La traduzione e ricezione della letteratura cinese in Italia: questioni e strategie a partire dal caso delle traduzioni di alcuni romanzi di Su Tong, Yu Hua, Zhang Jie e Mo Yan

Negli ultimi anni, in Italia sono stati tradotti un gran numero di opere letterarie cinesi grazie all’impegno e alla passione di numerosi sinologi, studiosi e traduttori italiani. Tuttavia, gli studi sulla traduzione della letteratura cinese sono, sia in Cina che in Italia, relativamente pochi e non sempre uniformi: in Cina è difficile trovare dati completi, sistematici e dotati di un certo valore di riferimento, e in Italia, una ricerca di questo tipo ha avuto origine nell’ambito degli studi sinologici italiani, piuttosto che in quello degli studi sulla traduzione. A partire da una rassegna dei principali approcci agli studi sulla traduzione (letteraria) dalla seconda metà del XX secolo fino ai nostri giorni, questo lavoro di tesi tenta di analizzare da un lato le tendenze generali relative alla traduzione e alla pubblicazione delle opere letterarie cinesi in Italia in un arco temporale che va dal 1942 al 2018, tramite alcune analisi di tipo sia quantitativo che qualitativo basate su una tabella di dati concernenti la letteratura cinese sul mercato editoriale italiano che è stata costruita appositamente; dall’altro, questa ricerca intende investigare le strategie utilizzate per tradurre i diversi riferimenti culturali riscontrati nel corpus di testi scelti e che sono stati suddivisi nelle seguenti categorie: antroponimi, intertestualità, riferimenti al contesto politico e culturale, gastronomia e altri riferimenti culturali. Attraverso un’analisi comparativa e descrittiva dei testi di partenza e dei testi di arrivo, ai fini della tesi si sono indagate le problematiche riguardanti la traduzione e la ricezione della letteratura cinese in Italia e le tendenze che tale letteratura ha avuto sia in ambito editoriale che nel campo della traduzione letteraria.

Integrating Machine Learning Paradigms for Predictive Maintenance in the Fourth Industrial Revolution era

In the last decade, manufacturing companies have been facing two significant challenges. First, digitalization imposes adopting Industry 4.0 technologies and allows creating smart, connected, self-aware, and self-predictive factories. Second, the attention on sustainability imposes to evaluate and reduce the impact of the implemented solutions from economic and social points of view. In manufacturing companies, the maintenance of physical assets assumes a critical role. Increasing the reliability and the availability of production systems leads to the minimization of systems’ downtimes; In addition, the proper system functioning avoids production wastes and potentially catastrophic accidents. Digitalization and new ICT technologies have assumed a relevant role in maintenance strategies. They allow assessing the health condition of machinery at any point in time. Moreover, they allow predicting the future behavior of machinery so that maintenance interventions can be planned, and the useful life of components can be exploited until the time instant before their fault. This dissertation provides insights on Predictive Maintenance goals and tools in Industry 4.0 and proposes a novel data acquisition, processing, sharing, and storage framework that addresses typical issues machine producers and users encounter. The research elaborates on two research questions that narrow down the potential approaches to data acquisition, processing, and analysis for fault diagnostics in evolving environments. The research activity is developed according to a research framework, where the research questions are addressed by research levers that are explored according to research topics. Each topic requires a specific set of methods and approaches; however, the overarching methodological approach presented in this dissertation includes three fundamental aspects: the maximization of the quality level of input data, the use of Machine Learning methods for data analysis, and the use of case studies deriving from both controlled environments (laboratory) and real-world instances.

Development of advanced methods for the simulation of the reacting mixture formation in internal combustion engines with the use of machine learning algorithms

Besides increasing the share of electric and hybrid vehicles, in order to comply with more stringent environmental protection limitations, in the mid-term the auto industry must improve the efficiency of the internal combustion engine and the well to wheel efficiency of the employed fuel. To achieve this target, a deeper knowledge of the phenomena that influence the mixture formation and the chemical reactions involving new synthetic fuel components is mandatory, but complex and time intensive to perform purely by experimentation. Therefore, numerical simulations play an important role in this development process, but their use can be effective only if they can be considered accurate enough to capture these variations. The most relevant models necessary for the simulation of the reacting mixture formation and successive chemical reactions have been investigated in the present work, with a critical approach, in order to provide instruments to define the most suitable approaches also in the industrial context, which is limited by time constraints and budget evaluations. To overcome these limitations, new methodologies have been developed to conjugate detailed and simplified modelling techniques for the phenomena involving chemical reactions and mixture formation in non-traditional conditions (e.g. water injection, biofuels etc.). Thanks to the large use of machine learning and deep learning algorithms, several applications have been revised or implemented, with the target of reducing the computing time of some traditional tasks by orders of magnitude. Finally, a complete workflow leveraging these new models has been defined and used for evaluating the effects of different surrogate formulations of the same experimental fuel on a proof-of-concept GDI engine model.

Investigating interpreter-mediated interaction in the Chinese bilingual courtroom: Analysis based on a multimodal corpus

This research project is based on the Multimodal Corpus of Chinese Court Interpreting (MUCCCI [mutʃɪ]), a small-scale multimodal corpus on the basis of eight authentic court hearings with Chinese-English interpreting in Mainland China. The corpus has approximately 92,500 word tokens in total. Besides the transcription of linguistic and para-linguistic features, utilizing the facial expression classification rules suggested by Black and Yacoob (1995), MUCCCI also includes approximately 1,200 annotations of facial expressions linked to the six basic types of human emotions, namely, anger, disgust, happiness, surprise, sadness, and fear (Black & Yacoob, 1995). This thesis is an example of conducting qualitative analysis on interpreter-mediated courtroom interactions through a multimodal corpus. In particular, miscommunication events (MEs) and the reasons behind them were investigated in detail. During the analysis, although queries were conducted based on non-verbal annotations when searching for MEs, both verbal and non-verbal features were considered indispensable parts contributing to the entire context. This thesis also includes a detailed description of the compilation process of MUCCCI utilizing ELAN, from data collection to transcription, POS tagging and non-verbal annotation. The research aims at assessing the possibility and feasibility of conducting qualitative analysis through a multimodal corpus of court interpreting. The concept of integrating both verbal and non-verbal features to contribute to the entire context is emphasized. The qualitative analysis focusing on MEs can provide an inspiration for improving court interpreters’ performances. All the constraints and difficulties presented can be regarded as a reference for similar research in the future.

The three-dimensional single-bin-size bin packing problem: combining metaheuristic and machine learning approaches

The Three-Dimensional Single-Bin-Size Bin Packing Problem is one of the most studied problem in the Cutting & Packing category. From a strictly mathematical point of view, it consists of packing a finite set of strongly heterogeneous “small” boxes, called items, into a finite set of identical “large” rectangles, called bins, minimizing the unused volume and requiring that the items are packed without overlapping. The great interest is mainly due to the number of real-world applications in which it arises, such as pallet and container loading, cutting objects out of a piece of material and packaging design. Depending on these real-world applications, more objective functions and more practical constraints could be needed. After a brief discussion about the real-world applications of the problem and a exhaustive literature review, the design of a two-stage algorithm to solve the aforementioned problem is presented. The algorithm must be able to provide the spatial coordinates of the placed boxes vertices and also the optimal boxes input sequence, while guaranteeing geometric, stability, fragility constraints and a reduced computational time. Due to NP-hard complexity of this type of combinatorial problems, a fusion of metaheuristic and machine learning techniques is adopted. In particular, a hybrid genetic algorithm coupled with a feedforward neural network is used. In the first stage, a rich dataset is created starting from a set of real input instances provided by an industrial company and the feedforward neural network is trained on it. After its training, given a new input instance, the hybrid genetic algorithm is able to run using the neural network output as input parameter vector, providing as output the optimal solution. The effectiveness of the proposed works is confirmed via several experimental tests.

Il modello Positive Energy Districts. Approcci innovativi e strumenti operativi per la transizione verso città clima-neutrali

Ad oggi le città europee si configurano come i principali centri di cultura, innovazione e sviluppo economico. Tuttavia, ospitando circa il 75% della popolazione e consumando quasi l’80% dell’energia prodotta, a causa delle significative emissioni di gas serra esse contribuiscono in modo rilevante ai cambiamenti climatici e, allo stesso tempo, ne subiscono gli effetti più intensi. La Comunità Europea ha preso atto della necessità di intraprendere un’azione sinergica che adotti strategie di mitigazione climatica e preveda misure di adattamento per far fronte agli impatti climatici ormai inevitabili. L'orientamento dei Programmi europei di Ricerca e Innovazione sul tema delle città smart e clima-neutrali sposta l'attenzione dalla dimensione urbana verso la scala di distretto. In questa prospettiva, i Positive Energy Districts (PEDs) si configurano come distretti di nuova edificazione, ma anche come soluzioni ambiziose per la riqualificazione di quartieri esistenti che gestiscono in modo attivo il fabbisogno energetico con un bilancio nullo di emissioni e un surplus di energia prodotta da rinnovabili. La ricerca di dottorato focalizza l’indagine sul modello PEDs esplorandone il potenziale di applicabilità nel contesto urbano consolidato. Nello specifico, la tesi lavora allo sviluppo di due contributi di ricerca originali: il PED-Portfolio e il PED-Toolkit. Tali contributi propongono un approccio sistemico, attraverso il quale intraprendere un percorso di conoscenza e sperimentazione del modello PEDs in una prospettiva di riduzione del fabbisogno energetico, ma anche in un’ottica di migliore accessibilità, vivibilità e resilienza di questi distretti. Al fine di verificare l’applicabilità dei risultati della ricerca, gli strumenti sviluppati vengono testati su un’area pilota e gli esiti di tale sperimentazione sono poi messi a confronto con il quadro dello stato dell’arte e con le principali linee di ricerca internazionali sul tema PEDs, affinando gli esiti del progetto di dottorato in un processo di ricerca-sperimentazione-ricerca.

Progettazione, modellazione e integrazione di risorse rinnovabili per promuovere lo sfruttamento dell'energia da moto ondoso e la Blue Growth.

L’energia da onda potrebbe assumere un ruolo fondamentale per la transizione energetica durante i prossimi decenni, grazie alla sua continuità nel tempo molto superiore rispetto ad altre risorse rinnovabili e alla sua vasta distribuzione nello spazio. Tuttavia, l’energia da onda è ancora lontana dall’essere economicamente sostenibile, a causa di diverse problematiche tecnologiche e alle difficoltà finanziarie associate. In questa ricerca, si è innanzitutto affrontata una delle maggiori sfide tecniche, nello specifico la progettazione e modellazione di sistemi di ancoraggio per i dispositivi galleggianti, proponendo possibili soluzioni per la modellazione numerica di sistemi di ancoraggio complessi e per l’ottimizzazione dei dispositivi stessi. Successivamente sono state analizzate le possibili sinergie strategiche di installazioni per lo sfruttamento della energia da onda con altre risorse rinnovabili e la loro applicazione nel contesto di aree marine multiuso. In particolare, una metodologia per la valutazione della combinazione ottimale delle risorse rinnovabili è stata sviluppata e verificata in due diversi casi studio: un’isola e una piattaforma offshore. Si è così potuto evidenziare l’importante contributo della risorsa ondosa per la continuità energetica e per la riduzione della necessità di accumulo. Inoltre, è stato concepito un metodo di supporto decisionale multicriteriale per la valutazione delle opzioni di riuso delle piattaforme offshore alla fine della loro vita operativa, come alternativa al decommissionamento, nell’ottica di una gestione sostenibile e della ottimizzazione dell’uso dello spazio marino. Sulla base dei criteri selezionati, l’inclusione di attività innovative come la produzione di energia da onda si è dimostrata essere rilevante per rendere vantaggioso il riuso rispetto al decommissionamento. Numerosi studi recenti hanno infatti sottolineato che, nell’ambito della “crescita blu”, i mercati come l’oil&gas, le attività offshore e le isole stimoleranno lo sviluppo di tecnologie innovative come lo sfruttamento dell’energia da onda, promuovendo la sperimentazione e fornendo un importante contributo all’avanzamento tecnico e alla commercializzazione.

Transition Matters. Il ruolo del designer nella transizione sostenibile e circolare dei materiali polimerici

La ricerca indaga il ruolo del designer nella transizione sostenibile e circolare all’uso di materiali polimerici. Nel contesto contemporaneo la plastica è utilizzata in quasi ogni settore merceologico ma la sua futura applicazione è messa in forte discussione a causa dei visibili impatti ambientali del suo uso irresponsabile. Un passaggio netto dalla totale dipendenza alla liberazione dei polimeri è difficile; è necessario un periodo di transizione che permetta di coesistere responsabilmente con i polimeri in attesa di trovare dei validi sostituti. L’obiettivo della ricerca è lavorare su questo periodo ponendo il designer e le sue competenze come soggetti chiave del movimento. La tesi di ricerca propone un approccio per calare le pratiche del Transition Design nella progettazione di sistemi-prodotto, nutrendosi degli attributi anticipatori dell’Advanced Design e puntando agli obiettivi del Circular Design, lavorando a partire dalle merci più critiche nel contesto contemporaneo: quelle in polimero fossile non riciclabile. Contributo della tesi è la figura del Transition Matter Designer, un progettista di transizioni dei materiali che prevede metamorfosi di sistemi-prodotto nel tempo grazie alle sue competenze a diverse scale del progetto: forma l’utente agli atteggiamenti circolari e sostenibili, caratterizza i materiali per individuarne nuovi usi, seleziona i processi produttivi adatti a prevenire scarti e ne anticipa i cicli di vita nei prodotti. I Knitted Fasteners sono il risultato della simulazione del lavoro del Transition Matter Designer nel tessile: un sistema di elementi di fissaggio, personalizzabili dallo stilista e integrati negli abiti a maglia, che permettono di eliminare l’uso di fashion fasteners in plastica e metallo, elementi che rendono difficile il riciclo dei capi. Dalla sperimentazione è emerso il modello concettuale della Transindustrial Production: un lavoro di collaborazione fra Transition Matter Designer e creativo per dare identità ai materiali polimerici circolari attraverso l’ibridazione fra artigianato e industria, tipico del Made in Italy.

Conservare e comunicare l'epigrafia romana: il caso dei lapidari di Regium Lepidi e di Bononia

Il presente lavoro si pone l’obbiettivo di individuare una modalità di comunicazione dell’oggetto epigrafe esposto in museo che superi il modello di trasmissione frontale e didascalico di nozioni e tenga conto della sua polisemia. Come campo di sperimentazione sono stati individuati i lapidari dei Musei Civici di Reggio Emilia, dove è stata completata una ricognizione e schedatura del patrimonio epigrafico di età romana e sono stati progettati strumenti di accompagnamento alla visita, e il Museo Civico Archeologico di Bologna, per il quale si è proceduto alla schedatura di un gruppo di iscrizioni provenienti da un contesto di reimpiego noto come “muro del Reno” e alla stesura di un progetto di mediazione narrativa della collezione lapidari.

Le politiche linguistiche in un contesto multilingue: un'analisi comparativa tra Italia e Cina

Questa ricerca ha l’obiettivo di confrontare le politiche linguistiche in Italia e in Cina, due Paesi multilingue, con particolare attenzione alla legislazione riguardante le lingue comuni. Nella prima parte della tesi viene descritta e confrontata la situazione sociolinguista dei due Paesi, dal punto di vista sia diacronico sia sincronico, permettendo così di tracciare un quadro generale della panoramica sociolinguistica, la quale costituisce il fondamento per analizzare le politiche linguistiche adottate. La seconda parte della tesi descrive e analizza rispettivamente la legislazione linguistica sulla lingua comune dei due Paesi, mostrando la diversità e le caratteristiche delle pratiche legislative di Cina e Italia su questo tema. L’ultima parte della tesi presenta un confronto tra le legislazioni linguistiche sulle lingue comuni da diverse prospettive, individuando e discutendo differenze e punti in comune. La tesi si conclude con un’analisi delle motivazioni che spingono la Cina e l’Italia ad adottare scelte differenti, mettendo in luce la diversità delle politiche linguistiche e la complessità dei fattori che le determinano.

Insegnare l'italiano L2 per fini di studio: una proposta di letture graduate per gli studenti cinesi

Dati i problemi di comprensione linguistica riscontrati dagli studenti cinesi nel contesto accademico e la crescente necessità della didattica dell’italiano L2 per fini di studio, il presente lavoro ha come obiettivo finale la creazione di letture graduate, proposte come materiali didattici comprensibili e mirati agli studenti cinesi di italiano L2, in modo da agevolare il loro approccio ai testi impegnativi richiesti per gli studi artistico-professionali. In particolare, nei primi due capitoli si discute il ruolo significativo della distanza linguistica tra italiano e cinese nell’acquisizione della L2 da parte degli studenti cinesi e nello sviluppo della loro abilità di lettura in L2. In seguito, per capire come debba essere un input ideale per l’acquisizione linguistica a fini di studio, vengono esaminati vari approcci glottodidattici basati sull’input, e si osservano i tratti delle varietà di italiano presenti nel contesto accademico. Il lavoro procede poi con un’analisi delle specifiche caratteristiche linguistiche riscontrate in manuali universitari di storia dell’arte, utilizzando sia un approccio quantitativo che qualitativo, con l’obiettivo di avere un “panorama” delle complessità linguistiche che uno studente L2 deve affrontare nello studio. Successivamente, verrà presentata una sperimentazione di riscrittura con due gruppi, i quali sono stati sottoposti rispettivamente al testo originale e a quello riscritto secondo i criteri formulati dallo studio teorico sul confronto tipologico. I risultati ottenuti confermano sia le interferenze del cinese nella lettura in italiano, sia l’efficacia degli approcci linguistici individuati nel facilitare la comprensibilità del testo per gli studenti cinesi di livello A2-B1. Di conseguenze, viene proposto un percorso di letture graduate per gli studenti cinesi di belle arti; oltre a essere comprensibili, le letture mirano anche all’acquisizione delle varietà di italiano necessarie per lo studio accademico-professionale. L’ultima parte del lavoro è dedicata alle riflessioni teoriche e didattiche sviluppate nel corso della ricerca.

Network analysis and machine learning assist drug repurposing and safety assessment in neurological diseases

In recent decades, two prominent trends have influenced the data modeling field, namely network analysis and machine learning. This thesis explores the practical applications of these techniques within the domain of drug research, unveiling their multifaceted potential for advancing our comprehension of complex biological systems. The research undertaken during this PhD program is situated at the intersection of network theory, computational methods, and drug research. Across six projects presented herein, there is a gradual increase in model complexity. These projects traverse a diverse range of topics, with a specific emphasis on drug repurposing and safety in the context of neurological diseases. The aim of these projects is to leverage existing biomedical knowledge to develop innovative approaches that bolster drug research. The investigations have produced practical solutions, not only providing insights into the intricacies of biological systems, but also allowing the creation of valuable tools for their analysis. In short, the achievements are: • A novel computational algorithm to identify adverse events specific to fixed-dose drug combinations. • A web application that tracks the clinical drug research response to SARS-CoV-2. • A Python package for differential gene expression analysis and the identification of key regulatory "switch genes". • The identification of pivotal events causing drug-induced impulse control disorders linked to specific medications. • An automated pipeline for discovering potential drug repurposing opportunities. • The creation of a comprehensive knowledge graph and development of a graph machine learning model for predictions. Collectively, these projects illustrate diverse applications of data science and network-based methodologies, highlighting the profound impact they can have in supporting drug research activities.

Bridging the gap:exploring the cognitive impact of InterpretBank on Chinese interpreting trainees

This exploratory research project developed a cognitive situated approach to studying aspects of simultaneous interpreting with quantitative, confirmatory methods. To do so, it explored how to determine the potential benefits of using a computer-assisted interpreting tool, InterpretBank, among 22 Chinese interpreting trainees with Chinese L1 and English L2. The informants were mostly 2nd-year female students with an average age of 24.7 enrolled in Chinese MA interpreting programs. The study adopted a pretest and posttest design with three cycles. The independent variable was using Excel or InterpretBank. After Cycle I (pre-test), the sample split into control (Excel) and experimental (InterpretBank) groups. Tool choice was compulsory in Cycle II but not Cycle III. The source materials for each cycle were pairs of matching transcripts from popular science podcasts. Informants compiled glossaries out of one transcript, while the other one was edited for simultaneous interpreting, with 39 terms as potential problem triggers. Quantitative profiling results showed that InterpretBank informants spent less time on glossary compilation, generated more terms faster than Excel informants, but their glossaries were less diverse (personal) and longer. The booth tasks yielded no significant differences in fluency indicators except for more bumps (200-600ms silent time gaps) for InterpretBank in Cycle II. InterpretBank informants had more correct renditions in Cycles II and III but there was no statistically significant difference among accuracy indicators per cycle. Holistic quality assessments by PhD raters showed InterpretBank consistently outperforming Excel, suggesting a positive InterpretBank impact on SI quality. However, some InterpretBank implementations raised cognitive ergonomic concerns for Chinese, potentially undermining its utility. Overall, results were mixed regarding InterpretBank benefits for Chinese trainees, but the project was successful in developing cognitive situated interpreting study methods, constructs and indicators.