Una nuova risorsa per la storia dell'italiano: il corpus degli esempi citati nel «Grande dizionario della lingua italiana» (GDLI)
Abstract
Progetti di ricerca in collaborazione fra Università/Enti di ricerca e altri soggetti pubblici o privati con l’obbiettivo di sostenere percorsi di alta formazione che integrino le conoscenze teoriche con le competenze realizzate in specifici contesti d’esperienza.
Nome del Progetto
GDLIplus
Anno di pubblicazione
2024
Capofila
CNR
Nome del bando
Progetti di Alta Formazione in ambito culturale attraverso l'attivazione di borse di studio o borse di ricerca o assegni di ricerca.
Durata prevista
24 Mesi
48.000 €
Costo totale del progetto
43.200 €
Contributo erogato
1
Borse totali
Descrizione Bando
Oggi sono disponibili online moltissimi testi italiani di ogni epoca: le loro possibilità di interrogazione, tuttavia, sono in genere rudimentali, spesso limitate alla sola ricerca di stringhe di caratteri. Questo patrimonio documentario, poi, ha una natura frammentata e composita: non c’è un corpus testuale che possa considerarsi rappresentativo della storia della lingua italiana. Potrebbe colmare questa lacuna il corpus degli esempi citati nelle voci del GDLI (corpus GDLIplus).
Pubblicato in 21 volumi tra il 1961 e il 2002, il «Grande dizionario della lingua italiana» (GDLI) è il più importante dizionario storico italiano. Come tutti i vocabolari storici, il GDLI fonda la descrizione lessicografica delle parole sul ricchissimo corredo di citazioni esemplificative, che coprono l’intera storia dell’italiano. Grazie al lavoro di informatizzazione del GDLI che CNR-ILC ha già svolto con l’Accademia della Crusca, possiamo stimare che il corpus GDLIplus comprenda oltre due milioni e mezzo di passi, tratti da oltre 14.000 fonti (e oltre 6.000 autori), per un totale di circa 50 milioni di occorrenze.
L’italiano è rimasto a lungo una lingua “scritta”: la storia dell’italiano è, di fatto, almeno fino ai Promessi Sposi, la storia dell’italiano letterario. Si capisce bene, dunque, come il corpus GDLIplus possa essere considerato a pieno titolo una risorsa formidabile per la storia della lingua italiana, utile agli studiosi così come a insegnanti e studenti, fino al cittadino navigatore di Internet.
Il progetto GDLIplus si propone di realizzare questa risorsa. A questo fine, sono necessari due ordini di attività. 1-Il corpus deve essere “annotato”: ad ogni parola devono, cioè, essere associate informazioni linguistiche (lemma e categoria morfo-sintattica). Nonostante i recenti progressi, i metodi e le tecniche di trattamento automatico del linguaggio non sono immediatamente applicabili ai testi storici, ma necessitano di specializzazioni a vari livelli. 2-L’origine lessicografica dei testi contenuti nel corpus pone problemi specifici di gestione. La questione più macroscopica riguarda il caso in cui un medesimo passo testuale è citato più volte sotto voci diverse. L’implementazione del corpus GDLIplus impone la messa a punto di una strategia di gestione degli esempi ripetuti, e prima ancora la costituzione di un metodo per la loro individuazione automatica.
Parole chiave:
DIGITAL HUMANITIES, TRATTAMENTO AUTOMATICO DELLA LINGUA, STORIA DELLA LINGUA ITALIANA
