logo SBA

ETD

Digital archive of theses discussed at the University of Pisa

 

Thesis etd-01072024-183110


Thesis type
Tesi di laurea magistrale
Author
SETTE, SIMONA
URN
etd-01072024-183110
Thesis title
Valutazione automatica dell'apprendimento linguistico: un'indagine multilingue su apprendenti italiani e spagnoli
Department
FILOLOGIA, LETTERATURA E LINGUISTICA
Course of study
INFORMATICA UMANISTICA
Supervisors
relatore Prof. Dell'Orletta, Felice
Keywords
  • neural language models
  • computational stylometry
  • morphosyntax
  • explainability
  • classification
  • linguistic
  • multilingual
  • modelli neurali del linguaggio
  • stilometria computazionale
  • morfosintassi
  • spiegabilità
  • classificazione
  • linguistica
  • multilingue
Graduation session start date
09/02/2024
Availability
Withheld
Release date
09/02/2027
Summary
La relazione presenta uno studio condotto allo scopo di prevedere l’ordine di stesura di due saggi realizzati dallo stesso studente nel corso di intervalli di tempo accuratamente definiti, al fine di esaminare l'evoluzione delle competenze linguistiche durante la fase di apprendimento della lingua. Lo studio è stato condotto parallelamente su due lingue e contesti di apprendimento diversi, ovvero su apprendenti della lingua italiana come lingua madre (L1) e apprendenti della lingua spagnola come seconda lingua (L2). Per raggiungere questo obiettivo, sono stati adoperati diversi modelli di apprendimento automatico supervisionato, e particolare attenzione è stata rivolta alla spiegabilità del processo decisionale. Lo studio non si è limitato esclusivamente a valutare l'efficacia predittiva dei modelli, ma ha anche cercato di fornire una comprensione approfondita delle dinamiche sottostanti, mettendo in luce ed analizzando le caratteristiche linguistiche ritenute rilevanti dai modelli impiegati.

The report presents a study aimed at predicting the order of composition of two essays written by the same student over carefully defined time intervals, with the purpose of examining the evolution of linguistic skills during the language learning phase. The study was parallelly conducted in two different languages and learning contexts: italian language learners as a mother tongue (L1) and spanish language learners (L2). To achieve this goal, various supervised machine learning models were employed, with particular attention given to the explainability of the decision-making process. The study not only assessed the predictive effectiveness of the models but also sought to provide a comprehensive understanding of the underlying dynamics, highlighting and analyzing the linguistic features considered relevant by the employed models.
File