L ADIL2 come strumento per la ricerca. Massimo Palermo. 1. Il corpus

Transcript

1 L ADIL2 come strumento per la ricerca Massimo Palermo 1. Il corpus L ADIL2 è stato progettato e realizzato nell ambito della ricerca da me diretta Le interlingue di apprendimento a base non italiana dell Osservatorio Linguistico Permanente dell'italiano diffuso fra stranieri e delle lingue immigrate in Italia istituito dal MIUR presso l Università per stranieri di Siena 1. Con la pubblicazione del DVD contenente la banca dati e il motore di ricerca si intende ora mettere a disposizione della comunità degli studiosi uno strumento per ricerche linguistiche e glottodidattiche sull apprendimento guidato dell italiano L2: i saggi contenuti nel volume, realizzati da colleghi dell Università per Stranieri di Siena, indicano alcune possibili applicazioni in tal senso relative alla morfosintassi, al lessico, alle modalità di gestione della comunicazione orale e scritta da parte di non nativi 2. Negli ultimi venti anni lo sviluppo dell informatica ha reso possibile la creazione di corpora di italiano scritto e parlato sempre più estesi quantitativamente e, in alcuni casi, più sofisticati nelle potenzialità di interrogazione dei testi 3. Più recentemente, ad essi si sono affiancati corpora di apprendimento (learner corpora) aventi l italiano come lingua target; senza pretesa di esaustività ricordiamo la Banca dati di italiano L2 del Progetto di Pavia, contenente trascrizioni di interviste ad immigrati raccolte fra il 1985 e il 2000 (disponibile su CD-ROM dal 2001), il LIPS (Lessico dell italiano parlato da stranieri), basato sull archivio delle prove di produzione orale della certificazione CILS dell Università per stranieri di Siena dal 1993 ad oggi 4, il Co.Cer.IT (Corpus della Certificazione IT) iniziato nel 2005 e basato sulle prove di certificazione IT dell Università di Roma Tre 5 ; il VALICO (Varietà di Apprendimento della Lingua Italiana Corpus Online), realizzato presso l Università di Torino 6 ; il Corpus Parlato di Italiano L2, che raccoglie trascrizioni di interviste a parlanti di italiano L2, realizzato dall Osservatorio sull italiano di stranieri e sull italiano all estero dell Università per straneri di Perugia 7. A questa lista si può ora aggiungere 1 Il Centro, fondato nel 2001 e diretto fino al 2005 da Massimo Vedovelli, è attualmente sotto la direzione di Riccardo Campa. Per maggiori dettagli sulle finalità del progetto si rimanda a Palermo 2005, da cui sono tratti alcuni dei dati riproposti nelle pagine che seguono. 2 Per altri esempi di studi basati sul corpus ADIL2 mi permetto di rinviare a Palermo 2006 e Palermo - Troncarelli Petrocelli (in stampa). 3 Per maggiori dettagli sullo sviluppo della linguistica dei corpora in Italia e all estero cfr. Rossini Favretti Per quanto riguarda la sitografia, basti rimandare a Parlaritaliano < un osservatorio dedicato allo studio del parlato italiano costituito nel 2004 da gruppi di ricerca di varie università italiane e al sito dell Università di Graz, all indirizzo < 4 Cfr. Vedovelli 2006; Barni - Gallina 2008 e Il corpus contiene attualmente 11 ore e 35 minuti di registrazione di parlanti di italiano L2. fr. Cfr. Ambroso - Bonvino Cfr. Barbera Marello, Consultabile in rete all indirizzo < 1

2 ADIL2, i cui rilevamenti sono stati realizzati tra il 1997 e il A questa prima fase di grande fervore nella produzione e pubblicazione di nuovi corpora sarebbe auspicabile che seguisse ora una comune riflessione mirata alla progressiva omogeneizzazione dei corpora esistenti. Sarà essenziale a mio avviso soprattutto favorire l importabilità / esportabilità deii dati, per poterli utilizzare su diverse piattaforme e sfruttare quindi al meglio le potenzialità dei singoli motori di ricerca 9. Veniamo ora a una descrizione di ADIL2. Il corpus è formato da 1168 unità testuali, prodotte da 1126 informanti. In termini di estensione l intero corpus contiene forme (tokens). Al suo interno distinguiamo tre sezioni: testi scritti trasversali, risultato di prove somministrate una sola volta a gruppi di informanti (sez. A, 1051 unità testuali, forme); testi orali trasversali (sez. B, 65 unità testuali, forme); testi orali longitudinali (sez. C, 53 unità testuali, forme), risultato di interviste allo stesso informante realizzate in un arco di tempo variabile. I testi orali sono in tutto 117 e corrispondono a oltre 37 ore di registrazione 10. Se si considera il numero di forme di ciascuna sezione si ha la proporzione rappresentata nel grafico seguente: Grafico 1. Composizione di ADIL2 (percentuale relativa al n. di forme) 8 L elaborazione del progetto e la gran parte dei rilevamenti risalgono al periodo Gli informanti sono gli studenti che in quel periodo frequentavano i corsi ordinari di italiano L2 presso il Centro Linguistico d Ateneo. La somministrazione delle prove, le interviste e le altre videoregistrazioni, le trascrizioni e la marcatura dei testi sono state effettuate da Marco Cassandro. Alcune trascrizioni e marcature si devono a Vincenzo Faraoni. L allestimento informatico del sistema è a cura di Luca Belgiovane. Sono confluiti nel corpus, trascritti e marcati secondo le norme ADIL2, alcuni testi scritti e orali raccolti precedentemente. La prova scritta su Cappuccetto Rosso è stata somministrata nel 1997 da un gruppo di ricerca del Centro linguistico d Ateneo, coordinato da M. G. Lo Duca (per maggiori dettagli cfr. Lo Duca 1998). Le interviste longitudinali a CAM, HOL e JOD sono state effettuate da Marco Cassandro in occasione della propria tesi di dottorato nel 1998 (Cassandro, tesi di dottorato). Colgo l occasione per ringraziare, oltre alle persone sopra citate, i docenti e i collaboratori esperti linguistici del Centro Linguistico dell Università per stranieri che in questo lungo lasso di tempo hanno collaborato a vario titolo ai rilevamenti. Per maggiori notizie sulla genesi di ADIL2 cfr. Palermo Sui learner corpora cfr. Granger 2004 e, per lo specifico dell italiano L2 Andorno Rastelli Di questi 74 sono stati videoregistrati (19 ore e 6 minuti), 43 registrati in solo formato audio (18 ore e 11 minuti). Nella versione di ADIL2 che si pubblica con questo volume, per ragioni di privacy, i file video sono stati convertiti in file audio. Su richiesta di singoli ricercatori, da inviare al curatore del volume, sarà possibile visionare le videoregistrazioni. 2

3 B: ORALE TRASVERSALE 20% A: SCRITTO 42% C: ORALE LONGITUDINALE 38% Per le sezioni A e B il criterio primario per la costituzione del corpus è stato testuale: con riferimento alla classificazione funzionale dei testi, si è cercato di coprire in modo bilanciato i cinque tipi fondamentali. I testi orali della sezione B si differenziano, oltre che sulla base del tipo testuale, in funzione delle modalità di interazione (monologo, dialogo, conversazione di gruppo). La sezione orale longitudinale (C) comprende soltanto interviste semi-strutturate. Vediamo qualche dato ulteriore sugli informanti. Per quel che riguarda la lingua madre il quadro emergente è quello rappresentato dalla Tabella 1: Tabella 1. Composizione dell ADIL2 (per lingua madre degli apprendenti) MADRELINGUA NUMERO MADRELINGUA NUMERO Inglese 286 Gallese 1 Giapponese 151 Lettone 5 Cinese 102 Norvegese 5 Coreano 82 Bulgaro 4 Tedesco 73 Kazako 4 Spagnolo 54 Lituano 4 Arabo 41 Malese 4 Francese 33 Ungherese 4 Russo 32 Azero 3 Svedese 29 Bantu 11 3 Albanese 28 Finlandese 3 Greco 24 Islandese 3 Portoghese 19 Birmano 2 Tailandese 19 Ceco 2 Polacco 14 Ebraico 2 Serbo-croato 14 Rumeno 2 Ucraino 10 Uzbeko 2 Indonesiano 8 Armeno 2 Slovacco 8 Georgiano 1 Olandese 7 Igbo (Nigeria) 1 Vietnamita 7 Malgascio 1 Estone 6 Moldavo 1 Persiano 6 Kiniarwanda 1 11 Si tratta di due informanti di nazionalità camerunense e mozambicana. Ho usato per semplicità il nome della famiglia linguistica d appartenenza. 3

4 (Ruanda) Turco 6 Catalano 1 Danese 5 Minangkabau (Sumatra) 1 I casi più significativi di lingue madri ombrello, cioè corrispondenti a parlanti di nazionalità diverse riguardano l arabo (21 magrebini, 2 arabi, 2 siriani, 6 palestinesi, 6 giordani), l inglese (213 statunitensi, 19 australiani, 8 britannici, 7 canadesi, 4 sudafricani, 2 irlandesi, 1 neozelandese, i rimanenti con doppia cittadinanza), lo spagnolo (12 spagnoli, 12 argentini, 7 cileni, 4 colombiani, 3 messicani, i rimanenti centro o sudamericani), il francese (21 francesi, 5 belgi, 2 franco-canadesi, 1 gabonese, senegalese, mauriziano, ivoriano), il tedesco (61 tedeschi, 4 svizzeri, 4 austriaci), il portoghese (7 portoghesi e 12 brasiliani), il serbo-croato (11 bosniaci, 2 serbi, 1 croato). Per evitare l eccessiva frammentazione dei dati abbiamo compiuto alcune forzature non tenendo conto delle differenze linguistiche interne agli informanti di nazionalità cinese e taiwanese e dei pochi appartenenti a lingue del gruppo bantu (2 mozambicani, 1 camerunense). Interessanti infine i casi degli informanti provenienti da paesi ex coloniali, in particolare africani, che non dichiarano come lingua madre la lingua ufficiale europea in uso nella loro nazione. Per quanto riguarda gli europei, da segnalare l autodichiarazione di due apprendenti (rispettivamente spagnolo e britannico) che hanno fatto riferimento al catalano e al gallese. Una delle possibile direttrici di studio del corpus riguarda i rapporti tra tipo linguistico e caratteristiche dell interlingua. A tale scopo può essere utile un analisi della suddivisione degli apprendenti per famiglia linguistica. Il primo dato rilevante è l appartenenza del 58% degli informanti a lingue indoeuropee. Nel grafico 2 riportiamo nel dettaglio le cifre relative alle famiglie linguistiche che presentino più di 5 informanti 12 : Grafico 2. Distribuzione degli informanti per famiglia linguistica distribuzione degli informanti per famiglia linguistica indo-iranico baltico ugro-finnico austronesiano altaico tai greco albanese semitico coreano slavo romanzo sino-tibetano giapponese germanico altro 12 Rientrano nella colonna altro, oltre ad alcune autodichiarazioni incerte, le famiglie linguistiche con meno di 6 informanti: alcune lingue africane (igbo, bantu, ruandese), il vietnamita, il georgiano, il gallese. 4

5 Particolare cura è stata posta nell ottenere una distribuzione equilibrata degli informanti per livello di competenza, come si evince dal grafico seguente 13 : Grafico 3. Distribuzione degli informanti per livelli di competenza altre tipologie 46 avanzato 217 principiante 290 intermedio 227 elementare 352 I due terzi degli informanti sono compresi nella fascia d età tra i 18 e i 25 anni. Per quel che riguarda il livello d istruzione (hanno compilato questa sezione 830 informanti) notiamo un 5,55% di laureati, un 43,01% di studenti universitari, un 51,44% di persone in possesso del diploma di scuola superiore. I 912 informanti che hanno compilato la sezione altre lingue conosciute sono così distribuiti: Grafico 4. Altre lingue conosciute tre 179 quattro 18 una 234 due Ricordiamo che al momento dei rilevamenti i corsi ordinari di lingua del Centro linguistico dell Università per stranieri erano articolati su quattro livelli, mentre dal 1 gennaio 2005 si è passati ad un articolazione su sei livelli, secondo l impostazione del Quadro comune europeo. 5

6 La prima lingua straniera conosciuta è l inglese (574 casi), seguita dal francese (110 casi), dallo spagnolo (90), dal tedesco (26), dal russo (18), dal cinese (15 casi, per lo più taiwanesi, giapponesi, coreani), dal giapponese (7 casi, per lo più coreani). 2. Le rilevazioni Vediamo ora come sono state predisposte le prove. Per la sezione A esse sono suddivise secondo i cinque tipi testuali fondamentali. Eccone il quadro riassuntivo: Tabella 2. Tipologia delle prove scritte Tipo Genere Titolo Descrizione Livelli di competenza Regolativo Ricetta Come si Dare istruzioni per preparare I-IV prepara un un caffé all italiana. buon caffé! Narrativo 1 Racconto Parlaci di te Racconto di esperienze I-IV personale personali. Narrativo 2 Favola Cappuccetto Narrazione della favola. I-IV Espositivo Descrittivo Saggio breve Gioco enigmistico Argomentativo Lettera informale Rosso Lo sviluppo Esposizione della situazione I-IV della demografica italiana. popolazione Esposizione e interpretazione italiana di tabelle con dati reali. Confronta le Descrivere due immagini che I-IV due si differenziano per alcuni immagini e dettagli scrivi le differenze che trovi. Lettera a un I-IV amico. Scrivere una lettera a un amico per convincerlo a visitare il proprio paese Nella somministrazione di alcune prove ci siamo avvalsi dell ausilio di immagini o di altri materiali di supporto (v. infra, par. 4): per la prova regolativa si è dapprima mostrato un breve video di una persona che prepara il caffé, poi si è fornito agli studenti un foglio con alcune immagini delle fasi principali della preparazione e un lessico tecnico fondamentale; per la narrazione della favola l input era costituito da un illustrazione che riproduceva i protagonisti della storia, per la prova descrittiva si sono utilizzate due immagini quasi identiche di cui gli studenti dovevano individuare e descrivere le differenze; per la prova espositiva si sono forniti due grafici che illustrano l'andamento della popolazione italiana dal 1999 al 2001 e un grafico con ipotesi sul futuro sviluppo demografico del nostro Paese 14. Lo spazio maggiore dedicato alla tipologia narrativa si spiega tenendo conto del 14 Nella cartella materiali di supporto presente nel DVD allegato al volume sono contenuti i file con le consegne delle prove. 6

7 fatto che la prova su Cappuccetto Rosso, certamente di notevole interesse per molti altri aspetti 15 - poteva comportare un certo condizionamento degli scriventi per quel che riguarda le regole retoriche e stilistiche con cui la narrazione favolistica si è storicamente sedimentata nelle varie culture, con conseguenze sulla selezione di strutture linguistiche caratteristiche del narrare (mi riferisco in particolare alla selezione dei tempi del passato e a particolari vincoli nella costruzione delle catene anaforiche), mentre la narrazione pragmatica richiesta con il racconto personale dovrebbe risentire in misura minore di condizionamenti di tal genere. Un analoga suddivisione è stata compiuta per i testi delle sezioni B e C. Tuttavia nei testi orali occorre considerare come variabili pertinenti anche le modalità della conversazione. Dal punto di vista delle modalità di interazione tra gli interlocutori sono presenti sia monologhi sia conversazioni faccia a faccia con variazione nella libertà di presa del turno, sia conversazioni di gruppo più o meno guidate. In linea di massima, tuttavia, le rilevazioni orali, benché sempre guidate dal ricercatore, hanno avuto carattere libero e, quando se ne è presentata l opportunità, si è cercato di incoraggiare le produzioni autonome degli apprendenti. Il sottocorpus raccoglie varie tipologie di prove - in genere svoltesi nell ambito dell interazione di classe - che includono unità testuali narrative (ordinare una storia a disegni e narrarla, riassumere il contenuto di un breve video), descrittive (descrivere un immagine proposta), espositive (presentare una breve ricerca), regolative (spiegare come si fa il caffé all italiana), argomentative (convincere a trascorrere un fine settimana in una località turistica). La sezione C è costituita da 52 interviste semilstrutturate realizzate nel tempo a un gruppo di dieci informanti. La tabella seguente descrive la lingua madre dei parlanti, il loro livello di competenza iniziale e finale, il numero di interviste. Sigla Informante Tabella 3. Informanti del corpus longitudinale Lingua madre Livelli di competenza n. interviste Sigla Informante Lingua madre Livelli di competenza ANA Spagnolo 1 3 (non 2) 3 WAN Cinese n. interviste MON GHA AMI Arabo (libico) Arabo (palestinese) Arabo (palestinese) CAM Inglese (USA) 1 2 HLY Inglese (USA) 1 2 JOD Inglese (USA) WEN Cinese HUI Cinese (Taiwan) Sulle ragioni che hanno determinato l uso di tale favola per uno studio comparato sull apprendimento della scrittura nei bambini si veda Ferreiro / Pontecorvo (1996). 7

8 3. Modalità di accesso ai dati e funzioni di ricerca L ADIL2 è un sistema composto da una banca dati di testi multimediali (trascrizioni e registrazioni audio/video) e un programma che consente di accedere alla lettura e alle ricerche testuali. Sia la lettura che la ricerca sfruttano le potenzialità del supporto digitale, in quanto è possibile selezionare dinamicamente la porzione di corpus su cui lavorare. L utente può predisporre sottoinsiemi di testi definiti sulla base delle proprie esigenze di ricerca, leggerli in maniera sequenziale e non, operare su di essi ricerche testuali. 3.1 Installare e lanciare il programma, selezionare i testi ADIL2 funziona con i sistemi operativi di Windows. Per installarlo, avviare setup.exe e seguire la procedura. Per ascoltare i testi orali è necessario che sul proprio PC sia presente il programma Windows Media Player, versione 10 o superiore. In caso contrario, aprire la cartella Player contenuta nel DVD e lanciare Winxp.exe per sistemi operativi XP, NON_WinXP.exe per sistemi operativi diversi da XP. Una volta eseguita l installazione non sarà più necessario inserire il DVD nel lettore per usare il programma. Lanciato il programma con doppio clic sull icona ADIL2, la prima operazione consiste nel selezionare il sottoinsieme di testi su cui lavorare: corpus scritto o orale. Effettuata questa scelta, è possibile lavorare sull intero insieme di testi (opzione di default) o selezionarlo ulteriormente in base a:! tipo di testo;! caratteristiche dell apprendente: età, lingua madre, livello di competenza;! modalità di rilevamento (longitudinale o trasversale);! modalità di scambio (monodirezionale o bidirezionale). Nelle figg. 1 e 2 sono riprodotte le maschere di selezione relative al corpus scritto e orale: 8

9 Figura 1. Maschera di selezione del corpus scritto Figura 2. Maschera di selezione del corpus orale Ciascun testo corrisponde a un n. di file. La numerazione parte da 1 sia per il corpus scritto sia per quello orale. Nelle citazioni di brani tratti da ADIL2 in questo volume, salvo diversa indicazione dell autore, sarà specificato il corpus e il n. file, per es. [SC 234]; [OR 56]. 3.2 Lettura, ricerca semplice, ricerca avanzata Una volta selezionati i testi è possibile scegliere tre modalità di accesso ai dati: lettura, ricerca semplice e ricerca avanzata. La modalità lettura consente, nel caso delle produzioni scritte, di visualizzare il testo e varie informazioni sulla mise en page (cancellature, sostituzioni, aggiunte interlineari, parole di dubbia lettura o non comprensibili) e sulle incertezze ortografiche 9

10 (concrezioni, discrezioni). Nel caso dei testi orali le trascrizioni sono associate ai corrispondenti file audio/video: nella cornice di sinistra compare la trascrizione, in quella di destra è possibile attivare l ascolto o la visione del file. La possibilità di accesso diretto ai file multimediali ha consentito di semplificare le convenzioni di trascrizione e di ricorrere all ortografia standard affiancata da pochi simboli, che si riportano nelle tabelle 4, 5 e 6: Tabella 4. Convenzioni di trascrizione e visualizzazione comuni ai testi orali e scritti Fenomeno Simbolo / Visualizzazione Esempio Inserti in L1 dell informante colore blu Un po' più tardi ein Jaeger passa Inserti in L2 dell informante colore rosso ehm quindi, ehm quando sono vicini, character [#] altre, va bene Cambio di tema 16 sì, perché ehm [#] ho abito nella famiglia belgi. ho: no, sono andato a un scuola belgi. Falsa partenza ehm io io ha dritto. Riferimento metalinguistico 18 corsivo sì, ehm primo ci sono quattre ragazze. e loro fanno una gherra con neve. ehm loro lansano lanciano? parola illeggibile o incomprensibile / cancellatura irrecuperabile {xxx} numero di x corrispondente grosso modo al numero di grafemi / fonemi non recuperabili lo portò a casa sua, e gli dare (pass. remoto) tante cose da mangiare per guarire Per me,{xxxxx} penso che è un'iptesi alta Trascrizione alternativa in testo tra parentesi graffe ma:: [#] qua {va} a Siena? caso di dubbi Ricostruzione congetturale testo tra parentesi graffe Le personi {f}anno a palavolo Tabella 5. Convenzioni di trascrizione e visualizzazione usate solo nei testi orali Fenomeno Simbolo / Visualizzazione Esempio Tonia esclamativa! Tonia interrogativa? Tonia conclusiva. Tonia sospensiva A:- ieri sono andato a Roma B:- mhm mhm A:- [+] e ho fatto shopping Giuntura sintattica, Senti, che pensi di questa cosa? Domande a coda xxx? vedi che lui ha un libro in mano no? 16 Il parlante cambia spontaneamente il topic e passa a un nuovo tema che può essere anche vagamente correlato all argomento precedente. 17 Riformulazione dello stesso concetto con altre parole nello stesso enunciato, diverso dal cambio di progetto che è anche un cambio di topic e dall autointerruzione che è una vera e propria interruzione 18 Casi in cui il parlante o lo scrivente, con un intonazione particolare o altri segnali grafici o paralinguistici cerca di attirare l attenzione dell interlocutore sulla forma linguistica. Il primo esempio è tratto da un testo orale, il secondo da un testo scritto. 10

11 Pausa (breve, media lunga) [#][##][###] in base alla sì, ma: [##] non sono in contatto. durata Tenuta vocalica : :: ::: in base alla durata tu hai fatto qualcosa di: ehm piacevole Sovrapposizione [//] che [//] che [//] che cosa hai fatto a Venezia? MON: [//] sì [//]. Venezia [#] va bene. molto bella. Autointerruzione [///] A:- Ieri sono andato a Roma [///] A:- ma che è sto rumore? Eterointerruzione [/] A:- Ieri sono andato a Roma [/] B:- ieri? A:- sì Autocompletamento [+] MER: in strada. ma in aula che è più tranquillo. più facile di di... KRY: ah, va bene. MER: [+] registrare. Eterocompletamento [++] MON: Italia parlano qui in Italia [/] [++] e basta! MON: lo so, lo so. Annotazioni, glosse e altre informazioni colore viola e poi [simula reazione di spavento]. ha paura. para/extralinguistiche, minutaggio 19 Interruzione di parola MON: [//] no [//] saluti. spettià spettano? Caratteri fonetici 20 corpo maggiore grassetto se c'è anche ehm altra cassetta per città. si chiama derez Click avulsivo \ ah {e i:} [##] \, i regali. Tabella 6. Convenzioni di trascrizione e visualizzazione usate solo nei TESTI SCRITTI Fenomeno Simbolo / Visualizzazione Esempio concrezioni colore verde Hao arrivato in corea adesso. ti sentireo il la mancanza, perché ti bene di tutto cioché ha fatto per me discrezioni colore verde Perche durante le state il mio paese è bellissimo cancellature testo barrato per la prima volta lo avevo garud visto in Italia aggiunte interlineari testo in apice tra barre trasversali il primo \ ipotesa / mostra che la popolazione dell'italia aumenterà molto sovrascrittura punto o serie di punti con testo originario in pedice, testo sovrascritto in apice tra parentesi Questa estate. sono andata (ho viaggiato) alla costa azzurra. azzura Questo, è un motivo per la gente di venire a lavorare alla Italia; le persone delle paese poberi 19 I tag relativi al minutaggio sono inseriti nella trascrizione ad intervalli di tre minuti e indicano i secondi trascorsi dall inizio del file audio video: servono a facilitare l abbinamento trascrizione / ascolto. Naturalmente glosse, spiegazioni di fenomeni paralinguistici, minutaggi e tutto quanto visualizzato in viola è escluso dalle ricerche. 20 Essendo possibile ascoltare l audio i caratteri fonetici sono stati usati solo in caso di effettiva necessità. I simboli usati sono quelli dell alfabeto SAMPA (Speech Assessment Methods Phonetic Alphabet). Maggiori informazioni al riguardo si possono trovare in rete agli indirizzi < e < 11

12 funzione non demarcativa di periodo ma per altro posto, la Italia non è molto economica per vivere ma comunque anche posto di lavoro è attrativo fine pagina [ ] "Perciò voglio ti sentire meglio" risponde il lupo.[ ] Finalmente la ragazza chiede Ecco un esempio di trascrizione del corpus scritto [testo espositivo di un informante inglese diciannovenne, principiante]: A) Penso che le popolazioni nel in tutto il mondo diventa più ma il cambio grande fra 2000 e 2001 è perché la gente ha voluto avere bambini si sono nati nel anno Era un anno molto speciale. L'inizio della nuovea millenia. C'è anche il problema con le gravidanze nei giovani è i Catolici non gli piaciono \ loro / gli aborti. La popolzione cresce perché gli stranieri vengono dei paesi più poveri e fanno tanti bambini. Non è la colpa degli italiani perché in graffico 2 si puo vedere che se non ci sono gli stranieri, la popolazione sarà meno di solito. È molto interessante che gli italiani L'italia ha il percento di c gli italiani fanno più bambini del mondo. B) Scelgo l'ipotesi media. La popolazione crescerà, è sono sicuro. Gli stranieri \ ci / continueranno {x} venire {x} con le loro famiglie e continueranno fare bambini ma fra pochi anni qualche anno, sarà detrimortale per L'Italia perché il paese non avrà il forte per vivere in salute. Eventualmente il governo dovrà fermare gli immigrati che \ lo / abusano e lavorano nero. Dovrà anche fermare dare i soldi troppo liberalmente agli stranieri. [23] e uno di trascrizione dell orale [intervista a GON, portoghese, 23 anni, principiante]: a te ti piace il cinema? sì! muito. molto. muito. ehm lo sai che oggi vedremo un film? ehm: [//] sì [//], sì. [//] in classe [//]. ah. ma: non lo so che: che film... ehm forse un film di Benigni. La Vita è Bella? no. Un Mostro? Il Mostro. Il Mostro. 12

13 l'hai visto? sì, è muy bello. ehm o forse un altro film se riesco a trovarlo. però ancora non l'ho trovato. quindi per adesso ho preso Il Mostro. poi: [//] [#] [//] vediamo. [//] okay [//]. senti, ehm sei stato al cinema qui te:? no, [//] no [//]. [//] mai [//]? ehm: mai. ehm perché: non mi piace: ehm:: guardare la:: lo:: cine [//] [#] [//] ehm:: ehm italiano. [105] Ricerca semplice La modalità ricerca semplice, le cui maschere sono riprodotte nelle fig. 3 (corpus scritto) e 4 (corpus orale), consente di eseguire le seguenti operazioni:! cercare parole, gruppi di parole adiacenti, frasi. Digitando casa si ottengono tutti i contesti in cui la parola compare; digitando la casa di Cappuccetto Rosso si ottengono tutte i contesti in cui compare l espressione;! cercare parti di parole. Come caratteri jolly sono disponibili $ (qualsiasi carattere) e * (qualsiasi sequenza di caratteri); quindi cercando cas$ si ottengono tutti i contesti di casa /case / caso ecc. cercando cas* si ottengono tutti i contesti di casa /case / casetta / castello / castoro ecc. È possibile escludere dai risultati della ricerca alcune parole. In questo caso occorre separare con un punto e virgola (senza spazio) le parole da escludere. Per es., per ricercare le forme verbali al gerundio posso impostare come ricerca la stringa *ndo ed escludere dai risultati parole di disturbo come quando;mando;fondo;mondo ecc.! generare concordanze e liste di frequenza. Digitando come stringa di ricerca il solo carattere * si ottengono le concordanze o le liste di frequenza dell intero corpus selezionato (v. infra per maggiore dettagli).! cercare combinazioni di due parole non adiacenti (cerca parola1 e parola2 separate da N parole). L indicatore di prossimità (n. di parole che separano parola1 e parola2 ) è modificabile dall utente.! cercare varianti di parole (cerca parola1 oppure parola2). Questa funzione è particolarmente utile in un corpus acquisizionale per cercare varianti grafiche di una parola, per es. casa, caza, chasa;! escludere alcuni contesti. In una ricerca su casa posso escludere tutti i contesti in cui la parola è preceduta dall articolo la (cerca parola2 non preceduta da parola1), oppure tutti i contesti in cui la parola è seguita dalla preposizione di (cerca parola1 non seguita da parola2);! generare il contesto sinistro (cerca parola2 preceduta da qualunque parola) o destro (cerca parola1 seguita da qualunque parola). Per es. posso ottenere la lista in ordine alfabetico tutte le parole che seguono il verbo voglio (per es. per vedere con quali verbi è usato il modale) oppure tute le parole che precedono il participio andato (per es. per una ricerca sull ausiliare); Nel corpus orale è possibile, selezionando la casella di controllo, escludere dalle ricerche i turni di parola dell intervistatore. 13

14 Figura 3. Maschera per la ricerca semplice (corpus scritto) Figura 4. Maschera per la ricerca semplice (corpus orale) Risultati delle ricerche Le figg. 5 e 6 mostrano i risultati della ricerca della parola casa in un testo scritto e in uno orale. Come si vede, nella cornice in basso compaiono tutti i risultati. Il contesto, cioè la forma o le forme corrispondenti alla stringa di ricerca digitata, è presente nell ultima colonna a destra, preceduto da informazioni sul testo e sull informante (n. file, sottocorpus, tipo testuale, modalità di scambio, lingua madre, età, livello di competenza). Di default i risultati appaiono ordinati secondo il n. di file, ma possono essere ordinati per uno qualsiasi degli altri campi cliccando sul capo colonna corrispondente. Selezionando uno dei risultati, nella cornice in alto appare il contesto ampio, con la forma ricercata evidenziata in giallo (scorrendo in alto e in basso si può leggere l intero testo). Nel 14

15 caso dei testi orali (fig. 6) la cornice di sinistra contiene la trascrizione, quella di destra consente di aprire il file multimediale con la registrazione audio/video 21. In basso a sinistra sono visualizzate le occorrenze totali risultanti dalla ricerca (nei nostri ess. casa compare 971 volte nel corpus scritto, 324 nel corpus orale). Figura 5. Risultati della ricerca di casa nel corpus scritto Figura 6. Risultati della ricerca di casa nel corpus orale Salvataggio dei risultati delle ricerche Agendo sull icona del floppy disk in basso a destra (fig. 7) i risultati di una ricerca possono essere salvati in un file di formato.txt. Nella finestra di salvataggio, selezionando le varie possibilità elencate in salva come è possibile specificare quali informazioni trasferire su file: tutte le colonne, il n. file e il contesto, il solo contesto o la lista di frequenza. 21 Nelle trascrizioni sono stati inseriti ogni 180 secondi dei tag che indicano i secondi trascorsi dall inizio del file, per facilitare il ritrovamento della stringa di testo evidenziata sul file audio-video. 15

16 Per salvare su file le concordanze, dopo aver digitato come stringa di ricerca il carattere *, cliccare sull icona del floppy disk e selezionare nel menù a scorrimento salva come l opzione numero file e contesto, oppure tutte le colonne (esempi dei file risultanti nelle figg. 8 e 9). Per salvare su file una lista di frequenza procedere come per le concordanze, ma selezionare nel menù a scorrimento salva come l opzione lista di frequenza (esempi dei file risultanti nella fig. 10). Fig. 7. Modalità di salvataggio su file Figura 8. Salvataggio di concordanze con l opzione tutte le colonne file tipo testuale madrelingua età livello forma 0889 narrativo2 inglese 20 2-elementare abbraccio 0163 argomentativo cinese 26 2-elementare abbraccione 0248 argomentativo inglese 26 2-elementare abbraccione 0979 narrativo2 albanese 19 4-avanzato abbracciono 0742 prescrittivo albanese 32 altro Abbraci 0793 narrativo2 coreano 29 1-principiante abbracia 0793 narrativo2 coreano 29 1-principiante abbracia 0909 narrativo2 bulgaro 18 2-elementare abbraciare 1010 narrativo2 francese 25 4-avanzato abbraciare 1015 narrativo2 inglese 22 4-avanzato abbraciatti 0170 argomentativo polacco 21 3-intermedio abbracio 0222 argomentativo russo 32 4-avanzato abbracio 0947 narrativo2 greco 20 3-intermedio abbraciò Figura 9. Salvataggio di concordanze con l opzione numero file e contesto 0889 abbraccio 0163 abbraccione 0248 abbraccione 16

17 0979 abbracciono 0742 Abbraci 0793 abbracia 0793 abbracia 0909 abbraciare 1010 abbraciare 1015 abbraciatti 0170 abbracio 0222 abbracio 0947 abbraciò Figura 10. Salvataggio di una lista di frequenza prime 20 forme per frequenza nel corpus scritto 5938 e 5888 la 4502 il 4054 di 3192 che 3184 è 2785 a 2726 un 2421 per 2229 in 1966 sono 1951 nonna 1941 ha 1919 non 1871 una 1463 si 1425 era 1359 lupo 1357 ma 1302 Con prime 20 forme per frequenza nel corpus orale 8303 sì 4437 ehm 4398 è 3889 non 3662 e 2492 no 2278 ma 2265 la 2166 un 1968 che 1942 per 1773 a 1749 di 1697 perché 1625 il 1608 in 1451 mhm 1445 io 1235 ho 1222 sono In modalità ricerca semplice è possibile individuare alcuni fenomeni segnalati da caratteri o sequenze di caratteri speciali, già illustrati nelle convenzioni di trascrizione (v. tabelle 4, 5 e 6). Poiché alcuni di questi caratteri non sono presenti sulla tastiera del PC, si sono riprodotti nella maschera di ricerca. Per inserirli nella finestra di ricerca è sufficiente fare su di essi doppio clic. A parte il carattere, che segnala il cambio di tema ed è comune ai testi scritti e orali, per il resto si tratta di convenzioni di trascrizione utilizzate solo per i testi orali. Riportiamo di seguito i fenomeni ricercabili grazie ai caratteri speciali 22 : Tabella 4. Caratteri speciali per la ricerca Fenomeno carattere (o stringa di caratteri) di ricerca Falsa Tonia esclamativa! Tonia interrogativa? Tonia conclusiva. Tonia sospensiva Giuntura sintattica, Domande a coda *? Pausa [#] breve, [##] media, [###] lunga Tenuta vocalica : breve, :: media, ::: lunga 22 Nei testi scritti alcuni di questi caratteri sono usati come segni di interpunzione o come simboli paragrafematici. 17

18 Sovrapposizione [//] Autointerruzione [///] Eterointerruzione [/] Autocompletamento [+] Eterocompletamento [++] Interruzione di parola Ricerca avanzata Altri fenomeni di interesse linguistico sono stati marcati in modo non visibile per l utente, e sono recuperabili in modalità ricerca avanzata. Qui di seguito sono riprodotte le maschere di ricerca avanzata relative al corpus scritto (fig. 11) e orale (fig. 12) dalle quali si può ricavare il set di fenomeni ricercabili: Figura 11. Maschera per la ricerca avanzata nel corpus scritto 18

19 Figura 12. Maschera per la ricerca avanzata nel corpus orale Selezionando un elemento della lista si ottengono tutti i contesti in cui compare il fenomeno, per es. tutte le cancellature; in alternativa è possibile restringere la ricerca digitando anche una stringa di caratteri: per es. nella fig. 13 vediamo i risultati della ricerca dei soli contesti di cancellature contenenti il testo ho. Figura 13. Risultati della ricerca di cancellature contenenti il testo ho Statistiche Selezionando selezionato: la voce statistiche, è possibile ottenere le seguenti misurazioni sul corpus Corpus scritto Numero di testi Numero di periodi Corpus orale Numero di testi Numero di enunciati 19

20 Numero di parole (tokens) Media periodi per testo Media parole per periodo Lunghezza media delle parole Numero di turni di parola Numero di parole (tokens) Media enunciati per testo Media enunciati per turno di parola Media parole per enunciato Lunghezza media delle parole Nel corpus scritto i confini di periodo sono individuati automaticamente dal programma come sequenze di parole comprese tra un punto, un punto esclamativo o interrogativo e un altro punto, punto esclamativo o interrogativo. Poiché per ragioni di attendibilità filologica delle trascrizioni non si è intervenuti sull uso di maiuscole, segni di interpunzione ecc. i risultati di questa misurazione possono in alcuni casi dipendere dall usus scribendi dell apprendente. L unico intervento effettuato per rendere più attendibile la misura è stato quello di utilizzare un carattere leggermente diverso (un punto sovrascritto) per gli usi non demarcativi del punto, per es. per serie di punti sospensivi non corrispondenti a un confine di frase, serie di punti introdotti dallo scrivente per altri scopi, come ad es. segnalare abbreviazioni, unire dati o creare un elenco puntato. Nel corpus orale i confini di enunciato sono stati individuati e marcati manualmente sulla base di criteri fondamentalmente prosodici (profilo intonativo, pause), integrati dove necessario da considerazioni semantiche (completezza della struttura predicativa, compiutezza semantica) Materiali di supporto Nel DVD è presente una cartella con questo nome contenente i seguenti file:! guida all uso di ADIL2 (tratta dalla presente introduzione);! consegne delle prove scritte;! immagini delle vignette, foto o altre illustrazioni utilizzate per elicitare la narrazione di una storia;! descrizione delle scene di film utilizzate per elicitare la narrazione di una storia;! database degli informanti, da cui si possono ricavare ulteriori notizie sull informante oltre a quelle utili per selezionare il corpus (età, sesso, lingua madre, livello di competenza). Per es. si possono ricavare notizie sulla professione, il titolo di studio, il numero di altre lingue straniere conosciute, eventuali origini italiane, le motivazioni che lo hanno indotto a studiare la nostra lingua, il tipo di contatto prevalente con lingua italiana in patria ecc.! elenco delle convenzioni di trascrizione e visualizzazione;! elenco dei fonosimboli; 23 Sulla complessità connessa alla definizione di enunciato e, conseguentemente, all individuazione dei confini di enunciato nel parlato cfr. Cresti 2000: vol. I,