Alternative ways to estimate change points in multinomial sequences. An application to an authorship attribution problem

The statistical analysis of literary style is the part of stylometry that compares measurable characteristicsin a text that are rarely controlled by the author, with those in other texts. When thegoal is to settle authorship questions, these characteristics should relate to the author’s style andnot to the genre, epoch or editor, and they should be such that their variation between authors islarger than the variation within comparable texts from the same author.For an overview of the literature on stylometry and some of the techniques involved, see for exampleMosteller and Wallace (1964, 82), Herdan (1964), Morton (1978), Holmes (1985), Oakes (1998) orLebart, Salem and Berry (1998).Tirant lo Blanc, a chivalry book, is the main work in catalan literature and it was hailed to be“the best book of its kind in the world” by Cervantes in Don Quixote. Considered by writterslike Vargas Llosa or Damaso Alonso to be the first modern novel in Europe, it has been translatedseveral times into Spanish, Italian and French, with modern English translations by Rosenthal(1996) and La Fontaine (1993). The main body of this book was written between 1460 and 1465,but it was not printed until 1490.There is an intense and long lasting debate around its authorship sprouting from its first edition,where its introduction states that the whole book is the work of Martorell (1413?-1468), while atthe end it is stated that the last one fourth of the book is by Galba (?-1490), after the death ofMartorell. Some of the authors that support the theory of single authorship are Riquer (1990),Chiner (1993) and Badia (1993), while some of those supporting the double authorship are Riquer(1947), Coromines (1956) and Ferrando (1995). For an overview of this debate, see Riquer (1990).Neither of the two candidate authors left any text comparable to the one under study, and thereforediscriminant analysis can not be used to help classify chapters by author. By using sample textsencompassing about ten percent of the book, and looking at word length and at the use of 44conjunctions, prepositions and articles, Ginebra and Cabos (1998) detect heterogeneities that mightindicate the existence of two authors. By analyzing the diversity of the vocabulary, Riba andGinebra (2000) estimates that stylistic boundary to be near chapter 383.Following the lead of the extensive literature, this paper looks into word length, the use of the mostfrequent words and into the use of vowels in each chapter of the book. Given that the featuresselected are categorical, that leads to three contingency tables of ordered rows and therefore tothree sequences of multinomial observations.Section 2 explores these sequences graphically, observing a clear shift in their distribution. Section 3describes the problem of the estimation of a suden change-point in those sequences, in the followingsections we propose various ways to estimate change-points in multinomial sequences; the methodin section 4 involves fitting models for polytomous data, the one in Section 5 fits gamma modelsonto the sequence of Chi-square distances between each row profiles and the average profile, theone in Section 6 fits models onto the sequence of values taken by the first component of thecorrespondence analysis as well as onto sequences of other summary measures like the averageword length. In Section 7 we fit models onto the marginal binomial sequences to identify thefeatures that distinguish the chapters before and after that boundary. Most methods rely heavilyon the use of generalized linear models

Alternative ways to estimate change points in multinomial sequences. An application to an authorship attribution problem

The statistical analysis of literary style is the part of stylometry that compares measurable characteristics in a text that are rarely controlled by the author, with those in other texts. When the goal is to settle authorship questions, these characteristics should relate to the author’s style and not to the genre, epoch or editor, and they should be such that their variation between authors is larger than the variation within comparable texts from the same author. For an overview of the literature on stylometry and some of the techniques involved, see for example Mosteller and Wallace (1964, 82), Herdan (1964), Morton (1978), Holmes (1985), Oakes (1998) or Lebart, Salem and Berry (1998). Tirant lo Blanc, a chivalry book, is the main work in catalan literature and it was hailed to be “the best book of its kind in the world” by Cervantes in Don Quixote. Considered by writters like Vargas Llosa or Damaso Alonso to be the first modern novel in Europe, it has been translated several times into Spanish, Italian and French, with modern English translations by Rosenthal (1996) and La Fontaine (1993). The main body of this book was written between 1460 and 1465, but it was not printed until 1490. There is an intense and long lasting debate around its authorship sprouting from its first edition, where its introduction states that the whole book is the work of Martorell (1413?-1468), while at the end it is stated that the last one fourth of the book is by Galba (?-1490), after the death of Martorell. Some of the authors that support the theory of single authorship are Riquer (1990), Chiner (1993) and Badia (1993), while some of those supporting the double authorship are Riquer (1947), Coromines (1956) and Ferrando (1995). For an overview of this debate, see Riquer (1990). Neither of the two candidate authors left any text comparable to the one under study, and therefore discriminant analysis can not be used to help classify chapters by author. By using sample texts encompassing about ten percent of the book, and looking at word length and at the use of 44 conjunctions, prepositions and articles, Ginebra and Cabos (1998) detect heterogeneities that might indicate the existence of two authors. By analyzing the diversity of the vocabulary, Riba and Ginebra (2000) estimates that stylistic boundary to be near chapter 383. Following the lead of the extensive literature, this paper looks into word length, the use of the most frequent words and into the use of vowels in each chapter of the book. Given that the features selected are categorical, that leads to three contingency tables of ordered rows and therefore to three sequences of multinomial observations. Section 2 explores these sequences graphically, observing a clear shift in their distribution. Section 3 describes the problem of the estimation of a suden change-point in those sequences, in the following sections we propose various ways to estimate change-points in multinomial sequences; the method in section 4 involves fitting models for polytomous data, the one in Section 5 fits gamma models onto the sequence of Chi-square distances between each row profiles and the average profile, the one in Section 6 fits models onto the sequence of values taken by the first component of the correspondence analysis as well as onto sequences of other summary measures like the average word length. In Section 7 we fit models onto the marginal binomial sequences to identify the features that distinguish the chapters before and after that boundary. Most methods rely heavily on the use of generalized linear models

Desarrollo de hábitos lectores de estudio mediante textos socio-literarios seleccionados con criterios de lecturabilidad y propuesta de actividades fácilmente controlables válidos para el aprendizaje individualizados y a distancia.

Encontrar tácticas que, dentro de la amplia gama de hábitos de estudio, se centren en comprensión, interpretación y velocidad lectoras. Realizar en el aula lo que cualquier profesor podría llevar a cabo e investigar operativamente con los alumnos a través de un modelo fácilmente ejecutable. Proponer actividades válidas para el aprendizaje individualizado y a distancia. En primer lugar se eligen unos textos socio-literarios sobre los cuales se va a apoyar todo el proceso de investigación. Dado que el colectivo es prácticamente indefinido y dado que no todos los autores producen obras adaptables al segundo ciclo de EGB, se ha optado por una selección de textos de los siguientes autores: Cela, Delibes, García Pavón, Sánchez Ferlosio, Sánchez Silva y Vargas Llosa. El siguiente paso se apoya en la pre-evaluación de la primera hipótesis del proyecto: cabe determinar, facilidad, interés, densidad, abstracción y familiaridad de los textos. Posteriormente, se manipulan experimentalmente los dos primeros pasos, aplicando las formulas difundidas por Fernández Huerta y centradas sobre: facilidad lectora estructural, interés humano estructural y abstracción estructural. Se aportan tácticas didácticas apropiadas al estudio, se explican las primeras fases de adiestramiento didáctico y se da una fase alternativa de aplicación de criterios estrictos o cuantitativos y amplios o cualitativos en la decisión sobre los datos iniciales. A/ Los problemas del aula se centran en la comprensión de textos socio-literarios y en el adiestramiento de los alumnos para componer textos adecuados a su edad. B/ Los textos difíciles son muy leídos si alcanzan una gran dosis de interés. C/ Los textos fáciles quedan arrinconados si no ofrecen líneas de alto interés. D/ Un alto nivel de concreción aproxima los textos a la etapa psico-evolutiva de los alumnos. E/ Densidad de ideas y familiaridad con el estilo son dos variables de alto interés, que deben considerarse, pero no deben quedar para otros niveles de escolaridad. F/ No solo es posible determinar facilidad, interés y concreción, sino que pueden emplearse técnicas para que los mismos escolares corrijan tales textos cambiándoles el nivel detectado en las primeras aplicaciones. G/ Conviene emplear didácticamente fórmulas fáciles con dos variables para posteriormente emplear fórmulas con tres o cuatro variables. H/ Se apoya el inicio didáctico con fórmulas cuantitativas, que no exijan decisiones personales, para pasar rápidamente a las cuantitativas-cualitativas, que combinan ambas posturas.

La enseñanza de la literatura española en el CCH de la UNAM

El Colegio de Ciencias y Humanidades de la Universidad Nacional Autónoma de México celebra en 2010 cuarenta años de su creación como proyecto educativo innovador. Las generaciones de estudiantes de sus primeros 25 años -de 1971 a 1996- leyeron a muchísimos autores latinoamericanos y españoles. De los americanos, se identificaron con las letras de García Márquez, Cortázar, Fuentes, Benedetti y Vargas Llosa; de los peninsulares, acogieron con mucha sensibilidad a León Felipe, Antonio Machado, Pedro Salinas, Miguel Hernández y Federico García Lorca, entre otros. Los primeros aún se leen; los segundos desaparecieron de las actividades educativas. La literatura española fue imprescindible no sólo para conformar un bagaje literario de primer nivel en los estudiantes de esos años, sino que su lectura acercó la historia española a los jóvenes mexicanos y, con ello, les inculcó una visión solidaria de pensar la vida. A partir de 1996, cambiaron los programas. Mucho se ha ganado desde entonces en el terreno de la redacción y la comprensión lectora, no obstante, al omitir la literatura española, hemos perdido mucho. El año próximo se reformulará el plan de estudios del CCH y habrá otra oportunidad

Interlegibilidad y ethos político : Tránsitos ensayísticos de las polémicas políticas de J. Cortázar

Una investigación actual sobre la ensayística de Julio Cortázar en torno a la Revolución Cubana da cuenta de la trayectoria política del escritor y de su papel en la formación del sociograma de la Revolución Cubana en Latinoamérica. En las polémicas de Cortázar con otros escritores - ensayistas latinoamericanos se elabora parte del territorio discursivo que abona el campo de legibilidad de los hechos políticos que signaron a América Latina, entre los años 1963 y 1983. Arguedas, Vargas Llosa, Collazos; Fernández Retamar - las disputas sobre el caso Padilla- fueron los interlocutores de diálogos que motivaron procesos de interlegibilidad en ese territorio discursivo, dejando vestigios en el ethos político. Los abordaremos en una reflexión sociosemiótica centrada en el papel del intelectual que hace del ensayo un instrumento de acción política, para lo cual observaremos las operaciones argumentativas y su lógica semiótica.

La enseñanza de la literatura española en el CCH de la UNAM

El Colegio de Ciencias y Humanidades de la Universidad Nacional Autónoma de México celebra en 2010 cuarenta años de su creación como proyecto educativo innovador. Las generaciones de estudiantes de sus primeros 25 años -de 1971 a 1996- leyeron a muchísimos autores latinoamericanos y españoles. De los americanos, se identificaron con las letras de García Márquez, Cortázar, Fuentes, Benedetti y Vargas Llosa; de los peninsulares, acogieron con mucha sensibilidad a León Felipe, Antonio Machado, Pedro Salinas, Miguel Hernández y Federico García Lorca, entre otros. Los primeros aún se leen; los segundos desaparecieron de las actividades educativas. La literatura española fue imprescindible no sólo para conformar un bagaje literario de primer nivel en los estudiantes de esos años, sino que su lectura acercó la historia española a los jóvenes mexicanos y, con ello, les inculcó una visión solidaria de pensar la vida. A partir de 1996, cambiaron los programas. Mucho se ha ganado desde entonces en el terreno de la redacción y la comprensión lectora, no obstante, al omitir la literatura española, hemos perdido mucho. El año próximo se reformulará el plan de estudios del CCH y habrá otra oportunidad

Interlegibilidad y ethos político : Tránsitos ensayísticos de las polémicas políticas de J. Cortázar

Una investigación actual sobre la ensayística de Julio Cortázar en torno a la Revolución Cubana da cuenta de la trayectoria política del escritor y de su papel en la formación del sociograma de la Revolución Cubana en Latinoamérica. En las polémicas de Cortázar con otros escritores - ensayistas latinoamericanos se elabora parte del territorio discursivo que abona el campo de legibilidad de los hechos políticos que signaron a América Latina, entre los años 1963 y 1983. Arguedas, Vargas Llosa, Collazos; Fernández Retamar - las disputas sobre el caso Padilla- fueron los interlocutores de diálogos que motivaron procesos de interlegibilidad en ese territorio discursivo, dejando vestigios en el ethos político. Los abordaremos en una reflexión sociosemiótica centrada en el papel del intelectual que hace del ensayo un instrumento de acción política, para lo cual observaremos las operaciones argumentativas y su lógica semiótica.

La enseñanza de la literatura española en el CCH de la UNAM

El Colegio de Ciencias y Humanidades de la Universidad Nacional Autónoma de México celebra en 2010 cuarenta años de su creación como proyecto educativo innovador. Las generaciones de estudiantes de sus primeros 25 años -de 1971 a 1996- leyeron a muchísimos autores latinoamericanos y españoles. De los americanos, se identificaron con las letras de García Márquez, Cortázar, Fuentes, Benedetti y Vargas Llosa; de los peninsulares, acogieron con mucha sensibilidad a León Felipe, Antonio Machado, Pedro Salinas, Miguel Hernández y Federico García Lorca, entre otros. Los primeros aún se leen; los segundos desaparecieron de las actividades educativas. La literatura española fue imprescindible no sólo para conformar un bagaje literario de primer nivel en los estudiantes de esos años, sino que su lectura acercó la historia española a los jóvenes mexicanos y, con ello, les inculcó una visión solidaria de pensar la vida. A partir de 1996, cambiaron los programas. Mucho se ha ganado desde entonces en el terreno de la redacción y la comprensión lectora, no obstante, al omitir la literatura española, hemos perdido mucho. El año próximo se reformulará el plan de estudios del CCH y habrá otra oportunidad

Interlegibilidad y ethos político : Tránsitos ensayísticos de las polémicas políticas de J. Cortázar

Una investigación actual sobre la ensayística de Julio Cortázar en torno a la Revolución Cubana da cuenta de la trayectoria política del escritor y de su papel en la formación del sociograma de la Revolución Cubana en Latinoamérica. En las polémicas de Cortázar con otros escritores - ensayistas latinoamericanos se elabora parte del territorio discursivo que abona el campo de legibilidad de los hechos políticos que signaron a América Latina, entre los años 1963 y 1983. Arguedas, Vargas Llosa, Collazos; Fernández Retamar - las disputas sobre el caso Padilla- fueron los interlocutores de diálogos que motivaron procesos de interlegibilidad en ese territorio discursivo, dejando vestigios en el ethos político. Los abordaremos en una reflexión sociosemiótica centrada en el papel del intelectual que hace del ensayo un instrumento de acción política, para lo cual observaremos las operaciones argumentativas y su lógica semiótica.