Italy

Presenteremo i tre grandi corpora sviluppati dal nostro gruppo di ricerca, con la collaborazione di John Sinclair, e liberamente consultabili sul Web. Per tutti i tre corpora è stato effettuato un attento studio preliminare per garantirne il maggior grado di rappresentatività possibile rispetto alla varietà linguistica considerata. Il progetto più rilevante ha riguardato la creazione di un corpus di riferimento rappresentativo dell’italiano contemporaneo (CORIS); è disponibile online dal 2001 e costantemente aggiornato, ogni tre anni, per cogliere le variazioni nel lessico e nei rapporti di frequenza. E’ stato annotato automaticamente per parti del discorso e lemmi. CODIS, la sua controparte dinamica, consente allo studioso di combinare liberamente insiemi predefiniti di testi per costruire il corpus ideale per studi specifici o per studi interlinguistici. DiaCORIS, sviluppato in collaborazione con L’Accademia della Crusca, riproduce la struttura in macro-varietà testuali di CORIS a livello diacronico. Contiene testi dall’Unità d’Italia agli anni 2000 adeguatamente annotati rispetto ai principali metadati. E’ disponibile online dal 2006. BoLC è un corpus bilingue (italiano/inglese) di linguaggio giuridico contenente una sezione parallela (documenti dell’UE) e una sezione comparabile. Consente lo studio delle differenti terminologie adottate da due sistemi giuridici (common law vs civil law) così diversi. E’ disponibile online dal 2011.

LIV Congresso SLI 2021

I corpora del FICLIT, Università di Bologna

### Benvenuti 
al *LIV Congresso internazionale della Società di Linguistica Italiana ''Corpora e Studi Linguistici''* che si tiene qui in rete nella piattaforma fornita da Underline. Il Congresso si sviluppa su 3 giornate divise in:

* cinque Sessioni plenarie, 
* due Sessioni Demo dedicate ai corpora italiani e internazionali, 
* una Sessione Poster e 
* una Sessione workshop con 5 workshop in parallelo. 

Gli interventi orali saranno sia in diretta che preregistrati, secondo la volontà degli autori, ma per tutti sarà possibile l’interazione dal vivo con domande e risposte. A tutte le sessioni si accede attraverso le icone sulla sinistra di questa pagina. 
 Nelle sessioni Poster e Demo ci si muove virtualmente tra le proposte attraverso Gather-Town, che permette ai congressisti anche di incontrarsi in qualsiasi momento nella Lounge virtuale.
 Ringraziamo tutti per l’impegno e la pazienza e ci auguriamo una buona riuscita del Congresso. Un ringraziamento particolare ai relatori invitati Bas Aarts (University College London), Gu Yueguo (The Chinese Academy of Social Sciences) e Mirko Tavoni (Università di Pisa) 
 

**Welcome** to the *54th Congress of the International Society of Italian Linguistics ''Corpora and Linguistic Studies''*
which is held here through the Underline Platform. The Congress develops in 3 days which host:

* five Plenary sections, 
* two Demo sessions, 
* dedicated to Italian and international corpus building initiatives, 
* one Poster session and 
* one Workshops session hosting 5 workshops in parallel. 

Oral presentations are given in synchronous or are pre registered according to the will of each author, however Q/A will be live for all. All sessions can be accessed through the icons on the left side of this page. 
 In the Poster and Demo sessions you will be able to move among the various items though Gather-town. Congress participants can always meet in the Virtual lounge.
 We wish to thank all participants for their work and patience. A special thanks to our invited speakers Bas Aarts (University College London), Gu Yueguo (The Chinese Academy of Social Sciences) e Mirko Tavoni (Università di Pisa)

![](https://assets.underline.io/uploads/markdown_image/1/image/dacffc533f05582ca945abd01bb616ea.png)

If you have already registered, please **login** to Underline.io to be able to see full conference content. 
 In case you do not have an Underline account, please **create** one. Thank you!

demo

In this talk, we present the principles for vocal and multichannel annotation of the natural communcation used in the “Russian Pear Chats & Stories” corpus (RUPEX). RUPEX consists of 40 interaction sessions (8 to 41 min each, four interlocutors in each); in total, 160 participants (18 to 36 years old), appr.160,000 words; interaction takes place in partly structured communicative situation with established roles for the interlocutors; the communication is unrestricted and mostly unsupervised; it is centered around the contents of W. Chafe’s “Pear Film”. The main objective is to document oral communication as an interaction that simultaniously operates via multiple channels: the segmental verbal channel, the non-segmental prosodic channel, the gaze channel (eyes’ movements), as well as via movements of other body parts (face, head, hands, arms, torso). The data is represented (a) in the form of audio and video recordings (high-frequency frontal cameras were used), as well as eye-movement recordings from eye tracker glasses worn by participants; and (b) in the form of annotation files. The main challenge is to develop and integrate vocal and kinetic (oculomotor, manual, cephalic etc.) annotation, and to prove its validity for Russian data. So far, the vocal annotation is the most comprehensive as it embraces the segmentation of the speech flow into units of various levels: filled and unfilled pauses, words, elementary discourse units (EDUs), illocutionary chains etc. An EDU is defined as a minimal chunk of spoken discourse, i.e. a terminal node in discourse structure represented through semantically definable relationships. In terms of prosodic structure, it is realized as a single prosodic domain grouped around its primary accent with perceived maximal prominence. Special annotation conventions are developed to register pitch movements associated with accents, discourse functions of the EDUs, speech disfluencies and many other vocal details.
Similar principles apply for non-vocal channels, where units of segmentation are also defined and their properties annotated. For each unit, its precise time boundaries are indicated. While annotation is carried out using various software (Praat and MS Word for vocal phenomena, Tobii Pro Glasses Analyzer for eye gaze, ELAN for other kinetic behavior), it is further converted into a unified format in ELAN and in SQL tables. A web search engine has also been developed using SQL data that allows to search for units with user-defined properties.

References

Chafe, Wallace (Ed.) (1980) The pear stories: Cognitive, cultural, and linguistic aspects of narrative production. Norwood, NJ, Ablex. Fedorova, Olga V., and Andrej A. Kibrik (eds.) (to appear). The MCD handbook: A practical guide to annotating multichannel discourse. Moscow.
Kibrik, Andrej A., and Olga V. Fedorova (2018). An empirical study of multichannel communication: Russian Pear Chats and Stories // Psixologija. Žurnal Vysšej Školy ėkonomiki 15 (2). 191–200.
Kibrik, Andrej A., Nikolay A. Korotaev, Olga V. Fedorova, and Alexandra A. Evdokimova (2019). ‘Edinaja mul’tikanal’naja annotacija kak instrument analiza estestvennogo diskursa’ [Unified multichannel annotation: A tool for analyzing natural communication]. In: Computational Linguistics and Intellectual Technologies: Papers from the Annual International Conference “Dialog” 18(25). Moscow, 265–280.
Kibrik, Andrej A., Korotaev, Nikolay A., and Vera I. Podlesskaya (2020) Russian spoken discourse: Local structure and prosody, In S. Izre’el, H. Mello, A. Panunzi, T. Raso (eds.) In search of basic units of spoken language: A corpus-driven approach (pp. 37–76). John Benjamins. 
Korotaev, Nikolay A., Dobrov, Grigory B., and Andrej N. Khitrov (2021) RUPEX Search: Online tool for analyzing multichannel discourse, B. Velichkovsky, P. Balaban, V. Ushakov (Eds.) Advances in Cognitive Research, Artificial Intelligence, and Neuroinformatics. Proceedings of the 9th International Conference on Cognitive Studies (Intrercognsci-2020) 11-16 of October, 2020, Moscow, Russia, Springer-Nature, pp. 385–394.

Russian oral discourse through the lens of a multichannel corpus

Rhapsodie, a prosodic and syntactic treebank for spoken French

Read abstract **[here](https://s3.amazonaws.com/pf-upload-01/u-59356/0/2021-08-16/zo13ql9/SLI_2020_abstract_D5.pdf)**




Brazilian Portuguese: Spoken, Written and Diachronic Corpora

El corpus ESLORA contiene 60 horas de entrevistas semidirigidas y 20 horas de conversaciones de hablantes de Galicia. Los registros sonoros se transcribieron ortográficamente con alineación texto-voz. Los textos han sido lematizados y anotados morfosintácticamente para faciltar la consulta mediante diversos tipos de búsquedas que combinan variables sociales e interaccionales (grupo de edad, nivel de estudios, mujer/hombre, rol comunicativo) junto a categorías lingüísticas (lemas, clases de palabras y categorías morfológicas). El proyecto se ha guiado por tres objetivos generales: (i) Incrementar la amplitud y variedad de los materiales orales disponibles en español. En comparación con la extensión de los corpus escritos, la escasez de muestras orales accesibles en condiciones idóneas resultaba especialmente notoria en el caso del español hablado en Galicia. (ii) Avanzar en el conocimiento de los métodos de construcción de corpus orales. Se han evaluado las dos técnicas más usadas en la obtención de registros de habla informal: la entrevista semidirigida y la grabación de conversaciones espontáneas. El contraste entre ambos subcorpus confirma que el empleo de una u otra técnica condiciona en diversos aspectos las características de los datos obtenidos. (iii) Desarrollar recursos computacionales para la consulta, el análisis y la explotación del corpus. Se generaron recursos accesibles que permiten a los investigadores y al conjunto de la comunidad desarrollar nuevos estudios relacionados con el español oral. Tanto el etiquetador estadístico para la anotación morfosintáctica de los textos como la aplicación de consulta son herramientas de gran utilidad para un aprovechamiento adecuado del corpus.

ESLORA: un corpus de español hablado en Galicia

Read abstract **[here](https://s3.amazonaws.com/pf-upload-01/u-59356/0/2021-08-27/ee52nmg/abstract%20SLI%202020%20aggiornato.pdf)**



Banche dati per il trasmesso: il LIR e il LIT

Read abstract **[here](https://drive.google.com/file/d/1j5F8tyesX0hM_T6MHaKeSm1YtQ5RkseB/view?usp=sharing)** 




Corpus Multimodale Annotato per lo studio della gestualità co-verbale nel parlato parlato e nel parlato recitato

Read abstract **[here](https://s3.amazonaws.com/pf-upload-01/u-59356/0/2021-08-02/40330jp/SLI_2020_abstract_36.pdf)**





Corpus dell'Italiano Parlato LABLITA; Corpora comparabili delle lingue romanze parlate (C-ORAL-ROM); Corpora didattici dello spagnolo (CORDIAL); Data Base interlinguistico dell'articolazione dell'informazione (DB-IPIC)

Read abstract **[here](https://s3.amazonaws.com/pf-upload-01/u-59356/0/2021-08-30/j532mnx/DEMO%20SLI_ag2021.pdf)**



Corpora di italiano parlato patologico dell'età adulta e senile: CIPPS, CIPP-ma, CIPP-mci

Read abstract **[here](https://s3.amazonaws.com/pf-upload-01/u-59356/0/2021-08-07/ln23sov/SLI_2020_Ganfi%26Piunno_revised%20Abstract.pdf)**


Il corpus KIParla

Lo studio dell’apprendimento (e dell’insegnamento) dell’italiano a stranieri sta vivendo un periodo particolarmente vivace e un corpus di testi scritti da allievi stranieri, se organizzato in modo adeguato, può essere molto utile sia ai docenti di italiano a stranieri in Italia o all’estero, sia agli studenti universitari che desiderano prepararsi ad insegnare italiano LS/L2, sia – ovviamente – ai ricercatori.  VALICO è uno dei maggiori corpora di italiano di stranieri liberamente accessibili in rete. Le sue caratteristiche salienti sono: raccolta di testi a partire da stimoli iconici, base di dati sociolinguistici degli autori dei testi e corpus interrogabili congiuntamente, ricerche attraverso un approccio georeferenziato, integrato con la risorsa orale “le voci di VALICO” ed esercizi tratti dal corpus stesso, possibilità di confrontare le ricerche sul corpus con il corpsu VINCA, composto da testi raccolti a partire dagli stessi stimoli.  Il nuovo arricchimento della risorsa prevede l’annotazione automatica della sintassi (seguendo lo schema di annotazione standard de facto delle Universal Dependencies) e la sua correzione manuale in una sezione gold per la quale è stata realizzata anche l’annotazione manuale degli errori degli apprendenti.

I corpora del FICLIT, Università di Bologna

Downloads

Next from LIV Congresso SLI 2021

Russian oral discourse through the lens of a multichannel corpus

Similar lecture

EvaLatin 1.0: un Corpus per la Valutazione delle Tecnologie del Linguaggio Applicate al Latino

I corpora del FICLIT, Università di Bologna

.css-70qvj9{display:-webkit-box;display:-webkit-flex;display:-ms-flexbox;display:flex;-webkit-align-items:center;-webkit-box-align:center;-ms-flex-align:center;align-items:center;}Downloads

Next from LIV Congresso SLI 2021

Russian oral discourse through the lens of a multichannel corpus

Similar lecture

EvaLatin 1.0: un Corpus per la Valutazione delle Tecnologie del Linguaggio Applicate al Latino

Downloads