Il presente contributo è stato redatto da Christina Mutter e Beatrice Colcuc in occasione della presentazione di VerbaAlpina nell'ambito dei Seminari di Cultura Digitale dell'Università di Pisa il 4 maggio 2022.

1. Il progetto VerbaAlpina

• VerbaAlpina. Der alpine Kulturraum im Spiegel seiner Mehrsprachigkeit ('VerbaAlpina. L'area culturale alpina riflessa nel suo multilinguismo)
• Atlante linguistico del territorio alpino
• Finanziamento della Deutsche Forschungsgemeinschaft (DFG, Fondazione tedesca per la ricerca) dal 2014 come progetto a lungo termine (prospettiva fino al 2026)
• Combinazione di linguistica e informatica nel quadro delle Digital Humanities
• Cooperazione tra l'Istituto di Filologia Romanza e il Gruppo IT per le scienze umane (ITG) della LMU (Team)

2. VerbaAlpina: Studiare la complessità alpina

Studio del lessico dialettale delle tre famiglie linguistiche della regione alpina: romanza, germanica, slava (Romania alpina, Germania alpina, Slavia alpina). (Mappa interattiva)

2.1 Area di studio: la regione alpina

Area di ricerca di VerbaAlpina

• Limitazione dell'area di studio: Perimetro della Convenzione delle Alpi
• Convenzione delle Alpi: accordo internazionale (1995) tra gli 8 paesi alpini e l'UE per lo sviluppo sostenibile e la protezione delle Alpi
• Superficie di 190.600 km2
• include parti di 6 paesi diversi (D, A, CH, I, F, SLO) e 2 paesi completi (FL, MC)

2.2. Generalità dell'area alpina

• 3 famiglie linguistiche rappresentate da continua dialettali
• Gradi di frammentazione dialettale:
  • Romanza: molto frammentata
  • Germanica: abbastanza frammentata
  • Slava: poco frammentata
• Le zone di distribuzione delle 3 famiglie linguistiche non possono essere limitate a stati specifici
• Romanzo: varietà del continuum assegnabili a diverse lingue (francese, italiano, occitano, francoprovenzale, romancio, ladino e friulano)
• Germanico: varietà alemanne e bavaresi, con alcune isole linguistiche walser e bavaresi antiche (cimbri) sul lato meridionale
• Slavo: dialetti sloveni, usati anche nelle comunità italiane e austriache

I dialetti alpini sono:

• storicamente primari, cioè originati nelle zone in cui sono parlati, solo successivamente sono stati coperti da lingue storicamente secondarie (poi standard)
• usati localmente e all'orale

Lingue standard:

• Uso a livello regionale / statale
• Campo della scrittura, nei mass media
• alfabetizzazione, comunicazione dei cittadini con l'amministrazione, produzione di testi letterari, ecc.
• italiano, francese, tedesco, sloveno

Inoltre, presenza di lingue minori:

• occitano
• francoprovenzale/arpitano
• romancio
• ladino
• friulano

cfr. minoranze linguistiche d'Italia

• due livelli in scambio osmotico: i dialetti assorbono elementi dalle lingue standard e viceversa
• i parlanti di alcune zone alpine parlano non solo una, ma due o tre lingue standard (e altrettanti dialetti)

2.3. Obiettivi di VerbaAlpina

1. documentare aree di parole che spesso attraversano i confini di una delle tre famiglie linguistiche (geolinguistica interlinguistica)
2. identificare le caratteristiche (soprattutto lessicali) comuni al di là dei confini individuali dei dialetti e delle lingue
3. evidenziare i punti etnolinguistici in comune e le divergenze
4. Superare la tradizionale limitazione degli stati-nazione

Esempi: lat. *excocta / butyrum

Cosa rende la regione alpina così interessante come area di studio?

• ampia omogeneità etnografica e topografica (somiglianze geologiche, limitazione a singole forme economiche tradizionali)
• forte eterogeneità linguistica (3 famiglie linguistiche, diverse lingue, grande diversità di dialetti)
• zona di confine di diversi stati
• rete relativamente densa di atlanti linguistici e dizionari

2.4. Domini concettuali

Lessico di:

Fase I: 10/14 -10/17, alpicoltura e lavorazione del latte

Fase II: 11/17-10/20, natura (formazioni paesaggistiche/meteorologia/fauna/flora)

Fase III: 11/20-10/23, vita moderna (ecologia/turismo)

Schema riassuntivo delle fasi progettuali di VerbaAlpina

• I domini concettuali sono selezionati in base alla tradizione dell'etnolinguistica romanza
• etnolinguistica = studio linguistico delle culture europee e non europee
• La ricerca dialettologica nel senso di Cardona (Cardona 1995) è etnolinguistica quando i dati linguistici sono raccolti e analizzati in stretta connessione con la cultura quotidiana dei parlanti
• nella tradizione romanza, la ricerca etnolinguistica è stata istituita dall'AIS (Atlante linguistico e tematico dell'Italia e della Svizzera meridionale)

Accesso ai domini concettuali attraverso:

• Mappa interattiva
• Crowdsourcing tool

Accesso ai tre domini concettuali attraverso la cartina interattiva

L'accesso ai domini concettuali attraveso la piattaforma di crowdsourcing

3. Dati

3.1. Atlanti e dizionari della regione alpina

La seguente cartina mostra le zone di rilevamento dei singoli atlanti e dizionari che coprono parti dell'area alpina:

Atlanti linguistici e dizionari nell'area alpina

Atlanti linguistici e dizionari nell'area alpina

3.1.1. Tipologia delle fonti

Gli atlanti linguistici utilizzati da VA come fonti di dati sono caratterizzati dalle seguenti caratteristiche:

1. I dati ivi contenuti sono georeferenziabili: i comuni sono considerati come l'unità più piccola di riferimento
2. Diverse famiglie linguistiche: romanza, germanica, slava
3. Diverse tradizioni di ricerca (romanistica, germanistica, slavistica)

Atlanti linguistici romanzi

• Mappe analitiche: le espressioni sono rese in maniera completa
• Importanza della documentazione
• Creazione di relazioni spaziali tra le fonti è lasciata al lettore
• Sistema di trascrizione: Böhmer-Ascoli

Esempi: AIS map 1401, il fienile; ALF map 1, abeille

Atlanti linguistici germanici

• Mappe sintetiche: le espressioni vengono sintetizzate e rese attraverso dei simboli
• Le relazioni spaziali sono riprodotte sulla mappa
• Sistema di trascrizione: Theutonista

Esempi:

VALTS IV, 36 1, Molke (Käsewasser) ('siero')

TSA, Karte 16, das Wetter (il meteo)

SLA: Atlante linguistico sloveno

vedi atlanti germanici

SLA, Karte 55, hlev za krave 'la stalla'

4. Diverse focus di interesse

• BSA (Bayerischer Sprachatlas) / ALD-I e ALD-II (Atlant linguistich dl ladin dolomitich y di dialec vejins; Atlante linguistico del ladino dolomitico e dei dialetti adiacenti) non contengono nessuna mappa (o pochissime) relative a concetti fondamentali come CASARO, MUNGERE, CAGLIO, PASTORE ecc.
• L'AIS (Sprach- und Sachatlas Italiens und der Südschweiz), invece, contiene molte carte su concetti etnografici e anche disegni di oggetti tipici alpini come la cartina1206, la zangola.

3.2. Crowdsourcing

Definizione:

"Crowdsourcing ist eine interaktive Form der Leistungserbringung, die kollaborativ oder wettbewerbsorientiert organisiert ist und eine große Anzahl extrinsisch oder intrinsisch motivierter Akteure unterschiedlichen Wissensstands unter Verwendung moderner IuK-Systeme auf Basis des Web 2.0 einbezieht." (Traduzione italiana: Il crowdsourcing è una forma interattiva di fornitura di servizi organizzata in modo collaborativo o competitivo che coinvolge un gran numero di attori motivati estrinsecamente o intrinsecamente di diversi livelli di conoscenza che utilizzano i moderni sistemi informatici basati sul Web 2.0) Martin/Lessmann/Voß 2008

• Crowdsourcing di VerbaAlpina: i parlanti di un dialetto alpino vengono contattati direttamente e chiamati a fornire parole dialettali
• Parallelamente alle fonti di dati stampati o digitali (vedi sopra), VerbaAlpina raccoglie nuovi dati provenienti dai parlanti di un dialetto alpino attraverso lo strumento di crowdsourcing

Obiettivi del crowdsourcing (Link alla piattaforma):

1. bilanciare le incoerenze tra le fonti già disponibili
2. eliminare le lacune o le imprecisioni
3. marcare termini obsoleti come tali

Visualizzazione dei contributi crowd

• simboli rotondi blu: luoghi dai quali VerbaAlpina ha registrato parole dialettali provenienti da crowd, la cifra indica il numero delle parole ricevute
• Statistica Live 

3.3. Riassunto

• Eterogeneità dei dati
• Scopo: struttura
• Principio: semplificare il confronto tra i dati e le fonti

4. Elaborazione dei dati

Tre fasi principali, ma:

Problema: acquisizione di dati specificamente da atlanti linguistici

Sistemi di trascrizione usati negli atlanti linguistici (per esempio AIS: Böhmer-Ascoli) non sono sempre codificati in Unicode (quindi non è sempre possibile rilevare con OCR)

Soluzione:

4.1. Trascrizione

• Prima fase dell'omogeneizzazione dei dati
• VerbaAlpina utilizza il BetaCode (sistema di trascrizione elaborato dal Thesaurus Linguae Graecae).
• Regole di trascrizione: ad ogni carattere specifico di ogni atlante corrisponde uno o più caratteri ASCII

Tool

Sistema di trascrizione di VerbaAlpina

• Dati crowd non vengono trascritti

La tabella seguente mostra i dati nella tabella Aeusserungen (espressioni, parole grezze)

4.2. Tokenizzazione

• I dati linguistici trascritti (oppure i dati dal crowd) vengono segmentati in token
• I token vengono convertiti in IPA

Il processo di tokenizzazione funziona come segue:

• Tool per la tokenizzazione (Id_stimulus 1550)

4.3. Tipizzazione

• Uno dei compiti centrali di VerbaAlpina
• Raggruppamento di attestazioni linguistiche secondo le caratteristiche linguistiche
• Scopo della tipizzazione: strutturare la varietà delle varianti linguistiche in modo gestibile
• Definizione di "tipo morfo-lessicale": classe di espressioni linguistiche / rappresentante di un gruppo di varianti fonetiche
• Le attestazioni linguistiche che condividono le seguenti proprietà, sono raggruppate sotto lo stesso tipo morfo-lessicale:

1. 1. Famiglia linguistica
   2. Categoria grammaticale
   3. Affissazione
   4. Genere
   5. Tipo di base lessicale

• La forma di un tipo morfo-lessicale è rappresentata dai lemmi dei dizionari di riferimento:
  • Gruppo germanico/slavo: solo una lingua standardizzata (tedesco e sloveno)
  • Gruppo romanzo: tutti i tipi morfo-lessicale sono rappresentati dalle forme standard francesi e italiane, se disponibili (beurre/burro; lait/latte ecc.); altrimenti, si prende solo una delle due forme (italiano O francese), come nel caso di ricotta; se non esiste una variante del tipo in nessuna delle due lingue romanze di riferimento, si usa la voce di un dizionario dialettale (BLad, LSI ecc.);
  • Nel caso non siano disponibili voci adatte nei dizionari di riferimento, VerbaAlpina propone un tipo morfo-lessicale proprio.
• Tipo di base: la prima forma storicamente attestata di quel tipo ((≅ etimo, ma l'etimo si riferisce allo strato linguistico immediatamente precedente)

5. Accesso ai dati

5.1. Mappa interattiva

• Diversi filtri, diverse possibilità di visualizzazione
• Ricerca semasiologica: dai tipi di base / tipi morfo-lessicali ai CONCETTI (esempio 1: mappa ai CONCETTI del tipo morfo-lessicale gallina (roa); esempio 2: mappa al tipo di base lat. *cappellus)
• Ricerca onomasiologica: dal CONCETTO ai tipi morfo-lessicali / tipi di base (esempio: mappa delle realizzazioni del concetto ERLE
• Dati extralinguistici: Iscrizioni, toponomastica, infrastrutture, ecc. (esempio: Mappa dei toponimi germanici in Italia)

5.2. LexiconAlpinum

Link

• Elenco in ordine alfabetico di tipi morfo-lessicali, tipi di base e concetti raccolti da VerbaAlpina
• Commenti linguistici: in caso di informazioni insufficienti nei dizionari di riferimento o per concetti centrali come FORMAGGIO, BURRO, CASCINA DI MONTAGNA, ecc.
• Varie opzioni tramite icone:
  • Visualizzare i dati sulla mappa interattiva
  • Citare la voce (attraverso il link diretto)
  • Cliccando su "dati" si accede a tutte le informazioni raccolte nella finestra informativa della mappa interattiva (link agli articoli corrispondenti nei dizionari di riferimento, link all'elemento Wikidata, ecc.)
• Obiettivo: contestualizzare lessicograficamente ed enciclopedicamente il materiale VA
• Esempio: Anke (gem m.)

5.3. API

• API: "application programming interface" ‚interfaccia di programmazione di un'applicazione'
• API di VerbaAlpina

6. I principi FAIR

Dati di ricerca devono essere FAIR:

• F_indable (ritrovabile)
• A_ccessible (accessibile)
  
• I_nteroperable (interoperabile)
• R_eusable (riutilizzabile)

--> principi postulati da Wilkinson 2016 come principi guida per la gestione di dati scientifici

Dati di ricerca sono...

F_indable --> tramite cataloghi di biblioteche e aggregatori di dati

A_ccessible --> tramite licenze open access

I_nteroperable --> attraverso la compatibilità dei database e la loro interconnessione

R_eusable --> risulta da F, A, I

6.1. Cosa fa il progetto VerbaAlpina per rendere i suoi dati FAIR

F_indable

Cooperazione con la Biblioteca Universitaria dell'Università di Monaco (i dati di VerbaAlpina sono disponibili su UB Discover, versione 19/1 + 19/2) e i due progetti che si occupano della gestione dei dati di ricerca "e-humanities-interdisziplinär" (fino al 2021) e "GeRDI" (Generic Research Data Infrastructure) (fino al 2019)

A_ccessible

Licenza Creative Commons (compatibile con open access e open source) per tutti i dati gestiti da VerbaAlpina (fino alla versione 18/1: CC BY SA 3.0, dalla versione 18/2: CC BY SA 4.0)

I_nteroperable

• attraverso una granulazione fine dei dati tramite
  - elaborazione strutturata dei dati (trascrizione, tokenizzazione, tipizzazione)
  - assegnazione di dati normativi (Q-ID, L-ID, GND, GeoNames ecc.)
  - arricchimento con metadati in formato DataCite e CIDOC CRM
  - assegnazione di identificatori persistenti (per esempio DOI, Digital Object Identifiers)
• accesso a dati primari e metadati (tramite mappa interattiva, Lexicon Alpinum, API)

R_eusable

risulta da F, A, I

• i requisiti di F, A, R mirano a essere sia human readable (leggibili dall'uomo) che machine readable (leggibili dalla macchina) --> si applicano alla comunicazione uomo-macchina-uomo e alla comunicazione macchina-macchina
• I --> si applica solo alla comunicazione macchina-macchina, MA: è fondamentale per il progresso della ricerca

6.1.1. Interoperabilità: Assegnazione di dati normativi

Dati normativi creati da VerbaAlpina

Per le 3 entità principali

- tipi morfo-lessicali: L
- concetti: C
- comuni: A

Per esempio:

L1435, „babeurre (m.) (roa.)“
C612, „ALMHÜTTE“ (baita)
A60171, „Sils in Engadin/Segl“

Identificatori persistenti di istituzioni esterne (basi di conoscenza (knowledge bases), banche dati che contengono dati normativi, dizionari di riferimento)

• Q-IDs di Wikidata (per concetti), in parte anche L-IDs di Wikidata (per tipi morfo-lessicali)
• in parte i cosiddetti GND della Biblioteca Nazionale Tedesca (per i concetti) (Gemeinsame Normdatei, file standard comune)
• GeoNames di www.geonames.org (per comuni)
• Codici ISO 639-3 (per lingue)
• Identificatori di dizionari di riferimento (per tipi morfo-lessicali + tipi di base)
• DOIs (Digital Object Identifiers, assegnato ad ogni singolo dato)

Finestra dettagliata di un punto di dati specifico

Bibliographie

• AIS = Jaberg, Karl / Jud, Jakob (1928-1940): Sprach- und Sachatlas Italiens und der Südschweiz, Zofingen, vol. 1-7
• Cardona 1995 = Cardona, Giorgio Raimondo (1995): La foresta di piume. Manuale di etnoscienza, Roma, Bari, Laterza
• Martin/Lessmann/Voß 2008 = Martin, Nicole/ Lessmann, Stefan/ Voß, Stefan (2008): Crowdsourcing: Systematisierung praktischer Ausprägungen und verwandter Konzepte, Berlin, in: Bichler, Martin: Multikonferenz Wirtschaftsinformatik 2008, GITO-Verlag. Link
• Wilkinson 2016 = Wilkinson, M. D. et al. (2016): The FAIR Guiding Principles for scientific data management and stewardship, in: Scientific Data 3:160018. Link