|
|
|
|
|
|
|
|
NEWSLETTER
n. 3/2026
|
Ricevi questa newsletter perché iscritto alla mailing list di AILC, l'Associazione Italiana di Linguistica Computazionale. Ti invieremo una newsletter contenente aggiornamenti relativi a eventi, risorse e progetti non più di quattro volte all'anno, con scadenza trimestrale.
Se non vuoi ricevere più la newsletter, rimanendo comunque iscritto alla mailing list di AILC, usa l'apposito link che trovi a piè di pagina.
|
|
|
|
· NOTIZIE DALL'ASSOCIAZIONE ·
|
|
|
|
|
|
CLiC-it 2026
CLiC-it 2026 si è tenuto a Palermo, dal 14 al 16 settembre, per la sua dodicesima edizione! Anche quest’anno la conferenza ha confermato la vitalità della comunità italiana di Linguistica Computazionale, con 104 lavori accettati (acceptance rate 82%) e 15 Research Communications. Il programma si è articolato in 7 sessioni orali, 3 sessioni poster e una sessione dedicata alle Research Communications.
La partecipazione si è mantenuta su livelli molto alti, con 186 partecipanti. Il programma scientifico è stato arricchito da due keynote, tenuti da Gemma Boleda (Universitat Pompeu Fabra/ICREA) e Ryan Cotterell (ETH Zürich), da un panel con Roberto Basili, Alessandro Lenci e Malvina Nissim, e da un tutorial a cura di Marco Guerini e Daniel Russo. Alla conferenza hanno inoltre contribuito 14 supporter, tra aziende e istituzioni, e non sono mancati i momenti dedicati alla vita della comunità, con due eventi sociali che hanno accompagnato le tre giornate palermitane e hanno anche messo alla prova — con successo — la resilienza dei nostri soci di fronte a qualche imprevisto meteorologico!
I proceedings saranno, come sempre, pubblicati su CEUR e sull'ACL Anthology, ma i contributi sono già consultabili nei pre-proceedings.
|
|
|
|
“Emanuele Pianta” Award for the Best Master’s Thesis
|
AILC è lieta di annunciare la vincitrice dell’“Emanuele Pianta” Award for the Best Master’s Thesis: Greta Gorzoni (Università di Bologna, relatrici: Francesca Masini e Ludovica Pannitto), con la tesi “Layer Su Layer”: Identifying and Disambiguating the Italian NPN Construction through BERT’s Contextual Embeddings.
|
|
La tesi affronta l’identificazione e la disambiguazione della costruzione NPN (Noun–Preposition–Noun) nell’italiano, esplorando l’impiego degli embeddings contestuali per analizzare le diverse interpretazioni che questa struttura può assumere a seconda del contesto linguistico. Il lavoro si colloca all’intersezione tra linguistica computazionale e analisi delle strutture sintattiche dell’italiano.
|
|
La Commissione, composta da Danilo Croce, Eleonora Litta e Manuela Sanguinetti, ha inoltre assegnato una Mention of Honor ad Arianna Paola Di Pascale (Università di Torino, relatrice: Rachele Sprugnoli) per la tesi Metafore, politica e violenza domestica. Analisi del discorso parlamentare italiano attraverso la creazione di una nuova risorsa linguistica annotata.
|
|
|
|
Best Student Paper Award
|
Il lavoro indaga l’influenza dell’ordine dei dati di pre-training sull’apprendimento dei language models, analizzando come tale fattore contribuisca alla formazione delle loro rappresentazioni interne.
|
|
Il riconoscimento, conferito dalla commissione composta da Francesco Cutugno, Malvina Nissim e Roberto Zamparelli, premia un contributo di particolare interesse nell’ambito dello studio dei language models e dell’influenza dei dati di pre-training sulle loro rappresentazioni.
|
|
|
|
Outstanding Contribution to Italian NLP Resources
Un importante riconoscimento all’interno della conferenza CLIC-it 2016 è stato dedicato a due lavori che contribuiscono in modo significativo allo sviluppo di risorse e modelli per l’NLP in italiano:
|
- Luca Gioffré, Marina Iuliana Aur, Francesco Ortame, Luca Moroni, Alberte Fernández-Castro, Elena Marafatto e Roberto Navigli, Dromedario-3: Localizing Tülu 3 Dataset to Italian: il lavoro presenta la localizzazione in italiano del dataset Tülu 3, con l’obiettivo di ampliare la disponibilità di risorse per l’addestramento e la valutazione di modelli linguistici in italiano.
- Matteo Rinaldi, Marco Madeddu, Calogero Jerik Scozzaro, Matteo Delsanto, Daniele P. Radicioni e Viviana Patti, AlBERTurin: A Fully Open Family of Italian Encoder Models with Modern Architectures: lo studio introduce una famiglia di modelli encoder interamente aperti per la lingua italiana, riproducibili e accessibili, offrendo diverse configurazioni in termini di dimensione e capacità.
|
Un risultato che valorizza la varietà e la qualità dei contributi dedicati all’NLP italiano.
|
|
La lista completa dei premi, anche degli anni passati, è disponibile sul sito web AILC.
|
|
|
|
NL4AI 2026
Dove: Perugia
Quando: 7-8 ottobre 2026 (nel contesto della conferenza AIxIA 2026)
|
|
L'obiettivo del workshop è riunire la comunità italiana di NLP e AI per discutere le più recenti attività di ricerca al confine tra elaborazione del linguaggio naturale e intelligenza artificiale. Il programma di NL4AI 2026 conta 15 paper accettati, su temi che spaziano da analisi del sentiment e disinformazione a modelli multimodali, linguistica cognitiva ed etica dell'NLP. Due gli invited speaker di quest'edizione: Marco Turchi, Principal Researcher e responsabile del gruppo di Machine Translation presso Zoom, e Lorenzo De Mattei, co-fondatore e CPTO di Aptus.AI, che si confronteranno anche in un panel su temi di attualità nell'NLP, incluso il ruolo della disciplina nel più ampio panorama dell'AI.
|
|
|
|
|
Lectures on Computational Linguistics 2027
|
L'edizione 2027 delle Lezioni di Linguistica Computazionale sarà organizzata da AILC in collaborazione con l'Università di Torino e si terrà a Torino in data ancora da definire. Gli organizzatori dell'evento sono: Valerio Basile, Cristina Bosco, Rossana Damiano, Vincenzo Lombardo, Alessandro Mazzei, Enrico Mensa, Viviana Patti, Daniele Radicioni.
|
|
|
|
|
CLiC-it 2027
|
La tredicesima edizione della Conferenza italiana di Linguistica Computazionale (CLiC-it 2027) si terrà a Pavia! La candidatura della sede è stata proposta da Elisabetta Jezek e porterà per la prima volta la nostra conferenza nella città lombarda. Sebbene il programma e i dettagli organizzativi siano ancora in fase di definizione, l'evento dovrebbe svolgersi tra la fine di novembre e l'inizio di dicembre 2027. Maggiori informazioni su date, chair e call for papers saranno comunicate nei prossimi mesi attraverso i canali ufficiali di AILC.
|
|
|
|
IJCoL vol. 12, n. 1 June 2026
- Charting a Decade of Computational Linguistics in Italy: The CLiC-it Corpus, Chiara Alzetta, Serena Auriemma, Alessandro Bondielli, Luca Dini, Chiara Fazzone, Alessio Miaschi, Martina Miliani, Marta Sartor;
- Challenging the Abilities of Large Language Models in Italian: A Community Initiative, Malvina Nissim, Danilo Croce, Viviana Patti, Pierpaolo Basile e molti altri membri della nostra comunità scientifica;
- Comparing Human and Large Language Model Perceptions of Semantic Similarity: Insights from the SimilEx Dataset, Chiara Alzetta, Felice Dell’Orletta, Chiara Fazzone, Giulia Venturi;
- The Evolution of Distributional Semantics for Ancient Greek: From Vector Models to Transformer-Based Approaches – State of the Art and Perspectives on Statement Retrieval, Federico Iezzi ed Elia Scapini;
- Tracing Taste over Time: Automatic Extraction and Diachronic Analysis of Gustatory Language in English, Teresa Paccosi e Sara Tonelli;
- Evaluating Sentence Splitting on 19th-Century Italian Novels: A Comparative Analysis Across Approaches, Arianna Redaelli e Rachele Sprugnoli;
- On Voice Activity Detection for Italian Spoken Language, Shibingfeng Zhang, Gloria Gagliardi, Fabio Tamburini.
|
|
|
|
|
|
|
|
28th ACM International Conference on Multimodal Interaction
|
ICMI 2026, la principale conferenza internazionale dedicata all’interazione multimodale, riunirà ricercatori di intelligenza artificiale, elaborazione di dati multimodali e interazione uomo-macchina che si interessano allo sviluppo sistemi innovativi, efficaci e centrati sull’essere umano. L’edizione 2026 sarà dedicata al tema “Context and Cultural Awareness for Multimodal Interaction” ovvero sul ruolo del contesto e della cultura nella progettazione di tecnologie capaci di comprendere e generare interazioni naturali, affrontando sfide quali rappresentazione dei dati, mitigazione dei bias, etica e privacy.
|
|
|
|
|
|
|
|
|
ERC Advanced Grant: CLIMB
|
Alessandro Lenci dell'Università di Pisa è il PI del nuovo progetto ERC CLIMB (ERC-AdG-2025 101266749) – Cognitively-Inspired Language Models for Investigating Human Language Acquisition and Processing (https://colinglab.fileli.unipi.it/erc-climb/). Dal 1° dicembre 2026, per cinque anni, svilupperà language model per cinque lingue (italiano, inglese, francese, tedesco, norvegese e cinese) ispirati all’apprendimento umano, integrando linguistica, scienze cognitive e psicologia dello sviluppo. Attraverso l'uso di dati multimodali e l'integrazione di principi cognitivi, CLIMB userà i language model per studiare come acquisiamo ed elaboriamo il linguaggio.
|
|
|
|
|
|
Mimir: Large-scale Multilingual Concept Modeling
|
Il gruppo di ricerca SWAP dell'Università di Bari ha rilasciato Mimir, un Large Concept Model (LCM) multilingua addestrato anche sull'italiano con risorse CINECA (progetto ISCRA B). Superando il paradigma a token, gli LCM operano direttamente a livello di concetti/frasi, aprendo nuove frontiere nel ragionamento semantico. Mimir sarà presentato a EMNLP 2026 (main conference), mentre esperimenti specifici per la lingua italiana sono stati presentati a CLiC-it 2026. Mimir è open source! Tutti i modelli e le risorse sono disponibili su HuggingFace.
|
|
|
|
|
|
PREMOVE-IT
|
PREMOVE-IT estende all’italiano PREMOVE (https://hdl.handle.net/20.500.14106/2579), dataset dedicato ai verbi di movimento preverbati in latino e greco antico. La risorsa comprende 1.270 occorrenze di 17 verbi italiani di origine latina, tratte da una sezione di MIDIA e distribuite tra XIII e XX secolo. 300 occorrenze sono annotate manualmente e costituiscono il gold standard, mentre 970 sono state annotate automaticamente con DeepSeek V4 Flash. Le annotazioni riguardano la semantica del preverbo, la composizionalità e il significato del verbo, rappresentato tramite synset di Open English WordNet. Sono previsti futuri collegamenti con LiITA e PrevNet (https://prevnet.sites.er.kcl.ac.uk/).
|
|
|
|
GenderStereotypes AI Profiling
|
GenderStereotypes_AI_Profiling e' una selezione di 124 brevi testi scritti (italiani) facenti parte del dataset GSI:detect (su cui e' basato il task GSI:detect di EVALITA 2026); questi testi sono stati annotati manualmente da 281 persone non esperte (stratificate per genere ed eta' in quattro gruppi di riferimento) che hanno valutato la presenza di stereotipi di genere (GS) assegnando un valore numerico a ciascun testo (il "GS Value", un valore continuo compreso tra 0 e 1 dove 0 significa "nessuno stereotipo" o 1 significa "forte stereotipo").
|
|
|
|
sentixr: Lexicons and Tools for Italian Sentiment Analysis
|
Pacchetto sviluppato per R con l'obiettivo di risolvere task di sentiment analysis per l'italiano basato su i seguenti lessici affettivi: Sentix, MAL, ELIta VAD and ELIta basic.
|
|
|
|
CRF:filling
|
Dataset utilizzato per lo shared task "Case Report Form (CRF) filling" organizzato nel contesto di CL4Health2026 a LREC 2026 che consiste nel compilare una lista di 134 campi predefiniti a partire dalla storia clinica di un paziente che si presenta in pronto soccorso. Ogni campo può assumere dei valori binari (ad es. sì/no), categoriali (ad es. ipotermico, normotermico, ipertermico), o quantitativi (ad es. battito cardiaco). Il dataset consiste di 290 note cliniche con relativa CRF compilata manualmente ma include anche esempi annotati automaticamente e note cliniche non annotate.
|
|
|
|
|
ChatMinerva
|
È stato rilasciato ChatMinerva, il primo assistente di intelligenza artificiale italiano multimodale, basato sul Large Language Model Minerva e potenziato con funzionalità avanzate quali la gestione di documenti lunghi, l’elaborazione di input visuali, l’accesso al Web, meccanismi di sicurezza rafforzati e il riconoscimento ottico dei caratteri (OCR). Il progetto, addestrato utilizzando l'HPC Leonardo di Cineca, è stato sviluppato da un team di studenti e ricercatori del gruppo Sapienza NLP dell’Università di Roma La Sapienza e dello spin-off Babelscape.
|
|
|
|
|
|
|
