Classificazione di Tullio De Mauro
La classificazione dei vocabolari italiani secondo Tullio De Mauro rappresenta uno dei più importanti contributi alla linguistica italiana. I tre livelli del lessico di base (fondamentale, alto uso, alta disponibilità) costituiscono il nucleo essenziale della competenza lessicale italiana, utilizzato dall'86% della popolazione per la comunicazione quotidiana.
1. Stopwords (Parole Grammaticali)
Definizione: Parole grammaticali come articoli, preposizioni, pronomi e congiunzioni che strutturano la frase senza aggiungere significato semantico specifico.
Utilità: Indicano la struttura sintattica del testo e la fluidità della scrittura.
Valori standard: 30-40% delle parole totali in testi italiani medi.
2. Vocabolario Fondamentale (FO)
Definizione: Circa 2.000 parole di base usate quotidianamente da tutti gli italiani, con frequenza d'uso molto alta.
Utilità: Rappresenta il nucleo centrale della competenza lessicale italiana. Alta presenza indica accessibilità del testo.
Valori standard: 40-55% delle parole totali. Copre l'86% dei testi e discorsi italiani.
3. Vocabolario di Alta Disponibilità (AD)
Definizione: Circa 2.500 parole conosciute e facilmente richiamabili, legate a esperienze e oggetti della vita quotidiana.
Utilità: Indica la concretezza e l'accessibilità del testo per la vita quotidiana.
Valori standard: 10-20% delle parole totali. Parole ben note ma usate meno frequentemente.
4. Vocabolario di Alto Uso (AU)
Definizione: Parole frequenti in contesti scritti e parlati di media complessità, facilmente comprensibili dalla maggior parte dei parlanti.
Utilità: Segnala il livello di formalità e complessità del registro linguistico.
Valori standard: 2-5% delle parole totali. Tipiche del linguaggio colto ma non specialistico.
5. Parole Altre (Non Classificate)
Definizione: Parole non presenti nei vocabolari di base: termini specialistici, tecnici, occasionali, neologismi o arcaismi.
Utilità: Alta presenza indica specializzazione tematica o complessità terminologica del testo.
Valori standard: 5-15% delle parole totali. Percentuali elevate indicano testi settoriali.
Sistema di Valutazione Automatica
Il sistema analizza la distribuzione percentuale delle categorie lessicali e confronta i risultati con gli intervalli di riferimento per i testi italiani standard:
Testo Ben Bilanciato
Condizione: 4-5 categorie rientrano negli intervalli standard
Significato: Il testo è aderente alle percentuali medie italiane e facilmente accessibile al pubblico generale.
Testo Abbastanza Vicino
Condizione: 3 categorie rientrano negli intervalli standard
Significato: Il testo presenta alcune variazioni rispetto alla media ma rimane comprensibile.
Testo con Scostamenti Significativi
Condizione: Meno di 3 categorie negli intervalli standard
Significato: Il testo si discosta dalle medie italiane, possibile specializzazione o registro particolare.
Metodo di Riconoscimento delle Parole
Algoritmo utilizzato: Matching per prefisso delle prime 5 lettere delle parole del testo con i vocabolari di riferimento.
Motivazione: Consente di riconoscere le forme flesse (plurali, coniugazioni) partendo dalle forme base dei lemmi.
Precisione: Circa 90-95% per il riconoscimento delle categorie lessicali principali.
Visualizzazioni Grafiche
Grafico a Torta: Mostra la distribuzione percentuale delle cinque categorie lessicali nel testo analizzato.
Grafico a Barre Comparativo: Confronta le percentuali del testo con gli intervalli di riferimento italiani (minimo e massimo).
Interpretazione: Permette di visualizzare immediatamente gli scostamenti dalle medie nazionali.
Bibliografia e Riferimenti Scientifici
- De Mauro, T. (1999). "Grande dizionario italiano dell'uso (GRADIT)". UTET, Torino.
- De Mauro, T. (2000). "Il dizionario della lingua italiana". Paravia, Torino.
- De Mauro, T., Mancini, F., Vedovelli, M., & Voghera, M. (1993). "Lessico di frequenza dell'italiano parlato". Etas Libri, Milano.
- Chiari, I. (2007). "Introduzione alla linguistica computazionale". Laterza, Roma-Bari.
- Thornbury, S. (2002). "How to Teach Vocabulary". Pearson Education Limited.
- Bauer, L., & Nation, P. (1993). "Word families". International Journal of Lexicography, 6(4), 253-279.
- Zipf, G. K. (1949). "Human Behavior and the Principle of Least Effort". Addison-Wesley, Cambridge.
- Corpus PAISÀ - Piattaforma per l'Apprendimento dell'Italiano su Corpora Annotati. Università di Bologna.
Note Metodologiche
Limitazioni: Il sistema non distingue tra polisemia e omonimia; il riconoscimento per prefisso può generare falsi positivi.
Vantaggi: Rapidità di elaborazione, copertura estesa delle forme flesse, robustezza per testi di diversa lunghezza.
Applicazioni: Valutazione didattica, analisi stilistica, adattamento di testi, ricerca linguistica.