Utilización de lingüística computacional para la codificación de productos de la encuesta engasto

Abstract

RESUMEN. El presente trabajo trata sobre el uso de la Lingüística Computacional aplicada a la codificación de los productos utilizados en la encuesta ENGASTO levantada por el INEGI. La lingüística computacional es una rama de la inteligencia artificial que trata sobre el procesamiento del lenguaje humano para diversos fines, entre los que destacan el mejoramiento de las interfaces entre el ser humano y la computadora. La Encuesta ENGASTO proporciona información detallada acerca de los rubros en los que se aplica el gasto en los hogares de México. En este estudio se llevó a cabo una prueba piloto mediante un Sistema de Información que utilizó la Lingüística Computacional para optimizar el proceso de codificación (asignar una clave, o código a un concepto de gasto para facilitar su procesamiento) de la mencionada encuesta y se observó que se lograron reducciones significativas en el tiempo de codificación y se redujeron errores (precisión) al eliminar pasos innecesarios. De tal suerte que se propone que las estadísticas ofrecidas por esta encuesta y tentativamente encuestas similares pueden ser más precisas y consistentes, si se aplica la tecnología de lingüística computacional.

ABSTRACT. This study shows how the use of computational linguistics, applied to the coding process of a national statistics survey called ENGASTO. Computational Linguistics is a branch of Artificial Intelligence that deals with human language processing, mostly to create better human-computer interfaces. The “ENGASTO” National Survey gives detailed information about the economic topics in which Mexican Families spend their money. A pilot study was performed using an Information System that applied Computational Linguistics principles to the process of “coding” (that is, assigning a numerical code to a spending concept, to facilitate its processing) of such survey. Significant time and error reductions were reported, mostly by elimination of unnecessary steps and by automation of the coding process. It is proposed that similar national surveys can benefit from this technology and consequently, data given to the public could be more consistent and precise.