[論文レビュー] Language Varieties of Italy: Technology Challenges and Opportunities

Alan Ramponi|arXiv (Cornell University)|Sep 20, 2022

Natural Language Processing Techniques被引用数 4

ひとこと要約

本論文は、イタリアの途絶危惧言語の多様性を鑑み、NLP分野における機械中心の枠組みに挑戦し、言語的多様性、文化的文脈、コミュニティ参加を重視する話者中心のパラダイムの提唱を試みる。これにより、倫理的で文化的に配慮された技術開発を通じて、イタリアのリソースが乏しい言語の存続を責任ある形で支援する参加型で多分野的なコミュニティの構築を提案する。

ABSTRACT

Italy is characterized by a one-of-a-kind linguistic diversity landscape in Europe, which implicitly encodes local knowledge, cultural traditions, artistic expressions and history of its speakers. However, most local languages and dialects in Italy are at risk of disappearing within few generations. The NLP community has recently begun to engage with endangered languages, including those of Italy. Yet, most efforts assume that these varieties are under-resourced language monoliths with an established written form and homogeneous functions and needs, and thus highly interchangeable with each other and with high-resource, standardized languages. In this paper, we introduce the linguistic context of Italy and challenge the default machine-centric assumptions of NLP for Italy's language varieties. We advocate for a shift in the paradigm from machine-centric to speaker-centric NLP, and provide recommendations and opportunities for work that prioritizes languages and their speakers over technological advances. To facilitate the process, we finally propose building a local community towards responsible, participatory efforts aimed at supporting vitality of languages and dialects of Italy.

研究の動機と目的

• イタリアの地方言語および方言の言語的複雑性と絶滅危惧状態をNLPコミュニティに啓発すること。
• 地域的言語変種を均質的でリソースが乏しいデータ資産として扱う主流の機械中心NLPパラダイムを批判すること。
• 特に、口承的性質と標準語イタリア語との双語的関係を含め、イタリアの言語変種の文化的・機能的・構造的多様性を強調すること。
• 技術主導のNLPから、言語的アイデンティティ、文化的文脈、コミュニティのニーズを尊重する話者中心の設計への移行を提言すること。
• 言語保存のための倫理的協働と知識共有を促進する参加型で多分野的なコミュニティ「Varieties of the Boot」を確立すること。

提案手法

• ロマンス語、ゲルマン語、スラヴ語、ヘラニック語の変種を含む、地域的言語における歴史的・社会言語学的・構造的多様性を強調しながら、イタリアの言語状況を分析すること。
• イタリア語変種における既存のNLP研究をレビューし、データの代表性、表記の標準化、機能的多様性の欠如といったギャップを特定すること。
• 書記された機械読取可能なテキストが主なデータソースであるという前提を批判し、口承的・文脈依存的・コードスイッチングを伴う言語使用の統合を主張すること。
• 技術的スケーラビリティよりも文化的文脈、コミュニティからの入力、参加型デザインを重視する話者中心のNLPフレームワークを提唱すること。
• 「Varieties of the Boot」を開始・推進し、言語学者、NLP研究者、発話コミュニティが協働する知識共有、倫理的関与、共同研究を促進するコミュニティプラットフォームを提供すること。
• 地域的イタリア語変種、コードスイッチング、言語変異の大規模な記録に関するNLPの可能性を検討し、伝統的な言語地図帳（ALI や AIS など）を補完すること。

実験結果

リサーチクエスチョン

• RQ1 イタリアの地方言語変種の言語的・文化的・機能的特徴は、標準的な機械中心NLPアプローチの前提をどのように揺るがすか？
• RQ2 現在のNLPパラダイムは、イタリアの絶滅危惧言語の口承的・非標準的・文脈依存的性質をどのように正しく反映していないか？
• RQ3 地域的言語変種を機械学習のための交換可能なデータリソースとして扱うことは、どのような倫理的・実務的影響を及ぼすか？
• RQ4 参加型でコミュニティ主導のNLPイニシアチブは、イタリアの言語的遺産の長期的存続をどのように支援できるか？
• RQ5 NLPは、イタリアの発話コミュニティにおける地域的変異、コードスイッチング、社会言語学的ダイナミクスを記録・表現する上で、どのような機会を提供できるか？

主な発見

• ユネスコが絶滅危惧言語としてリストアップするイタリアの言語・方言は30以上に上り、ヨーロッパで最も集中した言語的多様性を示している。
• 大多数のイタリア地方言語は主に口承的であり、標準的表記法がなく、標準語イタリア語と双語的関係にあるが、現在のNLPパラダイムはこれをしばしば認識していない。
• 書記されたデータが言語使用の代表的側面であるという前提は、均質的で文化的に無関心なNLPシステムを生み出し、地域的語彙的・機能的多様性を消去する可能性がある（例：チムブリア語では「雪」に複数の語彙がある）。
• 現在のNLPアプローチは、言語変種を相互に交換可能なデータポイントとして扱い、それらの社会的言語的役割、文化的意義、コミュニティ固有のニーズを無視している。
• 「Varieties of the Boot」コミュニティは、倫理的協働、ベストプラクティスの共有、イタリアの言語的遺産に関する認識を高める参加型プラットフォームとして確立された。
• NLPは、地域的イタリア語変異、コードスイッチング、言語接触を大規模に研究する機会を有しており、伝統的な言語地図帳（ALI や AIS など）を補完する形で、言語記録に貢献できる。