Defensa de la tesi doctoral d'Antoni Brosa Rodríguez
Durant el matí del divendres, 12 d'abril de 2024, es va celebrar a la Sala de Graus del Campus Catalunya de la URV, la defensa de la tesi de doctorat: GLU - A Gradient Model for Language Universals. A Computational Revisitation of Greenberg Universals, presentada pel doctorand Antoni Brosa Rodríguez. La tesi ha estat dirigida per la Dra. María Dolores Jiménez López, del Departament de Filologies Romàniques de la Universitat Rovira i Virgili.
La tesi es va portar a terme en el marc del Programa de Doctorat en Estudis Humanístics de la Universitat Rovira i Virgili. El tribunal de la tesi va tenir com a president al Dr. Ventura Salazar García de la Universitat de Jaén, com a secretària a la Dra. Natàlia Català, del Departament de Filologies Romàniques de la URV, i com a vocal a la Dra. Eleonora Zucchini de la Università di Bologna.
RESUM
Aquesta tesi doctoral se situa en l'àmbit de la tipologia lingüística i proposa un enfocament innovador per a classificar els universals tipològics, centrant-se en la presència d'excepcions. S'utilitza la lògica difusa per a entendre la universalitat com un continu, i es presenta una aproximació computacional als universals de Greenberg. La problemàtica abordada es relaciona amb les excepcions als universals i la falta de claredat en termes de rellevància i transició gradual en els universals estadístics. La justificació de la recerca es basa en la revolució en la tipologia lingüística introduïda per Greenberg en els anys 60 i la necessitat de naturalitzar les excepcions mitjançant termes com "universals estadístics". Al llarg del temps, diversos lingüistes van intentar millorar els resultats de Greenberg, però l'interès va disminuir a finals del segle XX. No obstant això, en l'última dècada, l'auge de la lingüística computacional i l'accés a corpus lingüístics han revitalitzat l'estudi dels universals tipològics. La metodologia adoptada implica la formalització dels universals de Greenberg i la seva verificació en 143 llengües utilitzant Universal Dependencies. S'empra la lògica difusa per a una classificació gradual de la universalitat. A més, s'utilitza la sintaxi de Grew-Match i les etiquetes de UD per a la formalització i cerca d'estructures en corpus lingüístics. Es presenta una contribució teòrica significativa amb la proposta de una nova classificació dels universals tipològics mitjançant l'ús de la lògica difusa. El nostre Gradient Language Universals Model (GLU) introdueix un sistema de representació de la vaguetat, permetent entendre la universalitat com un fenomen gradual. En aquest enfocament, qualsevol formulació lingüística dins del nivell alt és catalogada com a vàlida per a la descripció del comportament general de les llengües. Aquesta perspectiva innovadora no només millora la precisió en la confirmació dels universals existents, sinó que també proporciona una base teòrica sòlida per a abordar la variabilitat lingüística de manera més matisada i comprensiva. L'adopció de la lògica difusa representa un avenç en la conceptualització de la universalitat, permetent una classificació més refinada i adaptable a la complexitat inherent a les estructures lingüístiques. Els resultats obtinguts confirmen la majoria dels universals de Greenberg amb major precisió. viii També s'ofereixen formulacions de nous universals basats en aquests. Es destaca la utilitat classificatòria del model proposat. A més dels beneficis teòrics, s'assenyala que, en el futur, amb més dades lingüístiques anotades, les aplicacions de processament del llenguatge natural podran estendre les seves troballes a llengües actualment infrarepresentades. En resum, aquesta tesi aporta una perspectiva nova en la classificació d'universals tipològics, combinant la lògica difusa, la lingüística computacional i l'anàlisi de corpus per a millorar la precisió i aplicabilitat dels resultats obtinguts.
Paraules clau - Universals en el llenguatge, Lògica difusa, Lingüística computacional, Greenberg, Tipologia lingüística, Lingüística de corpus, Universal Dependencies, Grew-Match, Typometrics
Share
