https://www.youtube.com/watch?v=VhaMZFNg-EM

Collazione a colazione 3/3

Abbiamo definito nei posts precedenti la collazione e la sua relazione con l’informatica, e fornito alcuni spunti di lettura per chi volesse cominciare ad avventurarsi nella storia della collazione automatica. Vediamo ora quali sono le operazioni che un programma di collazione compie, secondo il già citato modello di Gothenburg.

Il cuore di un programma di collazione è l’allineamento: i testi delle diverse copie vengono allineati, in modo da identificare cosa nel testo A corrisponde a cosa nel testo B. Una volta riconosciute le parti che non cambiano, si introducono quelle che cambiano ed eventuali spazi bianchi.

Facciamo un esempio utilizzando il testo dell’Infinito di Leopardi. Le versioni A e B corrispondono ad una copia del 1819 (digitale.bnnonline.it); le versioni C e D ad una del 1826 (it.wikipedia.org).   [Per semplicità, gli interventi dell’autore sul manoscritto sono trascritti in una nuova versione: in A è trascritto il testo del manoscritto del 1819, in B il testo dello stesso manoscritto seguendo gli interventi (cancellature, correzioni in interlinea, etc.); stessa cosa per C e D con il manoscritto del 1826]

Leopardi, Infinito. Esempio di collazione 1.
Leopardi, Infinito. Esempio di collazione 1.

 

Leopardi, Infinito. Esempio di collazione.
Leopardi, Infinito. Esempio di collazione 2.

Prima di procedere all’allineamento, un programma di collazione deve fare due operazioni: tokenizzare e normalizzare.

Tokenizzare significa dividere nelle unità di base che saranno poi messe a confronto; per la macchina, un testo è una sequenza di bit, e non una sequenza di parole o lettere e spazi bianchi e punteggiatura. E’ necessario quindi indicare al programma cos’è una parola (i caratteri tra due spazi bianchi, tra uno spazio e la punteggiatura, tra uno spazio e un apostrofo, etc.), se vogliamo che riconosca le parole uguali e quelle diverse. Durante la tokenizzazione, il testo viene quindi scomposto in token. Il confronto avverrà poi tra questi token.

La normalizzazione è un passaggio altrettanto importante: la più comune consiste nel rimuovere la punteggiatura e le maiuscole; ma diversi tipi di normalizzazione possono essere necessari a seconda del testo con il quale si ha a che fare.

Tokenizzazione, normalizzazione e allineamento, dunque. Il passaggio successivo, opzionale e raramente implementato nella versione standard dei programmi di collazione, è l’analisi e il feedback. Quando i risultati dell’allineamento non sono soddisfacenti, l’utente potrebbe suggerire delle correzioni e rinviare i dati, arricchiti dai suggerimenti, al programma.

Leopardi, Infinito. Output della collazione, grafico.
Leopardi, Infinito. Output della collazione, grafico.

L’ultimo passaggio di un programma di collazione automatica è la visualizzazione dei risultati. Ad oggi le visualizzazioni più diffuse sono i tradizionale apparati critici, le tabella di allineamento e i grafici. La rappresentazione grafica dei risultati, come in altri casi di trattamenti digitali di testo, è potenzialmente soggetta a nuovi, e innovativi, sviluppi. Per i curiosi, rimandiamo alle riflessioni di Tara Andrews e Joris van Zundert su apparato e grafico (Apparatus vs. Graph – an Interface as Scholarly Argument).

Negli esempi in questo post viene utilizzato CollateX. La documentazione per questo software, oltre che sul sito ufficiale, si trova nella pagina del workshop tenutosi l’anno scorso durante la conferenza annuale di Digital Humanities.

Con questo post chiudiamo, per il momento, lo spazio dedicato alla collazione, inteso come termine tecnico della critica testuale che si riferisce al confronto tra i testi di più testimoni. Non scordiamo che, come scriveva Alberto Campagnolo in un commento recente, la parola collazione ha anche altri significati!


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *