69706 - LINGUISTICA INFORMATICA (1) (LM)

Anno Accademico 2019/2020

  • Docente: Fabio Tamburini
  • Crediti formativi: 6
  • SSD: L-LIN/01
  • Lingua di insegnamento: Italiano
  • Modalità didattica: Convenzionale - Lezioni in presenza
  • Campus: Bologna
  • Corso: Laurea Magistrale in Italianistica, culture letterarie europee, scienze linguistiche (cod. 9220)

Conoscenze e abilità da conseguire

Il corso fornisce un'introduzione generale al Trattamento autormatico delle lingue (Natural Language Processing), con particolare attenzione alle metodologie statistico/algoritmiche alla base di questo tipo di analisi. Si studieranno e, laddove possibile, applicheranno metodi e strumenti del Natural Language Processing ai vari livelli di analisi linguistica.

Contenuti

Tecniche avanzate per la gestione e l'analisi di corpora

  • Linguistica dei corpora.
  • Tokenizzazione e sentence splitting.
  • Espressioni regolari.
  • Metodologie di annotazione dei testi.
    • XML e TEI
  • Annotazioni multimodali: annotation graph.
  • Case study:
    • Corpora di lingua scritta e parlata (italiano/inglese): una review.
    • Corpora@FICLIT: CORIS/CODIS, BoLC e DiaCORIS.
  • Costruzione di un piccolo corpus annotato in formato TEI.
Analisi statistica dei dati linguistici.
  • Importanza dell'analisi quantitativa dei dati linguistici.
  • Nozioni fondamentali sull'uso del pacchetto statistico R.
  • Statistica descrittiva.
  • Statistica analitica/inferenziale.

Testi/Bibliografia

Capitoli estratti dai seguenti volumi:
- Lenci, A., Montemagni, S. and Pirrelli, V. (2005). Testo e computer. Carocci.
- Gries, S. (2009). Statistics for Linguistics with R. De Gruyter.
Slide, dispense e articoli scaricabili direttamente dal sito web del corso http://corpora.ficlit.unibo.it/LingInfLM/ .

Si raccomanda agli studenti NON frequentanti di contattare il docente, in orario di ricevimento, prima di iniziare lo studio in modo da ricevere tutte le spiegazioni riguardanti i materiali da studiare per l'esame ed evitare così ogni fraintendimento o problema.

Metodi didattici

Il corso di svolge in aula e laboratorio. Comprende circa 30 ore di lezione e esercitazioni in laboratorio.

Modalità di verifica e valutazione dell'apprendimento

Lo studente dovrà svolgere tre esercizi di analisi statistica indicati dal docente e produrre una relazione nella quale mostrerà lo svolgimento di tali esercizi. L'esame consiste in un colloquio orale sul programma d'esame e sulla relazione prodotta dallo studente atto a valutare le capacità critiche e le conoscenze metodologiche maturate dallo studente.
Il raggiungimento da parte dello studente di una visione organica dei temi affrontati a lezione, la dimostrazione del possesso di una padronanza espressiva e di linguaggio specifico saranno valutati con voti di eccellenza. La conoscenza per lo più meccanica e/o mnemonica della materia, capacità di sintesi e di analisi non articolate e/o un linguaggio corretto ma non sempre appropriato porteranno a valutazioni discrete; lacune formative e/o linguaggio inappropriato – seppur in un contesto di conoscenze minimali del materiale d'esame - condurranno a voti che non supereranno la sufficienza. Lacune formative, linguaggio inappropriato, mancanza di orientamento all'interno degli argomenti discussi durante il corso non potranno che essere valutati negativamente.

E' obbligatorio iscriversi all'esame utilizzando la procedura online [https://almaesami.unibo.it/almaesami/welcome.htm].

Strumenti a supporto della didattica

Il sito web del corso è stato progettato per essere il fulcro degli strumenti didattici. Contiene la maggior parte dei materiali didattici in formato elettronico, un'indicazione di tutte le procedure e le modalità di erogazione del corso, nonché una ricca raccolta di software del settore.

E' stata inoltre predisposta una chiavetta USB, a disposizione degli studenti sul sito Web del corso, contenente un ambiente di lavoro completo per sperimentare le metodologie proposte nel corso. Questo strumento verrà utilizzato anche nelle esercitazioni in laboratorio.

Link ad altre eventuali informazioni

http://corpora.ficlit.unibo.it/LingInfLM/

Orario di ricevimento

Consulta il sito web di Fabio Tamburini

SDGs

Istruzione di qualità Partnership per gli obiettivi

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.