Confrontare la pronuncia di apprendenti di una lingua straniera con enunciati di parlanti nativi (Delmonte 2009) sta ricevendo sempre più attenzione grazie anche alle numerose applicazioni che nascono nell’ambito della didattica assistita. Parallelamente, gli studi glottodidattici sulla variazione prosodica tra più parlanti nativi fanno emergere una variabilità ritmico-intonativa che non può essere ridotta a pochi modelli eligibili ma, al contrario, dovrebbe essere parte del bagaglio linguistico dell’apprendente. Allo stesso tempo, pare ancora difficile in che modo esplicitare all’apprendente il suo grado di competenza prosodica. Seguendo questa direzione, in questo studio presentiamo un chatbot pensato come supporto di apprendimento proattivo per il miglioramento delle competenze orali in italiano L2. Realizzato all’interno dell’applicazione di messaggistica istantanea Telegram, il chatbot prevede l’interazione con l’utente attraverso domande e risposte basate sulla valutazione di conoscenze disciplinari. In particolare, propone all’apprendente una serie di domande a risposta chiusa (quiz) che possono avere carattere generale di comprensione linguistica oppure essere legate a un particolare ambito disciplinare. All’individuazione della risposta corretta, l’apprendente ha la possibilità di ascoltare la stessa prodotta da parlanti madrelingua. A questo punto, l’apprendente invia al chatbot la propria risposta sotto forma di nota vocale. Questo è in grado di confrontare, in maniera automatica, la risposta dell’utente con un archivio di risposte date da parlanti madrelingua e trovare quindi quella che più si avvicina in termini prosodici a quella dell’apprendente. A partire da questa vicinanza prosodica l’utente riceve infine un riscontro sul proprio livello di competenza orale. Inoltre, l’impostazione a quiz permette la valutazione di eventuali criticità linguistiche come ad esempio la pronuncia di date o formule matematiche. Nella seconda parte della presentazione mostriamo quindi i primi risultati di uno studio pilota che vede la partecipazione di parlanti madrelingua italiana (con variazione regionale) e apprendenti di italiano L2. Attraverso il chatbot i locutori hanno risposto a una serie di domande creando così un corpus di frasi che sono state successivamente analizzate. Oltre ai possibili aspetti più tecnici (intensità, velocità d’eloquio, elisioni) ci si è quindi soffermati su quali siano stati i criteri di vicinanza prosodica che hanno portato alla valutazione in percentuale della frase letta dall’utente: ciò ha permesso sia di testare preliminarmente il grado di affidabilità del sistema sia di vedere se la variazione tra locutori italofoni ampliasse o meno il grado di correlazione con gli apprendenti di italiano.

La variazione prosodica in italiano: l’utilizzo di un chatbotTelegramper la didattica assistita per apprendenti di italiano L2 e nella valutazione linguistica delle conoscenze disciplinari

Valentina De Iacovo;Antonio Romano
2021

Abstract

Confrontare la pronuncia di apprendenti di una lingua straniera con enunciati di parlanti nativi (Delmonte 2009) sta ricevendo sempre più attenzione grazie anche alle numerose applicazioni che nascono nell’ambito della didattica assistita. Parallelamente, gli studi glottodidattici sulla variazione prosodica tra più parlanti nativi fanno emergere una variabilità ritmico-intonativa che non può essere ridotta a pochi modelli eligibili ma, al contrario, dovrebbe essere parte del bagaglio linguistico dell’apprendente. Allo stesso tempo, pare ancora difficile in che modo esplicitare all’apprendente il suo grado di competenza prosodica. Seguendo questa direzione, in questo studio presentiamo un chatbot pensato come supporto di apprendimento proattivo per il miglioramento delle competenze orali in italiano L2. Realizzato all’interno dell’applicazione di messaggistica istantanea Telegram, il chatbot prevede l’interazione con l’utente attraverso domande e risposte basate sulla valutazione di conoscenze disciplinari. In particolare, propone all’apprendente una serie di domande a risposta chiusa (quiz) che possono avere carattere generale di comprensione linguistica oppure essere legate a un particolare ambito disciplinare. All’individuazione della risposta corretta, l’apprendente ha la possibilità di ascoltare la stessa prodotta da parlanti madrelingua. A questo punto, l’apprendente invia al chatbot la propria risposta sotto forma di nota vocale. Questo è in grado di confrontare, in maniera automatica, la risposta dell’utente con un archivio di risposte date da parlanti madrelingua e trovare quindi quella che più si avvicina in termini prosodici a quella dell’apprendente. A partire da questa vicinanza prosodica l’utente riceve infine un riscontro sul proprio livello di competenza orale. Inoltre, l’impostazione a quiz permette la valutazione di eventuali criticità linguistiche come ad esempio la pronuncia di date o formule matematiche. Nella seconda parte della presentazione mostriamo quindi i primi risultati di uno studio pilota che vede la partecipazione di parlanti madrelingua italiana (con variazione regionale) e apprendenti di italiano L2. Attraverso il chatbot i locutori hanno risposto a una serie di domande creando così un corpus di frasi che sono state successivamente analizzate. Oltre ai possibili aspetti più tecnici (intensità, velocità d’eloquio, elisioni) ci si è quindi soffermati su quali siano stati i criteri di vicinanza prosodica che hanno portato alla valutazione in percentuale della frase letta dall’utente: ciò ha permesso sia di testare preliminarmente il grado di affidabilità del sistema sia di vedere se la variazione tra locutori italofoni ampliasse o meno il grado di correlazione con gli apprendenti di italiano.
L’individualità del parlante nelle scienze fonetiche: applicazioni tecnologiche e forensi
Zurigo (online)
4-5 febbraio 2021
L’individualità del parlante nelle scienze fonetiche: applicazioni tecnologiche e forensi
1
2
Valentina De Iacovo, Marco Palena, Antonio Romano
File in questo prodotto:
File Dimensione Formato  
AISV2021_AR_VD_MP.pdf

Accesso aperto

Descrizione: Poster del convegno
Tipo di file: PDF EDITORIALE
Dimensione 3.49 MB
Formato Adobe PDF
3.49 MB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/2318/1777652
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact