ECTS - University of Pisa
View syllabus
APPLIED LINGUISTICS
ALESSANDRO LENCI
Academic year2023/24
CourseLINGUISTICS AND TRANSLATION
Code1080L
Credits9
PeriodSemester 2
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
LINGUISTICA APPLICATAL-LIN/01LEZIONI54
ALESSANDRO LENCI unimap
Obiettivi di apprendimento
Learning outcomes
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
Knowledge

The student will acquire knowledge on the main topics concerning semantic representation, with particular regards to distributional semantics and its application for linguistic and cognitive modeling. The student will also be introduced to the statistical analysis of linguistic data with the R environment
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
Assessment criteria of knowledge

  The assessment of knowledge will be carried out through:

  • an oral exam, to verify the knowledge of the texts and of the topics presented during classes
  • a written test with the resolution of statistic exercises with 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
Skills

The student will know the most recent methods and models of semantics and will learn to use the R environment for statistical analyses of linguistic data
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
Assessment criteria of skills

During laboratory sessions, students will solve exercises to understand the use of software for the construction of distributional semantic spaces and the use of the R environment
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
Behaviors

The student will learn and/or develop abilities related to the study of semantics with distributional methods and to the statistical analysis of linguistic data

Students will acquire accuracy and precision in semantic and statistical analyses of linguistic data
Modalità di verifica dei comportamenti

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

During classes and lab sessions we will evaluate the accuracy and precision in carrying out linguistic tasks.
Prerequisiti (conoscenze iniziali)

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

Basic notions of general linguistics (morphology, syntax, and semantics)
Indicazioni metodologiche

Lezioni: frontali

Modalità di apprendimento:

  • frequenza delle lezioni
  • studio individuale
  • attività di laboratorio

Metodi di insegnamento:

  • lezioni
  • laboratorio

Lingua del corso: italiano

 

 
Teaching methods

Delivery: face to face

Learning activities:

  • attending lectures
  • individual study
  • laboratory work

Teaching methods:

  • lectures
  • laboratory

Course language: Italian

 
Programma (contenuti dell'insegnamento)

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
Syllabus

Symbolic and distributional models of semantic representation

The course will introduce the main linguistic, computational and cognitive models for semantic representation, with particular focus on vector-based models in distributional semantics:

  • symbolic representations of meaning: truth-conditional semantics, Conceptual semantics
  • problems and limits of symbolic models
  • foundations of distributional semantics
  • building distributional semantic spaces: co-occurrence matrices, neural models, (word embeddings), etc
  • compositionality in distributional semantics
  • distributional semantics and formal semantics
  • applications of distributional semantics for (neuro)cognitive modeling

Classes will be complemented with practical sessions to build distributional semantic spaces.

Lab sessions:
Introduction to the statistical analysis of linguistic data with R (http://www.r-project.org/):

  • data structures
  • descriptive statistics (frequence, contingency tables, measures of central tendency and dispersion, plots, etc.)
  • basic statistic tests (chi-2, t, etc.)
  • correlation and linear regression
Bibliografia e materiale didattico

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
Bibliography

Texts whose knowledge will be tested at the exam:

Program for 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.

 

Program for 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)

 

Reference text for the lab sessions:

  • Gries, S. Th. (2009), Statistics for Linguistics with R, Berlin, De Gruyter
Indicazioni per 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)
Non-attending students info

Texts whose knowledge will be tested at the exam:

Program for 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.

Program for 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)

Students who do not attend classes will replace the written test on R with the following text:

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

 
Modalità d'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
Assessment methods

 

  • Oral exam in which the student must demonstrate knowledge of the topics covered in class and of the course texts
  • Written test with the resolution of statistic exercises with R

 
Note

Commissione di esame:

  • Prof. Alessandro Lenci
  • Dott. Alessandro Bondielli
  • Prof. Pietro Dini

 

Inizio lezioni: 26 febbraio 2024
Notes

Exam commission:

  • Prof. Alessandro Lenci
  • Dott. Alessandro Bondielli
  • Prof. Pietro Dini

 

Classes begin on 26 February 2024
Updated: 18/02/2024 07:45