Risorse digitali per gli studi linguistici: un breve appunto (di Marco Petolicchio)

di Marco Petolicchio (Bimestre Gennaio-Febbraio 2017)

Premessa

Dare una copertura completa di un argomento vasto quale quello delle risorse digitali per gli studi umanistici sarebbe certamente fuori dalla mia portata.

Quello che mi limiterò a fare sarà invece redigere qualche breve appunto su quanto le nuove tecnologie possano essere un incentivo per allargare i confini tipici di questi studi e, in maniera più circoscritta, tenterò di fornire qualche rimando ad alcune risorse utili per i settori linguistici.

Risorse

L’attuale disponibilità di risorse digitali offre la possibilità di rendere accessibile e conservabile una grande mole di dati e consente una interoperabilità di questi da parte dell’utente inimmaginabile rispetto al puro supporto cartaceo.

Si pensi, giusto a titolo esemplificativo, alle possibilità offerte da uno strumento quale Intratext nel poter fornire indici, statistiche, concordanze dei volumi esaminati o alla flessibilità con cui può essere interrogato l’archivio di GoogleBooks attraverso il software GoogleNGram per ottenere in tempi brevissimi risposte ad indagini di interesse stilistico e linguistico, nonché nel panorama accademico italiano e con un target centrato su documenti di interesse letterario, Biblioteca Italiana e l’Opera del Vocabolario Italiano valgano a titolo di esempio.

Risorse Web

Tra i più famosi archivi digitali vi è quello no-profit di Internet Archive, un immenso collettore di volumi digitalizzati, file audio, fotografie, podcast radio etc. che presenta per giunta una vera e propria macchina del tempo capace di muoversi a ritroso nello spazio-tempo internettiano: la Wayback machine, che fornisce a video la storia delle diverse versioni della pagina web ricercata nel corso del tempo. La biblioteca virtuale di Internet Archive è per certo una preziosa alleata per gli studi umanistici.
Di diverso tipo ma ugualmente prezioso, in particolar modo per chi fa della romanistica la propria prospettiva di studio, è l’archivio Gallica.

Per quanto riguarda gli studi linguistici, una risorsa particolarmente utile è quella di World Atlas of Language Structures WALS, un archivio di descrizione linguistica a più livelli (fonologia, morfologia, sintassi), che permette di poter comparare i tratti di vari sistemi linguistici tra di loro.

Non esclusivamente collegati alla materia del presente appunto, si segnalano inoltre le importanti piattaforme di e-learning MIT Open Course OCV – iniziativa ad opera del MIT – e Coursera – che raccoglie corsi online di diversi dipartimenti universitari.

Accanto ai due maggiori network di condivisione dei paper di ricerca online, Academia e Research Gate, ed all’archivio di Google Scholar, può risultare fruttuosa per lo studioso una ricerca all’interno delle liste del portale Reddit: i subreddit /linguistics, /sociolinguistics, /dialectology contengono spesso materiale di discussione particolarmente interessante.

Esperimento particolarmente interessante per la modalità con cui vengono collezionati i dati è quello di AbruzzeseMolisano, in cui l’archivio informatico contiene registrazioni audio di parlanti dell’area dialettale succitata, raccolte dagli utenti medesimi in crowdsourcing. Da segnalare senz’altro è anche la wiki Glottopedia, una enciclopedia libera di argomento linguistico-glottologico.

Per studi orientati alla linguistica generale ed alla sintassi, un archivio imponente per qualità e quantità della ricerca è rappresentato da Lingbuzz, un collettore degli ultimi paper degli studiosi. Per rimanere aggiornati sulle ultime ricerche è particolarmente utile anche il famoso portale LinguistList.

Nel panorama italiano e di interesse più ampio per le digital humanities si segnalano l’importante iniziativa Liberliber, un archivio di testi digitalizzati e resi disponibili in differenti formati (testuale, pdf, html, epub), il progetto Dantesources, che raccoglie una possibile biblioteca dantesca e visualizzabile in differenti formati (grafici, liste) e supportata da una infrastruttura ontologica (SPARQL) e Dantesearch, in cui è possibile operare ricerche testuali all’interno delle opere dantesche digitalizzate. Per un elenco più dettagliato si possono consultare A. F. Caterino, La letteratura in rete e gli strumenti digitali, in «La rassegna della letteratura italiana», 2016 n.1-2, pp. 111-123
e la pagina FRI, Riviste e database liberamente consultabili online.

Social network e blog

Accanto al già citato Reddit e ai subreddit di interesse linguistico, si segnala un alto numero di pagine Facebook, account Twitter e blog che possono essere utili per le ricerche accademiche ed anche per nutrire un po’ di curiosità individuale.

Tra gli account Facebook d’interesse linguistico si segnalano quello del Dipartimento di Linguistica del MIT, le pagine dei giornali open-access Biolinguistics e Glossa, quelle divulgative di Steve the vagabond and silly linguist e Linguistica in pillole e la pagina ufficiale dell’Accademia della Crusca.

Anche su twitter è possibile rimanere aggiornati sul panorama degli studi linguistici: l’account della Linguistic Society of America è particolarmente curato ed aggiornato, mentre le risorse All things linguistic e LanguageLog offrono un’importante possibilità di interscambio culturale.
Progetto particolarmente interessante, purtroppo non molto attivo, è quello di Laws of IndoEuropean, che mira(va) a condividere la spiegazione di alcune leggi di linguistica storica del panorama indoeuropeo in forma di tweet.

Molti sono anche i blog di interesse linguistico, tra cui All things linguistic, Languages and linguistics, Language Hat, Faculty of language di materiali specificamente linguistici, mentre Le Scienze e Scientific American possono rivelarsi utili alleati per rimanere aggiornati sulle ultime scoperte scientifiche.

Software

Molti sono i software, disponibili sotto licenza aperta o con codice proprietario, che rappresentano elementi di un certo interesse per gli studi linguistici.
In primo luogo e non limitato a studi specifici varrà la pena di sottolineare le possibilità offerte dal linguaggio di markup LaTeX, orientato alla tipografia professionale, che vanta librerie specifiche per la filologia e la linguistica. Risorse utili in tale senso sono la wiki LaTeX for Linguistics e la guida dell’Università di Lipsia per la redazione di glosse The Leipzig Glossing Rules.
Per il trattamento dei testi ha assunto notevole importanza il linguaggio di programmazione Python: elastico e potente, dispone di molte librerie per il trattamento dei testi, come il Natural Language ToolKit NLTK, TensorFlow – recentemente rilasciato in open source da Google -. A questo link è possibile prendere visione di una utile presentazione sul tema Python e sul suo utilizzo negli studi linguistici.
Per la sentiment analysis è disponibile un porting online basato su NLTK, Python NLTK Sentiment Analysis Online, che non richiede installazioni. Buona parte di questi software non copre la lingua italiana (né le lingue minoritarie o dialetti).
A Python si aggiunga l’environment “R”, particolarmente utilizzato per la processazione automatica dei testi, la formazione di indici e concordanze.
Può risultare molto utile negli studi di sintassi il software server-side PHP syntax tree, che provvede a fornire un’immagine in forma di diagramma ad albero della frase inserita dall’utente in formato parentetico.
Tra i più importanti strumenti con finalità linguistiche si segnala il potente software open source Praat, con il quale è possibile analizzare file audio per condurre un’analisi fonologica: è immediatamente possibile per l’utente ricavare la lista delle frequenze (e delle formanti) di certi segmenti del file audio, nonché visualizzare il campione in forma di spettrogramma. La comunità per Praat è inoltre particolarmente attiva e non è affatto complicato trovare in rete una certa quantità di script e librerie per questo software.

Il dibattito sui contenuti aperti

Tanta e tale disponibilità di risorse e dati online che si presentano all’utilizzatore finale – e di cui io ho potuto fornire solamente un parziale riassunto – non è però scevra da dibattiti sulla forma in cui tali contenuti debbano essere rilasciati, ovvero quale sia il grado di libertà di utilizzo di tali strumenti informatici per l’utente.
In questa prospettiva di ripensamento degli strumenti si è fatta strada la politica delle licenze aperte, tanto per il lato software (open source) quanto per quello contenutistico (open access): critici rispetto alla logica tipica del copyright o degli strumenti chiusi (quali software con codice proprietario), rappresentano ad oggi uno strumento potente per la gestione e la regolazione del patrimonio culturale e del diritto d’autore.

Dal punto di vista del software si segnala quanto la comunità open source sia particolarmente attiva: tra i moltissimi, sono open source applicativi quali il browser Firefox, l’editor di fotoritocco avanzato Gimp, il kernel Linux, le suite LibreOffice – Open Office. Alla base della nascita del movimento per il software libero vi è da enfatizzare sia l’importante ruolo svolto da programmatori ed utilizzatori di ambienti Linux, sia quanto fatto dal movimento hacker. Per la tutela e la diffusione del software aperto si sono istituite diverse organizzazioni: tra le più celebri Free Software Foundation e Mozilla. Dal punto di vista governativo si stanno compiendo diversi passi in tal senso: si pensi per l’Italia alla Direttiva Stanca del 2005 dove viene previsto l’utilizzo e l’esportazione di dati in formato aperto.

In relazione alle possibilità di utilizzo dei lavori intellettuali, un’alternativa al copyright classico è rappresentato dall’adozione di licenze Creative Commons CC, attraverso cui è possibile rilasciare la propria opera d’ingegno con dicitura Public Domain (nessun dovere da parte dell’utilizzatore), Attribuzione (necessità di citare l’autore), Non Commerciale (non è possibile utilizzare la risorsa per fini commerciali); per una introduzione al tema delle creative commons, che coprono file audio, immagini, testi ecc. si può consultare il manuale S.Aliprandi, Creative Commons: Manuale operativo, a sua volta rilasciato con licenza CC.

Si inserisce in questa prospettiva di ripensamento del ruolo dell’utilizzatore rispetto al contenuto tutta una serie di azioni di cyberattivismo vòlte a mostrare il lato chiuso di una buona parte del mondo digitale: cito a titolo di esempio le tristi storie del giovane Aaron Swartz pagina wikipedia e Diego A. Gomez. Il primo, arrestato a venticinque anni per aver violato e scaricato una parte dell’archivio informatico di JSTOR, suicidatosi due anni dopo di fronte ad una pena prevista di 35 anni C. Frediani, Aaron Swartz, storia di un attivista del web La vita del genio ribelle in un documentario, pubblicato su “L’Espresso”, 01/07/2014 ; il secondo, studente colombiano, accusato di violazione di copyright ed attualmente sotto processo Diego A. Gomez Hoyos, A letter for Open Access.

Di diversa tipologia sono da citare sia le recenti dimissioni del board editoriale della importante rivista Lingua (Elsevier) per la formazione di una rivista open access, Glossa: J. Rooryck et al, Renegotiation of editorial collaboration – Lingua in Open Access, 10/07/2015, che le critiche rivolte alla piattaforma di condivisione di paper accademici Academia.edu, per cui M.Haspelmath, Why open-access publication should be nonprofit — a view from the field of theoretical language science ed il recente articolo su Forbes S.Bond, Dear Scholars, Delete Your Account At Academia.Edu.

Questo breve appunto è per sua natura fondamentalmente incompleto in molte parti: da un lato ho tentato di fornire sia un indice di risorse utili per lo studioso ed il curioso, dall’altro ho provato a mostrare quanto tale disponibilità di risorse in formato digitale non sia di per sé garanzia di libertà completa di utilizzo.


Leave a Reply

Your email address will not be published. Required fields are marked *