Identificación de Estructuras Oracionales Características de la Escritura en Inglés de Estudiantes Chinos

Las unidades fraseológicas en textos académicos en inglés han sido un enfoque central en la investigación lingüística de corpus reciente. Este artículo describe una categoría especial de unidades fraseológicas a nivel de cláusula, a saber, Estructuras Oracionales Características (CSS), con el objetivo de describir sus criterios de identificación y su método de extracción. Las CSS son secuencias léxico-gramaticales contiguas que contienen una estructura de sujeto-predicado y que son expresiones de marco características de la escritura académica. El método de extracción de una CSS consiste en seis pasos: etiquetado de partes del discurso, segmentación en n-gramas, identificación de la estructura, cálculo de la significación de la ocurrencia, cálculo del rango de texto y reducción de secuencias superpuestas. El cálculo de la significación de la ocurrencia es la clave de este método. Incluye el cálculo tanto de la asociación interna como de la independencia de los límites de una CSS, y prueba la significación de la ocurrencia de la CSS desde perspectivas internas y externas. Nuestros métodos y resultados sugieren que las CSS pueden ser definidas y extraídas estadísticamente de corpus y pueden ser empleadas en estudios a gran escala para dar cuenta más plenamente de las características fraseológicas de la escritura académica en inglés no nativo.