LINGUISTICA APPLICATA

Settore: L-LIN/01Codice: 1080LCrediti: 9Semestre: 2
Docenti: Lenci Alessandro

Obiettivi di apprendimento

Conoscenze

Lo studente acquisirà conoscenze in merito ai principali approcci alla rappresentazione semantica, con particolare riguardo alla semantica distribuzionale e alla sua applicazione per la modellazione linguistica e cognitiva. Lo studente verrà inoltre introdotto all'analisi statistica dei dati linguistici con l'ambiente R

Modalità di verifica delle conoscenze

L'accertamento delle conoscenza verrà svolto attraverso:

  • prova orale, in cui verrà accertata la conoscenza dei testi e dei temi presentati a lezione
  • prova scritta con la risoluzione di esercizi di analisi statistica con R
Capacità

Lo studente conoscerà i più recenti metodi e modelli di semantica e imparerà a usare l'ambiente R per l'analisi statistica dei dati linguistici

Modalità di verifica delle capacità

Verranno organizzate sessioni di laboratorio in cui sarranno svolti esercizi per comprendere l'uso di software per la costruzione di spazi semantici distribuzionale e l'uso dell'ambiente di analisi statistica R

Comportamenti

Lo studente potrà acquisire e/o sviluppare sensibilità alle problematiche relative allo studio della semantica, con particolare riferimento ai modelli distribuzionali, e all'analisi statistica dei dati linguistici

Saranno acquisite accuratezza e precisione nell'analisi semantica e statistica dei dati linguistici

Modalità di verifica dei comportamenti

Durante le lexioni e le sessioni di laboratorio saranno valutati il grado di accuratezza e precisione delle attività svolte

Prerequisiti

Nozioni di base di linguistica generale (morfologia, sintassi e semantica)

Indicazioni metodologiche

Lezioni: frontali

Modalità di apprendimento:

  • frequenza delle lezioni
  • studio individuale
  • attività di laboratorio

Metodi di insegnamento:

  • lezioni
  • laboratorio

Lingua del corso: italiano

 

 

Programma

Modelli simbolici e distribuzionali della rappresentazione semantica

Il corso presenterà i principali modelli linguistici, computazionali e cognitivi per la rappresentazione semantica, con particolare attenzione ai modelli vettoriali in semantica distribuzionale:

  • rappresentazioni simboliche del significato: semantica vero-condizionale, Conceptual Semantics
  • problemi e limiti delle rappresentazioni simboliche
  • fondamenti di semantica distribuzionale
  • metodi per la costruzione di spazi semantici distribuzionali: matrici di co-occorrenza, modelli neurali (word embeddings), ecc.
  • composizionalità semantica e modelli distribuzionali
  • semantica distribuzionale e semantica formale
  • applicazione dei modelli distribuzionali nelle (neuro)scienze cognitive;

Le lezioni teoriche saranno accompagnate da esercitazioni di laboratorio in cui verranno presentati semplici software per la costruzione di spazi semantici distribuzionali.

Esercitazioni:
Introduzione all'analisi statistica dei dati linguistici con R (http://www.r-project.org/):

  • strutture dati
  • statistica descrittiva (frequenze, tabelle di contingenza, medie, grafici, ecc.)
  • test statistici di base (chi-2, t, ecc.)
  • correlazione e regressione lineare

Bibliografia

Testi la cui conoscenza è oggetto di verifica all'esame:

Programma da 9 CFU:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (ch. 4, 5, 6, 11)
  • Lenci A. & Sahlgren M. (2023), Distributional Semantics, Cambridge University Press (ch. 1, 2, 6, 8.7, 8.8, 9)
  • Yee, E., Jones, M. N., & McRae, K. (2018). "Semantic Memory". In J. T. Wixted & S. L. Thompson-Schill (Eds.), The Stevens’ Handbook of Experimental Psychology and Cognitive Neuroscience (4th Edition, Volume 3: Language and Thought) (pp. 319–356). New York, NY: Wiley Blackwell.

 

Programma da 6 CFU:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (ch. 4,5,11)
  • Lenci A. & Sahlgren M. (2023), Distributional Semantics, Cambridge University Press (ch. 2, 6, 8.7, 9)

 

Testo di consultazione per le esercitazioni:

  • Gries, S. Th. (2009), Statistics for Linguistics with R, Berlin, De Gruyter

Non frequentanti

Testi la cui conoscenza è oggetto di verifica all'esame:

Programma da 9 CFU:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (ch. 4, 5, 6, 11)
  • Lenci A. & Sahlgren M. (2023), Distributional Semantics, Cambridge University Press (ch. 1, 2, 6, 8.7, 8.8, 9)
  • Yee, E., Jones, M. N., & McRae, K. (2018). "Semantic Memory". In J. T. Wixted & S. L. Thompson-Schill (Eds.), The Stevens’ Handbook of Experimental Psychology and Cognitive Neuroscience (4th Edition, Volume 3: Language and Thought) (pp. 319–356). New York, NY: Wiley Blackwell.

Programma da 6 CFU:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (ch. 4,5,11)
  • Lenci A. & Sahlgren M. (2023), Distributional Semantics, Cambridge University Press (ch. 2, 6, 8.7, 9)

Gli studenti non frequentanti sostituiscono la prova scritta su R con il seguente testo da portare all'esame orale:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (cap. 8,9,10)

Modalità di esame

  • Prova orale nella quale lo studente dovrà dimostare la conoscenza dei temi svolti a lezione e dei testi di esame;
  • Prova scritta con la risoluzione di esercizi di analisi statistica con R

Fonte: ESSETRE e Portale esami