Narodowe Centrum Nauki (NCN) ogłosiło wyniki konkursu MINIATURA 10. Autorem jednego z projektów zakwalifikowanych do finansowania jest dr Martin Testa z Uniwersytetu Warszawskiego. Badacz będzie analizował, w jaki sposób duże modele językowe rozumieją i przetwarzają język włoski.
W konkursie MINIATURA NCN mogą być zgłaszane wnioski na realizację działania naukowego w formie badań wstępnych, pilotażowych, kwerendy lub wyjazdu o charakterze naukowym. W pierwszej turze konkursu MINIATURA 10 finansowanie otrzymały 72 osoby.
Wśród laureatów konkursu jest dr Martin Testa z Instytutu Studiów Iberyjskich i Iberoamerykańskich Wydziału Neofilologii UW, który na realizację projektu Czy duże modele językowe rozpoznają tranzytywność w języku włoskim? Studium pilotażowe w perspektywie lingwistyki systemowo-funkcjonalnej otrzymał grant w wysokości 27 733 zł. W ramach badań naukowiec sprawdzi, czy duże modele językowe potrafią rozpoznawać tranzytywność w języku włoskim oraz jak przetwarzają struktury gramatyczne tego języka.
Pełna lista laureatów konkursu znajduje się na stronie NCN.
Martin Testa jest doktorem nauk humanistycznych w zakresie językoznawstwa (Uniwersytet Warszawski, 2019) oraz magistrem filologii angielskiej Uniwersytetu w Vigo (2013). Obecnie pracuje jako adiunkt na Wydziale Neofilologii Uniwersytetu Warszawskiego, gdzie kieruje grupą badawczą Artificial Intelligence and Discourse Analysis (AIDA) oraz pełni funkcję członka redakcji czasopisma „Itinerarios” (ISSN 1507-7241).
Współorganizuje również Seminarium Młodych Badaczy „SEJ In”, cykliczne wydarzenie wspierające i promujące studenckie projekty badawcze z zakresu językoznawstwa.
Jest członkiem międzynarodowych towarzystw naukowych: European Systemic Functional Linguistics Association (ESFLA), International Systemic Functional Linguistics Association (ISFLA) oraz Società di Linguistica Italiana (SLI).
Jego badania koncentrują się na socjolingwistyce i analizie dyskursu, rozwijanych w ramach systemowej lingwistyki funkcjonalnej oraz włoskiej tradycji lingwistyki tekstu, często z wykorzystaniem metod korpusowych, m.in. narzędzia UAM Corpus Tool.