BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Departamento de Computación
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20200101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20210316T140000
DTEND;TZID=America/Sao_Paulo:20210316T160000
DTSTAMP:20260516T111258
CREATED:20210309T130733Z
LAST-MODIFIED:20210309T130933Z
UID:6543-1615903200-1615910400@www.dc.uba.ar
SUMMARY:Defensa Tesis Doctorado Pablo Brusco
DESCRIPTION:Título: Estudio translingüístico de pistas del manejo de turnos en diálogos hablados\nDirector: Agustín Gravano\nJurados:\n– Horacio Franco  (Speech Technology and Research Laboratory\, SRI International\, EEUU)\n– Diego Shalom  (Departamento de Física\, FCEyN\, UBA)\n– Pablo Turjanski  (Departamento de Computación\, FCEyN\, UBA) \nLa defensa tendrá lugar con modalidad virtual. Link a la transmisión por YouTube: https://youtu.be/9MeCtENjXao \nResumen: \nCuando conversamos\, los hablantes producimos una serie de indicios acústico-prosódicos\, sintácticos e incluso gestuales que de manera combinada contribuyen al flujo y la naturalidad del manejo de turnos en las conversaciones. Por ejemplo\, sabemos que la duración de una palabra en el final de una frase o el incremento abrupto del tono de voz unos milisegundos antes de una pausa\, juegan un papel clave para determinar quién continuará hablando luego de una pequeña pausa en la conversación. A estos indicios se los conoce como pistas del manejo de turnos. \nEl estudio de estas pistas constituye un tema de creciente interés en la comunidad del procesamiento del habla\, siendo la principal razón su aplicación directa sobre los sistemas de diálogo hablado. Estos sistemas han sufrido enormes avances en su implementación y en su utilidad\, permitiendo su popularización tanto en dispositivos móviles como en los\, cada vez más cotidianos\, asistentes virtuales. Sin embargo\, aún es necesario avanzar sobre aspectos relacionados a la mejora en la naturalidad de las conversaciones\, y en particular\, a través del entendimiento de la percepción y la producción de patrones paralingüísticos\, como puede ser el manejo del tono de voz para inducir respuestas específicas por parte de los usuarios. \nEn esta tesis enfrentamos preguntas relacionadas al manejo de turnos en diálogos\, a través de la utilización de tres conjuntos de datos tomados bajo el mismo diseño experimental\, y en tres idiomas distintos: inglés norteamericano\, eslovaco y español argentino. Mediante la aplicación de técnicas de visualización de datos\, aprendizaje automático y registro de actividad cerebral\, realizamos experimentos que permiten ampliar nuestro entendimiento sobre el funcionamiento de las pistas de manejo de turnos. \nNuestros resultados sugieren que los tres idiomas\, a pesar de pertenecer a familias lingüísticas distintas\, comparten el uso general de un conjunto de atributos acústico-prosódicos en el manejo de turnos. Llegamos a la conclusión de que la explotación de atributos tales como la velocidad del habla\, el alargamiento de palabras antes de una pausa\, el tono de voz en los últimos 200 ms\, la intensidad en los últimos 1000 ms y la relación ruido/armónicos (relacionada con  la calidad de la voz) podría resultar útil para mejorar aún más la precisión de los módulos de manejo de turnos que se encuentran en los sistemas modernos de diálogo hablado. \nTambién nos interesa estudiar el tema desde una perspectiva neurolingüística. Para ello\, realizamos experimentos de aprendizaje automático para clasificar automáticamente el tipo de transición de turno\, en función de los atributos extraídos de la señal de electroencefalograma (EEG) de los participantes. Los resultados sugieren que la señal EEG del oyente contiene información útil para predecir si el hablante actual cederá el turno o continuará hablando. Estos resultados pueden conducir a nuevas herramientas valiosas para el desarrollo de interfaces cerebro-computadora. \nPor último\, investigamos la factibilidad de construir una herramienta de etiquetado automático del tipo de transiciones de turno en grabaciones de conversaciones enteras\, en modo offline. Para ello utilizamos herramientas del estado del arte\, tales como redes neuronales recurrentes bidireccionales. Este tipo de sistemas puede contribuir a la creación de herramientas automatizadas de análisis de grandes volúmenes de conversaciones. \nPalabras clave: Diálogo; Prosodia; Eslovaco; Inglés; Español; Aprendizaje Automático; EEG; Transiciones de turno.
URL:https://www.dc.uba.ar/event/defensa-tesis-doctorado-pablo-brusco/
LOCATION:YouTube
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR