Multi-class sentiment analysis using a hierarchical logistic model tree approach

En este trabajo se propone un nuevo sistema híbrido para el análisis de sentimientos en clase múltiple basado en el uso del diccionario General Inquirer (GI) y un enfoque jerárquico del clasificador Logistic Model Tree (LMT). Este nuevo sistema se compone de tres capas, la capa bipolar (BL) que consta de un LMT (LMT-1) para la clasificación de la polaridad de sentimientos, mientras que la segunda capa es la capa de la Intensidad (IL) y comprende dos LMTs (LMT-2 y LMT3) para detectar por separado tres intensidades de sentimientos positivos y tres intensidades de sentimientos negativos. Sólo en la fase de construcción, la capa de Agrupación (GL) se utiliza para agrupar las instancias positivas y negativas mediante el empleo de 2 k-means, respectivamente. En la fase de Pre-procesamiento, los textos son segmentados por palabras que son etiquetadas, reducidas a sus raíces y sometidas finalmente al diccionario GI con el objetivo de contar y etiquetar sólo los verbos, los sustantivos, los adjetivos y los adverbios con 24 marcadores que se utilizan luego para calcular los vectores de características. En la fase de Clasificación de Sentimientos, los vectores de características se introducen primero al LMT-1, a continuación, se agrupan en GL según la etiqueta de clase, después se etiquetan estos grupos de forma manual, y finalmente las instancias positivas son introducidas a LMT-2 y las instancias negativas a LMT-3. Los tres árboles están entrenados y evaluados usando las bases de datos Movie Review y SenTube con validación cruzada estratificada de 10-pliegues. LMT-1 produce un árbol de 48 hojas y 95 de tamaño, con 90,88% de exactitud, mientras que tanto LMT-2 y LMT-3 proporcionan dos árboles de una hoja y uno de tamaño, con 99,28% y 99,37% de exactitud,respectivamente. Los experimentos muestran que la metodología de clasificación jerárquica propuesta da un mejor rendimiento en comparación con otros enfoques prevalecientes.

Analysis of english teachers' perceptions related to strategies studied in a in-service course in Cuenca

El presente estudio describe las percepciones de los profesores fiscales de inglés en relación a las estrategias aprendidas durante una capacitación realizada en el año 2012 por un grupo de investigadores de la Facultad de Filosofía de la Universidad de Cuenca. En el año 2014, este grupo de investigadores inició un proyecto para analizar el impacto de dicha capacitación. Este es el marco contextual en el cual se desarrolla el análisis de la percepción docente. La propuesta está basada en el método exploratorio. El instrumento de investigación fue la entrevista personal a diez profesores que participaron de la capacitación en el año 2012. Los resultados fueron analizados con la ayuda del Software Atlas ti. Se identificaron catorce códigos diferentes que fueron agrupados en cuatro grupos de familias: estrategias comunicativas, aprendizaje significativo, percepciones de las necesidades e inconsistencias. Todas estas familias de códigos convergieron alrededor del Aprendizaje Basado en Tareas (ABT), el cual permitía generar un outcome, cuyo significado específico es la generación de un producto a partir del uso del idioma inglés por parte de los estudiantes. Un hallazgo importante fue que casi todos los profesores recordaron varias estrategias aprendidas en la capacitación, mismas que sumaron un total de nueve, además la mitad de docentes estaba usando el outcome en sus clases, ello da cuenta de la percepción positiva que tienen los docentes sobre el curso, a pesar de haber transcurrido dos años de su clausura.