In tutto il mondo oggi università, scuole, musei, gallerie, archivi, biblioteche, agenzie di stampa, enti amministrativi e altre realtà producono dati e tecnologie del linguaggio su base quotidiana. Queste risorse spesso soddisfano esigenze individuali ma se rese accessibili in formati standardizzati potrebbero beneficiare iniziative di più ampio respiro. L'Istituto di Linguistica Applicata intende fondare il linguaXlab, un osservatorio e centro di ricerca linguistico, per incentivare l'accesso e il riutilizzo dei dati e delle tecnologie del linguaggio prodotte e relative all'Alto Adige, facilitandone l’interazione e lo scambio a livello regionale tra diversi gruppi di utenti. Attingendo alle competenze dell'intero Istituto, il linguaXlab offrirà, per citarne solo alcuni, servizi di archiviazione e ricerca di dati, di creazione di banche dati, di machine learning, di estrazione e recupero di informazioni o di FAIRificazione dei dati a una molteplicità di stakeholder provenienti da diversi ambiti (e.g. beni culturali, pubblica amministrazione, medicina) per un avanzamento collettivo della ricerca e dello sviluppo linguistico in Alto Adige e oltre.
Discover
Scopri esperte ed esperti, pubblicazioni e temi di ricerca collegati.
Eurac Research è un centro di ricerca privato con sede a Bolzano, Alto Adige. I nostri ricercatori e le nostre ricercatrici provengono da una vasta gamma di discipline scientifiche e da tutte le parti del globo. Insieme si dedicano a quella che è la loro professione e vocazione – plasmare il futuro.
La nostra ricerca affronta le maggiori sfide che ci attendono in futuro: le persone hanno bisogno di salute, energia, sistemi politici e sociali ben funzionanti e un ambiente intatto. Sono domande complesse a cui cerchiamo di dare risposta grazie all'interazione tra molte discipline diverse. [Chi siamo](/it/chi-siamo-eurac-research)
Eurac Research Headquarter
Viale Druso 1
39100 Bolzano
Italy
Eurac Research NOI Techpark
Via A.-Volta
39100 Bolzano
Italy
Except where otherwise noted, content on this site is licensed under a Creative Commons Attribution 4.0 International license.
Preferenze CookieDucceschi L, Franzini G
AUGUSTA (Artificial UnderstandinG of Utterances Spoken in Tyrolean Accents) is a family of Speech-to-Text language models fine-tuned for South Tyrolean dialect translation into Standard German.
DOI: 10.5281/zenodo.15553913
Spina S, Brasolin P, Franzini GH
This exploratory study investigates lexical change and innovation in contemporary Italian micro-blogging using a corpus of 5.32 million timestamped and geotagged tweets sampled from the 2022 Italian Twitter timeline. We develop a new method to identify 720 unattested forms (347 forms and 373 hashtags) as candidate neologisms. Our results show that orthographic variation, univerbation, suffixation, loanwords and portmanteaus are the most common categories of lexical creation in the data analysed, which appears to be driven by creativity, amusement and attention-seeking behaviour rather than a need for new words to define new objects, events or situations.
DOI: 10.32714/ricl.13.01.07
Ducceschi L, Franzini GH
This study presents the first fine-tuned Whisper model for the automatic translation of South Tyrolean dialectal speech into Standard German text. To address an unmet need for subtitling and translation, we introduce a small corpus of manually annotated and synthetic speech data compiled for this task. Through fine-tuning and hyperparameter optimisation, our model achieves a BLEU score of 86.18 significantly outperforming baseline error rates. Our findings highlight Whisper's effectiveness in handling dialectal speech, contributing to low-resource language research. The model is already being used in a heritage collaboration for large-scale translation of audiovisual archival material and is also being considered for application in news broadcasting and tourism promotion. Future directions include expanding the training data and extending hyperparameter optimisation to improve the model's performance and generalisation across South Tyrolean dialectal variations.
DOI: 10.21437/Interspeech.2025-1976
Franzini GH, Brasolin P, Spina S
This paper outlines ongoing research into lexical innovation in contemporary Italian in the context of social media. To date, the study has used a dataset of 5.32M timestamped and geotagged tweets extracted from the 2022 Italian timeline, yielding 720 emerging word forms. Here, we describe the reproducible pipeline developed to extract candidate neologisms from our dataset and introduce a custom tool to visualise the emergence and spread of candidate neologisms in the time-period under investigation.
DOI: 10.6092/unibo/amsacta/7927
Conference: First Workshop on Dialects in NLP — A Resource Perspective | Palma de Mallorca | 16.5.2026 - 16.5.2026
Ulteriori informazioni: poster
Conference: CLARIN Café - JOHD Special Collection on Language Dataset Reuse | online | 24.6.2026 - 24.6.2026
