Adattare Prospéro all’analisi di corpora in lingua italiana: breve presentazione del lavoro fatto su un corpus di testi normativi e legislativi

Fabio MARCODOPPIDO

membro del PRINTEMPS (CNRS-UVSQ UMR 8085) e Attaché temporaire d’enseignement et de recherche a l’IUT dell’Università di Orléans.

Questo post è pubblicato anche in lingua francese: Adapter Prospéro à l’analyse de corpus en italien : le travail effectué à partir d’un corpus de textes réglementaires et législatifs. Per i corpora in lingua spagnola, si veda il post « Adapter Prospéro à l’analyse de corpus en espagnol » di Juan Carlos Guerrero Bernal.

Prospéro è un programma di analisi dei dati testuali, messo a punto per analizzare dei corpora in lingua francese. Un lavoro di traduzione dei dizionari è dunque necessario se si vogliono analizzare con questo strumento corpora in italiano. Le operazioni di trattamento e di calcolo del programma presuppongono, infatti, delle categorie che non sono indipendenti dalla lingua del corpus e dall’oggetto sociologico trattato. Per la mia tesi di dottorato ho analizzato con Prospéro un corpus di testi normativi e legislativi riguardanti le politiche psichiatriche in Italia1. Questo post intende presentare in maniera sintetica il lavoro fatto per la definizione di dizionari in lingua italiana. È importante porre l’accento su questi aspetti poiché il buon uso di un programma di analisi dei dati presuppone di riflettere alla struttura e al contenuto dei dizionari che permettono di analizzare il corpus2.

marco2

1. Prima fase: facilitare il tagging grammaticale attraverso l’identificazione di suffissi.

A una prima analisi di un corpus in italiano con Prospéro, quasi tutte le forme grafiche sono raccolte nella categoria degli “indefiniti”. Il primo obiettivo è stato dunque diminuire il numero degli elementi che formano questa categoria e automatizzare il riconoscimento delle forme grafiche. Per tale motivo, ho costituito una lista di suffissi che permettono al programma di raggruppare rapidamente i termini nelle principali classi grammaticali: sostantivi, aggettivi, verbi, avverbi, articoli. Per definire questa lista, ho consultato dei manuali di grammatica e dei dizionari online. In seguito, ho introdotto questi suffissi nel file « dictio.cfg » che permette di eseguire un primo tagging grammaticale in modo automatico (si veda, per esempio, l’illustrazione 1 e la tabella 1).

Illustration 1. Une partie de la liste des terminaisons utilisées pour identifier des verbes italiens afin de les typer dans la catégorie Épreuve

Figura 1. Una parte della liste dei suffisi utilizzati per identificare i verbi e categorizzarli nella classe «Prove»

Tabella 1. Le liste di suffissi utilizzati per il tagging grammaticale e per la definizione dei dizionari di base

Categoria grammaticale Categoria in Prospéro Principali suffissi
Sostantivi Entités accio, aggine, aggio, aglio, aglia, aio, aia, aiolo, ame, ano, ante, ente, anza, astro, enza, ario, ata, ato, eria, esca, esimo, età, eta, eto, etto ezza, fice, fero, ia, iere, iera, igia, ile, ina, ino, ìo, ione, ismo, ista, ità, ito, tù, itudine, izia, legio, mento, oio, orio, olaio, oide, ota, oto, ore, otto, tteria, sore, tore, tura, uccio, ucolo, uto, trice, uglio, ura, uta, vendolo, zione, archia, filia, grafia, logia, mania, teca, iatra, scopia
Adjectifs Qualités ale, ambulo, bile, ario, ese, evole, ico, issimo, oso, tivo, istico
Verbes Épreuves are, ere, ire, arre, orre, urre, aimo, ate, ano, ete, ono, ite, erò, erai, erà, eremo, erete, eranno, irò, irai, irà, iremo, irete, iranno, ò, rà, à, emo, ete, anno, avo, avi, ava, avamo, avate, avano, evo, evi, eva, evamo, evate, evano, ivo, ivi, iva, ivamo, ivate, ivano, ai, asti, ammo, aste, arono, ei, etti, emmo, este, erono, isti, immo, iste, irono, esti, emmo, este, ero, assi, asse, assimo, aste, assero, essi, esse, essimo, este, essero, issi, isse, issimo, iste, issero, erei, ereste, erebbe, eremmo, ereste, erebbero, irei, iresti, irebbe, iremmo, ireste, irebbero
Adverbes Marqueurs mente
Articles Mots outils Il, lo la, gli, li, le, etc.

Anche se questa lista permette al programma di eseguire un primo tagging grammaticale, l’operazione non esclude degli errori. Ho dovuto apportare manualmente delle correzioni per quelle forme grafiche che condividono dei suffissi che appartengono a categorie grammaticali differenti. Attraverso la funzione « Ricerca prefisso/suffisso » del programma, ho potuto correggere la categorizzazione di forme grafiche che il programma aveva inserito in classi errate come, per esempio, alcune parole che terminano in –are e in –ire, e che non sono verbi: “singolare”, “familiare” e “lire”. I dizionari sono stati in seguito arricchiti dalla lista degli “indefiniti” non ancora categorizzati durante questa prima fase del tagging grammaticale. Ho potuto continuare a lavorare su alcuni suffissi che non erano stati inseriti nella lista come, ad esempio, –uto. In questo caso, ho potuto differenziare “venuto” e “muto”, inserendo queste due parole rispettivamente nella categoria dei verbi e delle qualità. Ho continuato inoltre ad arricchire i dizionari di base utilizzando le formule disponibili in Prospéro. Questi strumenti permettono di costruire delle forme verbali composte da una forma coniugata di un verbo ausiliare e dal participio passato, come per esempio, “sono delegate” o “avere verificato”. Tutte queste operazioni sono state fatte solamente dopo aver verificato, di volta in volta, l’uso del vocabolario nei testi. Il programma, infatti, consente di ritornare rapidamente ai contesti lessicali d’impiego di tutte le forme grafiche.

aa

Figura 2. Una parte della lista dei verbi classificati nela categoria «prove»

 

Tabella  2 Presentazione sintetica del lavoro realizzato per la definizione dei dizionari di base in italiano

Nome in francese = nome in italiano
(nome del dizionario)
Quantità di forme grafiche per ogni dizionario Quattro esempi di forme grafiche

Épreuves = Prove

(ital_epreu.dic)

6 248 assicurare, sarà, sono nominati, usufruire

Entités = Entità

(itla_etre.dic)

10 322 interventi, territorio, direttore, articolo

Qualités = Qualità

(ital_quali.dic)

4 803 regionale, sanitario, professionale, pubbliche

Marqueurs = Marcatori

(ital_marqu.dic)

895 annualmente, implicitamente, inutilmente, sicuramente

Mots outils

(ital_outi.dic)

460 di, il, alla, per

Nombres=Numeri

(ital_nombr.dic)

393

 

Illustration 3. Liste des Entités

Figura 3. Lista delle des Entità

2. Seconda fase: definire i dizionari dei concetti

Nella seconda fase del lavoro ho definito la lista delle forme e delle espressioni lessicali dei dizionari dei concetti (gli Esseri fittivi, le Collezioni e le Categorie). Come per i dizionari di base, per questa fase avevo alcune categorie in italiano, trattate in precedenza da Federico Ferretti, ma la maggior parte era in francese. L’obiettivo principale era quello di costituire delle categorie da utilizzare per l’analisi del mio corpus ma senza privarmi dei dizionari disponibili in francese. Questa esigenza mi ha suggerito di procedere nel modo seguente. Dapprima ho tradotto in italiano le categorie che mi sembravano in rapporto, anche indiretto, con le questioni emergenti nel mio corpus. Si tratta di categorie generali come LEGGE@ o “Relazioni familiari”. In seguito, ho creato delle categorie che non esistevano nei dizionari francesi, come per esempio SSN@ (sistema sanitario nazionale), CR@ (consiglio regionale) e 180@ (legge di riforma psichiatrica n°180). Ho potuto utilizzare, per questa fase, delle formule di Prospéro che permettono di effettuare delle ricerche nel corpus incrociando i vocabolari di base (entità, qualità, etc.). Per quanto riguarda le collezioni, mi sono limitato a lavorare su un piccolo numero di categorie traducendone il nome ma non le forme grafiche in esse contenute. Infine, ho eliminato le categorie in francese che verificavo non interessare gli autori del mio corpus. Ciò mi ha permesso di utilizzare con più facilità il programma e le categorie in italiano, e proseguire nella mia indagine. Le categorie che ho eliminato possono senza dubbio essere tradotte in una prossima fase di lavoro.

Illustration 4. Les représentants de la catégorie « Logica della rete » (Logique du réseau)

Figura 4. Le forme grafiche contenute nella categoria « Logica della rete »

Tabella  3 Presentazione sintetica del lavoro realizzato per la definizione dei dizionari di concetti in italiano

Tipo di dizionario

(Désignation en français = designazione in italiano)

Quantità di forme grafiche per ogni dizionario Esempi di classi : nome e qualche forma grafica contenuta nella classe
Êtres-fictifs = Personaggi 118 entrées différentes de personnages contenant un total de 1107 représentants
  • SSN@ (Service Sanitaire National)
    SERVIZIO SANITARIO NAZIONALE, Servizio Sanitario Nazionale, SSN, Servizio sanitario nazionale, servizio sanitario nazionale.
  • SOCIOLOGI@ (sociologues) SOCIOLOGO, Sociologo, Sociologi, sociologo.
  • CORPO-MEDICO@ (corps médical) medico, medici, medici di medicina generale, Medici, MEDICO.
  • ARTICOLO@ (Article) articolo, ARTICOLO, articoli, Articolo, Articoli.
Collections = Collezioni 60 entrées différentes de collections
  • REGIONI* (Régions) : Abruzzo, Campania, Basilicata, Molise.
  • MINISTERI-ITALIANI* (Ministères italiens) : Ministero dell’Interno, Ministero della Difesa.
Catégories d’Entités = Categorie di Entità 75 entrées différentes de catégories d’entités
  • Tutela politiche sociali (Politiques sociales) : difesa della salute, politiche per gli anziani, politiche per i minori.
  • Categorie di beneficiari (Catégories de bénéficiaires) : alienati, ammalato psichico, disabili psichiatrici, utenti psichiatrici.
Catégories de marqueurs= Categorie di Marcatori 25 entrées différentes de catégories de marqueurs
  • Estensione temporale (extension temporelle) : decennale, pluriennale, ventennale
  • Necessità/urgenza (nécessité/urgence) : drasticamente, tempestivamente, prioritariamente
Catégories d’Épreuves= Categorie di Prove 56 entrées différentes de catégories d’épreuves
  • Delegare (déléguer) : possono essere delegati, essere delegate, può essere delegato, sono state delegate,
  • Cambiare (changer) : realizzare, riconvertire, trasformare, superare
Catégories de qualités = Categorie di qualità 36 entrées différentes de catégories de qualités
  • Territoriale/Periferico (territorial/ périphérique) : comunale, distrettuale, locale, multizonale, provinciale
  • Importante/Essenziale (important/essential) : vitale, colossale, cruciale, decisiva

3. Prossima fase: arricchire i dizionari di base e dei concetti.

Il lavoro di definizione di dizionari italiani per Prospéro è stato fatto al fine di analizzare un corpus di testi normativi e legislativi. Un lavoro sistematico di traduzione di tutti i dizionari disponibili in lingua francese resta dunque da fare. Come per il caso spagnolo, il lavoro può essere portato avanti utilizzando dei dizionari di sinonimi disponibili su internet. L’auspicio è che una comunità di ricercatori italiani interessati a Prospéro passa costituirsi per definire dei dizionari sempre più ricchi e completi.

marco1

  1. I 283 testi che costituiscono questo corpus coprono un periodo di 50 anni, dal 1960 al 2010. []
  2. Varie esperienze mi hanno permesso di portare avanti questo lavoro: la partecipazione dal 2011 al 2013 al seminario Socio-informatique des controverses all’École des Hautes Études en Sciences Sociales (EHESS), una formazione all’uso di Prospéro e la collaborazione con Federico Ferretti, ingénieur d’études al Groupe de Sociologie Pragmatique et Réflexive (GSPR) nel 2012. Una prima analisi di un corpus in italiano con Prospéro è stata fatta proprio da Federico Ferretti. Si veda, a tal proposito, i suoi due post su « l’amianto in tribunale ». Il lavoro qui presentato non sarebbe stato possibile senza il suo aiuto iniziale. []

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée.