Possibili applicazioni

La varietà e la versatilità dei risultati di IMAGACT garantiscono una sua vasta applicabilità in settori fra loro molto diversi.

• Acquisizione di una L2.

La scarsa conoscenza degli ambiti di variazione dei predicati nelle diverse lingue ha determinato, di fatto, una carenza di strumenti glottodidattici specifici per l’acquisizione del lessico verbale, nodo cruciale nello sviluppo della competenza della lingua seconda. IMAGACT è idoneo per l’acqui- sizione lessicale fin dalle prime fasi, anche per apprendenti privi di lingua veicolare: le entrate lessicali presentate si riferiscono, infatti, ad azioni co- muni nella vita quotidiana e gli eventi possono essere facilmente identificati dall’utente indipendentemente dalla lingua madre, perché rappresentati in scene filmate o animate (Moneglia et al., 2013).

• NLP (WordSense Discrimination e Disambiguation, traduzione automatica, Semantic Web)35_.

Nonostante la centralità dei verbi generali nel lessico delle lingue natura- li, le equivalenze e i differenziali del loro riferimento agli eventi non sono derivabili con sicurezza dalle risorse linguistiche e lessicografiche attual- mente disponibili, computazionali e non. I sistemi automatici commettono di frequente errori grossolani nella traduzione: molto spesso, infatti, non sono in grado di risolvere l’intrinseca ambiguità dei verbi generali (data la possibilità di questi lemmi di estendersi, sulla base delle proprietà di senso, a classi di azioni fisiche tra loro assai diverse) e quindi di assegnare la giusta traduzione.

Se ne può avere una prova empirica inserendo in Google Translate36 _e

in Babylon37 _{le frasi semplici “Fabio gira intorno al palo” e “Fabio gira}

la zuppa”. Entrambi gli strumenti daranno come risultato “Fabio turns around the pole” e “Fabio turns the soup”, al posto dei corretti “Fabio circles around the pole” e “Fabio stirs the soup”38_.

IMAGACT può rappresentare una fonte di informazione ricchissima per lo svolgimento dei task di Natural Language Processing che includano il trattamento pratico o formale dell’informazione linguistica naturale39_.

35_{L’argomento, vastissimo, esula da questa trattazione. Si rinvia a Jurafsky & Martin}

(2009); Manning & Schütze (1999), due manuali classici, per la presentazione dei task e la descrizione delle tecniche attualmente in uso in LC.

36_{http://translate.google.it/} 37_{http://traduttore.babylon.com/}

38_{Come accennato in precedenza, tale fenomeno è pervasivo nel lessico ad alta frequenza.}

Si pensi ancora alle tre possibili traduzioni inglesi della frase “Mario prende il gatto”: “Mario takes/catches/hits the cat”. La scelta tra le tre opzioni è possibile solo conoscendo il contesto pragmatico (Moneglia, 2011).

39_{Sull’argomento sono in corso le tesi di dottorato (ciclo XXVII) del dott. Lorenzo Gregori,}

dal titolo “Sviluppo di modelli per la disambiguazione dei verbi generali d’azione in contesti comunicativi aperti e applicazioni in servizi di rete” e della dott.ssa Irene De Felice, “Affor-

• Settore delle politiche di integrazione e della social inclusion40_.

La metodologia originale per la rappresentazione e la gestione di azioni semplici suggerisce un suo possibile utilizzo a supporto di interventi mira- ti alla riduzione del disagio e all’accesso ai servizi (ad esempio nel campo della sicurezza sul lavoro o dell’accesso ai servizi sanitari). La risorsa può avere, ovviamente, una forte rilevanza sociale nell’integrazione linguistica dei migranti: fatto ben noto, una parte sempre più consistente della po- polazione attiva e una percentuale rilevante di soggetti in età scolare non hanno l’italiano come lingua madre, e provengono da zone prive di una tradizione di contatto linguistico con l’Italia41_{. Negli anni a venire, auspi-}

cabilmente, a tali soggetti dovranno essere indirizzati specifici programmi di insegnamento della lingua nazionale.

• Robotica.

I modelli pragmatici individuati in IMAGACT possono essere utilizzati per costruire sistemi di interazione uomo-macchina e per la codifica di alto livello delle azioni eseguite da un arto robotico. Sull’argomento è in corso il progetto MODELACT (Futuro in Ricerca 2012), coordinato dal dott. Alessandro Panunzi42_.

• Scienze cognitive e neuroscienze.

Nonostante il crescente interesse di queste discipline per l’universo dell’a- zione naturale, soprattutto in seguito alla scoperta dei mirror neurons43_{, il}

dances and language: a study on Italian and English verbs denoting grasp events”. Si rinvia inoltre a Russo et al. (2013b,a).

40_{Si fa qui riferimento, in termini generici, con il termine “social inclusion” a politiche}

sociali finalizzate all’integrazione degli individui svantaggiati a causa della loro identità (di genere, razziale, etnica, religiosa o per uno status di disabilità) nel contesto sociale in cui vivono. Seguendo la definizione data dalla Banca Mondiale, “the process of improving the ability, opportunity, and dignity of people, disadvantaged on the basis of their identity, to take part in society”(World Bank, 2013).

41_{I dati statistici ufficiali diffusi dall’ISTAT (http://dati.istat.it/) mostrano un incremento}

costante della popolazione straniera sul territorio nazionale (fonte: ISTAT 01/2009, 01/2010, 01/2011).

anno Toscana Italia 2009 309 651 3 891 295 2010 338 746 4 235 059 2011 364 152 4 570 317

42_{Per maggiori informazioni: http://modelact.lablita.it/}

43_{A più di 20 anni dalla loro scoperta a cura dall’equipe parmense guidata dal dott. Riz-}

zolatti, la bibliografia sull’argomento “neuroni specchio” è ormai vastissima. Tali popolazioni di cellule cerebrali, individuate inizialmente nella corteccia premotoria dei macachi, sembre- rebbero essere presenti anche nel cervello umano, sia nella regione omologa ad F5, vale a dire l’area frontale corrispondente all’incirca all’area di Broca (BA 44-45), sia in porzioni temporo-parietali. Gli studi fatti in questi anni dimostrano che l’osservazione di un’azione comporta l’attivazione dello stesso circuito neurale deputato a controllarne l’esecuzione, ovve- ro coincide con l’automatica simulazione dell’azione nel cervello dell’osservatore (Gallese et al., 1996). Non solo: l’ascolto di frasi che descrivano azioni motorie comporta una modulazione del sistema dei neuroni specchio (Kohler et al., 2002), e dunque la comprensione linguistica potrebbe basarsi non su una rappresentazione amodale e simbolica, ma su meccanismi incar-

campionario dei verbi usati negli studi è estremamente ridotto: le basi dati esistenti a disposizione dei ricercatori sono infatti generalmente poco este- se ed incapaci di fornire conoscenze sistematiche. L’ontologia IMAGACT può fornire a queste discipline dati linguistici ed un prodotto multimediale inediti per la testistica. Verrà presentata una prima proposta nel cap.5. • Ricerca di base.

I dati prodotti e le questioni teoriche e metodologiche affrontate nel cor- so dei due anni e mezzo di lavoro stanno portando alla formalizzazione di nuove teorie per la modellizzazione e la rappresentazione del lessico verbale.

nati. Le stesse strutture che presiedono all’organizzazione dell’esecuzione motoria delle azioni sarebbero dunque alla base della comprensione semantica. Per una sintesi della letteratura specialistica sull’argomento si rinvia a (Rizzolatti & Sinigaglia, 2006).

Capitolo 2

Annotazione

L’estrazione di tipi ontologici di azione da corpora di parlato, già presenta- ta a grandi linee nel capitolo precedente (par. 1.2.1.1), ha rappresentato la parte quantitativamente più consistente di IMAGACT. Il presente capitolo è, perciò, integralmente dedicato a questa fase del progetto, ed in particolare all’annotazione dell’italiano, curata personalmente dall’autrice.

Dopo aver presentato il corpus design di IMAGACT-IT ed il trattamento pre- ventivo a cui sono stati sottoposti i dati linguistici (par. 2.1), verrà illustrata la metodologia bottom-up per l’estrazione delle classi di azioni che costituisco- no l’ontologia, cuore del WP2 (par. 2.2): verranno descritte la procedura e l’interfaccia informatica per lo svolgimento dei vari task, ed i criteri per la stan- dardizzazione delle occorrenze, la loro tipizzazione e l’annotazione delle proprie- tà linguistiche dei Best Example (struttura tematica, alternanze argomentali, aktionsart).

Infine, nel paragrafo conclusivo (2.3), verrà brevemente esposto il personale contributo della candidata al lavoro, in termini quantitavi.