Associazioni di Parole

N.B.: Le immagini di questa sezione fanno riferimento a una versione precedente di T-LAB. In T-LAB 10 l'aspetto è leggermente diverso. Inoltre: a) una nuova opzione permette all'utilizzatore di visualizzare una Mappa MDS con le parole più rilevanti; b) un nuovo strumento (Graph Maker) consente di creare ed esportare vari tipi di grafici dinamici in formato HTML; c) il tasto destro sulle tabelle con le parole chiave rende disponibili opzioni supplementari; d) una galleria di immagini funziona come un menu aggiuntivo e consente di passare da un output all'altro con un solo clic.
Alcune di queste nuove funzionalità sono evidenziate nell'immagine seguente.

Questo strumento T-LAB consente di verificare le relazioni di co-occorrenza e di similarità che, all'interno del corpus o di un suo sottoinsieme, determinano il significato locale delle parole chiave selezionate dall'utilizzatore.

Tale verifica può essere effettuata tramite opzioni predefinite (A) o tramite opzioni selezionate dall'utilizzatore (B).

Nel primo caso (A: opzioni predefinite) le co-occorrenze delle parole sono calcolate all'interno dei contesti elementari selezionati in fase di importazione del corpus (es., frasi, frammenti, paragrafi, etc.); diversamente, nel secondo caso (B: opzioni selezionate dall'utilizzatore) le co-occorrenze possono essere anche calcolate all'interno di sequenze di parole di lunghezza variabile (cioè n-grammi) ed è anche possibile decidere la soglia minima (cioè la frequenza) delle co-occorrenze da considerare.

La finestra di lavoro (vedi sotto) è resa disponibile subito dopo aver effettuato il calcolo delle co-occorrenze tra tutte le parole incluse nella lista selezionata dall'utilizzatore.

Sulla sinistra di questa finestra è riportata una tabella con la lista delle parole chiave e valori numerici che indicano la quantità di contesti elementari o n-grammi in cui ciascuna parola risulta presente.

Un semplice click sugli item della tabella (opzione '1') o sui punti dei grafici (opzione '2') consente di verificare le associazioni relative a ciascuna parola target. Diversamente un click sulle label incluse nella tabella (opzione '3') consente di verificare gli item inclusi in ogni lemma.

Di volta in volta, la selezione delle parole associate è effettuata tramite il calcolo di un Indice di Associazione (vedi corrispondente sezione del glossario) o tramite un indice di somiglianza del secondo ordine (vedi spiegazione al termine di questa sezione). Nel primo caso gli indici disponibili sono sei (Coseno, Dice, Jaccard, Equivalenza, Inclusione e Informazione Mutua) e il loro calcolo è piuttosto rapido; diversamente, nel caso degli indici del secondo ordine - e soprattutto quando il corpus è di notevoli dimensioni - l'analisi dei dati può richiedere minuti. Inoltre va tenuto conto del fatto che, nel caso degli indici del secondo ordine, i risultati sono tanto più affidabili quanto più numerose le parole incluse nella lista.

Ad ogni interrogazione, T-LAB produce grafici e tabelle.

Sia le tabelle che i grafici possono essere esportate tramite l'uso di appositi pulsanti.

Nei diagrammi radiali, il lemma selezionato è posto al centro. Gli altri sono distribuiti intorno ad esso, ciascuno a una distanza proporzionale al suo grado di associazione. Le relazioni significative sono quindi del tipo uno-ad-uno, tra il lemma centrale e ciascuno degli altri.
Ogni click su un item produce un nuovo grafico e, tramite l'uso del tasto destro del mouse, è possibile aprire una finestra di dialogo che consente vari tipi di personalizzazione (vedi sotto).

Le tabelle contengono dati che consentono di verificare le relazioni tra occorrenze e co-occorrenze delle parole (Max. 50) che risultano più associate a quella selezionata.

Le chiavi di lettura sono le seguenti:

• LEMMA (A) = lemma selezionato (quello al centro del grafico);
• LEMMA (B) = lemmi associati a quello selezionato;
• COEFF = valore dell'indice selezionato;
• TOT CE = totale dei contesti elementari (CE) o degli n-grammi analizzati;
• CE_A = totale dei CE in cui è presente il lemma selezionato (A);
• CE_B = totale dei CE in cui è presente ogni lemma associato (B);
• CE_AB = totale dei CE in cui i lemmi "A" e "B" sono associati (co-occorrenze);
• CHI2 = valore del chi quadro che esprime la significatività delle co-occorrenze;
• (p) = probabilità associata al valore del chi quadro (def=1).

Nel caso del chi quadro, per ogni coppia di lemmi ("A" e B") la struttura della tabella analizzata è la seguente

Dove nij = CE_AB, Nj = CE_A, Ni = CE_B, N = TOT CE.

Un click su ogni item della tabella (es. "carabiniere") consente di visualizzare e di salvare un file con tutti i contesti elementari in cui esso è presente insieme alla parola centrale (es. co-occorrenze di "carabiniere" e "polizia").

Ulteriori grafici (Istogrammi) consentono di apprezzare le differenze tra i valori del coefficiente utilizzato e tra le percentuali delle co-occorrenze (vedi sotto).

Cliccando sul pulsante in basso a sinistra l'utilizzatore può esportare vari tipi di tabelle (vedi immagine seguente) .

Una ulteriore finestra T-LAB (vedi immagine seguente, step 1) consente di creare file grafici che possono essere editati con software per la network analysis quali Gephi, Pajek, Ucinet, yEd ed altri. In questo caso, i nodi della rete sono costituiti dalle parole associate con la parola target. Le opzioni disponibili sono le seguenti: selezionare gli item (cioè i 'nodi') da inserire nei grafici (vedi sotto, step 2 e 3), esportare la corrispondente matrice di adiacenza (vedi sotto, step 4), esportare il tipo di file grafico prescelto (vedi sotto, step 5).

N.B.: In T-LAB 10 la finestra seguente è stata sostituita con lo strumento Graph Maker.

Ad esempio, file .gml esportati da T-LAB possono consentire di realizzare grafici come quelli riportati alla fine di questa sezione.

Le modalità di calcolo dei vari indici di 'associazione' (o prossimità) sono illustrate nella corrispondente sezione del Manuale/Help (vedi glossario). Come si potrà verificare, tutti questi indici sono ottenuti attraverso una normalizzazione dei valori di co-occorrenza concernenti coppie di parole; quindi - nei calcoli del 'primo ordine' - due parole mai co-occorrenti hanno un indice di associazione pari a '0'.Diversamente, gli indici del secondo ordine evidenziano fenomeni di similarità concernenti l'uso (e quindi il significato) delle parole che non dipendono direttamente dalle loro co-occorrenze; infatti, in questo caso, due parole mai co-occorrenti possono avere un indice di associazione anche molto elevato.

Utilizzando alcuni concetti della linguistica strutturale, possiamo affermare che mentre gli indici del 'primo ordine' rilevano fenomeni concernenti l'asse sintagmatico (combinazione e prossimità 'in praesentia', cioè parole 'l'una accanto all'altra' in una specifica frase), gli indici del 'secondo ordine' rivelano fenomeni concernenti l'asse paradigmatico (associazione e similarità 'in absentia', cioè relazioni di quasi-sinonimia tra due o più termini usati dallo stesso autore). In effetti, all'interno dei testi analizzati, le parole con una elevata similarità del secondo ordine sono spesso quasi-sinonimi.

Per capire il modo in cui T-LAB calcola gli indici del 'secondo ordine', è utile ricordare che gli indici del 'primo ordine' possono essere utilizzati per costruire matrici di prossimità come la seguente (A).

Matrice 'A' - Similarità del Primo Ordine

In questa matrice simmetrica (A), il valore 0.373 (in giallo) corrisponde al più elevato indice del 'primo ordine' ed indica l'associazione tra le parole 'w_03' e 'w_10'. Più specificamente, si tratta di un indice di equivalenza ottenuto dividendo il quadrato delle loro co-occorrenze per il prodotto delle loro occorrenze (360^2/627*553).

A partire dalla matrice di cui sopra (A), T-LAB costruisce una seconda matrice (B) ottenuta calcolando i coseni risultanti dal confronto di tutte le colonne contenenti gli indici del primo ordine (vedi matrice 'A'). Come di può verificare, nella seguente tabella 'B' il valore di 'similarità' più elevato riguarda la relazione tra le parole 'w_06' e 'w_08'. Ciò significa che i rispettivi vettori (vedi le due colonne evidenziate in verde nella matrice 'A'), dopo essere stati opportunamente normalizzati, risultano essere tra loro molto simili (coseno = 0.905), anche se l'associazione del 'primo ordine' tra le parole due parole in questione risulta piuttosto bassa (0.063).

Matrice 'B' - Similarità del Secondo Ordine

Detto in altri termini, un indice del 'primo ordine' è ottenuto applicando una formula che include valori di co-occorrenza e occorrenza, mentre un indice del 'secondo ordine' è ottenuto moltiplicando due vettori normalizzati.

Al di là delle modalità di calcolo, va sottolineato il fatto che nei due casi ('A' e 'B') vengono rilevati due diversi fenomeni. Nel primo caso ('A'), infatti, il focus è sulle co-occorrenze; diversamente, nel secondo caso ('B') - e indipendentemente dalle loro co-occorrenze - il focus è sulle somiglianze tra 'profili' i cui dati fanno riferimento all'uso delle parole da parte degli autori dei testi analizzati.
Tanto per fare un esempio, nell'analisi di Pinocchio del primo ordine il termine 'fata' risulta prevalentemente associato (vedi co-occorrenze) con 'buona' e 'capelli turchini'; diversamente, nell'analisi del secondo ordine, il termine che risulta più simile a 'fata' è 'mamma', anche se le co-occorrenze tra questi due termini ('fata' e 'mamma') sono - all'interno della fiaba di Collodi - pressoché irrilevanti (cioè solo 3).

Le tabelle visualizzate da T-LAB consentono di verificare sia le similarità del secondo ordine (vedi sotto colonna SIM-II°) che gli indici del primo ordine (EQU-I°, cioè indice di equivalenza).

Inoltre, cliccando su ogni item di questa tabella, è possibile visualizzare file HTML che consentono di verificare quali 'caratteristiche' ('features') determinano la somiglianza tra ogni coppia di parole. Ad esempio, la tabella seguente mostra che la somiglianza del secondo ordine tra 'nero' e 'biano' è in primo luogo determinata da caratteristiche condivise quali 'tuta', 'piazza', etc.

In alcuni casi e per specifici obiettivi può risultare particolarmente interessante confrontare le reti semantiche di specifiche parole target ottenute esportando le rispettive prossimità del primo ordine e similarità del secondo ordine. Ad esempio, i grafici seguenti sono stati ottenuti esportando file .gml prodotti da T-LAB e successivamente importati nel software Gephi (vedi https://gephi.org/ ). In entrambi i casi, la parola target è 'cliente', all'interno di un corpus costituito da una mailing list concernente il commercio elettronico. Come si può rilevare, nel primo caso ('A' - associazioni del primo ordine) le relazioni tra i nodi rinviano a specifici sintagmi quali 'pagamento con bonifico bancario', 'sito web', 'costi di spedizione', 'tramite carta di credito', etc.; diversamente, nel secondo caso ('B' - associazioni del secondo ordine), le relazioni tra i nodi con più elevato scambio sembrano rinviare a un paradigma di tipo gestionale.

(A) - Associazioni del Primo Ordine

(B) - Associazioni del Secondo Ordine