La matematica scopre Gramsci ... in 8 battute

Read time: 4 mins

Da più di un secolo la matematica si pone il problema di esplorare la struttura dei testi letterari. E’ solo da meno di vent'anni, però, che idee fino a poco tempo fa rimaste solo teoriche vengono sperimentate, e in modo sistematico e approfondito, grazie alla diffusione degli strumenti informatici e alla digitalizzazione dei testi.

Due recenti notizie riportate dai media hanno riacceso i riflettori sulla questione. La prima riguardava la possibilità di individuare le parole “importanti”, significative, di un testo senza nemmeno conoscere la lingua in cui è scritto [1], e la seconda che annunciava che un problema di attribuzione di una tragedia sheakspeariana era stato finalmente risolto da un software [2].

Il sogno visionario che spinge chi fa ricerca in questo campo è scoprire, prima o poi, che esiste una 'cifra' caratteristica di ogni autore, in grado di identificarlo completamente. Un’ ‘impronta letteraria’  descrivibile numericamente e che permetta  di distinguere senza dubbio alcuno i suoi testi da quelli degli altri.

Certo, potrà sembrare un obiettivo ingenuo di fronte alla complessità di un'opera e della sua relazione con un autore, eppure ci sono robuste  idee matematiche che guidano ricerche di questo tipo.

L'astrazione chiave che sta sullo sfondo è considerare un autore come una 'sorgente ergodica' di simboli, cioè un generatore di sequenze infinite di lettere, spazi, simboli di interpunzione, con ben definite proprietà statistiche.

I suoi testi, i testi prodotti da questa particolare sorgente ergodica, sono dei 'campioni', e si possono quindi usare su di essi, con relativa sicurezza concettuale, gli strumenti della teoria della probabilità e della teoria dell'informazione. Si può, in altre parole, misurare la 'quantità' di informazione contenuta in un testo, e si possono ottenere significativi indici numerici, andando ben oltre il mero computo della frequenza delle parole.

Questi metodi hanno dimostrato di funzionare: in collaborazione  con la Fondazione Istituto Gramsci, il nostro gruppo di ricerca ha infatti messo a punto un test di  'gramscianità' per distinguere gli articoli di giornale di Antonio Gramsci  dagli articoli di altri autori politici dello stesso periodo. E i risultati sono stati incoraggianti. Una fase cruciale della ricerca è stata una prova cieca  preparata da ricercatori dell'Istituto, in cui il metodo ha individuato correttamente il 90% dei testi effettivamente gramsciani,  e ha respinto il 100% dei testi non gramsciani [3].

Usare queste idee per distinguere un autore da un altro vuol dire, in particolare, spostare l'attenzione dalle parole agli n-grammi,  cioè a tutte le possibili sequenze di n simboli, spazi e punteggiatura inclusi.

Un’impostazione che dunque è ben distante dagli approcci umanistici ai problemi di  attribuzione. Nello specifico, possiamo affermare che la differenza tra gli scritti di Gramsci e degli altri autori è ben visibile a livello degli 8-grammi (cioè di quelle sequenze lunghe 8 simboli,  come per esempio "e; e tut"). Ma nulla sappiamo dire sulla  rilevanza, ai fini del nostro discorso, dell'uso ad esempio dell'espressione "vita nazionale".

D'altra parte, questo tipo di sperimentazioni è solo agli inizi, ed è lecito attendersi ulteriori passi avanti e forse anche avvicinamenti  tra metodi quantitativi e qualitativi.

Rimane comunque centrale il problema di valutare la validità dei risultati, infatti la scrittura di un'opera non è un evento ripetibile, e in definitiva l'esito di una procedura di attribuzione difficilmente può essere confermato o smentito. È per esempio accaduto con lo scrittore olandese A. Grunberg che confessò di celarsi dietro il nome di M. van der Jagt, confermando pubblicamente le nostre indicazioni [4], mentre un analogo disvelamento non si è verificato con la misteriosa Elena Ferrante [5].

Per dare credibilità ai risultati  è dunque indispensabile provare preliminarmente la validità dei metodi in condizioni controllate, e tra gli strumenti utilizzati dalla comunità scientifica ci sono le gare internazionali in cui i metodi vengono messi a confronto su prove cieche [6][7]. Inoltre è essenziale che a questi studi partecipino a pieno titolo ricercatori di formazione letteraria.

In assenza di questi elementi si rischia di ottenere un 'responso oracolare', che viene accettato o rifiutato in base alla fede nello strumento informatico, e non in base alle idee che strutturano  il metodo. Ne sono un esempio i titoli della notizia sulla parziale  attribuzione a T. Kyd dell'Edoardo III ("un computer dimostra..."), e le reazioni che  ha suscitato ("un computer non potrà mai spiegare...").

Un commento più approfondito su questo caso  dovrebbe invece partire dall'analisi del programma utilizzato, che  è un software antiplagio, presumibilmente  inadatto a un problema di attribuzione.

Bibliografia

[1] www.galileonet.it/news/11785/a-ogni-parola-il-suo-valore
[2] www.repubblica.it/2009/10/sezioni/spettacoli_e_cultura/shakespeare-softw...
[3] dx.doi.org/10.1063/1.2996507
[4] libri.blog.rainews24.it/2004/09/27/arnon-grunberg-gstaad-95-98
[5] L'Unita', 23 novembre 2006
[6] www.mathcs.duq.edu/~juola/authorship_contest.html
[7] www.webis.de/pan-09/competition.php

altri articoli

Fattori genetici di rischio per l'Alzheimer: le nuove varianti identificate

Placche di beta-amiloide nel campione autoptico di un paziente con malattia di Alzheimer. Crediti: Jensflorian/Wikimedia Commons. Licenza: CC BY-SA 3.0

Il più grande studio internazionale condotto finora ha portato all'identificazione di cinque nuove varianti genetiche che costituiscono fattori di rischio per la malattia di Alzheimer. I geni coinvolti sono implicati nei meccanismi dell'immunità e dell'infiammazione, processi la cui importanza nello sviluppo della malattia risulta dunque confermata. Un'ipotesi è che le cellule della microglia si attivino nel tentativo di fagocitare la proteina amiloide ma, non riuscendoci, si determini la de-regolazione di tutto il sistema. La ricerca, pubblicata su Nature Genetics, rappresenta inoltre un'importante conferma dei risultati degli studi precedenti, come varianti correlate al rischio di sviluppare la malattia in geni che agiscono sul metabolismo dell'amyloid precursor protein