El lenguaje es un fenómeno cognitivo conspicuo y complejo, que comprende fenómenos que ocurren en un gran rango de escalas espaciales y temporales. Provee a su vez, una ventana a través de la cual intentar comprender los mecanismos neurales que subyacen a los fenómenos mentales. La disponibilidad de grandes colecciones de textos y de una siempre creciente capacidad de cómputo han permitido el desarrollo de aproximaciones cotrrmputacionales al estudio de la relación entre cerebro y lenguaje. Los modelos de redes neuronales son un ejemplo de herramientas que han sido utilizadas exitosamente con este fin.

En esta tesis se exploraron dos aproximaciones neurocomputacionales al problema de la coherencia temática en el discurso. Por un lado, se exploró la capacidad de modelos de redes neuronales de capturar relaciones semánticas en forma similar a la exhibida por métodos tales como los espacios semánticos. Por otro, se construyó y evaluó un instrumento para cuantificar la coherencia temática presente en un discurso en forma automática.
 
Los modelos de redes neuronales empleados en esta tesis lograron capturar relaciones semánticas presentes en las palabras a partir de los patrones de co-ocurrencia en colecciones de textos. En particular, una implementación no supervisada resulta escalable a colecciones de tamaños suficientemente grandes como para intentar emular el desempeño humano en algunas tareas psicolingüísticas, algo poco común en modelos de naturaleza neural.
 
El instrumento construido para cuantificar la coherencia temática de un discurso fue aplicado en forma promisoria al análisis de discursos de pacientes diagnosticados con esquizofrenia. En particular, el procedimiento completamente automático aquí propuesto muestra resultados interesantes, que sentarán las bases de futuros desarrollos.