Risorse
Negli anni ho costruito una serie di risorse di vario tipo per la ricerca linguistica o per la didattica, in particolare dell'italiano.
Di seguito una lista in progress delle principali, tutte scaricabili o utilizzabili online: applicazioni, dataset, strumenti o script per elaborare dati.
Risorse principali
DICI-A - Dizionario delle collocazioni italiane per apprendenti
Il DICI-A. Dizionario delle collocazioni italiane per apprendenti è una dizionario online delle collocazioni italiane progettato specificamente per chi apprende l'italiano come seconda lingua. È stato pubblicato nell'aprile 2026.
Spina S., Fioravanti I., Zanda F., Perri, D. & Gervasi O. (2026). DICI-A. Dizionario delle collocazioni italiane per apprendenti, Dizionario online, https://dictionary.dici-a.it/, ISBN 979-12-243-2944-2.
Report sintetico
MALT-IT2. Misurare automaticamente il livello dei testi per studenti di italiano L2
MALT-IT2 è un'applicazione web in grado di misurare in modo automatico la difficoltà di un testo specificamente rivolto a studenti di lingua madre diversa dall'italiano, assegnandolo a uno dei quattro livelli intermedi e avanzati del Quadro Comune Europeo di Riferimento per le lingue: B1, B2, C1 e C2.
Forti, L., Grego Bolli, G., Santarelli, F., Santucci, V. & Spina, S. (2020). MALT-IT2: A New Resource to Measure Text Difficulty in light of CEFR levels for Italian L2 learning. In Proceedings of the 12th Language Resources and Evaluation Conference (LREC 2020), pp. 7206-7213, Paris: ELRA. https://aclanthology.org/2020.lrec-1.890/
AIWL - Academic Italian Word List
L'AIWL è una lista di frequenza del lessico non tecnico usato nella comunicazione accademica scritta in italiano. È stata estratta dalla sezione accademica del Perugia corpus, che comprende in modo bilanciato 240 testi appartenenti a diverse discipline accademiche e tipologie testuali. Include 403 parole e 208 collocazioni.
Spina, S. (2010). AIWL: una lista di frequenza dell'italiano accademico, in Bolasco S., Chiari I., Giuliano L., Statistical Analysis of Textual Data, Proceedings of the 10th Conference JADT, Milano, Editrice universitaria LED, pp. 1317-1325.
CGSI - Corpus di Cronaca Giudiziaria nella Stampa Italiana
Il corpus di Cronaca Giudiziaria nella Stampa Italiana (CGSI) è un corpus di 220 articoli di giornale, pubblicati in un arco temporale di sette anni, tra il 2008 e il 2015, da 29 quotidiani italiani. Gli articoli sono relativi a otto casi giudiziari e sono stati pubblicati in un periodo di 24 giorni a partire dal momento in cui sono stati resi noti per la prima volta dalla stampa.