Identification of metadiscourse markers in bachelor’s degree theses in Spanish: Introduction of a text mining tool

Abstract

This article introduces a text mining tool that can automatically extract information using Hyland’s analysis model as a theoretical framework to analyse the use and characteristics of metadiscourse in large quantities of academic texts. To verify its validity, we present the results obtained using this tool on various bachelor’s degree theses with a particular focus on the field of engineering. Our results on a 6.9 million-word corpus extracted from 680 bachelor’s theses available online show that interactive metadiscourse markers are prevalent in engineering bachelor’s theses as well as in the authors’ metadiscourse patterns. In addition, we compared our results with previous research on metadiscourse markers. Our study can be used to identify the usage of various types of metadiscourse markers during the production of texts and for the development of software applications involving quantitative linguistic methods for the production of academic texts.

En este artículo se presenta una herramienta de minería de textos que permite extraer información de forma automática utilizando el modelo de análisis de Hyland como marco teórico para analizar el uso y las características del metadiscurso en grandes cantidades de textos académicos. Para comprobar su validez, presentamos los resultados obtenidos utilizando esta herramienta en varios trabajos fin de grado (TFG), con un enfoque particular en el ámbito de la ingeniería. Nuestros resultados sobre un corpus de 6,9 millones de palabras extraídas de 680 TFG mostraron que los marcadores interactivos del metadiscurso son frecuentes en la elaboración de TFG de ingeniería, así como en los patrones de metadiscurso de los autores. Por otra parte, también hemos comparado los resultados obtenidos en esta investigación con trabajos previos relacionados con los marcadores del metadiscurso. Este estudio puede servir para identificar el uso de varios tipos de marcadores del metadiscurso durante la producción de textos y para el desarrollo de aplicaciones software que empleen métodos lingüísticos cuantitativos para la producción de textos académicos.