Crónica del curso de verano DH@Madrid Summer School 2018

Bajo el título Aplicaciones y posibilidades del procesamiento del Lenguaje Natural para la Investigación en Humanidades por quinto año consecutivo, DH@Madrid Summer School 2018 ha tenido lugar en la UNED en su emblemático salón de actos Andrés Bello.

Durante los tres días de curso, se ha propuesta una introducción al Procesamiento del Lenguaje Natural centrado en su aplicación a los problemas propios de la investigación en Humanidades Digitales. De esta manera, el curso se ha dirigido a todos aquellos interesados en métodos digitales de investigación aplicados a las humanidades.

Nuevamente en esta oportunidad, los contenidos del curso, han podido seguirse de forma presencial y online, y ya se puede acceder en diferido.

Esta nueva edición del curso de verano ha contado entre otras, con la colaboración de las infraestructuras europeas de investigación CLARIN y DARIAH, así como de distintas redes de humanidades digitales, y ha sido organizado por el LINHD en el marco del proyecto POSTDATA.

DH@Madrid 2018

El lunes comenzó con la bienvenida y la presentación del curso por parte de los directores, Clara I. Martinéz Cantón y Salvador Ros Muñoz.

A continuación, Elena Álvarez Mellado, nos deleitó con su ponencia de “La lengua al microscopio: introducción básica al NLP desde Humanidades”, explicando las posibilidades que permiten las herramientas de la Lingüística computacional, mediante el análisis informático de grandes cantidades de textos. Su ponencia ha comenzado con una comparación entre el tabú que existía en época medieval en relación a la disección de cuerpos humanos para comprender su funcionamiento, y el peso de la tradición médica de Galeno, cuyas teorías estaban basadas principalmente en la observación, pero no se contrastaban. Explicó, además, las tareas básicas de un ordenador a la hora de procesar un texto.

 

La tarde del lunes se cerró con la presentación de Jennifer Edmond, Directora de proyectos estratégicos del Trinity Long Room Hub Arts & Humanities Research Institute, contándonos sobre la infraestructura DARIAH y de las ventajas de crear y compartir una infraestructura común que nos facilite el acceso a redes de trabajo y al conocimiento compartido entre diversos actores. De esta manera, tener una estructura también permite acercarse y ajustarse mejor a estándares como Open Science, incrementa las posibilidades de obtener financiación y promueve la sostenibilidad a lo largo del tiempo de los resultados. Permite además, estar al día de qué se está haciendo en el entorno de tu investigación.

El día martes, comenzó con la charla de Pablo Ruiz Fabo que ha introducido la noción expresión regular (regular expression- regex) y ha mostrado con diversos ejemplos y ejercicios cómo explorar un corpus de textos mediante el uso de regex, aprendiendo a modificar cadenas de texto eficazmente. La exposición teórica estuvo acompañada de ejercicios en donde se aprendieron, entre otras, las diferencias entre los elementos literales y los especiales. Durante su ponencia Pablo ha proporcionado una serie de enlaces donde poder usar las
expresiones regulares en Internet y también unos editores para poder descargarse en los ordenadores.

Mikel Iruskieta, investigador del Grupo IXA de la Universidad el País Vasco, exponía la potencialidad de Python y el lenguaje de programación para extraer o generar corpora textuales y explotarlos, guardando los resultados obtenidos. También, explicaba las tareas de PLN que pueden realizarse con Python, como la extracción de información de textos de distinto tipo, buscar términos en la web y comparar frecuencias, el desarrollo de programas basados en análisis lingüísticos y búsquedas basadas en diccionarios, guardando toda la información obtenida en XML. Asimismo, explicaba para qué podían ser útiles las infraestructuras del procesamiento del lenguaje, como CLARIN-K.

Por su parte, Mª Luisa Díez Platas, Investigadora del proyecto POSTDATA, se centró en la presentación de una herramienta que ha sido desarrollada en el Proyecto POSTDATA para el reconocimiento de entidades nombradas: Hispanic Medieval Tagger (HisMeTag). Constituye una de las tareas más importantes en la extracción de información y consiste en el reconocimiento y la clasificación de nombres de personas, lugares, organizaciones, expresiones numéricas, expresiones temporales, etc.  Su principal novedad es el reconocimiento de entidades nombradas en textos medievales. Pero, además, gracias a HisMeTag ha sido posible la creación de una taxonomía de entidades que puede servir de gran utilidad para los humanistas en su tarea de análisis de los textos.

La tarde del martes finalizó con la ponencia de Elena González-Blanco, investigadora principal del Proyecto POSTDATA y General Manager of Europe en CoverWallet. Elena comenzó con un repaso de lo que son las Humanidades Digitales y la situación actual, con el machine learning y la inteligencia artificial. Comentó que la inteligencia artificial es una etiqueta que engloba muchas cosas: reconocimiento facial o de escritura; máquinas que pueden llevar a cabo razonamientos complejos, como jugar al ajedrez; algoritmos complejos que se resuelven solos; los chatbots y los asistentes virtuales o los medios de transporte que se conducen solos. Son tecnologías diversas que se aplican a diferentes ámbitos, pero que todas tienen un punto en común: la transformación digital. No es la disciplina la que marca la diferencia, sino la tecnología y el tipo de materia sobre la que se aplica.

El último día de curso, comenzó con la charla de Antonio Robles de la UNED y José Manuel Fradejas de la Universidad de Valladolid. Se puso de manifiesto la necesidad de la interdisciplinariedad, uniendo el aspecto informático con el humanístico. En este sentido, el lenguaje R no solo sirve para el análisis de textos sino también para realizar análisis estadísticos y visualizaciones avanzadas. El profesor Fradejas explicó qué es la estilometría y señaló cuales son los libros reveladores en el campo de la estilometría para él. La charla de José Manuel también tuvo una gran parte de práctica para demostrar otras potencialidades del PLN.

A continuación, Gimena del Río, investigadora de CONICET- Argentina, explicó en qué consistía el proyecto Pelagios, y lo que es un gazetteer (una base de datos histórico-geográfica que permite trabajar en sistemas de información geográfica con coordenadas geotópicas). La estructura Pelagios está centrada en datos geográficos como entidades nombradas y trabaja distintas tecnologías: Linked Open Data, Geographical Information Systems, Natural Language Processing, GeoJson, XML-TEI, etc. Además su uso es muy intuitivo, como se pudo comprobar
durante la práctica.

La intervención de Helena Bermúdez Sabel, investigadora del Proyecto POSTDATA, fue de carácter eminentemente práctico. Comenzó, sin embargo, con una breve introducción sobre en qué consiste XML y sus ventajas respecto a otros formatos, al unir un lenguaje humano y uno informático. Así, la finalidad principal del lenguaje XML es la de modelar la estructura inherente y las propiedades semánticas de diversos documentos culturales por medio de hierarquías y estructuras ordenadas. Entre las aplicaciones prácticas de XML para las Humanidades Digitales cabe destacar la identificación de estrofas y versos y una serie de recursos estilísticos.

Para finalizar y a modo de colofón del curso, Enrique Vidal, catedrático de la Universidad Politécnica de Valencia, explica cómo llevar a la práctica en un proyecto de investigación, el Procesamiento del Lenguaje Natural. Hace algunas décadas numerosos investigadores vaticinaron el fin del papel como modelo de transmisión del texto escrito. Sin embargo, este vaticinio no se cumplió y hoy en día existe una buena cantidad de textos escritos a mano que no han sido procesados aún mediante herramienta informática alguna. Las tecnologías que se están desarrollando actualmente para procesar textos manuscritos son cada día más numerosas. Explicó que se han desarrollado tecnologías de interacción persona-máquina que permiten conseguir transcripciones perfectas con un esfuerzo mucho menor del que supondría una transcripción manual por parte de un ser humano. Estos son los llamados métodos interactivo-predictivos de transcripción asistida. Además, se han desarrollado tecnologías de predicción probabilística de texto en imágenes, que se pueden aplicar directamente a las imágenes sin tenerlas explícitamente transcritas.

¡¡¡Muchas gracias a todos por la participación…los esperamos el año que viene!!

 

New full-time job offers in the POSTDATA ERC project at LINHD, UNED

We are looking for 2 full-time Computational Linguist / Natural Language Processing developers for the ERC research project POSTDATA.

Requirements for this position are:

  • Knowledge of Natural Language processing (NLP) or Computational Linguistics
  • Knowledge of NLP toolkits
  • Experience using language technology in the Humanities
  • Good programming skills in Python or Java
  • Languages: Spanish and English
  • Demonstrable good writing skills in English
  • Experience with software version control (git)
  • Autonomy combined with good communication and collaboration skills, team-oriented

Desirable

  • Experience with machine learning
  • Experience using machine learning for non-canonical language varieties
  • Experience with managing annotation projects
  • Experience with deep learning
  • Knowledge of web development frameworks (e.g. Django or Flask, or Drupal)
  • Additional languages (modern or historical varieties)
  • Good publication record in NLP or related areas
  • Experience with software prototyping
  • Experience with iterative development
  • Linux shell, shell scripting
  • Experience deploying web applications on Linux

Candidates must sent a short CV (maximum 4 pages) and a motivation letter (maximum 2 pages) explaining why they fit for the position, with references to previous projects developed. 

Contact email: luciana@linhd.uned.es

Deadline: 21th September, 2018

Mandatory SUBJECT of email message: POSTDATA Developer Application _ LastName, Name

The positions will be filled as soon as we find a candidate suitable for it. Don’t wait for the last minute!

POSTDATA participa del Congreso de Humanidades Digitales 2018 en Mexico

El congreso DH2018 (Humanidades Digitales 2018) tuvo lugar en la Ciudad de México entre el 26 y 29 de junio, organizado por The Association of Digital Humanities Organizations (ADHO),  El Colegio de México y la Universidad Nacional Autónoma de México (UNAM), en colaboración con la Red de Humanidades Digitales (RedHD). POSTDATA participó en el congreso con una presentación breve y un póster.

Presentamos la nueva versión de nuestro corpus DISCO, que consta de 4.000 sonetos en español de más de 1.000 autores, tanto canónicos como no, de Europa y América, que abarcan desde el siglo XV hasta el siglo XIX. El corpus se proporciona en TEI y texto simple, con diversos metadatos para describir a los autores, en TEI y a través de atributos RDFa (un formato de datos enlazados). El corpus tiene anotaciones literarias obtenidas a través del Procesamiento del Lenguaje Natural, concretamente escansión y encabalgamiento, y puede descargarse libremente aquí. El trabajo presentado se encuentra aquí.

 

También presentamos la interfaz web a ANJA, nuestra herramienta de detección de encabalgamiento en español, accesible aquí. Permite cargar poemas y obtener anotaciones de encabalgamiento según una tipología especializada. El trabajo se describe aquí.

 

¡El congreso fue un gran evento por el que debemos agradecer a la organización!

POSTDATA participa de la Conferencia sobre Ciencia Abierta y las Humanidades en Barcelona

La Ciencia Abierta es una práctica de la ciencia y un movimiento para hacer que la investigación científica, los datos y la difusión sean accesibles a todos los niveles de una sociedad investigadora en términos que permitan la reutilización, redistribución y replicabilidad de la investigación, de los datos y de los métodos subyacentes.

El pasado jueves 21 de Junio tuvo lugar la Conferencia sobre Ciencia Abierta y las Humanidades 2018 en la Universidad de Barcelona. En esta ocasión el Proyecto POSTDATA fue presentado por Luciana Ayciriex, actual Project Manager del proyecto.

La bienvenida estuvo a cargo de  Xavier Roigé Ventura, Vicerector de Doctorat i Promoció de la Recerca, Domènech Espriu Climent, Vicerector de Recerca, Àlex Aguilar Vila, Vicerector de Projecció i Internacionalizació y José Remesal de la Universidad de Barcelona.

POSTDATA: Open poetry, open science and linked open data

La conferencia fue organizada por la Universitat de Barcelona, SIRIS AcademicEP.NET, CEIPAC, ERC

Programa de la conferencia http://www.ub.edu/openscienceandthehumanities/es/programme/

LINHD participa en las VIII jornadas digitales, organizadas por la UNE y Editorial CSIC

Durante los días 7 y 8 de junio tuvieron lugar en Madrid las VIII Jornadas digitales de la Unión de Editoriales Universitarias Españolas con el título Edición académica: el entorno digital y sus retos.

 

El LINHD ha participado en la mesa redonda que versaba sobre el ecosistema del lector en el siglo XXI en el entorno digital y cuyo objetivo era poner sobre la mesa tanto las demandas de lectores como de investigadores. Nuestra representante hizo una breve presentación sobre la evolución de la edición filológica dentro del soporte digital centrándose en las demandas actuales de la comunidad investigadora en este ámbito.

 

Puede consultarse el programa completo del evento en la página de la asociación

 

El LINHD quiere agradecer a la UNE la oportunidad de participar en este interesante evento y en especial a Maribel Cabrera, directora de las Jornadas y directora de la Editorial Universidad de Granada, por su dedicación.

Reportaje fotográfico de las VIII Jornadas digitales

III Congreso de Humanidades Digitales de la AAHD

La Asociación Argentina de Humanidades Digitales (AAHD) y la Facultad de Humanidades y Artes de la Universidad Nacional de Rosario (UNR) invitan a la comunidad a participar en el III Congreso Internacional “Humanidades Digitales. La Cultura de los Datos”, que se celebrará del 7 al 9 de noviembre de 2018 en el Espacio Cultural Universitario (ECU) y la Facultad de Humanidades (UNR),  en la ciudad de Rosario, provincia de Santa Fe, Argentina.

La Cultura de los Datos nos permitirá reflexionar sobre el modo en el que los datos se han generalizado en la investigación en las Humanidades y las Ciencias Sociales y cómo se han desarrollado nuevas áreas, objetos y  métodos guiados por nuevas epistemologías y cambios de paradigma.

 

pdf Callforpapers

Enlace al congreso https://www.aacademica.org/congreso.aahd2018

 

Organizadores

         

 

 

Inteligencia Artificial en la Industria 4.0 y la Sociedad: Conferencia de Elena González-Blanco el jueves 5 de abril

El próximo jueves 5 de abril a las 18:00 horas, Elena González Blanco, investigadora principal del Proyecto Postdata y General Manager de Europa en la empresa Coverwallet, dará una conferencia sobre Inteligencia Artificial: “Inteligencia Artificial: La Humanidad Digital”.

En el marco de la inauguración del formato Conversaciones 4.0 de la Cátedra de Industria Conectada de la Universidad Pontificia Comillas, expertos de diversos ámbitos y disciplinas tendrán un diálogo abierto sobre las profundas implicaciones de la Inteligencia Artificial en la sociedad y en la industria.

La conferencia tendrá lugar en el Aula Magna, calle Alberto Aguilera 23, Madrid.

 

Video de la conferencia

Más noticias sobre el evento https://www.efefuturo.com/noticia/robots-inteligencia-artificial/

Conferencia: ¿Qué Humanidades Digitales son posibles en Cuba? Retos y oportunidades para las Ciencias de la Información.

El jueves 1 de marzo, Sulema Rodríguez-Roche, profesora asistente de la Facultad de Comunicación de la Universidad de La Habana e investigadora y fundadora del primer proyecto académico de Humanidades Digitales en Cuba (HDCI), brindó la conferencia:  “¿Qué Humanidades Digitales son posibles en Cuba? Retos y oportunidades para las Ciencias de la Información”.

Actualmente, Sulema es profesora invitada en el Laboratorio de Innovación en Humanidades Digitales de la UNED, en España.

La conferencia, organizada por el Proyecto Posdata, tuvo lugar en la Escuela Técnica Superior de Ingeniería Informática de la UNED.
Vídeo de la presentación

POSTDATA presenta el corpus DISCO en Colonia (DHd 2018)

La semana pasada el proyecto POSTDATA estuvo en Colonia en DHd 2018, el congreso anual de Digital Humanities im deutschprachigen Raum (la asociación alemana de DH). El congreso fue organizado por el Cologne Center for eHumanities y Universität zu Köln.

Presentamos nuestro corpus DISCO (Diachronic Spanish Sonnet Corpus). El corpus contiene más de 4,000 sonetos de más de 1,000 authors, tanto europeos como americanos, incluyendo autores canónicos y no canónicos, de entre los siglos XV y XIX. El corpus se presenta en formato TEI con anotaciones en RDFa. Los autores están anotados con su identificador de VIAF. También se ofrecen anotaciones literarias (métrica y encabalgamiento). El corpus es una colaboración con José Calvo (del grupo CLiGs de Universität Würzburg), y está disponible en GitHub: https://github.com/postdataproject/disco

El poster puede verse en zenodo.

¡Gracias DHd!

II Jornada Aporta 2017: La cultura de los datos abiertos

El próximo 19 de octubre se celebrará la II jornada de “La cultura de los datos abiertos”, un pre-evento del encuentro Aporta organizado por la Biblioteca Nacional. Este año tendrá como objetivo averiguar cómo influye la reutilización de la información pública y los datos culturales en transformar la investigación, así como en el desarrollo profesional.

El evento tendrá lugar esta vez en la Biblioteca Nacional de España. Entre los distintos conferenciantes se encontrará Elena González-Blanco, IP del proyecto ERC POSTDATA, que participará en la mesa redonda: “Datos para la (re)creación corporativa y profesional”, a las 12:00.

El acto podrá seguirse en directo desde la web http://www.bne.es/es/ComunidadBNE/Retransmisiones/1019-Jornada-Laculturaylosdatosabiertos, y desde las redes sociales a través de los hashtags #culturaenabierto y #BNEAporta.

Asimismo, podéis consultar el programa completo en el siguiente enlace

Las conclusiones de la jornada se expondrán en la tarde del Encuentro Aporta 2017, que tendrá lugar el próximo día 24 de octubre en Madrid.

¡Os esperamos!