INFORMATICA UMANISITICA
L'informatica umanistica è una forza che trasforma i paradigmi; un campo collocato tra le discipline
umanistiche e l'informatica; un approccio che trasforma le metodologie umanistiche attraverso il digitale.
Gli obiettivi principali includono: digitalizzazione e conservazione dei patrimoni culturali; sviluppo di nuove
modalità di analisi e interpretazione; creazione di un dialogo produttivo tra approccio umanistico e logica
computazionale. I principi sono Umanità al centro: comprensione del patrimonio umano e culturale;
Neutralità tecnologica: gli strumenti devono rispettare il contesto delle discipline e i loro obiettivi
epistemologici. Approccio collaborativo: si creano infrastrutture e risorse digitali in cui si chiede
cooperazione tra studiosi umanisti, informatici e altri esperti. Ci sono metodologie e strumenti come la
gestione dei dati culturali: archiviazione, catalogazione e creazione di banche dati per materiali storici,
letterari e artistici + la visualizzazione delle informazioni mediante mappe concettuali, grafiche e strumenti
per rappresentare relazione fra dati. Si fa uso di algoritmi per il confronto e la ricostruzione di manoscritti;
archeologia digitale: modellazione 3D e tecniche di realtà virtuale per la ricostruzione di siti archeologici. ---
Sono analisi pratiche: 1) le Edizioni Digitali Interattive: strumenti interattivi che permettono di esplorare
testi e contesti in modi nuovi medianti Edizioni multimediali con integrazione di testo, immagini, audio e
video. Varianti testuali e Annotazioni dinamiche: possibilità per il lettore di esplorare livelli diversi di
annotazione.
2)Analisi Storica e Filologica: strumenti per analizzare documenti storici e studiare la trasmissione e
l’evoluzione dei testi mediante Filologia computazionale: utilizzo di algoritmi e Ricostruzione storica.
3)Archeologia Digitale e Realtà Virtuale medianti Ricostruzioni 3D; Realtà virtuale e Scansioni laser.
4)Analisi e Visualizzazione di Dati Culturali mediante Social Network Analysis; Timeline interattive con
cronologie storiche o narrative; Mappe concettuali e geo spaziali.
5) Linguistica Computazionale e Stilometria mediante Attribuzione d’autore: tecnica di stilometria per
identificare autori di testi anonimi o contestati; Analisi linguistica: studio delle evoluzioni linguistiche e
Sentiment analysis: applicazione dell’analisi del sentimento a opere letterarie o raccolte di lettere.
6)Musei e Patrimoni Digitali mediante Digitalizzazione delle collezioni: creazione di archivi virtuali di opere
d’arte, reperti archeologici e documenti storici; Musei virtuali e Gamification: utilizzo di tecnologie
interattive per rendere più coinvolgente l’esperienza museale.
7) Crowdsourcing e Partecipazione del Pubblico mediante Trascrizione collaborativa o Annotazioni aperte
Critiche in cui ci sono sfide etiche tra cui: necessità di preservare la centralità delle interpretazioni
umane in un contesto dominato dai dati; questione della sostenibilità tecnologica e dell'accesso equo alle
risorse digitali; ischio di marginalizzazione delle discipline umanistiche di fronte all'espansione delle scienze
computazionali: rischio che possa marginalizzare il carattere interpretativo, soggettivo e qualitativo. si
affronta il rischio del riduzionismo ossia che la complessità delle opere letterarie, storiche o artistiche
potrebbe essere ridotta a meri dati numerici o grafici portando ad una perdita di profondità interpretativa.
Ci sono sfide future quali: integrare metodi quantitativi e qualitativi in modo complementare, senza
sminuire la complessità umana delle discipline tradizionali + promuovere un approccio critico all’uso degli
strumenti digitali, evitando di considerarli come soluzioni definitive. Ci sono problemi epistemologici tra cui
alterazione del paradigma di ricerca; affidabilità degli strumenti e conoscenza frammentata. Legata alla
eccessiva dipendenza dalle tecnologie. L’uso di algoritmi e strumenti digitali può perpetuare o amplificare
bias culturali e sociali in cui le critiche maggiori sono il rischio di esclusione culturale; bias algoritmici:
riflettono i pregiudizi insiti nei dati di partenza o nelle scelte progettuali; sostenibilità e disuguaglianza:
l’accesso agli strumenti digitali e alle competenze necessarie è spesso limitato a istituzioni o paesi con
maggiori risorse.
Prospettive future: 1) espansione dell’intelligenza artificiale e del machine learning mediante
automazione dell’analisi testuale mediante: traduzione automatica avanzata; riconoscimento di immagini e
OCR (Optical Character Recognition); garantire che le tecnologie di IA siano trasparenti e interpretabili per
gli Character Recognition); garantire che le tecnologie di IA siano trasparenti e interpretabili per gli
