Resultados de investigación

Resultados de la aplicación de la herramienta creada (TransPa_BA) en la información disponible en las sedes web de 53 archivos históricos provinciales durante los meses de febrero y marzo del 2021 para medir su índice de publicidad activa.

Project developed by Giovanni Federico (New York University Abu Dhabi) and Antonio Tena Junguito (Universidad Carlos III de Madrid). Dataset: Norway

Entrevista a Nemesio González y Ascensión Nieto en Castromil. Diferencias dentro de la aldea y con otras localidades. ¿Hasta dónde se habla gallego? ¿Entiende mejor a un gallego o a un portugués? ¿Cómo hablan con los portugueses? ¿Y ellos con los de Castromil?, Diferenças dentro da aldeia e com outras localidades. Quais são os limites da área onde se fala galego? Percebe melhor um galego ou um português? Como falam com os portugueses? E eles com os de Castromil?, Differences between the village and other localities. Which are the limits of the area where Galician is spoken? Do you understand better Galician or Portuguese people? How do you speak with Portuguese people? And how do they speak with you?

Three excell files are provided: * 1deg.xlsx: The complete and raw data set with the experimental measurements performed on the tire test bench for different vertical loads and a slip angle of 1 degrees. * 7deg.xlsx: The complete (raw and preprocessed) data set with the experimental measurements performed on the tire test bench for different vertical loads and a slip angle of 7 degrees. * 14deg.xlsx: The complete (raw and preprocessed) data set with the experimental measurements performed on the tire test bench for different vertical loads and a slip angle of 14 degrees.

The analysed data (7,357 tweets and coding) relating to the #EsteVirusLoParamosUnidos campaign is included. The research is based on a composite design that triangulates from a theoretical model, a quantitative analysis and a qualitative analysis. The data corresponding to the article is attached: S. Santoveña-Casal, J. Gil-Quintana, L. Ramos, Digital citizens’ feelings in national #Covid 19 campaigns in Spain, Heliyon. 7 (2021) e08112. https://doi.org/https://doi.org/10.1016/j.heliyon.2021.e08112.

Child experimental data and associated survey data: The dataset contains socioeconomic data and experimental measures of cognitive effort stemming from fifth-grade students and their parents. Among the socioeconomic variables that can be found in the dataset are the gender, age, and country of birth of both parents and students. Furthermore, the level of education, occupation, employment status and other socioeconomic variables of the parents are also present. A wide range of variables regarding the student in the school are included, such as grades, involvement, or homework. As effort is the main variable of interest, a series of non-cognitive (personality) variables that are conceptually close were measured, namely, Locus of Control, the Big Five and Need for Cognition. The students also completed a Raven matrices style IQ test (fluid intelligence). A few variables reflect the basic characteristics of their teacher and the school that the individuals attend.

The files contain data of the reliability evaluation of a rubric intended to grade ScratchJr programs.

Para poder aplicar técnicas de PLN y aprendizaje profundo capaces de reconocer de forma automática las menciones de las enfermedades raras y sus manifestaciones clínicas en textos es imprescindible contar con un dataset (colección de textos anotados con enfermedades y síntomas / signos) que pueda ser utilizado par entrenar y evaluar los distintos modelos. Con ese objetivo, dentro del proyecto NLP4RARE-CM-UC3M, creamos el corpus RAre4Dis, formado por 1.041 textos seleccionados de una de las principales bases de datos con información sobre enfermedades raras, Orphanet (https://www.orpha.net/consor/cgi-bin/index.php). Una vez definidas una metodología y guías de anotación, se anotaron las entidades (enfermedad, enfermedad rara, síntoma, signo y anáfora). El corpus de RareDis contiene más de 5.000 enfermedades raras y unas 6.000 manifestaciones clínicas. Para garantizar la calidad del corpus, se midió el acuerdo entre anotadores, alcanzando una medida F1 de 83.5%. El dataset, que es distribuido con particiones para entrenamiento, validación y evaluación, puede ser utilizado para entrenar y evaluar enfoques basados en aprendizaje automático y dirigido al reconocimiento de este tipo de entidades en textos médicos. A continuación, se presentan algunas tablas con información del número de textos y entidades más importantes del dataset:
Training Validación Test Total
Textos 729 - 104 - 208 - 1.041
Oraciones 6.451 - 903 - 1.787 - 9.141
Tokens 135.656 - 18.492 - 37.893 - 192.041

Training Validación Test Total
Disease 1.647 - 230 - 471 - 2.348
Rare Disease 3.608 - 525 - 1.088 - 5.221
Symptom 319 - 24 - 53 - 396
Sign 3.744 - 528 - 1.061 - 5.333
produces 4.106 - 556 - 1.131 - 5.793
increase-risk-of 169 - 22 - 54 - 245

Project developed by Giovanni Federico (New York University Abu Dhabi) and Antonio Tena Junguito (Universidad Carlos III de Madrid). Dataset: Bulgaria

Entrevista a informante 1 en Esperança. La siega y el ciclo del cereal. Molinos y molienda. Hornos y fabricación del pan. Vendimia y preparación del vino. Aceituna y aceite; la mecanización de los olivares ha alterado su fisionomía y todo el proceso., A ceifa e o ciclo do cereal. Moinhos e moagem. Fornos e panificação. Vendima e preparação de vinho. Azeitona e azeite; a mecanização dos olivais alterou a sua fisionomia e todo o processo., The harvest and the cereal cycle. Mills and grinding. Ovens and bread making. Harvest and wine preparation. Olive and oil; the mechanization of the olive groves has altered its physiognomy and the whole process.