Vecinos y parientes: ¿Cómo reflejan las conexiones lingüísticas en todo el mundo?

Área de la Ciencia:

• Lingüística computacional
• Fonética
• La sociolingüística

Sus antecedentes:

• El análisis lingüístico global tradicionalmente se basa en el examen de características impulsado por expertos.
• El aprendizaje automático (ML) ofrece nuevos métodos basados en datos para el análisis de la variación lingüística.
• Las incrustaciones del habla proporcionan una forma novedosa de explorar las relaciones del lenguaje.

Objetivo del estudio:

• Analizar las relaciones lingüísticas globales utilizando las incrustaciones del habla.
• Para comparar las distancias derivadas de ML con las medidas lingüísticas tradicionales.
• Explorar el potencial del análisis del lenguaje escalable y basado en datos.

Principales métodos:

• Utilizó incrustaciones del modelo auto-supervisado XLS-R afinado (voxlingua107-xls-r-300m-wav2vec).
• Analizó grabaciones de discursos de 106 idiomas del mundo.
• Se empleó el análisis discriminante lineal (LDA) para agrupar y comparar con las distancias genealógicas, léxicas y geográficas.

Principales resultados:

• Las distancias basadas en la incorporación coincidían estrechamente con las medidas tradicionales de las relaciones lingüísticas.
• Captura efectivamente los patrones tipológicos globales y locales.
• Destacó la naturaleza dinámica del cambio de lenguaje a través de desafíos de visualización.

Conclusiones:

• Las incrustaciones del habla ofrecen un enfoque escalable para analizar la variación del lenguaje.
• Proporciona nuevas perspectivas sobre las relaciones entre lenguas.
• Abre vías para el estudio de lenguas de escasos recursos e integra factores sociolingüísticos.