Codice di Stile

Nel 1993 è stato diffuso il Codice di stile della comunicazione scritta ad uso delle amministrazioni pubbliche, pubblicato a cura del Dipartimento della Funzione Pubblica ([AA.VV. 1993]). Scopo del Codice di stile è dare alcuni elementi di base per sensibilizzare la Pubblica Amministrazione sul problema della leggibilità, fornendo anche indicazioni pratiche ed esempi.
È la prima pubblicazione di questo genere prodotta in Italia da organi dello Stato, e prende esempio da testi analoghi già circolanti da anni in altri paesi (come il Manual de Estilo del Lenguaje Administrativo in Spagna).
Nella parte prima del Codice di stile viene illustrato lo stretto rapporto tra diritti dei cittadini e chiarezza dei testi, attraverso l'analisi del linguaggio delle leggi e delle Pubbliche Amministrazioni. Questo aspetto del rapporto Stato - cittadino è ormai universalmente riconosciuto di fondamentale importanza, e costituisce per il nostro Paese un primato negativo.
Nella parte seconda sono descritti studi ed esperienze sul linguaggio della Pubblica Amministrazione, ed è citato un lavoro di analisi realizzato con Èulogos. L'analisi, svolta da Nicola Mastidoro e Maurizio Amizzoni, e coordinata da Elisabetta Zuanelli con la collaborazione di Maria Emanuela Piemontese, ha preso in esame un corpus di circa 90.000 occorrenze composto da alcune centinaia di testi (lettere, circolari, ecc.) e ha prodotto due risultati principali: analisi rispetto al Vocabolario di Base e definizione di un primo elenco di lemmi ed espressioni del linguaggio della Pubblica Amministrazione. Questa è stata la prima ricerca del genere condotta in Italia, sia per dimensione del corpus che per strumenti e risultati, e costituisce un importante precedente per futuri sviluppi in questo settore. Per lo svolgimento della ricerca è stato scelto Èulogos perché:

È in studio una versione di Èulogos dedicata alla Pubblica Amministrazione, fatta in modo da assistere durante la redazione dei testi.




Corpus
Un corpus è una raccolta ordinata di testi. In linguistica si intende una raccolta ordinata di testi che sia rappresentativa di una lingua o del linguaggio di un particolare settore. Per fare in modo che la raccolta sia rappresentativa, si fissano criteri ben precisi per le fonti dalle quali attingere e per i criteri di scelta all'interno delle fonti.
Per esempio, se si vuole analizzare il linguaggio dei quotidiani, bisogna raccogliere una grande quantità di articoli, assicurandosi che siano presenti in proporzione la maggior quantità possibile di tipi di linguaggio dei quotidiani.
La buona qualità dei risultati di un lavoro di analisi linguistica dipende molto dalla buona definizione del corpus.
Con Èulogos è possibile definire e analizzare corpus di grandi dimensioni. Inoltre, Èulogos permette di identificare i singoli elementi del corpus (nell'esempio di prima, si possono identificare i singoli articoli) anche nei risultati delle analisi (liste di frequenza, liste dei segmenti ripetuti, grafici, ecc.). Grazie a questa caratteristica, Èulogos permette di raggruppare gli elementi di uno stesso corpus in molti modi, attraverso una finestra interattiva.
Infine, Èulogos consente di associare agli elementi di un corpus anche informazioni aggiuntive, da utilizzare come criteri di selezione durante lo svolgimento di analisi e calcoli.




     Indici di leggibilità: Gulpease e Flesch
Un indice di leggibilità è una formula matematica che attraverso un calcolo statistico è in grado di predire la reale difficoltà di un testo in base a una scala predefinita di valori.
Per definire la formula di un indice di leggibilità si può tener conto di diverse variabili linguistiche, cioè della misura di alcuni parametri del testo. Le variabili linguistiche più semplici sono, per esempio, lunghezza media delle parole e lunghezza media delle frasi.
Vi sono variabili linguistiche che sono indipendenti dal contenuto del testo, come appunto le due citate, oppure variabili linguistiche legate al lessico, alla struttura del periodo, ecc.
Sono state definite molte formule per la predizione della leggibilità, ma quelle che hanno avuto maggiore successo sono quelle che considerano variabili linguistiche di facile calcolo, come per esempio la lunghezza delle parole e delle frasi.
Per lo stesso motivo, i programmi che calcolano automaticamente il valore delle formule si limitano, nella maggior parte delle applicazioni, a formule semplici.

L'indice di Flesch

La formula di leggibilità che ha avuto maggior successo e diffusione nel mondo è quella di Rudolf Flesch, nota come Formula di Flesch. Essa considera solo due variabili linguistiche: lunghezza media delle parole espressa in sillabe per parola, e lunghezza media delle frasi espressa in parole per frase.
La formula di Flesch, che deve la sua diffusione proprio alla sua semplicità, ha però due inconvenienti: il primo è prodotto dal fatto che la formula è stata progettata per l'inglese ed è, quindi, tarata sulla struttura morfologica e sillabica di questa lingua; il secondo è rappresentato dal problema del conteggio delle sillabe. Infatti, questo tipo di calcolo si mostra particolarmente complesso nell'ambito della lingua italiana, poiché esso non è completamente formalizzabile mediante regole di portata generale, se non ricorrendo a stime di tipo statistico, il cui limite, purtroppo è quello di non poter descrivere e riprodurre esattamente la sillabazione delle singole parole di un testo. In particolare, nel campo della sillabazione le difficoltà maggiori sono prodotte dall'accentazione e dalla presenza di dittonghi.
Il fatto che la formula è nata per l'inglese è stato affrontato da Roberto Vacca, il quale, nel 1972, ha adattato i parametri della formula alla lingua italiana (vedi [Franchina-Vacca 1986]). Della formula esiste anche un secondo adattamento, realizzato da Vacca nel 1986, dove: Facilità di lettura = 217 - 1,3 W - 0,6 S. Il nuovo adattamento nasce da un'ipotesi di Vacca, autore bilingue di uno stesso testo in lingua italiana e in lingua inglese. Secondo questa ipotesi i due testi avrebbero dovuto avere lo stesso indice di leggibilità per il fatto che entrambi trattavano lo stesso argomento ed erano stati scritti dallo stesso autore. Ma in base agli esperimenti condotti dal Gruppo Universitario Linguistico-Pedagogico risulta che i dati forniti dall'applicazione della formula del 1972 sono più attendibili di quelli derivati dall'applicazione della formula del 1986.
Il secondo problema, quello delle sillabe, è ancora aperto.




L'indice GULPEASE

Nel 1982 il GULP - Gruppo universitario linguistico pedagogico, presso l'Istituto di Filosofia dell'Università degli studi di Roma «La Sapienza» - ha definito una nuova formula, la formula GULPEASE, partendo direttamente dalla lingua italiana (vedi [Lucisano-Piemontese 1988] e [Lucisano 1992]).
La formula è stata determinata verificando con una serie di test la reale comprensibilità di un corpus di testi. La verifica è stata fatta su diversi tipi di lettore, e accanto alla determinazione della formula è stata definita una scala d'interpretazione dei valori restituiti dalla formula stessa. La scala mette in relazione i valori restituiti dalla formula con il grado di scolarizzazione del lettore. Per esempio, un testo con indice GULPEASE 60 è: molto difficile per chi ha la licenza elementare, difficile per chi ha la licenza media, facile per chi ha un diploma superiore.
La formula GULPEASE, oltre ad essere la prima formula di leggibilità tarata direttamente sulla lingua italiana, ha anche il vantaggio di calcolare la lunghezza delle parole il lettere, e non più in sillabe.
Proprio questa caratteristica ci ha consentito di realizzare in Èulogos una versione informatizzata della formula con un buon livello di affidabilità.
Il calcolo automatico di una formula di leggibilità impone di affrontare non pochi problemi, dovuti essenzialmente alla cecità dell'elaboratore elettronico rispetto al contenuto del testo. Il problema maggiore è la punteggiatura: per esempio, per calcolare la lunghezza delle frasi bisogna stabilire dove inizia e dove finisce ogni frase, e in molti casi è tutt'altro che semplice farlo (basti pensare ai molteplici usi del punto).
La soluzione adottata in Èulogos, studiata da Maurizio Amizzoni [Amizzoni 1991], consiste nel costruire un modello del testo in analisi e su quel modello stabilire i punti di fine frase. Proprio questa caratteristica consente al sistema di calcolare l'indice GULPEASE con affidabilità molto elevata.




     Lemmatizzazione
Per lemmatizzazione si intende quel procedimento che noi tutti facciamo quando incontriamo una parola e la cerchiamo in un dizionario.
Per esempio, chi s'imbattesse nella parola "porto" e non ne conoscesse il significato, aprirebbe il dizionario e cercherebbe ... che cosa? È proprio qui il problema: il lettore umano che conosce la lingua italiana, sa bene che se volesse trovare "porto" dovrebbe cercare "porto", ma anche "portare" e "porgere", e in base al contesto stabilire quali dei tre vocaboli è quello giusto, cioè disambiguare. Ma per l'elaboratore non è così semplice: fino ad oggi, gli elaboratori, per quanto veloci siano e per quanto articolati possano essere i programmi, non possono capire un testo. Per dirla in modo più scientifico, un elaboratore non può accedere al piano semantico del testo.
Disambiguare per un programma di elaboratore è un po' come stabilire il colore di oggetti di forma diversa avendo gli occhi bendati.
Sono stati fatti diversi tentativi per ottenere, da parte di un programma di elaboratore, un comportamento analogo a quello della comprensione, almeno per gli aspetti relativi alla lemmatizzazione. I tentativi fatti, tra i quali molto interessanti quelli con le reti neurali (vedi [Parisi-Castelfranchi 1987]), sono riusciti a ottenere risultati degni di nota su testi predigeriti, e non su testi qualsiasi.
Il problema della comprensione del testo è molto sentito anche per chi si occupa di traduzione automatica. La Comunità Europea, per esempio, ha investito ingenti risorse in questo settore (il servizio traduzioni della Comunità Europea è il più grande e complesso del mondo), ma i programmi non sono ancora sufficientemente affidabili su testi non controllati, e comunque la traduzione deve essere almeno controllata, e spesso rivista, da un operatore umano.
A questi problemi se ne aggiunge un altro. Il programma di un elaboratore lemmatizza in base a un proprio dizionario di macchina, che contiene i dati morfologici sui lemmi e altri dati utili. Quando il programma si imbatte in una parola che non corrisponde a nessuna di quelle che conosce, segnala il fatto all'operatore, che deciderà se inserire la forma nel sistema (sia come nuovo lemma che come forma di un lemma già noto). Ma che cosa succede quando la forma appartiene a un lemma non presente nel dizionario di macchina ed è però omografa a quella di un lemma presente? In questo caso il programma non può segnalare che la parola è sconosciuta perché la può lemmatizzare, né può segnalare che appartiene a un lemma che non conosce perché, appunto, non lo conosce.
In alcuni lemmatizzatori il problema delle lemmatizzazioni possibili ma sconosciute è stato affrontato creando un meccanismo di predizione, che cerca di ricostruire il lemma di un'occorrenza anche attraverso regole generali. Questa soluzione, concettualmente valida, ha l'inconveniente di dare spesso risultati di fantasia, mettendo il lista di frequenza lemmi inesistenti o impropri ("bottone" alterazione di "botto", "guanciale" forma con pronome di "*guanciare", ecc.).
La soluzione migliore finora adottata è costruire un dizionario di macchina completo, cioè tale che per ogni forma riconosciuta siano presenti tutti i lemmi che la possono produrre. Anche se non è possibile avere l'assoluta certezza della completezza (la lingua riserva sempre sorprese), tale soluzione permette di ottenere lemmatizzazioni molto affidabili.




     Polirematica
Intendiamo per polirematica un'espressione che consideriamo come un vero e proprio lemma. In particolare sono polirematiche:
La forma di citazione con la quale registriamo una polirematica è di norma la forma che si ottiene dalle forme di citazione delle parole componenti, a meno che la cristallizzazione imponga vincoli più stretti. Così testa di cuoio è una polirematica nella sua forma di citazione, ma anche rompere le uova nel paniere lo è, poiché *rompere l'uovo nel paniere non è attestata.
Nei casi nei quali la polirematica termina con una preposizione, mettiamo a lemma la forma con la preposizione non articolata. Così per mezzo di è la forma di citazione delle polirematiche per mezzo di e per mezzo del. Ugualmente mettiamo a lemma la forma articolata quando questa fosse cristallizata nella polirematica.
Registriamo nella forma di citazione della polirematica eventuali segni di punteggiatura quando costituiscono parte integrante della polirematica stessa, come in vita, morte e miracoli: in fase di lemmatizzazione è possibile stabilire se la presenza dei segni di punteggiatura sia da considerarsi discriminante ai fini del riconoscimento della polirematica.
Vi sono inoltre molti casi nei quali la polirematica è definita a meno di elisioni, come in esame di ammissione, che può essere presente anche come esame d'ammissione. Con tali polirematiche preferiamo registrare la forma senza elisione e segnalare le varianti in nota e nei dati morfologici del lemma. Tuttavia nei casi nei quali l'elisione è cristallizzata, mettiamo a lemma l'espressione contenente la forma elisa, come in testa d'uovo.
Lo stesso accade per i casi di apocope: mettiamo a lemma la forma non apocopata, come in mano mano - man mano, a meno che non si presentino cristallizzati: a fin di bene, pian piano, a mo' di esempio.
Nei casi nei quali il passaggio dalla forma semplice alla forma articolata di una preposizione comporti un cambiamento di rango, le registriamo separatamente: andare coi piedi di piombo - andare con i piedi di piombo.
Per le polirematiche verbali che contengono anche la preposizione, come andare pazzo per, se la polirematica occorre priva di preposizione con lo stesso significato e senza ambiguità (come nella frase "ne andava pazzo"), registriamo separatamente la polirematica senza preposizione.
Per le coppie del tipo a bruciapelo - a brucia pelo, a capofitto - a capo fitto, ecc., registriamo entrambe le polirematiche e segnaliamo in nota il rapporto tra le due.
Un caso a parte è rappresentato da polirematiche che risultano dall'uso cristallizzato di forme verbali associate a pronomi. Citiamo il caso di cavarsela, polirematica che nella forma di citazione è costituita da una sola parola, ma che in realtà rappresenta le polirematiche me la cavo, te la cavi, ecc.
Vedi anche la definizione di rango di una polirematica.




     Rango (di polirematica)
Definiamo il rango di una polirematica come il numero delle parole che la compongono nella forma di citazione. Le forme elise di articoli, preposizioni e pronomi costituiscono parola a sé stante: testa d'uovo ha rango tre, a bizzeffe ha rango due, ecc. Consideriamo parola a sé stante anche il genitivo sassone nelle polirematiche importate dalla lingua inglese.
Possono essere presenti polirematiche di rango uno, come in polirematiche del tipo cavarsela, essendo il rango calcolato sulla forma di citazione.




     Vocabolario di Base della lingua italiana
Il Vocabolario di Base della lingua italiana (VdB) di Tullio De Mauro ([De Mauro 1991]) è un elenco di lemmi elaborato prevalentemente secondo criteri statistici. Esso rappresenta la porzione della lingua italiana usata e compresa dalla maggior parte di coloro che parlano italiano.
La scelta dei lemmi è stata fatta in base ai primi 5.000 lemmi del Lessico Italiano di Frequenza (LIF) [Bortolini et a. 1972] (ridotti a circa 4.750 dopo averne verificato la comprensibilità), integrati con un insieme di lemmi determinati per altre vie. In particolare, i lemmi del VdB sono classificati in tre livelli:
Il VdB è stata la prima opera di questo genere realizzata in Italia (per gli studi fatti all'estero, vedi [Sciarone 1977]), e a tutt'oggi è uno strumento d'importanza fondamentale per controllare e migliorare la leggibilità di un testo secondo criteri scientifici. Infatti le parole che non sono nel VdB sono meno comprensibili per le persone meno scolarizzate o quelle poco abituate a leggere, e quindi se si vuole essere sicuri che il testo sia comprensibile a tutti bisognerebbe usare solo tali parole. Questo non vuol dire che un testo ad alta leggibilità sia chiuso a nuove parole, ma vuol dire che quando si usa un lemma non di base, soprattutto quando è un lemma importante per capire il testo, bisogna spiegarne il significato, usando nella spiegazione solo lemmi presenti nel VdB. Un testo altamente comprensibile non ha solo questa caratteristica (vedi il fondamentale Fenomenologia dello scrivere chiaro [Lumbelli 1990]), ma l'uso del VdB è condizione comunque necessaria.
Un esempio di scrittura ad alta leggibilità è il mensile Due Parole, edito dal dipartimento di Scienze del Linguaggio dell'Università di Roma «La Sapienza». I redattori di Due Parole scrivono articoli usando il VdB e spiegando le parole che non vi appartengono. Inoltre, la redazione applica anche altri criteri di leggibilità, attinenti alla grafica (caratteri grandi, illustrazioni che non spezzano il testo, ecc.) e al modo di disporre i contenuti (riquadri di spiegazione, testo a nuova riga per ogni frase, ecc.). Stiamo conducendo con Èulogos uno studio statistico sulle prime quattro annate del mensile (per un totale di circa 140.000 occorrenze).

Contattaci: eulogos@eulogos.it. Copyright Èulogos srl 1996 - MMDCCXLIX a.u.c.