Search

Cultural heritage institutions are exploring Semantic Web technologies to publish and enrich their catalogues. Several initiatives, such as Labs, are based on the creative and innovative reuse of the materials published by cultural heritage institutions. In this way, quality has become a crucial aspect to identify and reuse a dataset for research. In this article, we propose a methodology to create Shape Expressions definitions in order to validate LOD datasets published by libraries. The methodology was then applied to four use cases based on datasets published by relevant institutions. It intends to encourage institutions to use ShEx to validate LOD datasets as well as to promote the reuse of LOD, made openly available by libraries. This research has been funded by the AETHER-UA (PID2020-112540RB-C43) Project from the Spanish Ministry of Science and Innovation.

The information required to select grammatical gender in machine translation of isolated sentences for gender-marking languages is frequently missing or difficult to extract. Our text-centric, black-box study demonstrates how the gender distribution of the training set is distorted at the output. Human evaluation reveals that gender clues are frequently absent from the source, resulting in stereotyped translations. En la traducció automàtica d'oracions aïllades a llengües que marquen el gènere, la informació necessària per seleccionar el gènere gramatical sovint n’és absent o és difícil d'extraure’n. Aquest estudi de caixa negra i centrat en el text mostra com la distribució de gènere del conjunt d’entrenament es distorsiona en l’eixida. Una avaluació humana revela que sovint no hi ha cap pista de gènere en l’original, cosa que condueix a traduccions estereotipades. La información necesaria para seleccionar el género gramatical en la traducción automática de oraciones aisladas a lenguas que marcan el género suele estar ausente o ser difícil de extraer. Este estudio de caja negra y centrado en el texto demuestra cómo la distribución de género del conjunto de entrenamiento se distorsiona en la salida. Una evaluación humana revela que los indicios de género suelen estar ausentes en el original, lo cual da lugar a traducciones estereotipadas.

Pre-trained models have revolutionized the natural language processing field by leveraging large-scale language representations for various tasks. Some pre-trained models offer general-purpose representations, while others are specialized in particular tasks, like neural machine translation (NMT). Multilingual NMT-targeted systems are often fine-tuned for specific language pairs, but there is a lack of evidence-based best-practice recommendations to guide this process. Additionally, deploying these large pre-trained models in computationally restricted environments, typically found in developing regions where low-resource languages are spoken, has become challenging. We propose a pipeline to tune the mBART50 pre-trained model to 8 diverse low-resource language pairs, and then distill the resulting system to obtain lightweight and more sustainable NMT models. Our pipeline conveniently exploits back-translation, synthetic corpus filtering, and knowledge distillation to deliver efficient bilingual translation models that are 13 times smaller, while maintaining a close BLEU performance. This paper is part of the R+D+i project PID2021-127999NB-I00 funded by the Spanish Ministry of Science and Innovation (MCIN), the Spanish Research Agency (AEI/10.13039/501100011033) and the European Regional Development Fund A way to make Europe. The computational resources used were funded by the European Regional Development Fund through project IDIFEDER/2020/003

We present the most relevant results of the project MaCoCu: Massive collection and curation of monolingual and bilingual data: focus on under-resourced languages in its second year. Parallel and monolingual corpora have been produced for eleven low-resourced European languages by crawling large amounts of textual data from selected top-level domains of the Internet; both human and automatic evaluation show its usefulness. In addition, several large language models pretrained on MaCoCu data have been published, as well as the code used to collect and curate the data. This action has received funding from the European Union’s Connecting Europe Facility 2014-2020 - CEF Telecom, under Grant Agreement No. INEA/CEF/ICT/A2020/2278341.

Computer-aided translation tools based on translation memories are widely used to assist professional translators. A translation memory (TM) consists of a set of translation units (TU) made up of source- and target-language segment pairs. For the translation of a new source segment s', these tools search the TM and retrieve the TUs (s,t) whose source segments are more similar to s'. The translator then chooses a TU and edit the target segment t to turn it into an adequate translation of s'. Fuzzy-match repair (FMR) techniques can be used to automatically modify the parts of t that need to be edited. We describe a language-independent FMR method that first uses machine translation to generate, given s' and (s,t), a set of candidate fuzzy-match repaired segments, and then chooses the best one by estimating their quality. An evaluation on three different language pairs shows that the selected candidate is a good approximation to the best (oracle) candidate produced and is closer to reference translations than machine-translated segments and unrepaired fuzzy matches (t). In addition, a single quality estimation model trained on a mix of data from all the languages performs well on any of the languages used. This work was supported by the Spanish Government through the EFFORTUNE project [TIN-2015-69632-R].

Online Judge (OJ) systems are typically considered within programming-related courses as they yield fast and objective assessments of the code developed by the students. Such an evaluation generally provides a single decision based on a rubric, most commonly whether the submission successfully accomplished the assignment. Nevertheless, since in an educational context such information may be deemed insufficient, it would be beneficial for both the student and the instructor to receive additional feedback about the overall development of the task. This work aims to tackle this limitation by considering the further exploitation of the information gathered by the OJ and automatically inferring feedback for both the student and the instructor. More precisely, we consider the use of learning-based schemes—particularly, Multi-Instance Learning and classical Machine Learning formulations—to model student behaviour. Besides, Explainable Artificial Intelligence is contemplated to provide human-understandable feedback. The proposal has been evaluated considering a case of study comprising 2,500 submissions from roughly 90 different students from a programming-related course in a Computer Science degree. The results obtained validate the proposal: the model is capable of significantly predicting the user outcome (either passing or failing the assignment) solely based on the behavioural pattern inferred by the submissions provided to the OJ. Moreover, the proposal is able to identify prone-to-fail student groups and profiles as well as other relevant information, which eventually serves as feedback to both the student and the instructor. This work has been partially funded by the “Programa Redes-I3CE de investigacion en docencia universitaria del Instituto de Ciencias de la Educacion (REDES-I3CE-2020-5069)” of the University of Alicante. The third author is supported by grant APOSTD/2020/256 from “Programa I+D+I de la Generalitat Valenciana”.

In recent years, we have witnessed a steady growth of linguistic information represented and exposed as linked data on the Web. Such linguistic linked data have stimulated the development and use of openly available linguistic knowledge graphs, as is the case with Apertium RDF, a collection of interconnected bilingual dictionaries represented and accessible through Semantic Web standards. In this work, we explore techniques that exploit the graph nature of bilingual dictionaries to automatically infer new links (translations). We build upon a cycle density based method: partitioning the graph into biconnected components for a speed-up, and simplifying the pipeline through a careful structural analysis that reduces hyperparameter tuning requirements. We also analyse the shortcomings of traditional evaluation metrics used for translation inference and propose to complement them with new ones, both-word precision (BWP) and both-word recall (BWR), aimed at being more informative of algorithmic improvements. Over twenty-seven language pairs, our algorithm produces dictionaries about 70% the size of existing Apertium RDF dictionaries at a high BWP of 85% from scratch within a minute. Human evaluation shows that 78% of the additional translations generated for enrichment are correct as well. We further describe an interesting use-case: inferring synonyms within a single language, on which our initial human-based evaluation shows an average accuracy of 84%. We release our tool as a free/open-source software which can not only be applied to RDF data and Apertium dictionaries, but is also easily usable for other formats and communities., pre-print

Los métodos ágiles son útiles para desarrollar proyectos con alto grado de incertidumbre y/o volatilidad. Permiten reducir costes de producción (económicos y humanos) al ofrecer una propuesta de investigación sobre el desarrollo de bajo coste de implementación. Esto permite explorar y validar las distintas hipótesis y líneas de desarrollo del proyecto antes de invertir esfuerzos o recursos en ellas. La implementación de propuestas didácticas no está exenta de incertidumbres y su puesta en marcha debe responder a unos ciclos muy estrictos a la vez que el grado de responsabilidad del docente sobre el resultado es alto. Por ello, la aplicación de métodos ágiles resulta conveniente. Las prácticas docentes, por su arraigo entre las propuestas didácticas universitarias y por su alto grado de utilización, están especialmente indicadas para aplicar estos procedimientos de diseño ágiles. La tematización de las prácticas docentes, es decir, su orientación hacia la resolución de un problema práctico de orden real existente en el entorno social del alumno, permitirá profundizar en el carácter útil de la práctica realizada ya que está dirigido a mejorar la empleabilidad del alumno tras su realización. Esto se puede traducir en un mayor poder motivacional para la práctica. En el caso de esta propuesta de trabajo, la tematización será sobre el problema del calentamiento global y el cambio climático y, en especial, sobre la cuestión de la descarbonización o sustitución de combustibles fósiles por energías renovables. Sin embargo, introducir una tematización de este tipo en una práctica docente orientada a dotar al alumno de unas habilidades profesionales, a priori, genéricas, puede diluir el objetivo final de la misma. Se introduce un grado de complejidad que puede resultar en que la tematización pierda el valor motivacional e incluso que reduzca el valor de la práctica como método de adquisición de la habilidad profesional específica. Por ello es preciso trabajar en el diseño de la práctica para aislar los componentes educacionales de la misma. El método se basa en la utilización de un modelo de CANVAS o plantilla organizada adaptada originalmente del LEAN STARTUP CANVAS denominado eLearning Lean Design con el que se persigue desarrollar eficazmente y eficientemente una propuesta docente, es decir obtener los resultados esperados con inversión reducida de recursos. La aplicación del método incluye una serie de hitos de evaluación que permiten validar progresivamente la secuencia de pasos que se van finalizando y pivotar sobre las decisiones tomadas si es necesario. Ello permite afianzar dichas decisiones y despejar las incertidumbres progresivamente. En el artículo se presenta el método propuesto, su historia de implementación en varios casos prácticos y los resultados obtenidos, tanto por parte de los alumnos (eficacia como calidad percibida) como por parte del docente que utiliza la metodología (eficiencia como ahorro de tiempos y esfuerzos). Los casos concretos de aplicación de este método versan sobre disciplinas heterogéneas como son las Ingenierías (caso de Ingeniería Informática e Ingeniería Multimedia) y el grado de Maestro en Educación Primaria, lo que prueba la versatilidad del método.

Este paper describe la metodología de un marco de trabajo, para el diseño e implementación práctica de chatbots, que responden automáticamente preguntas generadas por estudiantes que interactúan mediante tutorías virtuales. La metodología es validada mediante consultas a expertos que integran un grupo de profesores de Teoría y Prácticas de la asignatura Sistemas y Tecnologías de Información, en la carrera de Informática en la Universidad de Alicante (UA). La propuesta parte de la necesidad principal de responder en un período breve de tiempo numerosas tutorías que generan grupos con amplia matrícula de estudiantes. De ello surge la pregunta de cómo asistir al docente y a los estudiantes con herramientas automáticas que sean capaces de interpretar el lenguaje natural y generar respuestas de alta calidad, con la capacidad de superar el Test de Turing, y cumpliendo con los objetivos educativos e instructivos planteados en un programa curricular. Se describe la implementación de tutores virtuales basados en tecnología RASA, a partir de experiencias prácticas en la impartición de la asignatura e-Learning en el grado en Ingeniería Multimedia, en la UA. La solución tecnológica parte de un Corpus de datos de entrenamiento de conversaciones creadas por estudiantes que desarrollan diferentes proyectos en la modalidad Aprendizaje Basado en Proyectos (ABP). La solución permite el desarrollo de un chatbot generativo, capaz de combinar un dominio de conversacional amplio con temáticas específicas basadas en reglas. La propuesta se basa en modelos de redes neuronales para la Interpretación del Lenguaje Natural, a través de voz o texto, y la Gestión de Diálogos mediante inferencia. El flujo de trabajo es posible personalizarlo con diferentes herramientas para el Word Embedding, Name Entities Recognition, Regular Expressiones and Tokenizer. Se describe cómo reutilizar los diálogos generados por los estudiantes a través de técnicas de Transfer Learning. La solución es capaz de identificar el contexto conversacional a partir del flujo natural de la conversación con el asistente así como la detección de aspectos claves para la elaboración de las respuestas mediante la identificación de la intención del usuario. Los modelos se basan en redes de tipo Transformer, capaces de incorporar mecanismos de atención avanzados. Mediante el manejo de conversaciones de tipo “chit-chat” es posible dar un aspecto natural a la conversación, con el propósito de mantener conectado al estudiante durante toda la tutoría y evitar abandonos tempranos. La perspectiva multicanalidad y su carácter ubicuo, se ofrece con la integración de la propuesta en varios canales de comunicación como Slack, Instagram o una página web cualquiera. Planteamos como caso de estudio su utilización en la asignatura Sistemas de Tecnologías de la Información en la carrera de Informática para la enseñanza de conceptos relacionados con la creación y gestión de empresas. Por último, las conclusiones abordan el resultado de triangular técnicas de Análisis y Visualización de Datos usadas durante la conformación del Corpus de Entrenamiento, con otras de Generación de Contenidos y Procesamiento del Lenguaje Natural.

Los sistemas de juez en línea (JL) se utilizan en el ámbito de la programación, ya que permiten realizar evaluaciones rápidas y objetivas del código desarrollado por los estudiantes. Este tipo de evaluación suele proporcionar una única decisión sobre si el envío ha cumplido con éxito la tarea. Sin embargo, dado que en un contexto educativo dicha información puede considerarse insuficiente, sería beneficioso tanto para el estudiante como para el instructor recibir información adicional sobre el desarrollo general de la tarea. Este trabajo pretende abordar esta limitación considerando la explotación adicional de la información recopilada por el JL e infiriendo automáticamente la retroalimentación, tanto para el estudiante como para el instructor. Consideramos el uso de esquemas basados en Aprendizaje Automático para modelar el comportamiento del estudiante y de Inteligencia Artificial Explicable para proporcionar una retroalimentación comprensible para el ser humano. La propuesta ha sido evaluada en un caso de estudio considerando más de 2.600 envíos y 90 estudiantes de la asignatura Desafíos de Programación (Ingeniería en Informática, Universidad de Alicante). Los resultados obtenidos validan la propuesta: el modelo es capaz de predecir de forma significativa el resultado del usuario (aprobar o suspender la tarea) basándose únicamente en el patrón de comportamiento inferido por los envíos realizados al JL, además retroalimentar al estudiante y al instructor. Este trabajo ha sido parcialmente financiado por el ‘’Programa Redes-I3CE de investigación en docencia universitaria del Instituto de Ciencias de la Educación (REDES-I3CE-2020-5069)’’ de la Universidad de Alicante.

In the domain of Galleries, Libraries, Archives and Museums (GLAM) institutions, creative and innovative tools and methodologies for content delivery and user engagement have recently gained international attention. New methods have been proposed to publish digital collections as datasets amenable to computational use. Standardised benchmarks can be useful to broaden the scope of machine-actionable collections and to promote cultural and linguistic diversity. In this article, we propose a methodology to select datasets for computationally driven research applied to Spanish text corpora. This work seeks to encourage Spanish and Latin American institutions to publish machine-actionable collections based on best practices and avoiding common mistakes. This research has been funded by the AETHER-UA (PID2020-112540RB-C43) Project from the Spanish Ministry of Science and Innovation.

Optical music recognition is a research field whose efforts have been mainly focused, due to the difficulties involved in its processes, on document and image recognition. However, there is a final step after the recognition phase that has not been properly addressed or discussed, and which is relevant to obtaining a standard digital score from the recognition process: the step of encoding data into a standard file format. In this paper, we address this task by proposing and evaluating the feasibility of using machine translation techniques, using statistical approaches and neural systems, to automatically convert the results of graphical encoding recognition into a standard semantic format, which can be exported as a digital score. We also discuss the implications, challenges and details to be taken into account when applying machine translation techniques to music languages, which are very different from natural human languages. This needs to be addressed prior to performing experiments and has not been reported in previous works. We also describe and detail experimental results, and conclude that applying machine translation techniques is a suitable solution for this task, as they have proven to obtain robust results. This work was supported by the Spanish Ministry HISPAMUS project TIN2017-86576-R, partially funded by the EU, and by the Generalitat Valenciana through project GV/2020/030.

In the context of neural machine translation, data augmentation (DA) techniques may be used for generating additional training samples when the available parallel data are scarce. Many DA approaches aim at expanding the support of the empirical data distribution by generating new sentence pairs that contain infrequent words, thus making it closer to the true data distribution of parallel sentences. In this paper, we propose to follow a completely different approach and present a multi-task DA approach in which we generate new sentence pairs with transformations, such as reversing the order of the target sentence, which produce unfluent target sentences. During training, these augmented sentences are used as auxiliary tasks in a multi-task framework with the aim of providing new contexts where the target prefix is not informative enough to predict the next word. This strengthens the encoder and forces the decoder to pay more attention to the source representations of the encoder. Experiments carried out on six low-resource translation tasks show consistent improvements over the baseline and over DA methods aiming at extending the support of the empirical data distribution. The systems trained with our approach rely more on the source tokens, are more robust against domain shift and suffer less hallucinations., Comment: To be published as long paper in EMNLP 2021

Este artículo aborda las causas que, en opinión del autor, han motivado la adopción creciente de sistemas de traducción automática (TA) para la producción de borradores para la posedición. Estas causas son principalmente cuatro: la mejora en las técnicas de TA, la mayor disponibilidad de recursos tales como software y datos, el cambio en las expectativas de los usuarios en cuanto a lo que se puede esperar o no de un sistema de TA, y por último la mayor integración de sistemas TA en entornos de ayuda a la traducción. Aquest article aborda les causes que, en opinió de l'autor, han motivat l'adopció crecient de sistemes de traducció automàtica (TA) per produir esborranys per a la postedició. Aquestes causes són principalment quatre: la millora en les tècniques de TA, la major disponibilitat de recursos com ara programari i dades, el canvi en les expectatives dels usuaris quant al que es pot esperar o no d'un sistema de TA, i finalment la major integració de sistemes TA en entorns d'ajuda a la traducció. This article discusses the causes which, in the author's opinion, have led to an increase of the adoption of machine translation (MT) to produce drafts for post-editing. There are four main causes for this: improvement of MT techniques, increased availability of resources such as software and data, a change in users' expectation about MT, i.e. what can and cannot be expected from an MT system, and better ways of integrating MT systems in compute-aided translation tools.

Las instituciones GLAM (del inglés, Galleries, Libraries, Museums and Archives) publican contenidos y materiales en formato digital, así como también herramientas y prototipos en acceso abierto. En este sentido, las organizaciones están desarrollando laboratorios (labs), liderados por la Biblioteca Británica, para fomentar la reutilización de las colecciones digitales de forma innovadora y creativa atrayendo investigadores multidisciplinares incluyendo perfiles tecnológicos pero también de humanidades. Este trabajo sugiere que las instituciones GLAM, y en particular los Labs, proporcionan colecciones digitales que son adecuadas para el ámbito de la educación. En este sentido, recursos como las colecciones de Jupyter Notebooks son un recurso pedagógico que facilita la reutilización de las colecciones digitales a través de entornos reproducibles y ejecutados en la nube. Los resultados de este trabajo pueden ser utilizados por la comunidad educativa para crear y enriquecer asignaturas basadas en el uso de colecciones digitales y recursos facilitados por instituciones GLAM. El trabajo futuro incluye la exploración y adaptación del uso de Jupyter Notebooks en titulaciones basadas en Humanidades Digitales.

This paper studies the effects of word-level linguistic annotations in under-resourced neural machine translation, for which there is incomplete evidence in the literature. The study covers eight language pairs, different training corpus sizes, two architectures and three types of annotation: dummy tags (with no linguistic information at all), part-of-speech tags, and morpho-syntactic description tags, which consist of part of speech and morphological features. These linguistic annotations are interleaved in the input or output streams as a single tag placed before each word. In order to measure the performance under each scenario, we use automatic evaluation metrics and perform automatic error classification. Our experiments show that, in general, source-language annotations are helpful and morpho-syntactic descriptions outperform part of speech for some language pairs. On the contrary, when words are annotated in the target language, part-of-speech tags systematically outperform morpho-syntactic description tags in terms of automatic evaluation metrics, even though the use of morpho-syntactic description tags improves the grammaticality of the output. We provide a detailed analysis of the reasons behind this result. Work funded by the European Union’s Horizon 2020 research and innovation programme under grant agreement number 825299, project Global Under-Resourced Media Translation (GoURMET).

For some decades now, Galleries, Libraries, Archives and Museums (GLAM) institutions have published and provided access to information resources in digital format. Recently, innovative approaches have appeared such as the concept of Labs within GLAM institutions that facilitates the adoption of innovative and creative tools for content delivery and user engagement. In addition, new methods have been proposed to address the publication of digital collections as data sets amenable to computational use. In this article, we propose a methodology to create machine actionable collections following a set of steps. This methodology is then applied to several use cases based on data sets published by relevant GLAM institutions. It intends to encourage institutions to adopt the publication of data sets that support computationally driven research as a core activity. This work has been partially supported by ECLIPSE-UA RTI2018-094283-B-C32 (Spanish Ministry of Education and Science).

The catalogue of the Biblioteca Virtual Miguel de Cervantes contains about 200,000 records which were originally created in compliance with the MARC21 standard. The entries in the catalogue have been recently migrated to a new relational database whose data model adheres to the conceptual models promoted by the International Federation of Library Associations and Institutions (IFLA), in particular, to the FRBR and FRAD specifications. The database content has been later mapped, by means of an automated procedure, to RDF triples which employ basically the RDA vocabulary (Resource Description and Access) to describe the entities, as well as their properties and relationships. This RDF-based semantic description of the catalogue is now accessible online through an interface which supports browsing and searching the information. Due to their open nature, these public data can be easily linked and used for new applications created by external developers and institutions. The methods applied for the automation of the conversion, which build upon open-source software components, are described here.

Interactive translation prediction (ITP) is a modality of computer-aided translation that assists professional translators by offering context-based computer-generated continuation suggestions as they type. While most state-of-the-art ITP systems follow a glass-box approach, meaning that they are tightly coupled to an adapted machine translation system, a black-box approach which does not need access to the inner workings of the bilingual resources used to generate the suggestions has been recently proposed in the literature: this new approach allows new sources of bilingual information to be included almost seamlessly. In this paper, we compare for the first time the glass-box and the black-box approaches by means of an automatic evaluation of translation tasks between related languages such as English–Spanish and unrelated ones such as Arabic–English and English–Chinese, showing that, with our setup, 20%–50% of keystrokes could be saved using either method and that the black-box approach outperformed the glass-box one in five out of six scenarios operating under similar conditions. We also performed a preliminary human evaluation of English to Spanish translation for both approaches. On average, the evaluators saved 10% keystrokes and were 4% faster with the black-box approach, and saved 15% keystrokes and were 12% slower with the glass-box one; but they could have saved 51% and 69% keystrokes respectively if they had used all the compatible suggestions. Users felt the suggestions helped them to translate faster and easier. All the tools used to perform the evaluation are available as free/open–source software. Work partially funded by the Generalitat Valenciana through grant ACIF/2014/365, the Spanish government through project EFFORTUNE (TIN2015-69632-R), and by the Government of the Republic of Kazakhstan.

La creació de sistemes de traducció automàtica per a llengües desfavorides, que anomenaré llengües menors, presenta diversos reptes alhora que obri la porta a noves oportunitats. Després de definir conceptes preliminars com ara els de llengua menor i traducció automàtica, i d’explicar breument els tipus de traducció automàtica existents, els usos més comuns, el tipus de dades en què es basen, i els drets d’ús i les llicències del programari i de les dades de traducció automàtica, es discuteixen els reptes a què s’enfronta la construcció de sistemes de traducció automàtica i els possibles efectes sobre l’estatus de la llengua menor, usant com a exemples llengües menors d’Europa. Building machine translation systems for disadvantaged languages, which I will call minor languages, poses a number of challenges whilst also opening the door to new opportunities. After defining a few basic concepts, such as minor language and machine translation, the paper provides a brief overview of the types of machine translation available today, their most common uses, the type of data they are based on, and the usage rights and licences of machine translation software and data. Then, it describes the challenges involved in building machine translation systems, as well as the effects these systems can have on the status of minor languages. Finally, this is illustrated by drawing on examples from minor languages in Europe.

Esta propuesta presenta Test-Bot, un prototipo diseñado para evaluar pruebas objetivas en tiempo real. Ha sido entrenado con un corpus formado por preguntas y respuestas extraídas de diferentes pruebas realizadas en años anteriores en la asignatura Sistemas y Tecnología de la Información, impartida en la carrera de Ingeniería Informática. Se han diseñado los diferentes flujos de conversación, que se han adaptado de acuerdo con las respuestas dadas por los usuarios; Cuando las respuestas son incorrectas, el sistema refuerza los contenidos al proporcionar preguntas adicionales; Las frases de capacitación se han extraído y clasificado de acuerdo con el tipo de contenido de las preguntas y, finalmente, se han identificado los intentos.

Este trabajo expone el planteamiento y los resultados de una acción innovadora en la que se propuso un trabajo en el que colaboran alumnos de distintas titulaciones y nivel académico. Esta colaboración tiene el objetivo de proponer una práctica en la cual alumnos del Máster en Ciberseguridad y del 4º curso Grado en Ingeniería Multimedia se necesitan para llevar a cabo una práctica, ya que los resultados de unos sirven de entrada a los otros. Esta práctica persigue ofrecer un escenario dónde los alumnos encuentren mayor realismo y paralelismo con el mundo laboral en que desempeñarán sus funciones y así mejorar las competencias relacionadas en este caso con la ciberseguridad. Para los alumnos de máster permitió realizar análisis de penetración, auditoría y generación de planes de seguridad sobre sistemas web complejos, reales y diversos producidos por los alumnos de grado y practicar la intervención para la resolución de incidentes. A los alumnos de grado les permitió conocer como es una auditoría de ciberseguridad, que fallos habían cometido en el desarrollo de sus sistemas y la forma de solucionarlos. Esta colaboración sería la que se realizaría en el mundo real y ha permitido a todos poner en prácticas sus competencias.

Cultural heritage institutions have recently started to share their metadata as Linked Open Data (LOD) in order to disseminate and enrich them. The publication of large bibliographic data sets as LOD is a challenge that requires the design and implementation of custom methods for the transformation, management, querying and enrichment of the data. In this report, the methodology defined by previous research for the evaluation of the quality of LOD is analysed and adapted to the specific case of Resource Description Framework (RDF) triples containing standard bibliographic information. The specified quality measures are reported in the case of four highly relevant libraries. This work has been partially supported by the ECLIPSE-UA RTI2018-094283-B-C32 (Spanish Ministry of Education and Science).

Informe técnico sobre el trabajo realizado por Víctor Manuel Sánchez Cartagena en una estancia en "Athena Research and Innovation Center", mientras estaba contratado por la empresa Prompsit Language Engineering y era colaborador honorífico en el Departamento de Lenguajes y Sistemas Informáticos de la Universidad de Alicante. This paper describes the process we followed in order to build English-Greek machine translation systems for the tourism/culture domain. We experimented with different data sets and domain adaptation methods for statistical machine translation and also built neural machine translation systems. The in-domain data were obtained by means of the ILSP Focused Crawler. The research leading to these results has received funding from the European Union Seventh Framework Programme FP7/2007-2013 under grant agreement PIAP-GA-2012-324414 (Abu-MaTran).

Most organisations using Open Data currently focus on data processing and analysis. However, although Open Data may be available online, these data are generally of poor quality, thus discouraging others from contributing to and reusing them. This paper describes an approach to publish statistical data from public repositories by using Semantic Web standards published by the W3C, such as RDF and SPARQL, in order to facilitate the analysis of multidimensional models. We have defined a framework based on the entire lifecycle of data publication including a novel step of Linked Open Data assessment and the use of external repositories as knowledge base for data enrichment. As a result, users are able to interact with the data generated according to the RDF Data Cube vocabulary, which makes it possible for general users to avoid the complexity of SPARQL when analysing data. The use case was applied to the Barcelona Open Data platform and revealed the benefits of the application of our approach, such as helping in the decision-making process. This work was supported in part by the Spanish Ministry of Science, Innovation and Universities through the Project ECLIPSE-UA under grant RTI2018-094283-B-C32.

En este trabajo, titulado “Utilización de la metodología ABP para conseguir una mejor adecuación de los complementos formativos en el máster de Desarrollo de Aplicaciones y Servicios Web” presentamos una experiencia educativa innovadora en que aplicamos la metodología ABP para facilitar la adquisición de los complementos formativos necesarios para realizar el seguimiento adecuado del máster. El alumnado que accede a este máster tiene diversos perfiles, en ocasiones no muy técnicos y necesita de complementos formativos. El ámbito de aplicación de esta experiencia educativa es un conjunto reducido de asignaturas impartidas en el máster de Desarrollo de Aplicaciones y Servicios Web. Después de evaluar la experiencia, se puede concluir que todos los grupos han superado los objetivos planteados en esta primera prueba y que la aplicación de la metodología ABP les ha ayudado en su consecución. Se ha valorado muy positivamente por parte de los alumnos, que el trabajo en grupo ayuda al aprendizaje. Esperamos poder seguir aplicando esta metodología y ampliar su ámbito de aplicación.

En aquest article, s’estudia l’efecte de les regles de preedició en la qualitat de les traduccions produïdes pel sistema de TA Lucy LT en la traducció anglès-espanyol d’articles de notícies. Per a això, es va realitzar una anotació d'errors dels primers 200 segments del corpus News Crawl: articles from 2014 i es van elaborar 8 regles de preedició. El resultat d’aplicar aquestes regles a un conjunt diferent de segments del mateix corpus va ser una reducció de la taxa d'error per paraula d’un 11% aproximadament., In this paper we study the effect of pre-editing rules on the quality of the translations produced by the MT system Lucy LT when translating English news texts into Spanish. We carried out an error annotation of the first 200 segments of the News Crawl: articles from 2014 corpus and devised a set of 8 pre-editing rules. The application of these rules to a different set of segments from the same corpus results in a reduction of the word error rate of about 11%., En este artículo, se estudia el efecto de las reglas de preedición en la calidad de las traducciones producidas por el sistema de TA Lucy LT en la traducción inglés−español de artículos de noticias. Para ello, se realizó una anotación de errores de los primeros 200segmentos del corpus News Crawl: articles from 2014 y se elaboraron 8 reglas de preedición. El resultado de aplicar estas reglas a un conjunto diferente de segmentos del mismo corpus fue una reducción de la tasa de error por palabra de un 11% aproximadamente.

This paper presents ruLearn, an open-source toolkit for the automatic inference of rules for shallow-transfer machine translation from scarce parallel corpora and morphological dictionaries. ruLearn will make rule-based machine translation a very appealing alternative for under-resourced language pairs because it avoids the need for human experts to handcraft transfer rules and requires, in contrast to statistical machine translation, a small amount of parallel corpora (a few hundred parallel sentences proved to be sufficient). The inference algorithm implemented by ruLearn has been recently published by the same authors in Computer Speech & Language (volume 32). It is able to produce rules whose translation quality is similar to that obtained by using hand-crafted rules. ruLearn generates rules that are ready for their use in the Apertium platform, although they can be easily adapted to other platforms. When the rules produced by ruLearn are used together with a hybridisation strategy for integrating linguistic resources from shallow-transfer rule-based machine translation into phrase-based statistical machine translation (published by the same authors in Journal of Artificial Intelligence Research, volume 55), they help to mitigate data sparseness. This paper also shows how to use ruLearn and describes its implementation. Research funded by the Spanish Ministry of Economy and Competitiveness through projects TIN2009-14009-C02-01 and TIN2012-32615, by Generalitat Valenciana through grant ACIF/2010/174, and by the European Union Seventh Framework Programme FP7/2007-2013 under grant agreement PIAP-GA-2012-324414 (Abu-MaTran).

En este trabajo analizamos las habilidades como programadores de los alumnos de cuarto curso del grado en Ingeniería Informática de la Universidad de Alicante con el propósito de identificar carencias comunes en su formación que no hayan sido abordadas adecuadamente en el transcurso de la titulación. Para tal fin, presentamos una prueba de evaluación de habilidades en programación y mostramos los resultados obtenidos en ella por 88 estudiantes. Un análisis de los resultados por itinerario muestra diferencias significativas dependiendo de la especialidad cursada. In this work the abilities as programmers of the fourthyear students (almost graduates) of the Computer Engineering degree at University of Alicante is analysed, with the aim of identifying deficiencies in their training. A test to evaluate the programming skills of the students is introduced in this paper, and the results obtained by 88 students are presented. An analysis of the results by specialisation stream shows significant differences depending on the specialisation taken by the students. Este trabajo ha sido posible gracias a la red docente 4099 subvencionada por la edición 2017–2018 del Programa I3CE de Investigación en Docencia Universitaria del Instituto de Ciencias de la Educación de la Universitat d’Alacant.

En este trabajo se presenta el resultado de la red “Aplicación TIC para la gestión del aprendizaje basado en proyectos para el grado de ingeniería multimedia” cuyo objetivo principal ha sido el de especificar y diseñar una herramienta TIC capaz de materializar la metodología de Aprendizaje Basado en Proyectos (ABP) que ha sido desarrollada durante cursos anteriores en el 4º curso del Grado de Ingeniería Multimedia. El problema que aborda este proyecto es el de agilizar los procesos de seguimiento y evaluación del ABP ya que en la actualidad todo los profesores de 4º han de realizar numerosas reuniones de seguimiento y evaluación compartiendo gran cantidad de datos y documentos que evidencian los resultados de aprendizaje de los alumnos. Para ello actualmente se hace uso de varias aplicaciones informáticas que obligan a tener toda la información segmentada y distribuida, lo que dificulta tener una visión global del estado de los proyectos, produce problemas de coordinación e impide que los alumnos tengan además una valoración en tiempo real del estado de su proyecto. El trabajo aquí realizado ha permitido obtener un primer prototipo de aplicación capaz de resolver esta problemática.

Tradicionalmente, la comunicación entre alumnos y profesores se ha basado en la comunicación presencial y tutoriales virtuales, dicha comunicación, en general, se retrasa en el tiempo. Recientemente, los agentes conversacionales, en forma de chatbots, se han convertido en una realidad en las redes sociales y aplicaciones de mensajería, gracias a los avances en inteligencia artificial. Con respecto a la aplicación de las TIC en un contexto educativo, y el caso particular de UACloud en la Universidad de Alicante, la aplicación de chatbots en la enseñanza facilitaría el trabajo de los profesores y proporcionando respuestas inmediatas a los alumnos. El prototipo del chatbot presentado en esta red ha sido entrenado a través de un conjunto de tutoriales facilitados por distintos profesores. Se ha realizado un análisis de las tutorías y se han diseñado distintos flujos de conversación. Las frases de entrenamiento han sido extraídas y clasificadas según el tipo de tutoría. Y finalmente, se han establecido las diferentes intenciones. El análisis del texto de las tutorías muestra que en un alto porcentaje se repiten las mismas preguntas, por diferentes alumnos. Finalmente, discutimos el potencial de los chatbots en un contexto educativo, identificando necesidades y líneas futuras de trabajo.

Cultural heritage institutions have recently begun to consider the benefits of sharing their collections using linked open data to disseminate and enrich their metadata. As datasets become very large, challenges appear, such as ingestion, management, querying and enrichment. Furthermore, each institution has particular features related to important aspects such as vocabularies and interoperability, which make it difficult to generalise this process and provide one-for-all solutions. In order to improve the user experience as regards information retrieval systems, researchers have identified that further refinements are required for the recognition and extraction of implicit relationships expressed in natural language. We introduce a framework for the enrichment and disambiguation of locations in text using open knowledge bases such as Wikidata and GeoNames. The framework has been successfully used to publish a dataset based on information from the Biblioteca Virtual Miguel de Cervantes, thus illustrating how semantic enrichment can help information retrieval. The methods applied in order to automate the enrichment process, which build upon open source software components, are described herein.

Until quite recently, phrase-based statistical machine translation (PB-SMT) (Koehn et al. 2003, 2007; Koehn 2010) was indisputably the dominant paradigm in the field of MT. Papers suggesting how neural networks could be used for MT had been published twenty years ago (Chalmers 1990; Chrisman 1991; Castano and Casacuberta 1997; Forcada and Ñeco 1997; Ñeco and Forcada 1997), but the hardware around at the time was insufficient to support the amount of computation required for realistic experimentation.

HighlightsNew approach to infer shallow-transfer rules from scarce parallel corpora.New rule formalism permits strong generalisation over the parallel corpus.First approach in which rule learning is rewritten as a global minimisation problem.Translation quality improves over previous approach with a smaller number of rules.Translation quality outperforms hand-coded rules for some language pairs. Statistical and rule-based methods are complementary approaches to machine translation (MT) that have different strengths and weaknesses. This complementarity has, over the last few years, resulted in the consolidation of a growing interest in hybrid systems that combine both data-driven and linguistic approaches. In this paper, we address the situation in which the amount of bilingual resources that is available for a particular language pair is not sufficiently large to train a competitive statistical MT system, but the cost and slow development cycles of rule-based MT systems cannot be afforded either. In this context, we formalise a new method that uses scarce parallel corpora to automatically infer a set of shallow-transfer rules to be integrated into a rule-based MT system, thus avoiding the need for human experts to handcraft these rules.Our work is based on the alignment template approach to phrase-based statistical MT, but the definition of the alignment template is extended to encompass different generalisation levels. It is also greatly inspired by the work of Sanchez-Martinez and Forcada (2009) in which alignment templates were also considered for shallow-transfer rule inference. However, our approach overcomes many relevant limitations of that work, principally those related to the inability to find the correct generalisation level for the alignment templates, and to select the subset of alignment templates that ensures an adequate segmentation of the input sentences by the rules eventually obtained. Unlike previous approaches in literature, our formalism does not require linguistic knowledge about the languages involved in the translation. Moreover, it is the first time that conflicts between rules are resolved by choosing the most appropriate ones according to a global minimisation function rather than proceeding in a pairwise greedy fashion.Experiments conducted using five different language pairs with the free/open-source rule-based MT platform Apertium show that translation quality significantly improves when compared to the method proposed by Sanchez-Martinez and Forcada (2009), and is close to that obtained using handcrafted rules. For some language pairs, our approach is even able to outperform them. Moreover, the resulting number of rules is considerably smaller, which eases human revision and maintenance.

Word-level machine translation (MT) quality estimation (QE) is usually formulated as the task of automatically identifying which words need to be edited (either deleted or replaced) in a translation T produced by an MT system. The advantage of estimating MT quality at the word level is that this information can be used to guide post-editors since it enables the identification of the specific words in T that need to be edited in order to ease their work. However, word-level MT QE, as defined in the current literature, has an obvious limitation: it does not identify the positions in T in which missing words need to be inserted. To deal with this limitation, we propose a method which identifies both word deletions and insertion positions in T. This is, to the best of our knowledge, the first approach allowing the identification of insertion positions in word-level MT QE. The method proposed can use any source of bilingual information —such as MT, dictionaries, or phrase-level translation memories— to extract features that are then used by a neural network to produce a prediction for both words and insertion positions (gaps between words) in the translation T. In this paper, several feature sets and neural network architectures are explored and evaluated on publicly-available datasets used in previous evaluation campaigns for word-level MT QE. The results confirm the feasibility of the proposed approach, as well as the usefulness of sharing information between the two prediction tasks in order to obtain more reliable quality estimations. Work funded by the Spanish Government through the EFFORTUNE project [project number TIN2015-69632-R].

Desde el inicio de la implantación del 4º curso del Grado de Ingeniería Multimedia – Itinerario de gestión de contenidos hemos apostado por desarrollar una metodología de aprendizaje basada en proyectos o ABP, que ha logrado grandes resultados formativos ya que la madurez profesional alcanzada por los alumnos es reconocida tanto entre el propio alumnado como por las empresas que están demandando sus servicios. Año tras año hemos ido incorporando estrategias, guías, planificaciones y procedimientos que permitan desarrollar la metodología de una forma estructurada y comprensible por todos los alumnos. Poco a poco todo esto ha ido configurando un marco de trabajo que es necesario estructurar y formalizar para así poder analizar los resultados obtenidos, encontrar fallos y puntos de mejora. También hemos observado que es necesario facilitar a nuevos profesores incorporarse al itinerario, ya que al crecer en número de alumnos que cursan el itinerario de gestión de contenidos del grado de Ingeniería Multimedia, los grupos se desdoblan y es necesario que nuevos profesores se incorporen a la metodología, por lo que poder formalizar el marco de trabajo del ABP facilita el adiestramiento de profesores que tienen que desarrollarlo por primera vez. Además establecer de forma sistémica y razonada su desarrollo ayudará a superar la resistencia al cambio que algunos alumnos todavía muestran al no comprender el fundamento de algunos procedimientos. Tras analizar los resultados de años anteriores, hemos recopilado aquellas herramientas, estrategias y procedimientos que hemos observado que han resultado exitosas, las hemos revisado y hemos planificado en el tiempo para ser utilizadas por los alumnos. Otro aspecto que hemos incorporado es la replanificación de ambos cuatrimestres, estableciendo las tareas que los alumnos han de realizar, los entregables de evaluación, las fechas de entrega y presentación y rúbricas para la evaluación de los alumnos. Establecer y transmitir claramente los criterios de evaluación hacia el alumno permite que éstos puedan autoevaluarse y conocer sus deficiencias y fortalezas. Otro de los aspectos que este año hemos tenido que abordar es la interrelación de todas las asignaturas de las que consta el itinerario, ya que los proyectos que los alumnos desarrollan han de amoldarse a una serie de características comunes que permiten abordar las competencias que cada asignatura aborda, pero de la misma forma estas competencias no son tratadas independientemente sino en relación con las demás. Esto añade un gran valor ya que los alumnos no trabajan solo una competencia aislada, sino que ven el valor que crea dentro de un producto y la necesidad de combinarla con el resto de competencias del itinerario. Finamente el desarrollo de esta metodología ha permitido obtener un plan de trabajo anual, donde las 7 asignaturas involucradas se desarrollan, establecen entregables planificados a lo largo del tiempo lo que facilita controlar el exceso de carga de trabajo por solapamiento de entregables, facilita al alumno una visión completa de lo que ha de trabajar a lo largo de todo el curso, de forma íntimamente relacionada entre asignaturas, facilita la comunicación entre el profesorado ya que también programa las actividades de evaluación y revisión conjunta, y lo más importante, aunque en carga de trabajo supone para el alumnado mucho más que asignaturas trabajadas de forma tradicional mediante clases magistrales y pruebas de evaluación aisladas, los alumnos prefieren unánimemente utilizar esta metodología y trabajar sobre un proyecto plausible y materializado a lo largo de todo un año.