Selección prototípica multivariante y segmentación discursiva en un corpus oral: el Corpus Oral de Referencia del Español en Contacto (COREC II)

Ponente: Rebeca Patricia Gómez Ruíz (Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 8 de mayo de 2026, 11:00.

Resumen: Este trabajo desarrolla una propuesta metodológica aplicable a tareas de procesamiento del lenguaje natural (PLN) sobre corpus orales. Por su naturaleza heterogénea, estos corpus presentan retos específicos que dificultan su procesamiento mediante herramientas de PLN entrenadas generalmente sobre datos escritos.

En este contexto y a partir de la necesidad surgida en el COREC de crear un corpus de referencia para la anotación lingüística automática, se plantean tres preguntas de investigación: (i) ¿cómo seleccionar una muestra representativa del corpus que optimice el proceso de etiquetado lingüístico?; (ii) ¿cómo segmentar las transcripciones ortográficas del habla en unidades discursivas que respeten la lógica de la oralidad y, al mismo tiempo, sean anotables automáticamente?; y (iii) ¿puede la decisión de segmentación interpretarse algebraicamente de modo que se explicite su organización interna, se justifique su implementación en cascada y ofrezca una lectura geométrica de la frontera discursiva?

Para responder a estas cuestiones, proponemos el siguiente flujo metodológico reproducible: a) una selección muestral prototípica robusta, filtrada por estrato lingüístico y basada en una representación vectorial multivariante, la distancia Manhattan (L1) y una penalización por ruido; b) una segmentación discursiva que interpreta las pausas transcritas como fronteras candidatas evaluables contextualmente mediante variables booleanas lingüísticas, cuya combinación determina, mediante una función de decisión, la aceptación o el rechazo de cada frontera; y c) una formalización algebraica del criterio de segmentación que, a partir de las configuraciones válidas de activación, caracteriza el subespacio que estas generan e identifica su núcleo común y sus ejes de variación.

Interpretación digital ¿ficción o realidad?

Ponente: Ester Martínez Martín (Universidad de Alicante).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 17 de abril de 2026, 11:00.

Resumen:  Este seminario abordará los distintos aspectos de la interpretación y generación de lengua de signos. Se introducirán las características de las lenguas de signos, centrándose en la lengua de signos española, para, posteriomente, analizar las técnicas existentes tanto para la interpretación como la generación automática de lengua de signos.

Medición de alucinaciones y cuantificación de incertidumbre para LLM

Ponente: Pablo Ascorbe Fernández (Grupo PSYCOTRIP, Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 10 de abril de 2026, 11:00.

Resumen: Este trabajo surge durante la estancia doctoral realizada en colaboración con la Universidad de París-Saclay, más concretamente, con el LISN (Laboratoire Interdisciplinaire des Sciences du Numérique).

Existen multitud de aproximaciones para evaluar los grandes modelos de lenguaje o LLM, una de estas aproximaciones es la cuantificación de la incertidumbre, donde a través de diferentes técnicas se mide el nivel de alucinaciones o inconsistencia de los modelos. Estas técnicas pueden ser de caja negra, para modelos que no sean de acceso abierto y sea necesario generar varias veces el mismo prompt, o de caja blanca, cuando podamos acceder a las probabilidades internas de los modelos para cada token generado. Además, también se profundizará en una tercera aproximación utilizando proposiciones atómicas como unidades de verdad, validando si cada afirmación o sentencia generada por los modelos coincide con una base de datos cuyo contenido son las proposiciones atómicas extraídas de documentos fiables.

Más allá del token: por qué los LLM necesitan lingüistas e informáticos para hablar español

Ponentes: Marina Mayor Rocher (Universidad Autónoma de Madrid) y Gonzalo Martínez (Universidad Politécnica de Madrid).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 20 de marzo de 2026, 11:00.

Resumen:  Este seminario propone un diálogo metodológico entre lingüística e informática para abordar qué significa evaluar un Large Language Model (LLM) como “hablante” de español. Más allá de métricas generales de rendimiento, se plantea una colaboración en la que cada disciplina aporta sus herramientas analíticas, integradas en diseños experimentales formalizados, implementables computacionalmente y reproducibles. El objetivo no es solo determinar si los modelos generan secuencias plausibles, sino analizar si en su producción emergen regularidades comparables a las de la gramática de los hablantes. En primer lugar, se abordará la construcción de pruebas de competencia lingüística, como TELEIA, un test inspirado en exámenes de español para extranjeros que permite evaluar el conocimiento gramatical y la comprensión lectora de los modelos. En segundo lugar, se discutirá la posibilidad de evaluar la variación dialectal mediante experimentos sobre reconocimiento de variedades del español, analizando diferencias morfosintácticas y léxicas y su relación con el Sesgo Lingüístico Digital. Finalmente, se mostrará cómo diseñar tareas controladas sobre fenómenos gramaticales en proceso de cambio, como las formas de futuro o el Marcado Diferencial de Objeto, para determinar hasta qué punto los modelos reproducen los patrones de variación documentados en la gramática del español y si su comportamiento converge con el de los hablantes ante los mismos estímulos experimentales.

Generative AI in teaching: ¿problem or solution? The case of SQL programming

Ponente: Óscar Díaz (Catedrático de Lenguajes y Sistemas Informáticos de la Universidad del País Vasco).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 6 de marzo de 2026, 11:00.

Resumen: Engineering education has always aimed to achieve two main goals: introducing students to essential foundational knowledge (like mathematics, natural sciences, and engineering sciences) and preparing them to competently engage in professional practice. Today, however, a significant change makes reaching these goals more challenging—artificial intelligence is transforming engineering practice in key areas such as conceptual design and optimization, simulation and analysis, requirements gathering, documentation and compliance, testing and diagnostics, project management, and risk assessment. 

As a result, teachers are stuck with a tough trade-off: if I lean into AI, am I watering down learning, or if I push back on AI, am I making my course feel outdated? A lot of the worry comes down to this idea that people only really learn wrestling with a problem—and if AI does the heavy lifting, do students actually understand what’s going on? Like, if someone can’t write a SQL query without help, do they really know SQL, or are they just getting used to leaning on a tool?

But there’s a real flip side. Jobs are starting to assume people can work with AI, and if I teach only the old, pre-AI way of doing things, am I setting students up for workflows they won’t use anymore? If the profession has moved forward, it feels wrong for education to stay stuck -students need to know how to use AI well and how to double-check it, not pretend it doesn’t exist.

Evaluating and Improving DM in UDP Development Research Projects

Ponente: Ignacio Marco Pérez (Grupo PSYCOTRIP, Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 20 de febrero de 2026, 11:30.

Resumen: Urban Data Platforms (UDPs) are key enablers of data-driven governance in smart cities, yet their validation and evaluation (particularly regarding data management practices) remain underexplored in research projects that involve their development or use. This study assesses data management maturity in two European smart city initiatives, CITyFiED and SmartEnCity, both aimed at supporting energy efficiency and climate neutrality through UDP development. Using the Alarcos’ Model for Data Improvement (MAMD v4.0), a process-based maturity framework aligned with international data management standards, we conducted a triangulated analysis combining project documentation review, expert interviews, and technical artifact inspection.

The results reveal a decreasing level of commitment at higher maturity stages, with operational data management outperforming data quality and governance processes. While incremental improvements between projects indicate experiential learning, persistent weaknesses were identified in metadata management, data quality strategies, and governance mechanisms. The study has demonstrated the applicability of organizational data maturity models to research-oriented, time-bounded environments and provides insights for strengthening data management practices in future smart city R&D projects.

Nota: La charla es una prueba de tiempo de la ponencia que presentará Ignacio en la 20th International Conference on Computer Aided Systems Theory (Eurocast 2026) que se celebrará en Las Palmas de Gran Canaria del 23 al 27 de febrero. 

Towards Improving Medical Image Semantic Segmentation using Model Soups

Ponente: Joaquín Ortiz de Murua (Grupo PSYCOTRIP, Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 20 de febrero de 2026, 11:00.

Resumen:  Semantic segmentation is a computer vision task that involves assigning each pixel in an image to a predefined category or class, and nowadays is mainly approached by developing deep learning models. These models play a crucial role in medical imaging; however, given the critical nature of medical applications, it is essential that each pixel of an image is correctly classified. In order to tackle this problem, several techniques are commonly used but they often entail high computational costs and require the generation of intermediate models that are usually discarded if they do not obtain the best results. 

Model soups take advantage of these intermediate models to improve their performance. This approach aims to maximize metrics by averaging the weights of multiple models trained with different hyperparameters. In this work, we have developed a library to facilitate the creation of model soups for semantic segmentation independently of the underlying architecture of the segmentation models. We finally evaluate whether medical semantic segmentation performance can be improved using model soups built from intermediate checkpoints and different weight-averaging strategies.

Nota: La charla es una prueba de tiempo de la ponencia que presentará Joaquín en la 20th International Conference on Computer Aided Systems Theory (Eurocast 2026) que se celebrará en Las Palmas de Gran Canaria del 23 al 27 de febrero. 

Enhancing Student Engagement and Learning in DatabaseProgramming Through Active Learning Strategies

Ponente: Beatriz Pérez Valle (Grupo PSYCOTRIP, Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 6 de febrero de 2026, 11:00.

Resumen:  En esta charla se presentará una intervención educativa aplicada en una asignatura obligatoria del Grado en Ingeniería Informática sobre programación de bases de datos. El objetivo principal del estudio es promover una mayor motivación, interés y participación del alumnado, así como enriquecer su experiencia de aprendizaje.

Para ello, se diseñó e implementó un marco metodológico que integra tres estrategias de aprendizaje activo (pensar-emparejar-compartir o think-pair-share, gamificación y evaluación entre pares) para su aplicación en el aprendizaje de una librería de acceso a bases de datos. Estas estrategias permiten al alumnado construir de manera progresiva conocimiento sobre conceptos teóricos, aspectos algorítmicos y programas finales, respectivamente, siendo esta la primera vez que las aplicamos de forma conjunta para abarcar de manera integrada esta progresión de conocimientos.

La propuesta se evaluó mediante un análisis comparativo entre un grupo experimental y un grupo de control, junto con la recogida de la opinión del alumnado y la percepción del profesorado. Los resultados de la evaluación muestran mejoras significativas en el rendimiento académico, así como un aumento en la motivación y el grado de implicación del estudiantado.

Como resultado de la intervención realizada, se identificó una serie de lecciones aprendidas que pueden resultar útiles para docentes e investigadores interesados en aplicar este enfoque en otras asignaturas.

Nota: Este trabajo, realizado junto con Ignacio Marco, será presentado por Beatriz Pérez en el Technical Symposium on Computer Science Education (SIGCSE), que tendrá lugar en San Luis (Misuri) del 18 al 21 de febrero. La charla constituye una prueba de tiempo de dicha ponencia.

Avances informáticos en el COREC II

Ponente: Jónathan Heras Vicente (Grupo PSYCOTRIP, Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 30 de enero de 2026, 11:00.

En esta charla presentamos los avances informáticos llevados a cabo en el contexto del Corpus Oral de Referencia del Español en Contacto (COREC II). En primer lugar, se presentará un análisis automático de sentimientos y emociones de las distintas intervenciones de las personas entrevistadas en el COREC. Seguidamente, introduciremos una herramienta que ha sido construida para facilitar el proceso de transcripción de los audios del COREC. Finalmente, se mencionarán algunas de las líneas de trabajo actuales. 

Nota: La charla combina dos ponencias presentadas en el LIV Simposio de la Sociedad Española de Lingüística cuyos autores son Sara Gómez, Gadea Mata, Marina Mayor-Rocher, Ángel Luis Rubio, y Jónathan Heras.

En marcha con las GAIT: debate sobre su impacto en la enseñanza y aprendizaje de la informática

Ponente: Ángel Luis Rubio García (Grupo PSYCOTRIP, Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 12 de diciembre de 2025, 10:00.

Las herramientas de inteligencia artificial generativa (GAIT por sus siglas en inglés) están afectando, nos guste o no, a la forma en la que se enseña y se aprende la informática. Lejos de los mensajes sensacionalistas que nos invaden a todas horas (del tipo de «la IA es la nueva revolución industrial» o «quien no domine la IA se va a quedar atrás») resulta relevante, como docentes de informática, debatir sobre esta cuestión y compartir ideas, experiencias, propuestas, etc.

PD: gait (en inglés) significa marcha, andares, manera de andar.