantic types in running text according to Hanks’ Corpus Pattern Analysis (CPA) guidelines. In this task, a text document is the input and the output is the tagging of each noun, noun phrase or proper noun with one of the semantic types in the CPA Ontology. The present proposal is based on a combination of algorithms for automatic ontology population, named entity recognition and, most importantly, word sense disambiguation, to assign the appropriate type to a noun according to the context. The paper includes an evaluation of the method tagging a random sample of 200 Wikipedia pages in Spanish and English. Evaluation figures by a panel of three experts show 84% precision and 88% recall in Spanish and 83% precision and 93% recall in English. These are competitive results considering the simplicity and computational efficiency of the algorithm.
.

Irene Renau, Rogelio Nazar y Hernán Robledo presentaron el trabajo titulado “Diccionarios sostenibles: la estadística de corpus integrada en un proyecto de diccionario multilingüe de marcadores discursivos” en el XI Congreso Internacional de Lexicografía Hispánica, que tuvo lugar en la Universidad de Cádiz.

Resumen de la presentación

En esta propuesta presentamos un proyecto en curso de diccionario multilingüe en línea de marcadores discursivos. El diccionario parte de un proyecto previo de extracción automatizada de marcadores discursivos en corpus (Nazar, 2021; Nazar, Renau y Robledo, 2024). En dicho proyecto, se diseñó e implementó un método para la identificación de estas unidades discursivas en un corpus paralelo (Opus Corpus) que alinea textos del alemán, catalán, español, francés e inglés, y permite clasificar los marcadores utilizando una taxonomía existente (Martín Zorraquino y Portolés, 1999). El sistema, puramente estadístico y con una alta precisión, tiene la ventaja de ofrecer datos procedentes de condiciones naturales de uso de estas unidades, sistematizados de forma coherente y en grandes cantidades; por ello, aunque requiere la revisión y limpieza posteriores por parte de un experto, se trata de una opción metodológica que vale la pena valorar para la creación de un diccionario. El diccionario que se presenta es multilingüe unidireccional (es decir, contiene artículos en español con equivalencias en los ya mencionados idiomas) y dispone, por ahora, de una microestructura con lema, variantes del lema, categoría de marcador, registro, función o funciones, ejemplos de corpus, aspectos normativos (ej., puntuación) y equivalentes en inglés y otras lenguas. En esta comunicación nos centraremos en la descripción del método de trabajo, especialmente en la articulación entre el trabajo computacional y el lexicográfico, dada la acuciante necesidad en lexicografía de ofrecer alternativas a los métodos tradicionales, que son poco sostenibles económicamente, requieren equipos grandes y son muy lentos; presentaremos también una primera muestra de artículos asociados a una de las categorías de marcadores.

Referencias

Martín Zorraquino, M. A. y Portolés, J. (1999). Los marcadores del discurso. En I. Bosque y V. Demonte (Eds.), Gramática descriptiva de la lengua española (Vol. 3, pp. 4051-4214). Espasa.
Nazar, R. (2021). Inducción automática de una taxonomía multilingüe de marcadores discursivos: primeros resultados en castellano, inglés, francés, alemán y catalán. Procesamiento del Lenguaje Natural, 67, 127-138.
Nazar, R.; Renau, I.; Robledo, H. (2024). Dismark and Text·a·Gram: Automatic identification and categorization of discourse markers in texts. En C. M. Popescu y O. A. Dut,ă (Eds.), Discourse Markers in Romance Languages. Crosslinguistic Approaches in Romance and Beyond. Peter Lang.

Happy Sant Jordi! Today we have a double celebration because a new paper has just been published:
Elisabetta Ježek and Irene Renau (2026). A Storm of Ideas: Towards Corpus Pattern Analysis for Nouns. International Journal of Lexicography, Vol. 39, 2026, ecag007, https://doi.org/10.1093/ijl/ecag007.

Abstract

Corpus Pattern Analysis (CPA) is a technique for mapping meaning onto words in text. It was first proposed by Patrick Hanks in 2004 and has since been applied to detect and analyse recurrent syntagmatic patterns centred around verbs across various languages. In this paper, following a suggestion by Hanks himself (Hanks 2004a, 2004b, 2012, 2013), we explore the possibility of applying it to patterns centred around nouns. We conduct an exploratory study of three Spanish nouns with the goal of identifying their most recurrent patterns. Results show that: i. the current CPA apparatus can be successfully used to identify noun patterns, but it requires adjustments and extensions, particularly, the construction of a new ontology for verbs and adjectives; ii. in contrast to verbs, nouns can have more than one pattern per meaning, especially in the case of literal senses, and their meaning may be assigned by collocates that are outside their pattern; iii. metaphorical patterns show more syntactico-semantic restrictions, which may be useful for establishing links between metaphors and language.
.

A new issue (n. 76) of the journal Procesamiento del lenguaje Natural has just been published, and with it, the following paper:
Nazar, R.; Renau, I. (2026). Wikipedia used as a semantic tagger: some preliminary results in Spanish. Procesamiento del Lenguaje Natural, n. 76, p. 279-292.

With that publication we officially inaugurate Wicacho, our new open source project for semantic tagging based on data from Wikipedia:
http://www.tecling.com/wicacho
The project's website offers documentation, data, source code and a web demo. This new tagger will replace (or, rather, integrate) Tatatag, our previous attempt for semantic tagging based on Wiktionary. Tatatag was effective with nous of the general vocabulary, but offered only limited treatment of proper nouns and specialized vocabulary, the domain in which Wicacho excels.

Irene Renau (Universtitat Autònoma de Barcelona) presented a talk in Viña del Mar, Chile, at the Emlex Colloquium: Lexicography, Didactics And Language Technologies of the European Master in Lexicography (EMLex). The event was held this week at the Faculty of Philosophy and Education of the Pontificia Universidad Católica de Valparaíso.
The title of the presentation was “The Dismark project: Integrating corpus statistics, lexicography, and didactics of written communication”. She described a lexicography project aimed at a multilingual dictionary of discourse markers, a work developed in collaboration with Hernán Robledo (Pontificia Universidad Católica de Valparaíso). More details will be available soon.

This version of Termout is faster and more accurate: http://termout.org
But... what is Termout, dare you ask?
Termout is a software that helps you develop terminological projects, and you may be interested if you are a terminologist, translator, interpreter or if you happen to write or deal with technical papers often.
The basic functions of Termout are:

• to process a specialized corpus in English and Spanish
• extract terms
• classify them in semantic categories
• extract information from the corpus
• extract equivalents in the other language
• obtain synonyms (term variants)
• export-import term databases (CSV, HTML, TBX)

Comenzamos el año con una buena noticia: nuestro compañero y colega Javier Obreque, miembro del Grupo Tecling desde hace ya más de una década, acaba de defender su proyecto de tesis doctoral en el Instituto de Literatura y Ciencias del Lenguaje de la Pontificia Universidad Católica de Valparaíso.

El título del trabajo es ``Mecanismos lingüísticos de la subjetividad en el discurso científico: análisis descriptivo desde los resúmenes de proyectos de investigación concursable FONDECYT Regular''. El proyecto era dirigido inicialmente por Rogelio Nazar, pero desde su renuncia a la PUCV en setiembre de 2025, la dirección quedó a cargo de los profesores Pascal Matzler y Hernán Robledo.

El proyecto de tesis doctoral de Javier es una investigación con un diseño cualitativo-cuantitativo que pretende desentrañar el funcionamiento de las marcas de subjetividad en el discurso científico, y como tal es una contribución al modelamiento descriptivo de géneros discursivos. En contraste con la creencia socialmente compartida de que el discurso científico, como parte del carácter del conocimiento científico y sus formas de comunicación, es objetivo y neutro, lo que se comprueba en realidad es que en la producción científica y académica se encuentran diversos mecanismos de expresión de la subjetividad, como la deixis, la modalización y la despersonalización, que cumplen un propósito metadiscursivo estratégico vinculado con las estructuras argumentativas que buscan producir un efecto en el lector. Por ello, el objetivo del estudio es describir, a partir de sus marcas lingüísticas empíricas, la manifestación de subjetividad en los resúmenes de propuestas de proyectos de investigación para obtener financiamiento en concursos públicos y competitivos en Chile, concretamente en los resúmenes de Proyectos Fondecyt.

Nunca antes se ha intentado un análisis discursivo de los proyectos Fondecyt, y no hay duda de que los resultados serán de gran relevancia para comprender mejor tanto la forma en que se financia la investigación en Chile y los mecanismos retóricos asociados, como el funcionamiento del discurso científico en general. Estaremos por eso muy atentos cómo se desarrolla este trabajo. Desde aquí, nuestras felicitaciones a Javier!

PIE DE FOTO: Javier aparece en el centro, con su camisa blanca, flanqueado por los miembros de la comisión evaluadora (Nina Crespo y Daniela Ibarra) y sus profesores guía (Hernán Robledo y Pascal Matzler, a su izquierda, y Rogelio Nazar, a su derecha, que justo pasaba por ahí).

Hernán Robledo, miembro de la vieja guardia del Grupo Tecling, acaba de adjudicarse el Proyecto Fondecyt Iniciación N°11260185, titulado “Conectores y operadores discursivos en español digital: análisis semiautomático de su variación formal y procesos de fijación en redes sociales”.

El proyecto estudiará el uso de conectores y operadores discursivos en interacciones escritas de plataformas como YouTube y Twitter/X, con el objetivo de sistematizar su variación formal y funcional, así como describir procesos de fijación lingüística en curso en el español contemporáneo. Mediante una metodología mixta que combina análisis lingüístico cualitativo y herramientas de procesamiento del lenguaje natural, la investigación permitirá identificar expresiones emergentes, modelar patrones discursivos y desarrollar un repertorio digital anotado de acceso abierto, con proyecciones en el estudio del discurso digital, la enseñanza del español y las tecnologías del lenguaje.

Desde aquí felicitamos a nuestro colega, que continúa con una línea de investigación en marcadores discursivos que a este grupo siempre ha interesado mucho.