Le risorse statistico-linguistiche presenti in TaLTaC² sono utili:

·     per ricavare informazioni su alcuni elementi o “tonalità” del proprio Corpus in relazione ad informazioni esterne;

·     per analizzare e selezionare sottoinsiemi di unità lessicali;

·     per conoscere il sovra/sotto uso delle lessie rispetto ad unità lessicali omologhe presenti in altri contesti.

Per accedere alle risorse, dal menù Visualizza selezionare Risorse statistico-linguistiche,

si aprirà l'omonima maschera che presenta una serie di liste/tabelle.

Le liste/tabelle sono consultabili selezionando la voce che interessa e premendo il tasto Apri lista/tabella selezionata o, in alternativa, facendo doppio click sulla voce.

Da questa finestra è anche possibile importare lessici o liste di frequenza personalizzati tramite il pulsante Importa. Per la procedura di importazione vedi Importa un lessico di riferimento o una lista.

Al termine della procedura di importazione la nuova lista sarà visualizzata insieme alle altre (in caso contrario premere il pulsante Aggiorna) e, come queste, sarà disponibile in tutte le sessioni.

Le liste importate dall'utente sono rinominabili ed eliminabili. Per farlo, selezionare la lista desiderata e premere, rispettivamente, i pulsanti Rinomina o Elimina. Questi due comandi rimangono invece disabilitati quando è selezionata una delle liste predefinite di TaLTaC².

Alla maschera si accede anche premendo il bottone nella barra degli strumenti.

Le risorse statistico-linguistiche disponibili in TaLTaC² comprendono:

·     il Dizionario di forme flesse di 6000 aggettivi positivi o negativi per il tagging semantico.

Tale dizionario, realizzato a partire dalla consultazione e traduzione di una parte del General Inquirer, il celebre dizionario inglese per l’analisi del contenuto sviluppato nel 1966 da P.J. Stone ed altri e recentemente integrato (Stone, 1997), è stato predisposto con la finalità di riconoscere, conteggiare ed etichettare la terminologia positiva e negativa di un testo, secondo una logica tipica del Text Mining.

La rilevanza della dimensione positivo/negativo è stata dimostrata da numerosi studi di psicologia cognitiva, che tra l’altro mostrano come la presenza della terminologia di segno positivo sia di gran lunga superiore a quella di segno negativo, secondo la “Pollyanna Hypothesis” formulata da Boucher e Osgood nel 1968³.

Attualmente il dizionario comprende circa 6000 forme flesse di aggettivi ed è in corso la predisposizione di un dizionario che comprenda anche le altre categorie grammaticali, oltre agli aggettivi.

·     Il dizionario dei crononimi (nomi del tempo), contenente 70 forme flesse di nomi che identificano ambiti temporali, ad esempio <anni>, <sabato>, <lustri>, <sera>.

·     Il dizionario delle figure parentali, che comprende 200 forme flesse relative alle diverse tipologie di legami di parentela e affinità, dalle forme base <padre>, <mamma> o <zio>, alle alterazioni come <nonnina> o <figlioletto>, fino ai più ricercati <trisavolo>, <figliastri>, <terzogenita>, <gemello>  e altro.

·     il dizionario enogastronomico contiene 8.894 tra nomi di vini, portate, ingredienti, piatti e utensili/accessori legati alla gastronomia.

·     il dizionario dei luoghi delle attività quotidiane comprende oltre 5.000 locuzioni di luogo rilevate tra le descrizioni delle attività svolte durante la giornata (ad esempio: <a ballare>, <a caccia>, <in auto di mamma>, <in balcone>, <nel pianerottolo>, <verso la scuola> ecc).

Altri dizionari specifici presto disponibili in TaLTaC² saranno:

- dizionario dei nomi astratti;

- vocabolario di base VdB (DeMauro, 1980) in forme flesse e in lemmi.

·     Lessici di frequenza.

All’interno di TaLTaC² sono disponibili, allineati in un’unica tavola di confronto, i principali lessici di frequenza, espressi in lemmi, disponibili per la lingua italiana. Tra i lessici generalisti si possono consultare il VdB (Vocabolario di base), il VFond (vocabolario fondamentale), il LIF (italiano scritto), il LIP (italiano parlato), il VELI (linguaggio della stampa). Tra i lessici settoriali sono disponibili il LE (lessico dei bambini) e il TPG (discorso politico).

NOTA: Il lessico di frequenza sul discorso programmatico di governo (TPG) è disponibile anche come tabella a sé stante. Tale lessico è composto da circa 3.000 lemmi provenienti da uno studio sulle dichiarazioni programmatiche dei Presidenti del Consiglio Incaricati della Prima Repubblica in Italia dal 1948 al 1994 (Bolasco,1996).

Nella tavola di confronto sono disponibili, per ciascun lessico, informazioni sul lemma e la sua categoria grammaticale, le occorrenze e la frequenza d’uso normalizzata (per 1 milione di occorrenze).

La tavola di confronto può essere utilizzata per confrontare il vocabolario del testo in esame a livello di LEMMI (qualora il testo sia completamente lemmatizzato) con uno dei lessici disponibili per l’italiano mediante il comando Confronto fra liste/tabelle della maschera Risorse statistico-linguistiche.

·     Liste di frequenza d'uso

In alcuni casi può risultare utile (o necessario) confrontare il vocabolario del corpus in esame con una lista di riferimento espressa in forme grafiche (con relative occorrenze e/o uso), poiché questa rende possibile il confronto con il testo non lemmatizzato disponibile nella prima fase di uno studio. In tal caso, l’analisi assume il carattere di analisi lessicale, con tutti i limiti del caso dal punto di vista della generalizzazione dei risultati.

Per confrontare il vocabolario del testo in esame a livello di FORME GRAFICHE con una delle liste disponibili utilizzare il comando Confronto fra liste/tabelle della maschera Risorse statistico-linguistiche.

Le liste di frequenza espresse in forme grafiche disponibili in TaLTaC² provengono da ampi campioni di linguaggio contemporaneo: il linguaggio standard (corpus POLIF, Bolasco & Morrone, 1998) e il linguaggio comune riscontrabile nella stampa (Rep90, Bolasco & Canzonetti, 2003).

Dal corpus POLIF, campione di oltre 4 milioni di occorrenze di italiano standard, mistura di linguaggio parlato/scritto e formale/informale, derivano tre liste di frequenza d'uso:

- Italiano standard - FG con uso > 1, lista di oltre 50.000 forme grafiche diverse (già POLIF2002);

- Italiano standard - lemmi dei verbi, lista di 2.600 lemmi di verbi con uso maggiore di zero da sole forme non ambigue (occ>2);

- Lessico di poliformi (FDP), con circa 4.000 poliformi (sia locuzioni di tipo grammaticale, sia gruppi nominali di tipo polirematico, sia espressioni di verbi idiomatici) selezionati per il loro ampio uso (Bolasco, 1998).

Dal corpus REP90, vastissimo campione di linguaggio contemporaneo della stampa, risultante dalle 10 annate del quotidiano “La Repubblica” degli anni ’90 (oltre 250 milioni di occorrenze, che per la varietà di autori, dei temi e dei generi presenti in un quotidiano possono considerarsi espressione del linguaggio comune), derivano due liste di frequenza d'uso:

- Linguaggio comune - FG con uso > 50 (Rep90), lista di 60.000 forme grafiche diverse con indice d’uso almeno pari a 50;

- Linguaggio comune - lemmi dei verbi (Rep90), lista di circa 4.900 lemmi di verbi con uso maggiore di zero da sole forme non ambigue (occ>2);

- Lessico economico finanziario, lista di oltre 15.000 poliformi a carattere economico-finanziario, con sottofrequenze ed uso calcolati sia dal punto di vista delle fonti di provenienza dei testi (stampa specializzata stampa non specializzata, libri di testo, documenti, bilanci ecc.), sia dal punto di vista dei temi trattati (borsa, marketing, economia politica, economia aziendale ecc.).

NOTA: A livello di verbi in generale non è interessante confrontare le singole forme flesse (se non per obiettivi particolari), dato il loro ampio numero (da 44 ad oltre 50 nell'italiano) e la forte variabilità. D’altra parte, oltre l’80% delle forme flesse di un verbo non sono ambigue, e pertanto per i verbi è utile operare le fusioni (quasi complete) delle forme flesse per effettuare delle analisi pseudo “lessicali”.

·     Liste personalizzate

Nelle Risorse statistico-linguistiche di TaLTaC² possono essere inserite dall’utilizzatore liste personalizzate, sia dizionari sia lessici o liste di frequenza (di linguaggi specialistici o settoriali) d’interesse, sfruttando la funzione Importa della maschera Risorse statistico-linguistiche oppure accedendo alla voce Importa\Altra Lista dal Menù File

La tabella importata viene salvata nel file Mylessici.tdb.

Per utilizzare le funzioni della categorizzazione semantica, è opportuno inserire le informazioni semantiche in uno specifico campo predefinito denominato CAT_SEM.