Sintesi

I corpora di apprendenti (L2) sono fondamentali per lo studio dell’acquisizione linguistica, ma spesso presentano scarsa interoperabilità, molta annotazione manuale e un’attenzione limitata agli errori, senza una descrizione completa della produzione.

Gli Universal Dependencies (UD) offrono uno standard di annotazione grammaticale cross-linguistico, oggi usato in oltre 160 lingue. Basati su lemmi, POS, tratti morfologici e relazioni sintattiche, organizzati nel formato CoNLL-U, gli UD rendono i dati comparabili, leggibili da umani e macchine, e utilizzabili sia in linguistica che in applicazioni computazionali.

Applicati ai corpora L2, gli UD consentono tre approcci complementari: annotazione letterale (ciò che lo studente scrive), correction-aware (produzione + correzione) e transfer-aware (influenze della L1). Questo permette di ottenere risorse più informative e di andare oltre l’error tagging tradizionale.

Il processo si articola in segmentazione, annotazione morfosintattica e annotazione delle dipendenze. Progetti come VALICO (italiano) e SweLL (svedese) mostrano il potenziale, supportati da parser automatici e strumenti come STUnD, che individuano pattern di errore e generano feedback automatico.

I vantaggi principali sono: interoperabilità tra corpora di lingue diverse, consistenza nell’annotazione anche di fenomeni complessi, nuove possibilità per la ricerca (confronti L1/L2/TL) e applicazioni nella didattica (CALL). Le prospettive future riguardano linee guida armonizzate, più dati autentici annotati e un parsing L2 più affidabile.