Corpus multilingue: strumento di osservazione e strategie d'uso IN CONTESTI DIDATTICI

1
Corpus multilingue strumento di osservazione
e strategie d'uso IN CONTESTI DIDATTICI

• Sabrina Aulitto
• Università Cattolica del Sacro Cuore di Milano

2
Linee guida

1. Note introduttive
2. Definire un corpus
3. Il contenuto del corpus
4. Corpus-Didattica un binomio possibile?
5. Strumenti informatici
6. Proposta di studio applicato
7. Conclusioni

3
1. Note introduttive

• La linguistica computazionale studia tecniche di
  rappresentazione e modalità di elaborazione, di
  espressione linguistiche al fine di riprodurre su
  macchina alcune capacità linguistiche tipiche
  degli essere umani
• Riconoscimento della correttezza di frasi
• Generazioni di frasi
• Comprensione del significato di frasi.
• M. Benedetti, Introduzione alla linguistica
  computazionale, in Formare i Formatori. Una
  proposta di aggiornamento per gli insegnanti di
  lingua, a cura di M. Negri, A. Villamira e J.
  Villar, Roma, FrancoAngeli, 1999, p102.

4
1. Note introduttive

• Una delle discipline che affonda le sue radici
  nelle origini della linguistica computazionale
  stessa è la linguistica dei corpora, la quale si
  occupa del trattamento del linguaggio naturale ai
  fini della produzione di lessici di testi
  specifici, di concordanze e di studi statistici.
• G. Williams, Introduction ,  TEXTE ET CORPUS,
  3, août, 2008, Actes des Journées de la
  linguistique de Corpus 2007, p. 23.

5

• Grandi corpora di testi sono da tempo per i
  linguisti uno strumento duso quotidiano
• poiché hanno contribuito e contribuiscono
  allarricchimento di database finalizzati a scopi
  di ricerca e didattica.
• I principali tipi di corpora adoperati per
  finalità di ricerca descrittiva e pedagogica sono
  innanzitutto corpora bilingui e multilingui che
  a loro volta si distinguono in corpora paralleli
  e corpora comparabili

6

• 2. DEFINIRE UN CORPUS
• Un corpus parallelo comprende testi sia nella
  loro lingua originaria, sia in traduzioni in
  unaltra lingua. Un corpus comparabile non
  contiene, invece, testi in traduzione, ma testi
  in originale in lingue diverse.
• I corpora comparabili permettono di confrontare
  due o più lingue rispetto allo stesso genere
  testuale o dominio tematico, dal momento che i
  testi sono tutti originali, i dati raccolti
  possiedono un maggior grado di naturalezza,
  evitando le artificiosità che talvolta conseguono
  dallopera di traduzione.
• 
  
  Cfr, A. Lenci, Testo e computer Elementi
  di linguistica computazionale, Carocci Roma,
  2005, pp.31-32.

7

• In un corpus il numero di termini ne
  rappresenta la sua autenticità, conferendo a sua
  volta alle parole funzioni ben definite, in
  quanto possono essere analizzate secondo la
  classificazione seguente
• La parola grafica ( sequenza di caratteri
  compresi tra due bianchi o segni di
  interpunzione)
• Le occorrenze o word tokens (comprendono le
  forme flesse, quindi anche le occorrenze delle
  parole testuali)
• Le parole o word types (si intendono le parole
  diverse tra loro).

8

• In relazione a tale suddivisione un aspetto
  interessante da calcolare è lo studio della
  frequenza attraverso il rapporto tra il numero di
  types e il numero di tokens, che fornisce una
  misura della varietà lessicale di un testo.
• La formula per calcolare il rapporto types/tokens
  ratio, è ottenuta automaticamente dai software
  che eseguono analisi statistiche sui testi.

9
ESEMPI DI CORPORA

• Cobuild - Collins
• Collins Birmingham University International
  Language Database è un fonademntale progetto di
  analisi lessicale computerizzato basato su
  coropora di lingua inglese, avviato nel 1980 dal
  prof. John Sinclair e i cui frutti dizionari,
  corsi di lingua, corpora elettonci di riferimento
  per gli apprendenti- sono stati a tuttoggi
  numerosi e apprezzati.
• Per il suo utilizzo è necessario lacquisto di
  licenze relative alle diverse sezioni di cui è
  composto.

10
ESEMPI DI CORPORA

• British National Corpus Oxford
• E uno dei corpora più rappresentativi, in quanto
  conta 100 milioni di parole.
• La raccolta cominciò nel 1991 e attualmente
  presenta sia testi scritti (90) che testi audio
  (10).
• Il suo accesso non è libero, ma prevede un costo
  variabile in base alla sezione da consultare.

11
ESEMPI DI CORPORA

• FRANTEXTE
• E un corpus letterario realizzato dal centro di
  ricerca ATILF (Analyse et traitement informatique
  de la langue française) dellUniversité de Nancy.
  
• La consultazione di questa base testuale è
  possibile attraverso un abbonamento.
• Le possibilità di interrogazione del corpus
  vertono sulla ricerca di parole o intere
  espressioni allinterno delle opere letterarie
  raccolte.

12
3. Il contenuto del corpus

• Corpus multilingue comparato, ricavato dalla
  raccolta di articoli tratti da dieci testate
  giornalistiche internazionali, le quali hanno
  prestato particolare interesse allo sviluppo
  delle problematiche affrontate dalla compagnia
  aerea italiana Alitalia relative allanno 2008.
  
• Gli articoli sono stati acquisiti dal web e
  codificati.
• Periodo, settembre - ottobre 2008
• Numero complessivo degli articoli 364
• Numero di tokens 161.863.
• Numero di types 17. 119.

13

• I quotidiani consultati per la realizzazione del
  corpus si riferiscono a tre codici linguistici
  diversi
• per la lingua italiana sono stati scelti i
  quotidiani come La Repubblica, Il sole 24 ore
  e Milano-Finanza
• Per la lingua francese Les échos, Le parisien
  e Le figaro
• Per la lingua inglese Times-online,
  Guardian, Financial-Time e International
  Herald Tribune.

14

• Un corpus multilingue con queste caratteristiche
  implica altresì lanalisi degli impieghi diversi
  che esso può avere ai fini di ricerche di
  linguistica applicata o come supporto didattico
  per corsi di lingua orientati verso lo studio del
  linguaggio di specialità, economico-finaziario,
  in dimensioni linguistiche e prospettive
  culturali diverse.

15
4. Corpus-Didattica un binomio possibile?

• Lidea del possibile connubio corpus-didattica è
  legata ad un approccio esplorativo, in cui gli
  studenti cercano di analizzare i fenomeni e di
  verificarli nella prassi linguistica.
• La disponibilità di ampie basi di dati
  linguistici e di programmi di concordanze per
  analizzarli, consente oggi di affrontare tale
  complessità con qualche strumento in più.

16

• DEFINIRE GLI OBIETTIVI
• Lobiettivo primario della realizzazione del
  nostro corpus si pone dunque in una prospettiva
  di tipo didattico, e parte da unipotesi di
  somministrazione di una raccolta di testi
  inerenti ad un unico campo di indagine, ad un
  campione di studenti che abbia buone competenze
  relative alla tre dimensioni linguistiche scelte.

17
testo e corpus

• Partendo dallanalisi del nostro obiettivo
  primario, orientato verso lespletamento di
  questo corpus ai fini didattici, è importante
  sottolineare, come precisa Elena Tognini
  Bonelli, che un corpus presenta una serie di
  parametri che lo distingue dal singolo testo,
  come la sua lettura frammentaria e verticale e
  non per intero e orizzontale come nel caso del
  testo singolo, in più il corpus offre
  informazioni circa la langue mentre il testo è
  un esempio di parole.

18

• Quindi, come può un corpus, con queste tratti
  distintivi risultare un utile e proficuo supporto
  didattico?
• FINALITA
• Esercizi di lettura e comprensione del testo o
  dei testi somministrati
• Acquisizione di una competenza interrogativa
• Identificazione de profilo lessicale (
  collocation)
• Identificazione delle regolarità lessico-
  grammaticali (colligation)
• Considerazioni riguardanti il campo semantico
  comune (preferenza semantica)
• Considerazioni riguardanti le realizzazioni
  pragmatiche (prosodia semantica) dove la prosodia
  semantica rappresenta lelemento più importante
  nello studio dei rapporti tra contesto e
  funzione.
• Acquisizione di un linguaggio di tipo
  specialistico in relazione ad un settore
  specifico.

19
5. Strumenti informatici

• Nella fase applicativa dello studio di un corpus
  è necessario lutilizzo di programmi di
  concordanze che permettono di analizzare un
  corpus in diverse prospettive
• 1. La frequenza
• 2. Ricerca delle concordanze
• 3. Ricerca delle collocazioni
• 4. Ricerca dei clusters.

20
Esempi di programmi di concordanze

• I programmi di concordanze sono disponibili in
  rete sia attraverso free download o attraverso
  lacquisto di una licenza.
• Alla prima categoria appartengono i programmi
  come Antconc, Monoconc, Paraconc, Kwic.
• Alla seconda Wordsmith Tools

21
Funzioni e utilizzo

• ANTCONC 3.2 w
• Generare file in TXT
• Inserire file nel programma
• Indicare il termine per la ricerca
• Scegliere il tipo di ricerca
• Concordance, Concordance plot, File view,
• Clusters, Collocates, Word Iist
• Lanciare la ricerca
• Analizzare loutput.

22

• PUNTI DI SVILUPPO
• Per raggiungere tali obiettivi la nostra analisi
  si è soffermata sullo studio delle frequenze,
  delle concordanze, delle collocazioni e dei
  clusters o segmenti ripetuti estratti dal corpus.
• In relazione a quanto finora precisato, il
  nostro percorso verso il raggiungimento delle
  finalità proposte è partito dallanalisi di
  cinque lemmi rispettivamente
• in lingua italiana accordo, offerta, partner,
  piano, trattativa
• in lingua francese accord, offre, partenaire,
  plan, négotiations
• in lingua inglese agreement, offer, partners,
  plan, negotiations.

23
i Obiettivo Ricerca delle Frequenze

• Tabella n. 1
• Lanalisi rivela una disomogeneità dellimpiego
  dei cinque lemmi nei tre singoli sub-corpus, in
  cui spesso compare uno squilibrio tra le
  frequenze dei termini nelle diverse lingue.
• Un caso interessante da analizzare è quello del
  lemma agreement, che nelle testate giornalistiche
  inglesi è utilizzato 46 volte, un numero
  inferiore rispetto allequivalente italiano
  accordo (164) e allequivalente francese accord
  (190).

24
1. STUDIO DI UN CASO Agreement

• Si potrebbe ipotizzare lutilizzo di un suo
  sinonimo. Dalla ricerca delle rispettive
  similarità semantiche si evince che il sinonimo
  che presenta più semi in comune con agreement è
  pact, il quale si ripete una sola volta in tutto
  il corpus inglese, due volte in quello italiano,
  patto e quattro volte in quello francese, pacte.
• E chiaro che limpiego di sinonimi non fornisce
  una spiegazione sufficiente a tale fenomeno, in
  realtà la disparità potrebbe anche essere dovuta
  al modo in cui è espressa la notizia e al paese
  in cui si vive linformazione.

25

• UNIONS E ACCORD
• Unions con 261 occorrenze
• Possibile motivazione la tematica della
  mobilitazione dei sindacati è stata maggiormente
  affrontata dalle testate giornalistiche inglesi
  contrariamente le testate giornalistiche francesi
  presentano il lemma syndicat solo 32 volte
• Una notevole frequenza del termine accord (196),
  nella stampa francese, anche del suo sinonimo
  alliance (92 volte), che potrebbe essere motivata
  dal coinvolgimento della Francia nelle trattativa
  tra Alitalia e Air France.

26
IIObiettivo concoradanze e collocazioni

• Individuazione dellhabitat linguistico in cui
  ricorrono i lemmi selezionati. (Tabella. 2)
• Ai fini didattici la visualizzazione delle
  concordanze e delle collocazioni, oltre a
  comunicare unidea di testo e di testi
  frammentaria, (presentando lelenco di tutte le
  parole presenti nel corpus, quante volte e come
  si collocano allinterno della loro stringa di
  appartenenza), permette allo studente di
  acquisire delle competenze, attraverso una
  metodologia innovativa di analisi testuale,
  prevalentemente concentrata sullo studio
  dellimpiego del lessico in un dato contesto.

27

• Tali applicazioni, consentono di visualizzare la
  fitta rete semantica relativa ad un termine dato,
  evidenziandone la sua contestualizzazione, i suoi
  sinonimi e i sinonimi dei verbi o aggettivi ad
  esso associabili, al fine di raggiungere delle
  competenze linguistiche approfondite in un
  settore specifico comparativamente in tre lingue.
  
• Analisi dei sintagmi verbali, estrapolati dalla
  ricerca delle concordanze, appartenenti ai cinque
  lemmi selezionati a partire dal corpus italiano.
• Individuare se nel corpus di lingua francese e
  nel corpus di lingua inglese esistono sintagmi
  corrispondenti o ulteriori alternative. (Tabella.
  2, 3,4,5,6)

28

• Dallanalisi dei dati ricavati dalle cinque
  tabelle è percepibile una limitata corrispondenza
  di lemmi nelle tre lingue, in quanto non si
  tratta di corpora paralleli, bensì di corpora
  comparabili. Potremmo considerare un corpus
  comparabile come un serie di testi aperti e non
  particolarmente pigri, dai quali è possibile
  trarre spunto per numerose esercitazioni in aula,
  come colmare le corrispondenze mancanti nelle
  tabelle, completando il panorama relativo ai
  sintagmi verbali dei lemmi scelti.

29

• Potrebbe essere interessante effettuare la
  medesima operazione di completamento analizzando
  i sintagmi nominali, oppure le preposizioni che
  seguono tale lemma, in modo da poter identificare
  il profilo semantico e sintattico di una serie di
  unità linguistiche selezionate.
• Unaltra possibile applicazioni
• - realizzazione di banche dati, relative ad un
  settore linguistico di specialità come quello
  economico-finanziario in tre codici linguistici
  diversi.

30
III obiettivo ricerca dei clusters

• Risulta, altresì, interessante e utile ai fini di
  un apprendimento mirato, unanalisi comparata dei
  clusters e delle collocazioni, che prevede
  lestrapolazione di singoli lemmi ( per lo studio
  delle collocazioni) e di segmenti o gruppi di
  parole ( per lanalisi dei clusters) che si
  ripetono in un corpus, visualizzati attraverso
  un programma di concordanze.

31

• Collocazioni e Clusters
• Una ricerca per clusters analizza in un corpus
  gli spezzoni di testo che ricorrono più volte, a
  seconda della loro lunghezza in parole. La
  differenza con le collocazioni è evidente i
  clusters prevedono che i segmenti ripetuti siano
  adiacenti e che la loro sequenza non sia
  interrotta da nessun altro elemento, e
  costituiscono per questo un tipo di relazione più
  stretta quello di collocazione, è un concetto
  più ampio, che comprende sia i segmenti adiacenti
  che cooccorrenze di una parola in prossimità di
  altre, in base alla definizione della lunghezza
  del contesto.
• (A. Lenci Testo e computer Elementi di
  linguistica computazionale)

32
STUDIO DI UN CASO STAMPA

• Nel caso del nostro corpus abbiamo estratto dal
  software i clusters e le collocazioni
  corrispondenti al lemma stampa.
• Tra i clusters abbiamo, conferenza stampa,
  comunicato stampa, agenzie di stampa, sala
  stampa, fra le collocazioni abbiamo le
  preposizioni o i verbi che accompagnano lunità
  linguistica stampa.
• Una proposta didattica può essere quella di
  individuare i clusters equivalenti nei diversi
  codici linguistici. (Tabella. 7)

33

• Nel nostro caso la ricerca automatica, con
  laiuto del software AntConc, rivela lassenza di
  clusters equivalenti per i segmenti individuati
  in lingua italiana, nel sub-corpus francese
  mentre un solo risultato nel sub-corpus inglese
  con press conference.
• Si potrebbe quindi proporre anche in questo caso
  un tipo di esercitazione che richieda la ricerca
  delle traduzioni equivalenti dei clusters del
  lemma stampa nelle tre lingue.
• Anche questesercitazione di scorporazione e
  frammentazione di un corpus, fornisce unanalisi
  della lingua che permette di acquisire una
  maggiore padronanza del lessico contestualizzato,
  oltre che di visualizzare il modo in cui
  co-occorrono allinterno del corpus.

34
CONCLUSIONI

• In generale, le proposte di esplorazione del
  linguaggio in una dimensione plurilingue
  richiamano ad unidea di interattività e di
  costruzione di regole e significati a partire da
  esempi non predefiniti, ma ricavati dallo
  studente attraverso il supporto dei mezzi
  informatici, un approccio che favorisce lo
  sviluppo di abilità autonome di apprendimento.

35

• Quindi è noto come in questo contesto lanalisi
  dei dati linguistici tragga vantaggio
  dallapporto delle nuove tecnologie, le quali
  dispongono di molteplici strumenti di indagine
  per lo sviluppo di diverse competenze e abilità,
  dalle nozioni di grammatica generica
  allapprofondimento dellappropriatezza
  contestuale, quale la lingua di specialità e
  infine lacquisizione di una tale proprietà di
  linguaggio, dovuta alla mole infinita di dati
  linguistici a disposizione, che tende a colmare
  quelle comuni lacune che differenziano
  unapprendente da un nativo.

36

• Il possibile connubio tra didattica e
  limpiego di corpora come strumento di
  apprendimento, permette di raggiungere una nuova
  concezione della lingua e una nuova concezione
  della didattica, come facendo leva su una
  risorsa che si avvale dell abilità e della
  proprietà di un singolo individuo di disporre di
  vari tipi di competenze linguistiche in codici
  diversi.