CAP 4
I corpora sono strumenti fondamentali per l'analisi di una lingua per due
ragioni:
la prima è che le risorse testuali permettono di analizzare i fenomeni dal
punto di vista della produzione concreta in contesti reali (la ricerca dei
contesti è data dalle concordanze PUNTO 3).
La seconda è che un corpus permette di accedere ai valori numerici relativi a
frequenza (PUNTO 1) e distribuzione (PUNTO 2).
I corpora sono molto importanti per essere comparati e determinare lo studio
della variazione che si riscontra tra le diverse situazioni.
PUNTO 1: gli strumenti fondamentali per l'analisi della composizione e la
distribuzione del lessico sono le liste di frequenza.
Dato un qualsiasi corpus, infatti, si compiono una serie di operazioni:
–tokenizzazione
–compilare la lista delle forme di parola
–ogni forma di parola viene associata al numero delle occorrenze a cui
corrisponde, e nelle liste viene di solito riportato anche il rango delle
singole entrate: la parola di rango 1 è quella che conta più occorrenze.
PUNTO 2:
Distribuzione lo studioso che ha iniziato gli studi sulla distribuzione è
l'americano Zipf che formulò una legge matematica in grado di mettere in
relazione il rango di una parola di una lista con la sua frequenza assoluta.
Quindi, in qualsiasi corpus, le parole che occupano i primi ranghi della lista
avranno un numero molto alto di occorrenze, mentre man mano che si
scende di rango le frequenze diminuiscono fino a arrivare agli hapax ovvero
le forme con frequenza pari a uno; un altro modo di osservare l'andamento
della distribuzione lessicale è dato dal calcolo della frequenza cumulativa, in
cui le occorrenze di ogni singola parola vengono sommate man mano che si
procede dal rango uno a quelli successivi: il rapporto tra forme forme e
occorrenze è un rapporto che va da zero a uno, e corrisponde a uno quando
un testo contiene solo hapax, ovvero parole che occorrono una sola volta nel
testo, mentre corrisponde a zero se fosse costituito da un numero infinito di
occorrenze. Questo rapporto può essere chiamato anche type/token ratio.
CLASSI APERTE E CLASSI CHIUSE:
esistono le parole lessicalmente piene ovvero i verbi, i nomi, gli aggettivi e gli
avverbi, e quelle lessicalmente vuote che sono i pronomi, le proposizioni, gli
articoli, le congiunzione; le prime appartengono alla categoria delle classi
aperte, le seconde alla categoria delle classi chiuse.
Le parole di classe chiusa in una lista di frequenza si ripetono molto più
frequentemente delle altre, perché sono numericamente più limitate.
PUNTO 3: concordanze:strumento classico per l'analisi dei testi.
Esistono in formato non elettronico: hanno la forma di indice in cui vengono
elencate alfabeticamente le parole presenti in una o più opere di autore
insieme all'indicazione dei punti in cui compaiono.
