Resumen Técnico: Replanteando la Hipótesis de la Decomponibilidad Idiomática

Planteamiento del Problema

El artículo aborda el debate de larga data sobre la naturaleza de las expresiones idiomáticas, específicamente la tensión entre la Hipótesis de la Decomponibilidad de los Modismos (IDH, por sus siglas en inglés) y las explicaciones basadas en el uso. La IDH postula que los modismos varían en su decomponibilidad semántica (el grado en que los significados de sus componentes contribuyen al todo figurativo) y que esta propiedad predice la flexibilidad sintáctica (por ejemplo, la capacidad de someterse a la voz pasiva o a la modificación). Por el contrario, las teorías basadas en el uso argumentan que el comportamiento de los modismos surge de la experiencia distributiva, como la frecuencia, la predictibilidad y la familiaridad, en lugar de la estructura semántica interna.

Una limitación crítica para resolver este debate es la dependencia de las calificaciones humanas de decomponibilidad. Estos juicios son conocidos por ser graduales, dependientes de la tarea y sujetos a la variabilidad entre hablantes, lo que dificulta aislar si el comportamiento de un modismo proviene de la estructura semántica o puramente de la exposición distributiva. Los autores proponen utilizar modelos de lenguaje contextualizados como aprendices distributivos controlados para investigar estas relaciones. Al entrenar modelos en grandes corpus de texto sin acceso explícito a estructuras de roles semánticos o juicios de aceptabilidad, el estudio pretende determinar qué aspectos del comportamiento idiomático pueden aprenderse únicamente a partir de la exposición distributiva.

Metodología

1. Operacionalización de la Decomponibilidad

Los autores proponen una medida de decomponibilidad interna del modelo fundamentada en tres estipulaciones teóricas: alineación semántica, significado distribuido y la naturaleza gradual de la propiedad.

• Alineación Semántica: Definen la decomponibilidad como el grado de alineación semántica entre un modismo en contexto y su glosa figurativa (una paráfrasis que expresa el significado pretendido).
• Contribución a Nivel de Token: Utilizando un codificador de transformador bidireccional (por ejemplo, BERT-base/large), computan una representación a nivel de oración $e(s)$ para un modismo en contexto y $e(s_g)$ para la oración con la glosa.
• Análisis de Perturbación: Para estimar la contribución de los constituyentes individuales, emplean una estrategia de enmascaramiento de tipo "dejar uno fuera" (leave-one-out). Para cada token $j$ en el modismo, enmascaran dicho token para crear $s_{(-j)}$ y computan la similitud entre la representación enmascarada y la representación de la glosa.
• Puntuación: La contribución del token $j$ ($\Delta_j$) se define como el cambio absoluto en la similitud cuando el token es enmascarado: $\Delta_j = |S_{fig} - S^{(j)}_{mask}|$.
• Agregación: Las puntuaciones de decomponibilidad a nivel de expresión se derivan agregando las contribuciones de los tokens mediante la media, el máximo, la dispersión de Gini o la entropía.

2. Operacionalización de la Flexibilidad Sintáctica

La flexibilidad sintáctica se cuantifica como la entropía de Shannon de la distribución de un modismo a través de tipos construccionales (forma base, inserción de adverbio, inserción de adjetivo, pasivización y nominalización de la acción). Una mayor entropía indica una mayor flexibilidad.

3. Configuración Experimental

• Modelos: El estudio utiliza modelos de transformadores bidireccionales (BERT-base/large, ModernBERT y OLMo-2/3) para asegurar que el contexto se codifique desde ambos lados del modismo.
• Datasets: Los experimentos se basan en el dataset IMPLI (oraciones figurativas emparejadas con paráfrasis con glosa) y el dataset de Bulkes y Tanner (calificaciones humanas de decomponibilidad).
• Dinámicas de Entrenamiento: Para analizar el aprendizaje a lo largo del tiempo, los autores rastrean las representaciones a través de 100 puntos de control (checkpoints) durante el preentrenamiento de los modelos OLMo-2 y OLMo-3 (modelos de 7B). Examinan la interacción entre los pasos de entrenamiento y las propiedades del modismo: frecuencia, sorpresa (surprisal/predictibilidad) y decomponibilidad.

Resultados Clave

1. Alineación con los Juicios Humanos

Las puntuaciones de decomponibilidad derivadas del modelo exhiben solo una débil correlación positiva con las calificaciones de decomponibilidad humana (por ejemplo, $r \approx 0.24$ para BERT-large). Aunque son estadísticamente significativas, el tamaño del efecto sugiere que los modelos capturan solo un solapamiento parcial con las intuiciones humanas, indicando que las dos operacionalizaciones reflejan propiedades distintas.

2. Decomponibilidad vs. Flexibilidad Sintáctica

Contrario a la IDH, el estudio encuentra que no existe una relación positiva sistemática entre la decomponibilidad derivada del modelo y la flexibilidad sintáctica.

• A través de diversos modelos y capas, las correlaciones son consistentemente pequeñas y frecuentemente negativas (máximo $r \approx -0.16$).
• Esta relación negativa es más pronunciada para los modismos de frase preposicional (PP), donde una mayor decomponibilidad se correlaciona con una menor flexibilidad. Esto se atribuye a la rigidez morfosintáctica de las construcciones de PP más que a factores semánticos.
• Crucialmente, para los modismos de frase verbal (VP) —el dominio principal donde se espera que la IDH se cumpla— no se encontró ninguna relación significativa.

3. Factores Basados en el Uso

• Frecuencia: Existe una robusta relación negativa entre la frecuencia y la decomponibilidad. Los modismos más frecuentes son juzgados (por humanos) y representados (por modelos) como menos decomponibles, lo que respalda la visión de que los modismos de alta frecuencia se almacenan como unidades holísticas.
• Predictibilidad: La sorpresa (surprisal/predictibilidad) y la frecuencia contribuyen a la estabilización de las representaciones idiomáticas durante el preentrenamiento.

4. Dinámicas de Entrenamiento

El análisis de los puntos de control del preentrenamiento revela que la emergencia y estabilización de las representaciones idiomáticas son impulsadas por la sorpresa y la decomponilidad, no solo por la frecuencia.

• Los efectos de interacción entre los pasos de entrenamiento y las propiedades de los modismos muestran que la influencia de la decomponibilidad, la sorpresa y la frecuencia disminuye a medida que el entrenamiento progresa.
• La decomponibilidad muestra el efecto dependiente del entrenamiento más fuerte, lo que indica que desempeña un papel prominente en la formación de representaciones en las etapas tempranas del entrenamiento, en relación con la frecuencia y la sorpresa.

Significado y Reivindicaciones

El artículo afirma ofrecer un "desafío claro" a la IDH al demostrar que la decomponibilidad no es una explicación fiable y neutral respecto al mecanismo para la flexibilidad sintáctica. La ausencia de un vínculo positivo entre la decomponibilidad y la flexibilidad, incluso en el dominio teóricamente más relevante (modismos VP), sugiere que el comportamiento sintáctico no puede explicarse únicamente mediante la estructura semántica interna.

En su lugar, los autores argumentan que la predictibilidad distributiva (sorpresa) y la frecuencia juegan roles dominantes. El estudio destaca que:

1. La frecuencia por sí sola es insuficiente para explicar la emergencia de las representaciones idiomáticas; la sorpresa y la decomponibilidad son necesarias para explicar la dinámica de estabilización.
2. Las medidas internas de los modelos proporcionan una forma fundamentada de desentrañar factores que están confundidos en los juicios humanos, aislando lo que se aprende únicamente de la exposición.
3. La correlación negativa entre la frecuencia y la decomponibilidad apoya las explicaciones basadas en el uso, donde los modismos frecuentes son tratados como unidades holísticas y no decomponibles.

Los autores concluyen que investigar las representaciones internas permite distinguir entre las propiedades inherentes a la estructura semántica y aquellas que emergen naturalmente del aprendizaje distributivo, ayudando así a resolver los factores confundidos en la teoría lingüística.

Limitaciones

Los autores reconocen varias limitaciones:

• La métrica de decomponibilidad propuesta es una de muchas posibles operacionalizaciones.
• El análisis de preentrenamiento depende de puntuaciones de decomponibilidad derivadas de BERT para predecir la dinámica en OLMo, lo que puede introducir sesgos específicos de la arquitectura.
• El estudio se limita a modismos en inglés y podría no generalizarse a otros idiomas.