IT-SR-NER: SERBIAN-ITALIAN PARALLEL CORPUS FOR LEARNING SERBIAN AS A FOREIGN LANGUAGE

Olja  Perišić; Ranka  Stanković

doi:10.21618/fil2531153p

Autori

Olja Perišić Università degli Studi di Torino Dipartimento di Lingue e Letterature straniere e culture moderne
Ranka Stanković University of Belgrade Faculty of Mining Engineering and Geology

DOI:

https://doi.org/10.21618/fil2531153p

Parole chiave:

corpus parallelo, italiano L1, serbo LS, NER, glottodidattica, traduzione

Abstract

Il tema del contributo verte sulle possibilità di impiego nella glottodidattica del corpus parallelo It-Sr-NER sviluppato nel 2022 dall’infrastruttura europea CLARIN nel contesto del progetto “Bridging gaps”. Il suo valore risiede nell’annotazione per il Named Entity Recognition (NER), con particolare attenzione alla classe dei toponimi (inclusi i pluralia tantum) e dei nomi propri di persona. Il progetto è stato realizzato in collaborazione da un team di esperti provenienti dall’Università di Torino e dalla Società per le Risorse e le Tecnologie Linguistiche (JeRTeh) di Belgrado. Si tratta del primo corpus parallelo per questa combinazione linguistica, comprendente 10.000 frasi estrapolate dalle opere delle letterature serba e italiana, sia classiche che moderne. Le frasi sono state allineate per agevolare l’esplorazione dei dati e la traduzione delle singole parole nel contesto. L’importanza dei corpora paralleli nelle ricerche linguistiche è ormai nota (Doval e Sánchez, 2019), anche se si rileva una carenza di queste risorse per le lingue meno diffuse. Nel contributo verranno esposte le potenziali applicazioni glottodidattiche del corpus in questione nella didattica del serbo come lingua straniera: a livello iniziale, per l’apprendimento della ricca morfologia della lingua serba e, a livello intermedio e avanzato, per la ricerca dei lexical gaps, ossia delle parole che non hanno un traducente in una delle lingue esaminate. L’obiettivo è dimostrare che questa tipologia di corpora può costituire un’alternativa valida agli strumenti tradizionali e digitali di apprendimento, nonché un mezzo esclusivo per alcune tipologie di ricerca.

Riferimenti bibliografici

Avirović, Lj. (2003) Il ponte di Andrić collega uomini e cose: sulla traduzione di Ivo Andrić in Italia. Comunicare. Letterature lingue. 3, 377–388.

Baker, M. (1993) Corpus Linguistics and Translation Studies. Implications and Applications. In Baker, M., Francis, G. & Tognini-Bonelli, E. (eds), Text and Technology. In Honour of John Sinclair. Philadelphia-Amsterdam, John Benjamins, pp. 233–250.

Bosco, C., Cosi, P., Dell’Orletta, F., Falcone, M., Montemagni, S. & Simi, M. (eds). (2014) Proceedings of the First Italian Conference on Computational Linguistics CLiCit 2014 & the Fourth International Workshop EVALITA 2014: 9-11 December 2014. Pisa, Pisa University Press.

Botley, S. P., McEnery, A. M., & Wilson, A. (eds). (2000) Multilingual Corpora in Teaching and Research. Amsterdam, Rodopi.

Chesterman, A. (2007) Similarity Analysis and the Translation Profile. Belgian Journal of Linguistics. 21 (1), 53–66, https://doi.org/10.1075/bjl.21.05che

Doval, I. & Sánchez Nieto, M. T. (eds). (2019) Parallel Corpora for Contrastive and Translation Studies: New Resources and Applications. Amsterdam, John Benjamins.

Đukanović, M. & Polovina, V. (2018) Kulturno-specifična leksika u prevodu Iva Andrića na slovenački, francuski i engleski jezik. In Vraneš, A. (ur.), Ivo Andrić u našem vremenu: zbornik radova. Аndrićgrad – Višegrad, Andrićev institut, pp. 241–260.

Granger, S. (2018) Has Lexicography Reaped the Full Benefit of the (Learner) Corpus Revolution? In Čibej, J., Gorjanc, V., Kosem, I. & Krek, S. (eds), Proceedings of the XVIII EURALEX International Congress: Lexicography in Global Contexts. Ljubljana, Ljubljana University Press, Faculty of Arts, pp. 17–24.

Ikonić Nešić, M., Petalinkar, S., Škorić, M. & Stanković, R. (2024) BERT Downstream Task Analysis: Named Entity Recognition in Serbian. In Trajanović, M., Filipović, N. & Zdravković, M. (eds), Disruptive Information Technologies for a Smart Society. ICIST 2024. Lecture Notes in Networks and Systems, vol 860. Cham, Springer, pp. 333–347, https://doi.org/10.1007/978-3-031-71419-1_29

Klajn, I. (2007) Grammatica della lingua serba. Beograd, Zavod za udžbenike.

Klie, J. C., Bugert, M., Boullosa, B., De Castilho, R. E. & Gurevych, I. (2018) The inception platform: Machine-assisted and knowledge-oriented interactive annotation. In Zhao, D. (ed.), Proceedings of the 27th international conference on computational linguistics: System demonstrations. Santa Fe, New Mexico, Association for Computational Linguistics, pp. 5–9.

Moderc, S., Stanković, R., Tomašević, A. & Škorić, M. (2023) An Italian-Serbian Sentence Aligned Parallel Literary Corpus. Review of the National Center for Digitization. 43, 78–91, https://doi.org/10.5281/zenodo.11203388

Mrazović, P. (2009) Gramatika srpskog jezika za strance. Sremski Karlovci-Novi Sad, Izdavačka knjižarnica Zorana Stojanovića.

Obradović, I., Stanković, R. & Utvić, M. (2008) Integrisano okruženje za pripremu paralelizovanog korpusa. In Tošović, B. (ed.), Die Unterschiede zwischen dem Bosnischen/Bosniakischen, Kroatischen und Serbischen. Münster, LitVerlag, pp. 563–578.

Perišić Arsić, O. (2020) Translating lexical gaps: A contrastive corpus-based analysis. In Matešić, M. & Memišević, A. (eds), Language and Mind. Proceedings from the 32nd International Conference of the Croatian Applied Linguistics Society. Berlin, Peter Lang, pp. 93–108.

Perišić, O., Stanković, R., Ikonić Nešić, M. & Škorić, M. (2023) It-Sr-NER: CLARIN Compatible NER and Geoparsing Web Services for Italian and Serbian Parallel Text. In Erjavec, T. & Eskevich, M. (eds), Selected Papers from the CLARIN Annual Conference 2022, pp. 99–110. https://doi.org/10.3384/ecp198

Salkie, R. (2002) How can linguists profit from parallel corpora? In Borin, L. (ed.), Parallel corpora, parallel worlds. Selected papers from a symposium on parallel and comparable corpora at Uppsala University, 22 – 23 April, 1999. Amsterdam – New York, Rodopi, pp. 111-122.

Stanković, R., Krstev, C., Vitas, D., Vulović, N. & Kitanović, O. (2017) KeywordBased Search on Bilingual Digital Libraries. In Calì, A., Gorgan, D. & Ugarte, M. (eds), Semantic Keyword-Based Search on Structured Data Sources. IKC 2016. Lecture Notes in Computer Science. Cham, Springer, pp. 112–123, https://doi.org/10.1007/978-3-319-53640-8_10

Stanković, R., Škorić, M. & Šandrih Todorović, B. (2022) Parallel bidirectionally pretrained taggers as feature generators. Applied Sciences. 12(10), 5028, https://doi.org/10.3390/app12105028

Stanković, R., Ikonić Nešić, M., Perišić, O., Škorić, M. & Kitanović, O. (2024) Towards Semantic Interoperability: Parallel Corpora as Linked Data Incorporating Named Entity Linking. In Chiarcos, C., Gkirtzou, K. et al. (eds), Proceedings of the 9th Workshop on Linked Data in Linguistics @ LREC-COLING 2024, Turin, 20-25 May 2024, Torino, ELRA & ICCL, pp. 115–125.

Škorić, M. (2024) Novi jezički modeli za srpski jezik. Infotheca. 24(1), accepted for publishing.

Tognini Bonelli, E. (2000) ‘Unità funzionali complete’ in inglese e in italiano: verso un approccio corpus-driven. In Bernardini, S. & Zanettin, F. (eds), I corpora nella didattica della traduzione. Bologna, Clueb, pp. 153–175.

Toury, G. (1980) In Search of a Theory of Translation. Tel Aviv, The Porter Institute for Poetics and Semiotics.

Trousterud, T. (2002) Parallel corpora as tools for investigating and developing minority languages. In Lars, B. (ed.), Parallel corpora, parallel worlds. Selected papers from a symposium on parallel and comparable corpora at Uppsala University, Sweden, 22-23 April, 1999. Language and Computers, 43, 111-122.

Venuti, L. (1995), The Translator’s Invisibility: A History of Translation, London-New York: Routledge.

Vitas, D. & Krstev, C. (2012) Processing of corpora of Serbian using electronic dictionaries. Prace Filologiczne. 63, 279-292.

Zanettin, F. (1994) Parallel words: designing a bilingual database for translation activities. In Wilson, A. & McEnery, T. (eds), Corpora in language education and research: a selection of papers from Tale 94, UCREL technical papers, 4. Lancaster, UCREL, pp. 163–180.