Corpus Corporum

Una panoramica dello sviluppo attuale

Abstract

Il progetto Corpus Corporum, ospitato dall’Università di Zurigo, costituisce la più ampia raccolta digitale strutturata di testi latini (dall’antichità al XX secolo) e comprende attualmente circa 226 milioni di parole distribuite in 30 corpora. Concepito come infrastruttura di ricerca ad accesso libero, il progetto offre a filologi, linguisti, storici e studiosi di latino un ambiente unificato per la lettura, la ricerca e l’analisi dei testi, che devono essere codificati in formato TEI XML. Importanti dizionari di Latino sono integrati nel sito. La piattaforma, basata su tecnologie open source quali BaseX, Sphinx e TreeTagger, mantiene una chiara distinzione tra i livelli di corpus, autore, opera ed edizione e integra identificatori persistenti (VIAF, Wikidata), nonché risorse esterne come geschichtsquellen.de. Nell’articolo vengono presentati gli sviluppi più recenti del sito, in particolare due nuovi strumenti di analisi: 'Text Reuse' e 'Metrical Analysis'. Il modulo 'Text Reuse' consente un’analisi intertestuale basata su algoritmi k-skip-n-gram, mentre il modulo 'Metrical Analysis' identifica automaticamente i metri dei versi latini. Tali innovazioni rendono possibili nuove indagini sulla trasmissione testuale e sulla struttura poetica dei testi. Viene brevemente discusso un caso studio tratto dalle Etymologiae di Isidoro di Siviglia. Gli sviluppi futuri prevedono la traduzione assistita dall’intelligenza artificiale, l’indicizzazione semantica e la ricerca basata sui sinonimi, accrescendo così il potenziale della piattaforma come risorsa completa e interoperabile per la filologia latina digitale e, più in generale, per il vasto ambito delle scienze umane computazionali.