Italy

LIV Congresso SLI 2021

Presentazione

EMNLP 2021 is planned to be a hybrid event in Punta Cana, Dominican Republic, with both on-site and fully virtual participation possible. The experience for on-site participants would closely approximate a normal pre-COVID *ACL conference, with 5-6 thematically organized parallel sessions and live Q/A and interactive discussion immediately after the talks. Presentations by virtual participants will be equitably interleaved with those of on-site participants, projected on the auditorium screens as if on-site, and also followed immediately by live Q/A and interactive discussion at a time during reasonable waking hours for the virtual presenter. For all participants, on-site and virtual, who are unable to attend a session due to either time-zone issues or because they are participating in another session live, talk recordings and slides will be available online at a minimum after the live presentation (and in many cases before as well), and questions may be submitted in advance on session-specific discussion boards and answered live in session with the usual visual aids if desired.

<iframe style="width:700px;height:400px" src="https://online.fliphtml5.com/ebtyf/ceby/" seamless="seamless" scrolling="no" frameborder="0" allowtransparency="true" allowfullscreen="true" ></iframe>

Please Note: The EMNLP registration system is not currently connected to the underline site as we are still in the process of building out EMNLP 2021. You will receive access instructions from underline the week of November 1st. 

Access is given only to EMNLP upon registration, if you have not registered please do so [here](https://2021.emnlp.org/registration).

Registered attendees will receive access the week of November 1st.

EMNLP 2021

EMNLP 2021 is planned to be a hybrid event in Punta Cana, Dominican Republic, with both on-site and fully virtual participation possible.

workshop paper

### 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!

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.

I corpora del FICLIT, Università di Bologna

Read abstract **[here](https://s3.amazonaws.com/pf-upload-01/u-59356/0/2021-08-05/4r33j97/SLI_proposal-EvaLatin-11.pdf)**



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

Read abstract **[here](https://s3.amazonaws.com/pf-upload-01/u-59356/0/2021-08-06/4r13qhs/CfP--SLI2020--v21.pdf)**




Esplorazioni di treebank multilingue per studi tipologici

Intonation of telephone conversations in a Customer Care Service RATP-DECODA is a Customer Care Service corpus part of the ORFEO project (2020). It includes 1988 recordings of client requests made between 2009 and 2011 to the RATP call center (Régie Autonome des Transports Parisiens). The total duration of these calls is about 98 hours, with an average of 177 seconds per call. Recordings were made in a mp3 format, converted in the Orfeo corpus into stereo 16 bit 8000 Hz sampling rate, and for the present research in mono 16 bit 22050 Hz. The files are originally annotated in word and phone segments, in trs (Transcriber) and also into TextGrid (Praat) format. The compressed recording format used (mp3) and the telephone line characteristics limit the sound bandwidth to about 120-3900 Hz, which affects the reliability of most pitch trackers and of the automatic segmentation program used for word and phone annotations, especially for male voices. Nevertheless, using dedicated functions of the WinPitch (2020) speech analysis software, errors of segmentation were easily corrected manually, and pitch detection errors have been monitored by the simultaneous display of a narrow band spectrogram and graphically corrected (Martin, 2018a). Conversations usually involve 2 participants: a client, the customer agent and eventually a service voice. Call types as noted in Brechet et al. (2012) were: 
Info Traffic 22.5%; Route planning 17.2%; Lost and Found 15.9%; Registration card 11.4; Timetable 4.6%; Ticket 4.5%; Specialized calls 4.5%; empty 3.6%; New registration 3.4%; Price info 3.0%.
While some semantic and syntactic observations have already be made in Brechet et al. (2012), no analysis of intonation has so far been conducted, showing in these specific discourse conditions the role of prosody in structuring controlled exchanges between two participants. As most of the recordings have a duration below 3 minutes, the effect of client characteristics on the agents, for instance perceived age and fluency, can be analyzed more easily in this restricted time frame. 
Melodic changes were annotated with WinPitch, allowing an easy graphic contour annotation from the existing segmentation into words and phones, as well as with an underlying narrow band spectrogram that would guarantee the validity of the annotated contour in term of frequency and duration (see Martin, 2018a). According to the incremental prosodic structure model (Martin, 2018b), prosodic annotations consist of melodic contours, mostly linear, located on stressed vowels (not syllables), and automatically classified from their slope in terms of direction and glissando values (i.e. perceived as a melodic change vs. perceived as a static tone): Cdec conclusive déclarative contour, perceived as sentence terminal; Cint conclusive interrogative contour, also perceived as sentence terminal; Cris rising continuation contour, as a melodic change; Cfal falling continuation contour, perceived as a melodic change; Cneu rising or falling contour, perceived as a static tone. Description of these contours in terms of frequency, duration and intensity, are automatically transferred on a spreadsheet program such as Excel for detailed phonetic analysis. In the intonation grammar of French retained for this research, the prosodic structure is defined by dependency relations “to the right”, i.e. when a given contour category depends on the category of another contour located further in the sentence. For instance, the falling contour Cfal depends on a rising contour Cris placed further in the sentence, Cris depends on a Cdec occurring later in the sentence, whereas Cneu depends on either a Cfal, Cris or Cdec / Cint located on its “right”. 
This intonation grammar is based on the contrast of melodic slope principle, essentially validated earlier on various read and spontaneous speech corpora involving mostly declarative sentences (see Martin, 2018b). The issue here is to validate this slope inversion principle for sentences using a final rising contour to indicate its interrogative modality. in which we would have Cfal depending on a terminal interrogative Cint, and possibly Cris depending on a Cfal located further in the sentence. However, most interrogative sentences of the corpus were rather of short duration, preventing the occurrence of a prosodic structure with 2 or 3 levels, therefore using the Cris -> Cfal dependency with the expected melodic contrast. Speaker sentences are usually quite short, with limited occurrences of reformulation and abandons, contrary to other spontaneous speech corpora. The speaker sentence prosody appears therefore rather well planned, striving for the shortest duration possible. Given the fact that clients had no clue in advance as to the personality of customer agent that will answer them, they usually start their calls with indirect questions with a declarative prosodic structure ended by Cdec, or alternatively with a statement describing the problem followed by a very short question associated to an interrogative prosodic structure (ended by a rising contour Cint). Likewise, if most customer use indirect questions in their demands, the eventual questions made by the agent to obtain some clarification use intonation to express an interrogative modality. 
In some recordings, agents will slow down the speech rate and expanding the melodic variations on stressed syllables in order to be better understood. Typical prosodic structure configuration such as long lists in route planning exchanges, segmentation of the sentence into prosodic nucleus and postnucleus (with a limited melodic excursion), etc. Analysis of abandons and reformulations in client sentences also illustrate the planning of the prosodic structure before the lexical items, which are substituted afterwards keeping the same melodic contour of the planned prosodic structure. 

References

Bechet F. et al. (2012) DECODA: a call-centre human-human spoken conversation corpus, Proceedings of the Eighth International Conference on Language Resources and Evaluation (LREC'12), pp. 1343-1347. 
Martin, Ph (2018a) Prosodic annotation in adverse recording conditions, a cura di A. De Dominicis, Speech audio archives: preservation, restoration, annotation, aimed at supporting the linguistic analysis, Accademia Nazionale dei Lincei, 
Martin Ph. (2018b) Intonation, structure prosodique et ondes cérébrales, London : ISTE, 322 p. 
ORFEO (2020) Corpus d’étude pour le français contemporain https://www.projet-orfeo.fr/ 
WinPitch (2020) Computer program, www.winpitch.com

Intonation of telephone conversations in a Customer Care Service

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


Diacronia e sincronia delle polirematiche con struttura preposizionale: un’analisi su corpora

Read abstract **[here](https://s3.amazonaws.com/pf-upload-01/u-59356/0/2021-08-18/fb13qr1/SLI%20Firenze%202020%20Abstract.pdf)**



Cosa ci rivelano i corpora sulla complessità testuale dell’italiano?

In questo contributo ci proponiamo di illustrare lo stato attuale e i risultati parziali di una prima indagine sul C-ORAL-ESQ, corpus di parlato di portoghese brasiliano di portatori di schizofrenia, in fase di compilazione. La schizofrenia è una malattia mentale che compromette seriamente lo svolgimento delle attività quotidiane come la capacità lavorativa, la vita di relazione e la cura di sé e che può persino portare all’isolamento sociale della persona (ANDREASEN, 2000; MCGURK et al., 2004; SCHULTZ; ANDREASEN, 1999). I sintomi sono suddivisi tra positivi, come allucinazioni, deliri, comportamento bizzarro e disturbi formali del pensiero, e negativi, quali alogia, abulia e appiattimento affettivo (AMERICAN PSYCHIATRIC ASSOCIATION, 2013; PANSS scale: KAY; FISZBEIN; OPLER, 1987; SCoRS scale: KEEFE et al., 2006). Sono da sottolineare gli importanti deficit cognitivi associati alla malattia tra cui difficoltà di organizzazione (del pensiero e delle attività) e problemi mnemonici (BOWIE; HARVEY, 2008; SALGADO, 2008). La schizofrenia colpisce numerosi aspetti dell’espressione linguistica, con manifestazioni che vanno dall’eloquio disorganizzato a disturbi della fluenza verbale e dell’espressione di aspetti affettivo-emotivi attraverso la prosodia (COVINGTON et al., 2005; KUPERBERG, 2010). Il corpus C-ORAL-ESQ registra le sedute psichiatriche regolari tra medico e paziente presso l’ospedale e ambulatorio psichiatrico “Instituto Raul Soares” di Belo Horizonte (Brasile). 
Il progetto prevede che si raggiunga un adeguato bilanciamento e rappresentatività di questa realtà specifica, con informazioni sociolinguistiche e cliniche, in modo da permettere analisi linguistiche e psichiatriche in chiave inter/intralinguistica. Il corpus è trascritto in formato CHAT (MACWHINNEY, 2000) ed è segmentato in enunciati, i quali corrispondono a sequenze prosodicamente terminali (CRYSTAL, 1969) e compiono un atto linguistico (cf. AUSTIN, 1962). Tutte le registrazioni sono allineate al testo e una parte di esse sarà etichettata informativamente (CRESTI, 2000; MONEGLIA; RASO, 2014). Delle 40 registrazioni inizialmente previste, fino a questo momento ne sono state effettuate 32, di cui 28 con pazienti diversi. Il corpus presenta 84.075 parole totali (di cui 44.438 pronunciate dai pazienti) e più di nove ore di registrazioni. Ogni registrazione ha una durata media di circa 19 minuti, con una media di 2.917 parole totali (DS 1.582). Dei pazienti, 26 sono sottoposti a visite psichiatriche regolari presso l'ambulatorio dell'ospedale, mentre due erano ricoverati presso la struttura al momento delle registrazioni. Il corpus non è ancora bilanciato per quanto riguarda il sesso dei pazienti: hanno partecipato alla ricerca 20 uomini e 8 donne. Tra i pazienti, meno di un terzo presenta la malattia da più di 10 e meno di 21 anni, mentre gli altri si suddividono in due gruppi equivalenti: quello di coloro che sono affetti dalla malattia da meno di dieci anni e quelli che convivono con i sintomi da più di 22 anni. L'età media è più alta per le donne: le otto pazienti registrate sono tutte più che quarantenni mentre l’età degli uomini copre in maniera relativamente uniforme le fasce che vanno dai 18 ai 60 anni. Il livello di istruzione di tutti i gruppi è piuttosto basso. Tutti i pazienti sono stabilizzati, assumono antipsicotici di prima e/o seconda generazione (dosaggio medio di 679,13 mg di equivalenti di clorpromazina) e presentano una media di 11 punti della scala positiva della PANSS (DS 4,5) e di 17,5 punti della scala negativa della PANSS (DS 6,3). La media delle parole proferite dai pazienti per ogni seduta è di 1.481 (DS 1.097) con grande variazione interna tra le varie registrazioni: una paziente pronuncia solo 82 parole, mentre due ne pronunciano ben più di 4000. Il livello di interazione delle sedute può essere misurato attraverso il calcolo della proporzione tra le parole pronunciate dai pazienti e quelle pronunciate dai medici o da chi accompagna la seduta. La media ottenuta è di 0,49 (DS 0,21), chiarendo che, quanto più vicini a 1, maggiore è il numero di parole del paziente. In uno studio pilota sulla scia di DOVETTO et al. (2015), condotto su un campione di 6 registrazioni del C-ORAL-ESQ e 6 registrazioni del C-ORAL-BRASIL (RASO; MELLO, 2012), corpus di parlato spontaneo di portoghese brasiliano utilizzato in questa fase come corpus di controllo, è stata identificata una maggiore varietà di pattern informativi negli enunciati del C-ORAL-BRASIL rispetto a quelli del C-ORAL-ESQ (175 nel primo caso e 140 nel secondo). Inoltre è stato verificato che i pazienti tendono a produrre meno unità informative di Topic, Comment Multipli, Parentetici e Introduttori Locutivi (CRESTI, 2000; MONEGLIA; RASO, 2014) rispetto al gruppo di controllo. Questi risultati Per quanto riguarda i fenomeni di disfluenza, i pazienti producono più retractings e pause più lunghe.
Le tappe future del progetto includono: la ripresa delle registrazioni (interrotte causa emergenza COVID), la compilazione di una sezione multimodale del corpus e la compilazione di un corpus di controllo con visite mediche di pazienti non affetti da disturbi mentali. 

Bibliografia

American Psychiatric Association, Diagnostic and statistical manual of mental disorders – fifth edition: DSM–5, American Psychiatric Association, Arlington VA 2013. 
ANDREASEN, N. C. Schizophrenia: The fundamental questions. Brain Research, v. 31, n. 2–3, p. 106–112, 2000. 
AUSTIN, J. L. How to do things with words. Oxford: Oxford University Press, 1962.
BOWIE, C. R.; HARVEY, P. D. Communication abnormalities predict functional in chronic schizophrenia: differential associations with social and adaptive functions. Schizophrenia Research2, v. 103, n. 1–3, p. 240–247, 2008. 
COVINGTON, M. A. et al. Schizophrenia and the structure of language: The linguist’s view. Schizophrenia Research, v. 77, n. 1, p. 85–98, 2005. 
CRESTI, E. Corpus di Italiano parlato. Firenze: Accademia della Crusca, 2000. 
CRYSTAL, D. Prosodic Systems and Intonation in English. Cambridge: CUP, 1969. 
DOVETTO, F. M.; CRESTI, E.; ROCHA, B. Schizofrenia tra prosodia e lessico. Prime analisi. Studi Italiani di Linguistica Teorica e Applicata, v. 3, p. 486–507, 2015. 
KAY, S. R.; FISZBEIN, A.; OPLER, L. A. The positive and negative syndrome scale (PANSS) for schizophrenia. Schizophrenia bulletin, v. 13, n. 2, p. 261–76, 1987. 
KEEFE, R. S. E. et al. The schizophrenia cognition rating scale: An interview-based assessment and its relationship to cognition, real-world functioning, and functional capacity. American Journal of Psychiatry, v. 163, n. 3, p. 426–432, 2006. 
KUPERBERG, G. R. Language in Schizophrenia Part 1: An Introduction. Linguistics and Language Compass, v. 4, n. 8, p. 576–589, 2010 
MACWHINNEY, B., The CHILDES project: Tools for analyzing talk, Lawrence Erlbaum, Mahwah 2000. 
MONEGLIA, M.; RASO, T. Notes on Language into Act Theory (L-AcT). In: RASO, T.; MELLO, H. (Eds.) Spoken Corpora and Linguistic Studies. Amsterdam / Philadelphia: John Benjamins Publishing Company, 2014. p. 468–495. 
MCGURK, S. R. et al. Cognitive training for supported employment: 2-3 year outcomes of a randomized controlled trial. American Journal of Psychiatry, v. 164, n. 3, p. 437– 441, 2004.
RASO, T. MELLO, H. (eds), C–ORAL–BRASIL I: Corpus de referência do Português Brasileiro falado informal, Editora UFMG, Belo Horizonte 2012. 
SALGADO, J. V. Neuropsicologia da esquizofrenia. In: FUENTES, D. et al. (Eds.) Neuropsicologia: Teoria e prática. Porto Alegre: Art, 2008. p. 273–287. 
SCHULTZ, S. K.; ANDREASEN, N. C. Schizophrenia. Lancet, v. 353, n. 9162, p. 1425–1430, 1999.

Sintassi, coesione e gestione dell’informazione: un corpus di errori sintattici in italiano L2

CItA e TIscrivo: corpora di testi scritti a scuola per osservare l'evoluzione delle competenze di scrittura in italiano L1

Read abstract **[here](https://s3.amazonaws.com/pf-upload-01/u-59356/0/2021-08-05/oj33jzx/Abstract%20WORKSHOP%20SLI.pdf)**



La trascrizione forense tra cattive prassi e fallacie probatorie. Analisi di una trascrizione di intercettazione ambientale

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.

Presentazione

Downloads

Next from LIV Congresso SLI 2021

I corpora del FICLIT, Università di Bologna

Similar lecture

Using NLP to Model Product Market Boundaries, Market Structure, and Innovation

Presentazione

.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

I corpora del FICLIT, Università di Bologna

Similar lecture

Using NLP to Model Product Market Boundaries, Market Structure, and Innovation

Downloads