Linguistica Computazionale Lm A+b 2026/2027

Il corso si propone di fornire un’introduzione teorica e pratica alla linguistica computazionale e al trattamento automatico del linguaggio. Nella prima parte del corso si illustreranno le metodologie per la raccolta, la compilazione e la gestione dei corpora. Verranno approfondite le tecniche di (pre-)elaborazione del testo (ad es., tokenizzazione, stemming, lemmatizzazione, ecc.) e di annotazione linguistica (ad es., POS-tagging, annotazione semantica, ecc.). L’analisi dei dati e dei fenomeni linguistici sarà affrontata attraverso lo studio delle co-occorrenze, delle analisi frequentiste e dell’estrazione dei pattern dai corpora. Saranno esplorati i modelli di base per la rappresentazione del testo, come il Bag-of-Words e il TF-IDF. Saranno inoltre introdotti alcuni modelli di base per la classificazione supervisionata, come il Naive Bayes e la regressione. Infine, il corso offrirà un’introduzione pratica all’uso di Python per il trattamento automatico del linguaggio, con particolare attenzione alle librerie NLTK e spaCy. Durante le attività pratiche, gli studenti e le studentesse avranno la possibilità di usare le conoscenze acquisite, lavorando da soli/e o in piccoli gruppi su task di raccolta, annotazione e analisi di corpora attraverso strumenti e tecniche della linguistica computazionale. 

MODALITA' DI VALUTAZIONE:  L’esame si compone di due parti: un progetto (elaborato scritto), concordato con la docente e incentrato su uno degli argomenti del corso, e una prova scritta. Il progetto va consegnato almeno una settimana prima della data dell’appello a cui si è iscritti/e. Chi non consegna il progetto non può sostenere la prova scritta.   

CRITERI DI VERIFICA DI APPRENDIMENTO:  Durante la prova scritta, gli studenti e le studentesse risponderanno a domande sul programma d’esame. L’esame coprirà sia i temi trattati a lezione sia quelli lasciati allo studio individuale. Saranno oggetto di esame anche i testi di riferimento indicati nel presente syllabus. Le domande saranno di tipo teorico e/o argomentativo. Il voto finale terrà conto del progetto (50%) e dell’accuratezza e della completezza delle risposte date alla prova scritta (50%), considerando anche correttezza terminologica e adeguatezza espositiva. La valutazione finale dell’esame viene espressa attraverso un voto in trentesimi. L'esame sarà valutato secondo i seguenti criteri:  Non superato: significative carenze e imprecisioni nella conoscenza e nella comprensione della materia; scarse capacità di analisi e sintesi, ricorrenti generalizzazioni, limitate capacità critiche e di giudizio.  18-20: Conoscenza e comprensione degli argomenti appena sufficiente, con occasionali generalizzazioni e imperfezioni; sufficiente capacità di analisi sintesi e autonomia di giudizio, gli argomenti sono frequentemente esposti in modo incoerente e con una terminologia inadeguata.  21-23: Discreta conoscenza e comprensione dell'argomento; adeguate capacità di analisi e sintesi con argomentazioni coerenti e logiche, ma con una terminologia spesso inadeguata.  24-26: Buona conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso, ma con una terminologia non sempre adeguato.  27-29: Ottima conoscenza e comprensione degli argomenti; notevoli capacità di analisi e sintesi. Buona autonomia di giudizio. Argomenti esposti in modo rigoroso e con una terminologia molto spesso corretta. 30-30 e lode: Eccellente livello di conoscenza e comprensione degli argomenti. Ottime capacità di analisi, sintesi e autonomia di giudizio. Le argomentazioni sono espresse in  modo originale e con una terminologia sempre corretta.  

Testi adottati / bibliografia di riferimento obbligatoria:

Nissim, Malvina & Pannitto, Ludovica. (2022). Che cos’è la linguistica computazionale. Roma: Carocci. [tutto]  

Lenci, Alessandro, Montemagni, Simonetta, & Pirrelli, Vito (2016). Testo e computer: Elementi di linguistica computazionale. Roma: Carocci. [capitoli: 1, 2, 4, 7, 8, 9]  

I due manuali indicati sotto la voce “Testi adottati”, le slides ed eventuale altro materiale fornito dalla docente.  

La frequenza è facoltativa e il programma è identico per frequentanti e non-frequentanti. Gli studenti e le studentesse dovranno contattare la docente con congruo anticipo per ottenere le istruzioni necessarie alla realizzazione del progetto (elaborato scritto). 

PREREQUISITI:

Per sostenere l'esame del modulo Linguistica Computazionale B è obbligatorio aver frequentato con profitto il modulo Linguistica Computazionale A. Si richiede familiarità con la programmazione di base in Python e con i concetti fondamentali della linguistica computazionale e del NLP.

Il corso si articola in lezioni teoriche e pratiche. I principali argomenti trattati saranno il riconoscimento automatico del parlato (ASR) e la sintesi vocale vocale (TTS), i modelli avanzati di rappresentazione del significato, gli algoritmi e i modelli di apprendimento automatico, comprese le architetture deep learning e i transformers. Verranno progettati e sviluppati task avanzati di NLP, quali l’analisi del sentiment, delle emozioni e della soggettività; l’identificazione delle fake news e dello SPAM; i sistemi conversazionali (chatbot e dialogue systems); i sistemi di ASR e TTS. Infine, il corso prevede un modulo dedicato agli aspetti etici nel NLP che tratterà i concetti di bias, harm e dual use, la sottorappresentazione linguistica e l’impatto sociale e culturale dei LLMs. Durante le attività pratiche, gli studenti e le studentesse svilupperanno progetti su task di NLP in Python, usando le librerie transformers, speechbrain, pyttsx3, scikit-learn, spaCy, NLTK.

MODALITA' DI VALUTAZIONE:  L’esame si compone di due parti: un progetto (elaborato scritto), concordato con la docente e incentrato su uno degli argomenti del corso, e una prova scritta. Il progetto va consegnato almeno una settimana prima della data dell’appello a cui si è iscritti/e. Chi non consegna il progetto non può sostenere la prova scritta.  

CRITERI DI VERIFICA DI APPRENDIMENTO:  Durante la prova scritta, gli studenti e le studentesse risponderanno a domande sul programma d’esame. L’esame coprirà sia i temi trattati a lezione sia quelli lasciati allo studio individuale. Saranno oggetto di esame anche i testi di riferimento indicati nel presente syllabus. Le domande saranno di tipo teorico e/o argomentativo. Il voto finale terrà conto del progetto (50%) e dell’accuratezza e della completezza delle risposte date alla prova scritta (50%), considerando anche correttezza terminologica e adeguatezza espositiva.

La valutazione finale dell’esame viene espressa attraverso un voto in trentesimi.

L'esame sarà valutato secondo i seguenti criteri:  Non superato: significative carenze e imprecisioni nella conoscenza e nella comprensione della materia; scarse capacità di analisi e sintesi, ricorrenti generalizzazioni, limitate capacità critiche e di giudizio.  18-20: Conoscenza e comprensione degli argomenti appena sufficiente, con occasionali generalizzazioni e imperfezioni; sufficiente capacità di analisi sintesi e autonomia di giudizio, gli argomenti sono frequentemente esposti in modo incoerente e con una terminologia inadeguata.  21-23: Discreta conoscenza e comprensione dell'argomento; adeguate capacità di analisi e sintesi con argomentazioni coerenti e logiche, ma con una terminologia spesso inadeguata.  24-26: Buona conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso, ma con una terminologia non sempre adeguato.  27-29: Ottima conoscenza e comprensione degli argomenti; notevoli capacità di analisi e sintesi. Buona autonomia di giudizio. Argomenti esposti in modo rigoroso e con una terminologia molto spesso corretta. 30-30 e lode: Eccellente livello di conoscenza e comprensione degli argomenti. Ottime capacità di analisi, sintesi e autonomia di giudizio. Le argomentazioni sono espresse in modo originale e con una terminologia sempre corretta. 

Testi adottati e bibliografia di riferimento obbligatoria:

Lenci, A., Auriemma, S. & Miliani, M. (2025). Linguistica Computazionale: Natural Language Processing e Intelligenza Artificiale. Hoepli. [tutto]

Tamburini, F. (2022). Neural Models for the Automatic Processing of Italian. Pàtron. [capitoli: 6, 7, 8]

I due manuali indicati sotto la voce “Testi adottati”, le slides ed eventuale altro materiale fornito dalla docente durante il corso.

La frequenza è facoltativa e il programma è identico per frequentanti e non-frequentanti. Gli studenti e le studentesse dovranno contattare la docente con congruo anticipo per ottenere le istruzioni necessarie alla realizzazione del progetto scritto.