Metadati relativi al testo

L’attributo “text_id” è il numero identificativo del testo. Si è deciso di non numerare progressivamente i testi di tutti i source, ma di ricominciare la numerazione dall’inizio per ogni lingua di partenza. Quindi si avranno testi che partono da 001 sia per il sottocorpus st-in-en, sia per quello st-in-fr che per il st-in-it. Lo stesso id viene poi ripreso per le relative interpretazioni e per i testi source (da questo punto in poi “st”) delle traduzioni e i relativi testi target (da questo punto in poi “tt”).

Nell’attributo “date”, si inserisce la data dell’intervento corredata dall’indicazione del momento della giornata in cui l’oratore è intervenuto (“m” per morning, se l’intervento si è svolto prima delle 13, e “a” per afternoon, dalle 13 in poi).

Gli attributi “lengthw”, “durations” e “speedwm” contengono i valori numerici relativi al numero di parole del testo in questione, alla durata dell’intervento in secondi e alla velocità dell’oratore, ovvero il numero di parole che pronuncia al minuto. I valori di tali attributi determinano i valori degli attributi “length”, “duration” e “speed”, secondo intervalli preesistenti, messi a punto per l’implementazione di EPIC e utilizzati successivamente per la prima versione di EPTIC. La Tabella 3.5 (Sandrelli e Bendazzoli, 2005:4) riportata qui di seguito riassume i parametri di riferimento.

duration short < 2 minutes medium 2-6 minutes long > 6 minutes text length short < 300 words

41

medium 301-1000 words long > 1000 words speed of

delivery

low < 130 words per minute (w/m)

medium 131-160 w/m high > 160

Tabella 3.5 - Parametri calcolo durata, lunghezza e velocità

Si è deciso di adottare questi parametri, che differiscono da altri utilizzati per gli intervalli che determinano i valori dell’attributo “speed”, poiché utilizzando gli altri, in cui il valore massimo è fissato a 120 (Sandrelli et al., 2010:175), la velocità di esposizione degli interventi risulterebbe “high” nella maggior parte dei casi, rendendo dunque l’attributo “speed” superfluo e non rappresentativo. Per quanto concerne il conteggio del numero di parole necessario a riempire gli attributi “length” e “lengthw”, è stato necessario elaborare l’espressione regolare riportata di seguito da utilizzare su Notepad++ con il plugin TextFX Quick, in modo da calcolare con la maggiore precisione possibile il numero di parole di ciascun testo.

[a-zA-Z0-9\xc0-\xff]+([-,.:][a-zA-Z0-9\xc0-\xff]+)*

Non è stato tuttavia possibile evitare alcune imprecisioni: per esempio, le parole unite da trattino vengono conteggiate come un’unica parola. Il problema non sussiste nel caso dell’italiano e dell’inglese, dove le parole unite da trattino sono effettivamente da considerare un’unica parola. In francese, invece, le parole con trattino a volte sono considerate un’unica parola, mentre a volte restano due parole separate, come nel caso delle domande con inversione. Non si è comunque ritenuto necessario trovare un’altra soluzione, perché i casi di questo tipo corrispondono a una parte non sostanziale del corpus. Infatti, prendendo in considerazione il sottocorpus st-in-fr (24.686 parole), le parole con trattino sono 161 (0,65%) e di queste solo 84 sono da considerarsi due parole

42

(0,34%). In caso di lassi di tempo separati da trattino, invece, si è deciso di separare manualmente gli elementi inserendo uno spazio sia prima che dopo il trattino (es. “2009 – 2014”). Dal conteggio parole sono esclusi gli slash con il loro contenuto e la punteggiatura, mentre vengono conteggiate le pause piene e le parole troncate. Quando i valori numerici contenuti negli attributi di cui sopra risultano essere numeri non finiti, si riporta solo il primo decimale arrotondando per eccesso nel caso in cui il secondo decimale sia ≥ 5 o per difetto in caso contrario. Non si riportano mai numeri seguiti da “.0”, né in caso di numeri finiti né in caso di decimale da arrotondare per difetto (quindi, nel caso di 132.02, si troverà “132”). Nei sottocorpora di traduzione, gli attributi “duration”, “durations”, “speed” e “speedwm” vengono riempiti con “NA”, in quanto non applicabili alla modalità scritta.

L’attributo “delivery” ci informa sul modo in cui si esprime l’oratore, ossia se parla senza una traccia scritta (“impromptu”), se segue una traccia scritta ma non legge oppure se alterna le due modalità (“mixed”) o se legge (“read”). Nel caso delle interpretazioni, si riempie l’attributo con il valore “interpreted”, dato che nessuno dei tre valori precedenti può essere applicato al caso specifico. Nei sottocorpora di traduzione, questo attributo è riempito con “NA”.

Gli attributi “topic” e “topicspec” forniscono informazioni riguardo all’argomento di cui si parla nel relativo testo. Più nello specifico, nel “topicspec” si riprende esattamente il titolo della sezione in cui si trova il testo sul sito del Parlamento europeo o nei verbatim report, mentre il “topic” viene fatto derivare dal titolo di cui sopra o, in caso di titoli troppo generici (per esempio, “Explanations of vote”), da ciò di cui si parla nell’intervento. I valori

43

dell’attributo “topic” sono stati ripresi dalla lista elaborata per EPIC (Sandrelli et al., 2010:175). Agriculture-and-Fisheries Economics-and-Finance Employment Environment Health Justice Politics Procedure-and-Formalities Society-and-Culture Science-and-Technology Transport

L’attributo “type” contiene informazioni relative al sottocorpus in cui si trova il testo. Al primo posto si trovano le sigle “st” o “tt”, a indicare se si tratta di un st o di un tt. Poi si trovano le diciture “in” o “tr”, per differenziare tra interpretazioni e traduzioni. Infine, compare una tra le sigle “en”, “fr” e “it”, a indicare la lingua dei testi contenuti nel sottocorpus in questione.

L’attributo “comments” è riservato invece a commenti di vario tipo, per esempio riguardanti problemi tecnici riscontrati durante la trascrizione, spiegazione di simboli non convenzionali, oppure convenzionali ma utilizzati con funzione diversa da quella abituale, oppure segnalazioni di errori nelle traduzioni. Nel caso non ci siano precisazioni da fare sul testo in questione, l’attributo conterrà il valore “NA”.