Annotazione (Semi-)Automatica dei Testi Digitali
|
|
- Davide Graziano
- 5 anni fa
- Visualizzazioni
Transcript
1 Annotazione (Semi-)Automatica dei Testi Digitali
2 Annotazione semi-automatica dei testi digitali Cos è l annotazione? Cosa possiamo annotare? Quali sono I task più popolari nell NLP? Quali Risorse Testuali possiamo utilizzare? Quali Risorse Lessicali possiamo utilizzare? Quali Risorse Grammaticali possiamo utilizzare?
3 Cos è l annotazione? Annotazione semi-automatica dei testi digitali Dati vs Informazioni
4 Cos è l annotazione? Annotazione semi-automatica dei testi digitali Cosa annotare? Dati vs Informazioni STRUTTURA + RELAZIONI TRA DATI Alessandro, L., Simonetta, M., & Vito, P. (2005). Testo e computer. Elementi di linguistica computazionale.
5 Cos è l annotazione? Annotazione semi-automatica dei testi digitali Cosa annotare? Dati vs Informazioni Non sono dotati di un significato intrinseco STRUTTURA + RELAZIONI TRA DATI Dati organizzati in un contesto di interpretazione Alessandro, L., Simonetta, M., & Vito, P. (2005). Testo e computer. Elementi di linguistica computazionale.
6 Cos è l annotazione? Annotazione semi-automatica dei testi digitali Cosa annotare? Dati DATI NON STRUTTURATI Testo come flusso di caratteri, parole e frasi vs Informazioni DATI STRUTTURATI Testo strutturato in piani di organizzazione multipli: Struttura del testo (capitoli, titoli) Struttura del contesto (autore, data) Struttura linguistica (informazioni morfologiche, sintattiche, semantiche) Struttura del corpus (argomenti, tipi di testo) Alessandro, L., Simonetta, M., & Vito, P. (2005). Testo e computer. Elementi di linguistica computazionale.
7 Cos è l annotazione? Annotazione semi-automatica dei testi digitali Cosa annotare? Dati vs Informazioni Non sono dotati di un significato intrinseco STRUTTURA + RELAZIONI TRA DATI Dati organizzati in un contesto di interpretazione DATI NON STRUTTURATI DATI STRUTTURATI Alessandro, L., Simonetta, M., & Vito, P. (2005). Testo e computer. Elementi di linguistica computazionale.
8 Cos è l annotazione? Annotazione semi-automatica dei testi digitali Cosa vuol dire semi-automatico? Annotazione automatica Annotazione manuale
9 Cos è l annotazione? Annotazione semi-automatica dei testi digitali Cosa vuol dire semi-automatico? Annotazione automatica = fatta dalla macchina Metodi statistici: automatici Metodi rule-based: semi-automatici Annotazione manuale = fatta dall uomo
10 Cos è l annotazione? Annotazione semi-automatica dei testi digitali Quali problemi presenta l annotazione? Annotazione (semi-)automatica Errori di precisione e richiamo Annotazione manuale Soggettività dei giudizi
11 Cos è l annotazione? Annotazione semi-automatica dei testi digitali Come dare affidabilità e validità all annotazione? Annotazione (semi-)automatica Soluzione: calcolo di precision e recall Annotazione manuale Soluzione: calcolo dell inter-annotator agreement Artstein, R., & Poesio, M. (2008). Inter-coder agreement for computational linguistics. Computational Linguistics, 34(4),
12 Cos è l annotazione? Annotazione semi-automatica dei testi digitali Come dare affidabilità e validità all annotazione? Annotazione (semi-)automatica Soluzione: calcolo di precision e recall Misura dell esattezza e della completezza dell annotazione Annotazione manuale Soluzione: calcolo dell inter-annotator agreement Misura dei giudizi sui quali gli annotatori si trovano in accordo Artstein, R., & Poesio, M. (2008). Inter-coder agreement for computational linguistics. Computational Linguistics, 34(4),
13 Cos è l annotazione? Annotazione semi-automatica dei testi digitali Come dare affidabilità e validità all annotazione? Annotazione (semi-)automatica Soluzione: calcolo di precision e recall Precision = Recall = true positive true potitive+false positive true positive true potitive+false negative Valore della Precision 1.0: ogni annotazione effettuata è corretta Valore della Precision 0: tutte le annotazioni sono sbagliate Valore della Recall 1.0: tutte le annotazioni necessarie sono state effettuate Valore della Recall 0: nessuna elemento da annotare nel testo è stato rintracciato
14 Cos è l annotazione? Annotazione semi-automatica dei testi digitali Come dare affidabilità e validità all annotazione? Annotazione (semi-)automatica Soluzione: calcolo dell F-score: media armonica di precision e recall F score = 2 Precision Recall Precision+Recall
15 Annotazione semi-automatica dei testi digitali Cosa possiamo annotare? Cosa possiamo annotare automaticamente? Annotare i testi Annotare le frasi Annotare le parole
16 Quali sono I task più popolari nell NLP? Annotazione semi-automatica dei testi digitali Cosa possiamo annotare automaticamente? Annotare i testi i.e. Topic classification, Irony Detection, Sentiment Calssification Annotare le frasi i.e. Semantic Role Labeling, Sentiment Analysis Annotare le parole i.e. PoS Tagging, Morfosemantica
17 Quali Risorse Testuali possiamo utilizzare? Corpora Annotati
18 Quali Risorse Testuali possiamo utilizzare? Corpora Annotati Risorse annotate manualmente FrameNet Baker, C. F., Fillmore, C. J., and Lowe, J. B. (1998). The berkeley framenet project. In Proceedings of the 17th international conference on Computational linguistics-volume 1, pages PropBank Kingsbury, P., & Palmer, M. (2002, May). From TreeBank to PropBank. In LREC (pp ). Risorse annotate automaticamente LexIt Lenci, A., Lapesa, G., and Bonansinga, G. (2012). Lexit: A computational resource on italian argument structure. In LREC, pages
19 Quali Risorse Testuali possiamo utilizzare? Corpora Annotati FrameNet Rappresentazione della frame semantics in formato human e machine-readable unità lessicali frame semantici frasi di esempio Baker, C. F., Fillmore, C. J., and Lowe, J. B. (1998). The berkeley framenet project. In Proceedings of the 17th international conference on Computational linguistics-volume 1, pages
20 Quali Risorse Testuali possiamo utilizzare? Corpora Annotati Cos è la Frame Semantics? Some words exist in order to provide access to knowledge of such frames to the participants in the communication process, and simultaneously serve to perform a categorization which takes such framing for granted" Fillmore, C. J. (2006). Frame semantics. In Cognitive linguistics: Basic readings, volume 34, pages Berlin: Mounton de Gruyter.[Originally published in Linguistics in themorning Calm, Seoul: Hanshin Publishing Co., 1982.].
21 Quali Risorse Testuali possiamo utilizzare? Corpora Annotati Cos è la Frame Semantics? La Frame Semantics descrive le frasi sulla base di predicators capaci di riportare alla mente dei frame semantici Una descrizione in semantic frame, inizia con il riconoscimento dell item lessicale che porta con sé il significato. Successiavamente esplora I modi in cui i frame elements e le loro costellazioni si realizzano attorno alla struttura che ha l item lessicale come testa Frame semantici: strutture inferenziali, connesse grazie a convenzioni linguistiche al significato degli item lessicali. Frame element : partecipanti del frame Fillmore, C. J. (2006). Frame semantics. In Cognitive linguistics: Basic readings, volume 34, pages Berlin: Mounton de Gruyter.[Originally published in Linguistics in themorning Calm, Seoul: Hanshin Publishing Co., 1982.].
22 Quali Risorse Testuali possiamo utilizzare? Corpora Annotati FrameNet Possibili usi: Semantic role labeling Natural language understanding Machine translation Part of speech tagging Information extraction Baker, C. F., Fillmore, C. J., and Lowe, J. B. (1998). The berkeley framenet project. In Proceedings of the 17th international conference on Computational linguistics-volume 1, pages
23 Quali Risorse Testuali possiamo utilizzare? Corpora Annotati FrameNet Unità lessicale: love.v
24 Quali Risorse Testuali possiamo utilizzare? Corpora Annotati
25 Quali Risorse Testuali possiamo utilizzare? Corpora Annotati PropBank 3500 verbi annotati Argomenti: Arg0 = agent Arg1 = patient Arg2 = instrument/attribute Arg3 = starting point/attribute Arg4 = ending point ArgM = modifier Schuler, K. K. (2005). VerbNet: A broad-coverage, comprehensive verb lexicon. PhD thesis, Computer and Information Science Dept., University of Pennsylvania.
26 Quali Risorse Testuali possiamo utilizzare? Corpora Annotati PropBank Kingsbury, P., & Palmer, M. (2002, May). From TreeBank to PropBank. In LREC (pp ).
27 Quali Risorse Testuali possiamo utilizzare? Corpora Annotati LexIt Slot sintattici: soggetto, complementi, modificatori, ecc. Frame sintattici: combinazioni di slot con cui le parole ricorrono Classi semantiche: iperonimi estratti da WordNet (top synset) Corpora usati: Wikipedia, La Repubblica Forza di associazione tra verbo e argomenti: mutual information Lenci, A., Lapesa, G., and Bonansinga, G. (2012). Lexit: A computational resource on italian argument structure. In LREC, pages
28 Quali Risorse Testuali possiamo utilizzare? Corpora Annotati LexIt Lenci, A., Lapesa, G., and Bonansinga, G. (2012). Lexit: A computational resource on italian argument structure. In LREC, pages
29 Quali Risorse Testuali possiamo utilizzare? Corpora Annotati LexIt Guarasci, Raffaele. "Le preferenze di selezione verbali: un approccio computazionale." JLIS. it, Italian Journal of Library and Information Science 3.1 (2012):
30 Quali Risorse Testuali possiamo utilizzare? Corpora Annotati LexIt Guarasci, Raffaele. "Le preferenze di selezione verbali: un approccio computazionale." JLIS. it, Italian Journal of Library and Information Science 3.1 (2012):
31 Quali Risorse Lessicali possiamo utilizzare? Dizionari Elettronici Perché siano utilizzabili per il trattamento automatico del linguaggio non è sufficiente che siano digitalmente accessibili, devono contenere machine-readable data
32 Quali Risorse Lessicali possiamo utilizzare? Dizionari Elettronici
33 Quali Risorse Lessicali possiamo utilizzare? Dizionari Elettronici
34 Quali Risorse Lessicali possiamo utilizzare? Dizionari Elettronici Completezza Target umano Le informazioni estraibili dalla conoscenza enciclopedica possono essere omesse Target macchina Il computer non può avere margine d errore: nulla può essere lasciato al caso. Le informazioni devono essere esaustive Esplicitazione Target umano Parte dell informazione può essere implicita, date le capacità umane di intuizione, adattamento e deduzione Target macchina Possono essere processate solamente le istruzioni e i simboli completamente esplicitati Codifica Target umano Le informazioni consistono in raw data, in testi non strutturati Target macchina Le informazioni formite al computer devono essere accurate, coerenti e completamente codificate
35 Quali Risorse Lessicali possiamo utilizzare? Dizionari Elettronici WordNet è un database lessicale per la lingua inglese Raggruppa nomi, verbi, aggettivi e avverbi in gruppi di sinonimi cognitivi, I synsets. I synsets sono interconnessi mediante relazioni concettuali, semantiche e lessicali È disponibile in rete per la navigazione (umana) È scaricabile e interrogabile per applicazioni di NLP Approfondisci: George A. Miller (1995). WordNet: A Lexical Database for English. Communications of the ACM Vol. 38, No. 11: Christiane Fellbaum (1998, ed.) WordNet: An Electronic Lexical Database. Cambridge, MA: MIT Press.
36 Quali Risorse Lessicali possiamo utilizzare? Dizionari Elettronici Human readable Machine readable
37 Quali Risorse Lessicali possiamo utilizzare? Dizionari Elettronici Sdic_it è il dizionario elettronico delle parole semplici dell Italiano, ha più di entrate e permette di riconoscere parole semplici e composte monorematiche. Le categorie in base alle quali le entrate sono classificate sono le seguenti: nomi aggettivi avverbi verbi 143 congiunzioni 479 esclamazioni 4 interiezioni 63 preposizioni 5 determinanti 234 prefissi
38 Quali Risorse Lessicali possiamo utilizzare? Dizionari Elettronici Sdic_it è il dizionario elettronico delle parole semplici dell Italiano, ha più di entrate e permette di riconoscere parole semplici e composte monorematiche.
39 Quali Risorse Lessicali possiamo utilizzare? Dizionari Elettronici Sdic_it è il dizionario elettronico delle parole semplici dell Italiano, ha più di entrate e permette di riconoscere parole semplici e composte monorematiche. Quelli che seguono sono alcuni dei tag semantici che il dizionario prevede: Nomi concreti (+Conc): entrate Nomi concreti collettivi (+ConcColl): 197 entrate Nomi umani (+Um): entrate Nomi umani collettivi (+UmColl): 228 entrate Nomi di animali (+Anl): entrate Nomi di animali collettivi (+AnlColl): 23 entrate
40 Quali Risorse Lessicali possiamo utilizzare? Dizionari Elettronici Cdic_it è il dizionario elettronico dei nomi composti, contiene più di entrate e riconosce nomi composti (classi NPN, NA, AN, NN). Alla maggior parte dei nomi è associato il campo semantico di appartenenza. Informatica polirematiche Medicina polirematiche Gurisprudenza polirematiche Ingegneria polirematiche Archeologia polirematiche
41 Quali Risorse Lessicali possiamo utilizzare? Dizionari Elettronici Altri dizionari elettronici a disposizione per l italiano sono i seguenti: Acronimi: 157 entrate Alterati: 185 entrate Contrazioni: 36 entrate Elisioni: 55 entrate ElisioniContrazioni : 12 entrate NomiPropri: entrate, consente anche l'annotazione delle forme in -ISMO, -ISTA, -IANO, -ESCO in associazione con la grammatica morfologica NomiPropri#ismo.nom Toponimi: entrate, in molti casi associate ad informazioni di natura geografica Tronche: 53 entrate, da applicare assieme alla grammatica troncamento.nom
42 Quali Risorse Lessicali possiamo utilizzare? Dizionari Elettronici Altri dizionari elettronici a disposizione per l italiano sono i seguenti: Acronimi: 157 entrate Alterati: 185 entrate Contrazioni: 36 entrate Elisioni: 55 entrate ElisioniContrazioni : 12 entrate NomiPropri: entrate (consente anche l'annotazione delle forme in -ISMO, -ISTA, - IANO, -ESCO) Toponimi: entrate, in molti casi associate ad informazioni di natura geografica Tronche: 53 entrate, da applicare assieme alla grammatica troncamento.nom adsl,asymmetric Digital Subscriber Line,N+FLX=N601+Acr bene,avv+hiddenino+hiddenone+hiddenuccio agli,<a,prep><gli,il,det+m+p> qualcos',qualcosa,pron nell',<in,prep><lo,il,det+m+s> Serena,N+f+s+Npr+Um Salerno,N+NPR+TOPONIMO+Città+REGIONE="Campania" signor,signore,n+m+s
43 Quali Risorse Grammaticali possiamo utilizzare? Grammatiche Locali Algoritmi che, attraverso istruzioni sintattiche, morfologiche e lessicali, sono utilizzate per formalizzare fenomeni linguistici e per processare automaticamente i testi. Con l espressione Locali sottolineiamo che, oltre ogni generalizzazione, queste grammatiche possono essere usate nella descrizione e nell analisi di fenomeni linguistici limitati
44 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Un Automa a Stati Finiti è il modello astratto di una macchina È in grado di riconoscere se una stringa appartiene o meno a un certo linguaggio
45 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Un Automa a Stati Finiti consiste in una serie di nodi o stati (Si) connessi tra loro mediante transizioni (tj). Si legge solo da sinistra a destra, dallo stato iniziale (S0) allo stato finale (S3)
46 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Un Automa a Stati Finiti può essere deterministico oppure no Automa a Stati Finiti deterministico Automa a Stati Finiti non deterministico
47 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Un Automa a Stati Finiti diventa un Trasduttore se traduce i simboli di input (Sii) in simboli di output (Sio)
48 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Un Automa a Stati Finiti diventa un Recursive Transition Network (RTN) se contiene grafi incassati (embedded graphs, S3). È un Enhanced Recursive Transition Network (ERTN quando include variabili (V) e restrizioni (constraints, C)
49 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Cos è un grafo incassato? È un grafo contenuto all interno di un nodo di un altro grafo
50 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Le variabili ( ) e le restrizioni ( ) possono essere utilizzate all interno e all esterno dei grafi incassati ( ) e dei loop ( ) Più occorrenze della stessa variabile possono essere utilizzate lungo il percorso della grammatica locale, assumendo anche diversi valori.
51 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Cos è una variabile? È un insieme di dati modificabili (in opposizione alla costante) È associata a un insieme di valori predefiniti (tipo)
52 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Cos è una variabile? È un insieme di dati modificabili (in opposizione alla costante) È associata a un insieme di valori predefiniti (tipo)
53 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Cos è una variabile? I.e. Riconscimento delle ripetizioni Dati modificabili: efficient grammar Tipo di dati: <L> = lettera <WF>= parola <P>= simbolo di interpunzione ecc Silberztein, M. (2004). NooJ manual (2003). Download from nooj4nlp. net.
54 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Cos è una restrizione? È un istruzione che controlla il campo d applicazione di una grammatica locale troppo produttiva Si relaziona alla Variabile (V) se delimita un insieme di definizione più piccolo di quello tipizzato da V
55 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Cos è una restrizione? Campo d applicazione: american-ize *size Tipo di dati: <L> + loop = sequenza di lettere <L> + loop + <$Pref=:A> = sequenza di lettere corrispondente ad un aggettivo Silberztein, M. (2004). NooJ manual (2003). Download from nooj4nlp. net.
56 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Esempi di Recursive Transition Network (RTN)
57 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Esempi di Recursive Transition Network (RTN)
58 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Esempi di Recursive Transition Network (RTN) Grafo Incassato
59 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Esempi di Enhanced Recursive Transition Network (ERTN) Silberztein, M. (2004). NooJ manual (2003). Download from nooj4nlp. net.
60 Quali Risorse Grammaticali possiamo utilizzare? Automi a Stati Finiti Esempi di ERTN e analisi semantica del testo Silberztein, M. (2004). NooJ manual (2003). Download from nooj4nlp. net.
Strumenti linguistici per le applicazioni imprenditoriali. Dizionari Elettronici e Grammatiche Locali
Strumenti linguistici per le applicazioni imprenditoriali Dizionari Elettronici e Grammatiche Locali Dizionari Elettronici Dizionari Elettronici Grammatiche Locali Dizionari Elettronici Dizionari Elettronici
DettagliL interesse delle imprese per i discorsi: l estrazione del significato L annotazione manuale e automatica dei testi
L interesse delle imprese per i discorsi: l estrazione del significato L annotazione manuale e automatica dei testi Annotazione semi-automatica dei testi digitali Cosa annotare? Dati vs Informazioni Annotazione
DettagliAnnotazione (Semi-)Automatica dei Testi Digitali. Dott. Serena Pelosi
Annotazione (Semi-)Automatica dei Testi Digitali Dott. Serena Pelosi Annotazione semi-automatica dei testi digitali Cosa annotare? Dati vs Informazioni Annotazione semi-automatica dei testi digitali Cosa
DettagliLinguistica computazionale: task sul linguaggio naturale"
Linguistica computazionale: task sul linguaggio naturale" Cristina Bosco 2015 Informatica applicata alla comunicazione multimediale NLP e subtask Ci focalizziamo su alcuni subtask rappresentativi:" Information
DettagliLinguistica Computazionale
Linguistica Computazionale Trattamento Automatico della Lingua 24 novembre 2014 Tecnologie del linguaggio Sistemi in grado di accedere al contenuto di informazione attraverso l elaborazione automatica
DettagliLinguistica computazionale: come accedere all informazione codificata nel linguaggio naturale (seconda parte)"
Linguistica computazionale: come accedere all informazione codificata nel linguaggio naturale (seconda parte)" Cristina Bosco 2014 Informatica applicata alla comunicazione multimediale NLP e subtask Ci
DettagliLinguistica Computazionale. 22 settembre 2014
Linguistica Computazionale 22 settembre 2014 Obiettivi del corso Introduzione ai principali metodi di linguistica computazionale e di Natural Language Processing (NLP) Docenti Alessandro Lenci (Dip. di
DettagliText Mining. Informatica applicata alla comunicazione multimediale Cristina Bosco
Text Mining Informatica applicata alla comunicazione multimediale 2016-2017 Cristina Bosco Di cosa parleremo Che cosa significa text mining Dati eterogenei e dati strutturati Cosa sono i big data Dati
DettagliLingua, statistica e computazione
Lingua, statistica e computazione Isabella Chiari Facoltà di Scienze Umanistiche Università La Sapienza di Roma Roma, 25 novembre 2005 UNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA DIPARTIMENTO DI MECCANICA
DettagliClassificare i nomi propri -Esercitazione-
Classificare i nomi propri -Esercitazione- Lucia Passaro CoLing Lab Laboratorio di Linguistica Computazionale http://colinglab.humnet.unipi.it/ lucia.passaro@for.unipi.it Pisa 29 Novembre 2017 Analisi
DettagliObbiettivi del Corso
Trattamento Automatico delle Lingue R. Basili a.a. 2004-2005 2005 Obbiettivi del Corso Introduzione al trattamento dei fenomeni linguistici al calcolatore Applicazioni del TAL Metodi e tecnologie principali
DettagliSINTASSI E L E M E N T I I N T R O D U T T I V I 2. Francesca Forza - Nozioni Generali di Sintassi
SINTASSI 1 E L E M E N T I I N T R O D U T T I V I 2 Perché la sintassi? 2 Il significato di una frase (e quindi più in generale la semantica) non dipende solo dalle sue componenti (il lessico) ma anche
DettagliLinguistica Computazionale
Linguistica Computazionale La codifica di alto livello del testo Salvatore Sorce Dipartimento di Ingegneria Chimica, Gestionale, Informatica e Meccanica Lucidi Adattati da Alessandro Lenci Dipartimento
DettagliLinguistica Computazionale 2004 Presentazione del Corso
13 febbraio 2004 1 Informazioni generali Docente Marco Baroni Email baroni@sslmit.unibo.it Telefono 0453/374744 Homepage del corso http://www.e-learning.sslmit.unibo.it/compling04/ Orario lezioni Lunedì
DettagliISTRUZIONI PROGETTO FASE 4
ISTRUZIONI PROGETTO FASE 4 Data consegna: tre giorni (72 ore) prima della verbalizzazione Questo documento contiene le istruzione per l esecuzione della fase 4 del progetto. Per informazioni o domande
DettagliSommario Linguaggi, messaggi e comunicazione. Introduzione ai Linguaggi di Programmazione. Linguaggio (1) Linguaggio (2)
Sommario Linguaggi, messaggi e comunicazione Traduzione di programmi Interpreti e compilatori Introduzione al processo di compilazione 1 2 Linguaggio (1) Linguaggio (2) Insieme di sequenze di simboli,
DettagliLinguistica Computazionale
Linguistica Computazionale La codifica di alto livello del testo Salvatore Sorce Dipartimento di Ingegneria Chimica, Gestionale, Informatica e Meccanica Lucidi Adattati da Alessandro Lenci Dipartimento
DettagliTECNOLOGIE DEL LINGUAGGIO
Internet Festival 10 ottobre 2014 TECNOLOGIE DEL LINGUAGGIO NUOVI MESTIERI, NUOVE RICERCHE Maria Simi Dipartimento di Informatica Università di Pisa Internet Festival 10 ottobre 2014 INTRODUZIONE Il settore
DettagliIndice generale. L organizzazione della frase PARTE I. 1 Che cos è la frase 12 Frasi senza verbo 13
PARTE I L organizzazione della frase CAPITOLO 1 La frase 12 1 Che cos è la frase 12 Frasi senza verbo 13 Proviamo insieme 13 2 La frase come struttura predicativa 14 La frase minima 15 La frase semplice
DettagliLinguaggi di Programmazione
Linguaggi di Programmazione 1 Linguaggio naturale e linguaggio macchina La comunicazione uomo-macchina avviene attraverso formalismi che assumono la forma di un linguaggio. Caratteristiche del Linguaggio
DettagliI Linguaggi di Programmazione
I Linguaggi di Programmazione 1 Linguaggio naturale e linguaggio macchina La comunicazione uomo-macchina avviene attraverso formalismi che assumono la forma di un linguaggio. Caratteristiche del Linguaggio
DettagliGRAMMATICA - TESTO PAROLE E TESTI IN GIOCO Progettazione didattica annuale per unità e competenze Classi Prime
GRAMMATICA - TESTO PAROLE E TESTI IN GIOCO Progettazione didattica annuale per unità e competenze Classi Prime Unità 1 Suoni, lettere e ortografia fondamentali relative alla fonologia e all ortografia
DettagliLinguaggi, messaggi e comunicazione Traduzione di programmi Interpreti e compilatori Introduzione al processo di compilazione
Sommario Linguaggi, messaggi e comunicazione Traduzione di programmi Interpreti e compilatori Introduzione al processo di compilazione 1 2 Linguaggio (1) Linguaggio (2) Insieme di sequenze di simboli,
DettagliTrattamento Automatico della Lingua per la creazione di percorsi didattici personalizzati
Trattamento Automatico della Lingua per la creazione di percorsi didattici personalizzati Chiara Alzetta Dominique Brunato Andrea Cimino Felice Dell Orletta Alessio Miaschi Simonetta Montemagni Valeria
DettagliTecnologie per il Trattamento Automatico della Lingua - Attività a Tor Vergata- R. Basili (DISP, Università di Roma, Tor Vergata)
Tecnologie per il Trattamento Automatico della Lingua - Attività a Tor Vergata- R. Basili (DISP, Università di Roma, Tor Vergata) Corso Find. Informatica a.a. 2003-4 Outline Metadata Extraction and HLT
DettagliLinguaggi e Ambienti di Programmazione
Linguaggi e Ambienti di Programmazione Principi e tecniche diffuse che si incontrano spesso nelle applicazioni dell informatica. Compilatori Editor di struttura: riceve in input una sequenza di comandi
DettagliOBIETTIVI SPECIFICI DI APPRENDIMENTO AREE DA SVILUPPARE. Riflettere sulla lingua
1 CONTENUTI, ATTIVITÁ COMPETENZE IN USCITA Riflettere sulla lingua 1. Consolidare le principali convenzioni ortografiche. 2. Approfondire la conoscenza di: - articolo (partitivo) - nome (classificazione
DettagliUnità Didattica 2 I Linguaggi di Programmazione
Unità Didattica 2 I Linguaggi di Programmazione 1 Linguaggio naturale e linguaggio macchina La comunicazione uomo-macchina avviene attraverso formalismi che assumono la forma di un linguaggio. Caratteristiche
DettagliANNO SCOLASTICO 2018/2019 ITALIANO Programmazione Primo anno Docente Margherita Margarita
ANNO SCOLASTICO 2018/2019 ITALIANO Programmazione Primo anno Docente Margherita Margarita COMPETENZE (asse dei linguaggi) ABILITÀ CONOSCENZE CONTENUTI TEMPI - un testo Caratteristiche del mito e dell epica
DettagliFondamenti d Informatica: linguaggi formali. Barbara Re, Phd
Fondamenti d Informatica: linguaggi formali Barbara Re, Phd Agenda } Introdurremo } La nozione di linguaggio } Strumenti per definire un linguaggio } Espressioni Regolari 2 Linguaggio } Da un punto di
DettagliElementi di Psicologia dello Sviluppo (II modulo) Mirco Fasolo
Elementi di Psicologia dello Sviluppo (II modulo) Mirco Fasolo mirco.fasolo@unimib.it Bibliografia Testi obbligatori - D amico, Devescovi (2003). Comunicazione e linguaggio nei bambini. Carocci: Roma.
DettagliSommario Linguaggi, messaggi e comunicazione. Introduzione ai Linguaggi di Programmazione. Linguaggio. Messaggio
Sommario Linguaggi, messaggi e comunicazione Traduzione di programmi Interpreti e compilatori Introduzione al processo di compilazione 1 2 Linguaggio Messaggio Insieme di sequenze di simboli, le parole,
DettagliSTRUTTURA DEI MODULI. CLASSE PRIMA E. MODULO 0. (Settembre). MODULO 1 (Settembre).
STRUTTURA DEI MODULI. CLASSE PRIMA E MODULO 0. (Settembre). Conoscenza della classe, test d ingresso; accertamento dei pre-requisiti e consolidamento e/o recupero del quadro di formazione di base MODULO
DettagliProve Invalsi di lingua italiana Una guida alla lettura. 12 aprile 2017
Prove Invalsi di lingua italiana Una guida alla lettura 12 aprile 2017 Quadro di riferimento Esplicita la cornice concettuale ed operativa impiegata per la costruzione delle prove Invalsi di italiano relative
DettagliCURRICOLO DI ITALIANO CLASSE PRIMA
CURRICOLO DI ITALIANO CLASSE PRIMA Conoscere l ordine alfabetico; Riconoscere le vocali dal punto di vista grafico e fonico; Riconoscere e isolare le vocali nelle parole che le contengono; Riconoscere
DettagliInformatica e Laboratorio di Programmazione Automi Alberto Ferrari. Alberto Ferrari Informatica e Laboratorio di Programmazione
Informatica e Laboratorio di Programmazione Automi Alberto Ferrari Alberto Ferrari Informatica e Laboratorio di Programmazione automa o automa: macchina astratta o realizza un certo algoritmo, secondo
DettagliInformatica per la Comunicazione/ Verdicchio/ 11/02/2015/ Domande / Matricola Cognome Nome Versione 1
Informatica per la Comunicazione/ Verdicchio/ 11/02/2015/ Domande / Matricola Cognome Nome Versione 1 1) Secondo quale delle seguenti persone la statistica ha un ruolo fondamentale nella costruzione di
DettagliMatematica, Informatica e Discipline Umanistiche. Salvatore Venticinque
Matematica, Informatica e Discipline Umanistiche Salvatore Venticinque salvatore.venticinque@unina2.it Distanze siderali: un luogo comune Odio l'italiano Sono Negato per la matematica Forma mentis, predisposizione?
Dettagliinformatica di base per le discipline umanistiche
informatica di base per le discipline umanistiche vito pirrelli Istituto di Linguistica Computazionale CNR Pisa Dipartimento di linguistica Università di Pavia (per iniziare ) prima lezione introduzione:
DettagliCorpora e linguistica computazionale
Corpora e linguistica computazionale Cristina Bosco Corso di Informatica applicata alla comunicazione multimediale 2013-2014 Elaborare il linguaggio naturale Il problema della comprensione del linguaggio
DettagliAnnotazione del testo
Università Ca Foscari di Venezia Linguistica Informatica Mod. 1 Anno Accademico 2010-2011 Annotazione del testo Rocco Tripodi rocco@unive.it Ricostruzione Filologia Ricostruire la forma originaria dei
DettagliQUADRO DI RIFERIMENTO DI ITALIANO PROVE INVALSI 2009
QUADRO DI RIFERIMENTO DI ITALIANO PROVE INVALSI 2009 RIFERIMENTI NORMATIVI INDICAZIONI NAZIONALI 2003 (OSA) L. n 53/2003 e D. Lgs 59/2004 INDICAZIONI NAZIONALI PER IL CURRICULO 2007 QUADRO DI RIFERIMENTO
DettagliAnalizzatore lessicale o scanner. Lo scanner rappresenta un'interfaccia fra il programma sorgente e l'analizzatore sintattico o parser.
Analizzatore lessicale o scanner Dispensa del corso di Linguaggi e Traduttori A.A. 2005-2006 Lo scanner rappresenta un'interfaccia fra il programma sorgente e l'analizzatore sintattico o parser. Lo scanner,
DettagliPROGRAMMAZIONE ANNUALE DI ITALIANO CLASSE QUARTA NUCLEI FONDANTI TRAGUARDI DI COMPETENZE OBIETTIVI CONTENUTI ATTIVITA
PROGRAMMAZIONE ANNUALE DI ITALIANO CLASSE QUARTA NUCLEI FONDANTI TRAGUARDI DI COMPETENZE OBIETTIVI CONTENUTI ATTIVITA ASCOLTO E PARLATO Partecipare a scambi comunicativi: conversazione, discussione a tema.
DettagliLa codifica digitale dei testi. Daniela Trotta
La codifica digitale dei testi Daniela Trotta dtrotta@unisa.it The lexicographic data that are available in computer form as of today are the following: published dictionaries [ ], electronic dictionaries
DettagliIbridazione di Machine Learning e Semantica per la Named-Entity Recognition
Università degli Studi di Modena e Reggio Emilia Dipartimento di Ingegneria Enzo Ferrari Corso di Laurea Magistrale in Ingegneria Informatica Ibridazione di Machine Learning e Semantica per la Named-Entity
Dettagli3. Dalla linearità alla struttura La dipendenza dalla struttura La ricorsività 31
Indice Parte I Fare grammatica 9 1. Insegnare ancora la grammatica? 9 2. La tradizione 15 2.1. Analisi grammaticale 16 2.2. Analisi logica 19 2.3. Analisi del periodo 22 2.4. Analisi testuale 24 2.5. Verso
DettagliLa padronanza linguistica, Academia Universa Press 2011 PARTE PRIMA FARE GRAMMATICA 1. INSEGNARE ANCORA LA GRAMMATICA?
La padronanza linguistica, Academia Universa Press 2011 PARTE PRIMA FARE GRAMMATICA 1. INSEGNARE ANCORA LA GRAMMATICA? 2. LA TRADIZIONE Analisi grammaticale Analisi logica Analisi del periodo Analisi testuale
DettagliLogica Algoritmi Cognizione
Logica Algoritmi Cognizione Le nozioni di DECIDIBILITÀ e COMPUTABILITÀ e i loro limiti Formulazione della logica in termini di teorie formalizzate e di dimostrazioni (all interno di teorie formalizzate)
DettagliLinguistica dei corpora. Daniela Trotta
Linguistica dei corpora Daniela Trotta dtrotta@unisa.it Competenze del linguista computazionale 1. capacità di selezionare e raccogliere i dati linguistici 2. conoscenza di metodi formali 3. padronanza
Dettagli1 Modulo operativo: Le abilità linguistiche: ascoltare. 2 Modulo operativo: Le abilità linguistiche: parlare
1 Modulo operativo: Le abilità linguistiche: ascoltare 2 Modulo operativo: Le abilità linguistiche: parlare 3 Modulo operativo: Le abilità linguistiche: leggere 4 Modulo operativo: Le abilità linguistiche:
DettagliLa definizione delle relazioni intra- e interlinguistiche nella costruzione dell ontologia IMAGACT
La definizione delle relazioni intra- e interlinguistiche nella costruzione dell ontologia IMAGACT Università degli Studi di Firenze gloria.gagliardi@unifi.it Abstract IMAGACT è un ontologia interlinguistica
DettagliFondamenti di Linguistica Semantica e struttura argomentale
Semantica e struttura argomentale malvina.nissim@unibo.it 18 Novembre 2009 Outline Teoria dei prototipi 1 Teoria dei prototipi 2 3 La teoria dei prototipi Eleanor Rosch (due ipotesi): fattori non linguistici
DettagliAppuntiBicoccaAppuntiBicoccaAppu ntibicoccaappuntibicoccaappuntibic occaappuntibicoccaappuntibicoccaa ppuntibicoccaappuntibicoccaappunt
AppuntiBicoccaAppuntiBicoccaAppu ntibicoccaappuntibicoccaappuntibic occaappuntibicoccaappuntibicoccaa ppuntibicoccaappuntibicoccaappunt Struttura delle parole ibicoccaappuntibicoccaappuntibicoc Riassunto
DettagliLinguaggi, Traduttori e le Basi della Programmazione
Corso di Laurea in Ingegneria Civile Politecnico di Bari Sede di Foggia Fondamenti di Informatica Anno Accademico 2011/2012 docente: Prof. Ing. Michele Salvemini Sommario Il Linguaggio I Linguaggi di Linguaggi
DettagliTeoria dell Informazione
Corso di Laurea Magistrale in Scienze dell Informazione Editoriale, Pubblica e Sociale Teoria dell Informazione Cosa è l informazione L informazione è qualcosa che si possiede e si può dare ad un altro
DettagliCome le imprese possono usare i discorsi
Come le imprese possono usare i discorsi Perché distinguere dati fattuali e opinioni Fabrizio Sebastiani Gruppo Human Language Technologies NeMIS Lab Istituto di Scienza e Tecnologie dell Informazione
Dettagli1 PARTE I - IL PERIMETRO DELLA GRAMMATICA: LA LINGUA NELLA COMUNICA- ZIONE
Indice generale XI XV XIX XX XXIII XXV XXVII XXVHI XXX Indice dei box e delle tabelle notevoli Introduzione Premessa. La grammatica: regole e scelte, strutture e funzioni 1. Regole e scelte 2. Strutture
DettagliLinguistica Computazionale
Linguistica Computazionale Collocazioni e misure statistiche di associazione 27 ottobre 2014 Le parole in contesto You shall know a word by the company it keeps J. R. Firth (1957) XXXXX andamento_della_x;
DettagliAUTOMA A STATI FINITI
Gli Automi Un Automa è un dispositivo, o un suo modello in forma di macchina sequenziale, creato per eseguire un particolare compito, che può trovarsi in diverse configurazioni più o meno complesse caratterizzate
DettagliUML Introduzione a UML Linguaggio di Modellazione Unificato. Corso di Ingegneria del Software Anno Accademico 2012/13
UML Introduzione a UML Linguaggio di Modellazione Unificato Corso di Ingegneria del Software Anno Accademico 2012/13 1 Che cosa è UML? UML (Unified Modeling Language) è un linguaggio grafico per: specificare
DettagliSpada Patrizia ANNO SCOLASTICO 2017/2018 ITALIANO Programmazione Primo anno- Docenti: Marrazzi Giulia, Medda Stefania, Brodu Isabella.
Spada Patrizia ANNO SCOLASTICO 2017/2018 ITALIANO Programmazione Primo anno- Docenti: Marrazzi Giulia, Medda Stefania, Brodu Isabella. COMPETENZE (asse dei linguaggi) ABILITÀ CONOSCENZE CONTENUTI TEMPI
Dettagli014 5 Pragmatica Lingue per scopi speciali. [014 8] Abbreviazioni e simboli Filosofia e teoria
T4 T4 014 301 Filosofia e teoria 014 301 8 Scuole, teorie, metodologie 014 301 82 Linguistica formale Notazione 01 dalla Tavola 1 come di seguito modificata Da non usare per scuole e teorie semantiche;
DettagliISTITUTO: Liceo Classico CLASSE: I MATERIA: Italiano
ISTITUTO: Liceo Classico CLASSE: I MATERIA: Italiano Modulo n 1 La comunicazione e il testo U.D. 1 La lingua: uno strumento per comunicare - La lingua e le lingue: varietà dell italiano; - La comunicazione
DettagliQuali le possibili ricadute sul curricolo delle scuole? GISCEL Lombardia - Milano, 8/10/ presentazione di Daniela Bertocchi
Quali le possibili ricadute sul curricolo delle scuole? (rinnovato e modificato nel 2008) Alla base del Quadro di riferimento Obiettivi Specifici di apprendimento (OSA, Decreto 59, 2004) Indicazioni Nazionali
DettagliInformatica per la Comunicazione/ Verdicchio/ 15/01/2015/ Domande / Versione 1
Informatica per la Comunicazione/ Verdicchio/ 15/01/2015/ Domande / Versione 1 1) L esperimento della stanza cinese di Searle è mentale in quanto a) riguarda questioni della mente b) non è stato fisicamente
DettagliTrattamento Automatico delle Lingue Naturali e Data Science. Francesco Cutugno
Trattamento Automatico delle Lingue Naturali e Data Science Francesco Cutugno Società di area linguistica presenti nell assemblea delle consulte e delle associazioni di Area 10 del CUN Società Italiana
DettagliLinguistica Computazionale
Linguistica Computazionale Part of Speech Tagging 1 dicembre 2014 Analisi morfo-sintattica (POStagging) Il PoS Tagging è utilizzato per la disambiguazione morfologica. id forma lemma pos tratti 1 Il il
DettagliUn agente intelligente per la ricerca di sorgenti informative in Internet
Facoltà di Ingegneria Sede di Modena Corso di Laurea in Ingegneria Informatica Nuovo Ordinamento TUCUXI Un agente intelligente per la ricerca di sorgenti informative in Internet Testo e codice sorgente
DettagliCome funziona il linguaggio COME FUNZIONA IL LINGUAGGIO
Come funziona il linguaggio COME FUZIOA IL LIGUAGGIO SITASSI Il cervello di ogni persona contiene un dizionario di parole e dei concetti che esse rappresentano (dizionario mentale) e un insieme di regole
DettagliProgramma del corso. Elementi di Programmazione. Introduzione agli algoritmi. Rappresentazione delle Informazioni. Architettura del calcolatore
Programma del corso Introduzione agli algoritmi Rappresentazione delle Informazioni Architettura del calcolatore Reti di Calcolatori Elementi di Programmazione Algoritmi e programmi Algoritmo Sequenza
DettagliIntroduzione al Corso di Verifica Automatica dei Sistemi: Teoria e Applicazioni
Introduzione al Corso di Verifica Automatica Anno Accademico 2010/11 1 Introduzione al Corso di Verifica Automatica dei Sistemi: Teoria e Applicazioni Angelo Montanari Dipartimento di Matematica e Informatica
DettagliLinguistica Computazionale. 23 novembre 2016
Linguistica Computazionae 23 novembre 2016 TAL: agoritmi di ML Esistono due grandi categorie di agoritmi basati su metodi di ML: agoritmi non supervisionati (unsupervised): non necessitano di un corpus
DettagliPROGRAMMA. Istituto: LICEO ADOLFO VENTURI. Prof.: Francesco Gallo. Materia d insegnamento: Italiano. Classe: 1 a D BIENNO COMUNE
PROGRAMMA Anno Scolastico 2015/2016 Istituto: LICEO ADOLFO VENTURI Prof.: Francesco Gallo Materia d insegnamento: Italiano Classe: 1 a D BIENNO COMUNE Data di presentazione: 4/06/2016 CONTENUTO Modulo
DettagliITALIANO A. S. 2018/2019
A. S. 2018/2019 Ascoltare in modo attivo e comprendere l argomento di una conversazione. Ascoltare in modo attivo e comprendere l oggetto e le diverse argomentazioni di una discussione. Ascoltare in modo
DettagliITALIANO. CONOSCENZE (i saperi)
Classe quarta ITALIANO NUCLEI ESSENZIALI ASCOLTO Strategie d ascolto Traguardi di SVILUPPO di COMPETENZA Comprende testi orali diretti o trasmessi cogliendone il senso, le informazioni principali e lo
DettagliLez. 5 La Programmazione. Prof. Salvatore CUOMO
Lez. 5 La Programmazione Prof. Salvatore CUOMO 1 2 Programma di utilità: Bootstrap All accensione dell elaboratore (Bootsrap), parte l esecuzione del BIOS (Basic Input Output System), un programma residente
DettagliComunicare e parlare
Lo sviluppo del lessico Fase I Fase II 12-16 mesi circa 17-22 mesi circa L ampiezza del vocabolario si attesta in media sulle 10 parole Maggiore rapidità nell acquisire nuove parole Può assumere la forma
DettagliPROGETTAZIONE DISCIPLINARE. LINGUA ITALIANA classe 5^
PROGETTAZIONE DISCIPLINARE LINGUA ITALIANA classe 5^ PER ASCOLTARE, COMPRENDERE E COMUNICARE ORALMENTE 1a) Intuizione del significato globale di un messaggio orale ( serie di parole, comunicazioni brevi,
DettagliLICEO CLASSICO LICEO SCIENTIFICO LICEO LINGUISTICO ITALIANO CONOSCENZE ABILITÀ COMPETENZE. Primo Biennio
LICEO CLASSICO LICEO SCIENTIFICO LICEO LINGUISTICO ITALIANO CONOSCENZE ABILITÀ COMPETENZE Primo Anno Trimestre) Elementi di base della morfologia. Sintassi della frase semplice - Soggetto - Predicato verbale
DettagliInterrogazione strutturata di triple RDF estratte dal linguaggio naturale
UNIVERSITA DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea in Informatica Interrogazione strutturata di triple RDF estratte dal linguaggio naturale Candidato:
DettagliCOMPETENZE DISCILPINARI
REPUBBLICA ITALIANA PROVINCIA AUTONOMA DI TRENTO ISTITUTO COMPRENSIVO DI STRIGNO E TESINO COMPETENZE DISCILPINARI LINGUA ITALIANA: competenza 1 al termine del II biennio 1. Interagire e comunicare verbalmente
DettagliVariabili e assegnazione
Corso di Laurea Ingegneria Civile Fondamenti di Informatica Variabili e assegnazione Carla Limongelli Marzo 2009 Variabili e assegnazione 1 Contenuti Variabili a ab e assegnazionea e Variabili e aree di
DettagliProgrammazione didattico-educativa d Istituto SCUOLA SECONDARIA
Programmazione didattico-educativa d Istituto SCUOLA SECONDARIA FILONE N 1: COMUNICAZIONE IN LINGUA ITALIANA (PRODUZIONE E COMPRENSIONE) ASCOLTARE E PARLARE CLASSE 1^: ascolta e comprende testi utilizzando
DettagliLinguistica Computazionale. 25 novembre 2016
Linguistica Computazionae 25 novembre 2016 Schemi di annotazione sintattica Labeed bracketing identificazione dea struttura a costituenti sintagmatici (abero sintattico) [S [NP Gianni] [Aux ha] [VP dato
DettagliSviluppo di Risorse Linguistiche per l Ambiente di Scrittura Assistita (ASA)
Università degli Studi di Pisa Facoltà di Scienze Matematiche Fisiche e Naturali Corso di Laurea Triennale in Informatica Informatica e Linguistica Linguistica Sviluppo di Risorse Linguistiche per l Ambiente
DettagliLez. 8 La Programmazione. Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1
Lez. 8 La Programmazione Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1 Dott. Pasquale De Michele Dott. Raffaele Farina Dipartimento di Matematica e Applicazioni Università di Napoli
DettagliWordNet & wordnets. Dott.ssa Gloria Gagliardi
WordNet & wordnets Dott.ssa Gloria Gagliardi Ontologia Definizione (Intelligenza Artificiale e Linguistica Computazionale): rappresentazione formale di una concettualizzazione di un dominio di interesse
DettagliFondamenti di Informatica
Fondamenti di Informatica Linguag gi, Codifica e Rappresentazione dell Informazione P r o f. R a f fa e l e P i z zo l a n t e A. A. 2 0 1 6 / 1 7 Cosa abbiamo visto la volta scorsa Gli elaboratori sono
DettagliUniversità degli Studi di Roma Tor Vergata Facoltà di Ingegneria Corso di Laurea in Ingegneria Medica. Compressione dati
Università degli Studi di Roma Tor Vergata Facoltà di Ingegneria Corso di Laurea in Ingegneria Medica Compressione dati Compressione dei dati Il processo di compressione consiste nell effettuare codifiche
DettagliU. A. 1 ITALIANO settembre-ottobre-novembre
U. A. 1 ITALIANO settembre-ottobre-novembre ABILITÀ a. Ascoltare attivamente e comprendere vari tipi di testo. b. Intervenire appropriatamente ed esprimere attraverso il parlato pensieri e stati d animo.
Dettagli3) Quale di questi nomi propri non contiene un dittongo? a) Paolo b) Pietro c) Mauro d) Chiara
1) La fonologia: a) studia i suoni in quanto entità concrete fisico-acustiche b) è sinonimo di fonetica c) ha per unità minime i fonemi d) prescinde dalle relazioni tra i suoni in una determinata lingua
DettagliCaratteristiche del mito e dell epica ANTOLOGIA vario tipo Per accostarsi alla narrazione si. - lo schema narrativo - fabula e intreccio - le sequenze
ANNO SCOLASTICO 2016/17 ITALIANO Programmazione Primo anno- Docenti: Margherita Margarita, Sulis StelioEnrico, Manca Antonio, Stazzu Stefania, Farci Stefania, Medda Stefania, Virdis Cristina, Cardia Germana.
DettagliUtilizza le proprie conoscenze sui tipi di testo per adottare strategie funzionali a comprendere durante l ascolto.
Classe 1^ Classe 2^ Classe 3^ ASCOLTO E PARLATO Interviene in una conversazione o in una discussione, di classe o di gruppo, con pertinenza e coerenza, rispettando tempi e turni di parola e fornendo un
DettagliALGORITMI: PROPRIETÀ FONDAMENTALI
ALGORITMI: PROPRIETÀ FONDAMENTALI Non si può risolvere un problema senza prima fissare un insieme di azioni, i di mosse elementari possibili per l'esecutore. Bisogna conoscerne le caratteristiche, le mosse
DettagliFasi di un Compilatore
Dipartimento di Matematica e Informatica Università di Camerino Un implementazione compilativa di un linguaggio di programmazione viene realizzata tramite un programma che prende il nome di compilatore
Dettagli