Infrastrutture di ricerca e dati FAIR

La seconda giornata di AIUCD 2021 si è aperta nel segno della scienza aperta, con un intervento di Franciska De Jong, direttore esecutivo di CLARIN ERIC, la Common LAnguage Resources and Technology INfrastructure, ossia l’infrastruttura europea per le risorse e tecnologie del linguaggio.

 

Con questa keynote, dal titolo CLARIN services for FAIR language resources, i partecipanti di AIUCD2021 hanno avuto la possibilità di conoscere meglio l’attività scientifica e di supporto alla ricerca di questa infrastruttura distribuita, costruita come una rete di consorzi nazionali e centri dati, alla quale anche l’Italia aderisce, con il consorzio CLARIN-IT.

La presentazione ha avuto come obiettivo principale quello di situare le attività di CLARIN nel contesto delle iniziative per la scienza aperta ed in particolare del movimento FAIR, promosso dai ricercatori per rendere i dati della ricerca trovabili, accessibili, interoperabili, riutilizzabili.

CLARIN è un’infrastruttura europea di ricerca. La sua missione è quella di fornire ai ricercatori un facile accesso ai dati linguistici e strumenti per il trattamento del linguaggio e del testo, ovunque essi si trovino. E quando parliamo di dati linguistici, è bene ricordare che non stiamo parlando soltanto di studi di linguistica teorica o applicata; i dati linguistici (grandi archivi testuali digitalizzati, corpora letterari, atti parlamentari, documenti storici, archivi istituzionali, archivi storici orali, archivi radiotelevisivi, …) sono indispensabili per lo studio e la ricerca in numerose discipline delle scienze umane e sociali, e sono alla base di molte delle ricerche nelle Digital Humanities.

In quanto infrastruttura che fornisce accesso a dati e risorse, la sua missione si integra perfettamente nella strategia europea per la scienza aperta, che vede il suo coronamento nella creazione di EOSC (European Open Science Cloud), alla quale CLARIN contribuisce con strumenti e servizi.

Ed è proprio ai contributi di CLARIN alla scienza aperta e all’implementazione dei principi FAIR che è dedicata la presentazione, volta a mostrare come l’infrastruttura promuova la condivisione e il riuso dei dati, supportando così anche la diversità linguistica.

L’infrastruttura di CLARIN si basa come dicevamo su una federazione di centri, che mettono a disposizione risorse linguistiche, strumenti e anche competenze. Un centro CLARIN tipicamente offre ai ricercatori vari servizi, che vanno dalla documentazione e deposito dati, al fine di preservarli nel tempo, all’accesso federato che permette di consultare risorse protette, attraverso il proprio identificativo istituzionale, all’attribuzione di identificativi perenni ai dati, cosa che li rende citabili e trovabili; i ricercatori che vogliono condividere, e quindi depositare e documentare, una risorsa sono inoltre indirizzati nella scelta della licenza adeguata.

Allo stesso tempo l’infrastruttura CLARIN è anche un’infrastruttura centralizzata, che fornisce un punto di accesso ai dati dei vari centri. Sul portale di CLARIN è possibile cercare e trovare risorse linguistiche provenienti da vari centri (attraverso una ricerca per metadati sul CLARIN Virtual Language Observatory,  VLO ma anche consultando le CLARIN Resource Families, o utilizzando la Federated Content Search, per cercare sistematicamente su più corpora e in varie lingue). Grazie all’armonizzazione dei metadati promossa da CLARIN, inoltre, è possibile anche identificare, per i vari tipi di dati, quali siano gli strumenti messi a disposizione per trattarli (questo avviene tramite il CLARIN Switchboard, che dà accesso a servizi web di diversi centri). 

Grazie a questa architettura tecnologica, CLARIN aiuta i ricercatori a rendere i propri dati trovabili, facilmente accessibili, interoperabili, e riutilizzabili. 

Già nel CLARIN-IT caffè del 19 gennaio,  che ha preceduto la conferenza AIUCD, una serie di presentazioni hanno mostrato vari esempi di risorse della comunità italiana messi a disposizione tramite CLARIN. Nella sua presentazione Franciska de Jong cita l’Archivio della Latinità Italiana del Medioevo (ALIM), ora descritto nel repository ILC4CLARIN.

Tra le altre risorse rilevanti per la comunità di AIUCD vengono citate quelle del repository francese CoCoON, dedicata ai corpora orali, alcune Resource Families, come ad esempio quella dedicata ai Computer-Mediated Communication corpora  oltre che varie altre collezioni virtuali di CLARIN.

Si sottolineano poi in particolare i servizi offerti da CLARIN al già citato EOSC, in particolare quelli di trattamento dei dati testuali dello Switchboard.

La parte finale della presentazione si concentra sui temi di riferimento della conferenza di quest’anno, mostrando come CLARIN aiuti i ricercatori nelle DH in particolare in ricerche ad alto potenziale di impatto sociale. 

Il primo caso è quello delle ricerche intorno al discorso politico per eccellenza, ovvero il discorso parlamentare, rese possibili in modalità multilingue e comparata grazie ai corpora parlamentari messi a disposizione dai vari consorzi nazionali. 

Lo sforzo di CLARIN in questo senso non è solo quello di documentare l’esistente, ma di rendere i vari corpora esistenti interoperabili e accessibili da un’interfaccia comune, grazie agli sforzi dell’iniziativa ParlaMINT.

L’armonizzazione dei metadati è particolarmente importante per questa tipologia di dati, così ricca di informazioni paratestuali sia a livello di documento (sessione parlamentare, data, argomento, …) che di parlante (nome, sesso, affiliazione politica…), che rendono possibili un numero di analisi comparative e contrastive.

Vengono citati ad esempio l’estrazione dei nomi più distintivi dei vari gruppi parlamentari per il corpus dell’Assemblea Nazionale francese, o lo studio dei discorsi tenuti da parlamentari uomini e donne del parlamento danese, per fasce di età (da notare i dati per le parlamentari più giovani!). Per maggiori dettagli su questi studi rimandiamo a Diwersy et al 2018 e Hansen et al 2018 rispettivamente. L’attuale ampliamento dei corpora comparabili in seno a CLARIN, grazie al progetto ParlaMINT, permetterà tra le altre cose di aggiungere il corpus del Senato della Repubblica (attualmente in fase di compilazione a ILC-CNR) alla lista di quelli per i quali queste tipologie di ricerche saranno possibili. 

Oltre al discorso politico, altri corpora di rilevanza sociale citati in questa presentazione sono DIDI e PAISÀ, ospitati nell’altro centro dati italiano, CLARIN EURAC di Bolzano e dedicati al linguaggio del Web. 

Oltre a questi, si aggiungono i numerosi corpora contenenti dati in lingua italiana ospitati da centri europei, come il Corpus PAROLE e MERLIN, contenenti dati di apprendenti di Italiano L2.

La panoramica dei servizi offerti da CLARIN ai ricercatori si conclude con il focus sull’infrastruttura “immateriale” della conoscenza, che mira a favorire lo scambio di competenze tra centri e consorzi, oltre che la collaborazione tra ricercatori in tutta Europa. Al cuore di questa Knowledge Infrastructure c’è la rete dei Centri K CLARIN, che offrono supporto e consulenza su varie tematiche e discipline.

Vale inoltre la pena di citare il Tour de CLARIN, una pubblicazione annuale che permette di conoscere meglio le attività dei vari centri, sia in termini di risorse che di competenze. 

La presentazione si conclude con una riflessione sulle sfide che attendono CLARIN e la  scienza aperta più in generale, e quindi anche la comunità di AIUCD. In primo luogo viene sottolineata la rilevanza delle risorse e tecnologie del linguaggio per tutte le discipline delle Scienze Umane e Sociali, cosa che si riflette nella collaborazione di CLARIN con altri ERIC del settore nel contesto di progetti europei come SSHOC e TRIPLE. SSHOC, in particolare, ha come obiettivo di garantire la visibilità e le specificità delle scienze umane e sociali nel futuro sviluppo di EOSC.

Nonostante il sostegno delle infrastrutture di ricerca, Franciska de Jong sottolinea come lo sforzo richiesto per la FAIR-izzazione dei dati sia considerevole e vada riconosciuto. Per questo la presentazione si conclude con la citazione della dichiarazione di San Francisco sulla valutazione della ricerca, firmata anche da molti ricercatori italiani, la quale contiene una  serie di raccomandazioni per migliorare il metodo di valutazione della produzione scientifica, che  considerino “il valore e l’impatto di tutti i prodotti della ricerca, compresi dataset e software, oltre che delle pubblicazioni”.

In chiusura di presentazione, un ultimo accenno a varie iniziative di finanziamento aperte ai ricercatori italiani, alle risorse di potenziale interesse per la didattica e l’insegnamento, e infine la call for papers di CLARIN2021, che avrà come chair proprio la coordinatrice nazionale di CLARIN-IT Monica Monachini.


La discussione, molto animata e sentita, sui temi della scienza aperta e dei dati aperti, ha visto interventi mirati a mettere in discussione l’approccio di apertura nelle licenze per i dati di CLARIN, che raccomanda ove possibile l’uso di licenze aperte, anche a fini commerciali. Va però sottolineato che la scelta delle licenze non viene mai imposta al creatore della risorsa, e che in ogni caso CLARIN, con la sua storia ormai più che decennale, non nasce dall’alto per soddisfare astratte politiche scientifiche sulla gestione dei dati della ricerca, ma è un’infrastruttura creata dai ricercatori per i ricercatori. 

In questo senso è fondamentale il ruolo degli umanisti digitali, “i protagonisti silenziosi del cambiamento della società”.

In chiosa a questa nostra relazione sui contenuti della  presentazione della Prof. De Jong, vogliamo sottolineare il coinvolgimento del consorzio CLARIN-IT all’interno del Comitato di Programma, che ha supportato la nuova struttura di AIUCD che si è spostata dagli ambiti tradizionali verso uno spazio di incontro virtuale con l’obiettivo di fornire un’esperienza coinvolgente. A questo si è aggiunto il sostegno logistico degli uffici di CLARIN ERIC, che hanno supportato AIUCD2021 in questo nuovo formato virtuale, con Maria Eskevich e David Bordon dietro le quinte di Zoom ad assicurarsi che tutto si svolgesse come da programma. 

Francesca Frontini, "Infrastrutture di ricerca e dati FAIR", in Leggere, scrivere e far di conto (blog accademico), 4 Febbraio 2021, https://infouma.hypotheses.org/652.

Francesca Frontini

Researcher at the Institute for Computational Linguistics, CNR Pisa. CLARIN ERIC Board of Directors.

Potrebbero interessarti anche...

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.

Search OpenEdition Search

You will be redirected to OpenEdition Search