Visualizzazione post con etichetta lingua italiana. Mostra tutti i post
Visualizzazione post con etichetta lingua italiana. Mostra tutti i post

domenica 29 dicembre 2024

Le parole più usate nel web nel 2024 tra IA, guerra e meteo

 Word Art

L'immagine è tratta dal sito della Scuola Primaria di Buttigliera d'Asti 


Le parole più usate sul web sono un buon indicatore del lessico che ha caratterizzato l'anno che si avvia alla conclusione. Gli strumenti e i metodi della linguistica dei corpora consentono di confrontare su base statistica corpora del 2024 con corpora degli anni precedenti ed estrarre il lessico che quest'anno è stato usato con una frequenza anomala rispetto al passato, e dunque quello più tipico del 2024.

La piattaforma SketchEngine mette a disposizione Italian Trends, un monitor corpus dell'italiano, un corpus, cioè, che viene aggiornato regolarmente due volte alla settimana con testi estratti automaticamente dal web, di genere prevalentemente giornalistico. Il corpus viene incrementato in media con 3-4 milioni di parole ogni giorno dal 2014, ed ha raggiunto nel 2024 le dimensioni di 10 miliardi di parole.

Usando questo corpus, ho confrontato il lessico usato nel 2024 con quello usato nei due anni precedenti, che sono serviti come corpus di riferimento per fare emergere le peculiarità lessicali del 2024. L'analisi per keywords consente di estrarre le parole chiave sia come singole unità lessicali che come combinazioni di parole, escludendo i nomi propri, che sono ovviamente tra le parole più frequenti. Ecco che cosa è emerso.

 

Intelligenza artificiale

IA generativa è l'espressione con indice di keyness più alto nel 2024 rispetto al biennio 2022-23. L'intelligenza artificiale, che nella sua dimensione generativa è esplosa come fenomeno di massa nel corso del 2022, continua ad occupare le pagine dei giornali e dei siti web anche nel 2024. In particolare, emergono quest'anno tra le prime 10 parole chiave LLM (large language model) e prompt, che è usato in espressioni come affinare il prompt, per rendere più efficaci le risposte del sistema di IA.

 

Guerra

Un altro tema che fornisce parole chiave per il 2024 è quello della guerra. Genocidio è la quarta per coefficiente di keyness (perpetrare, commettere, legittimare, giustificare, ma anche condannare, fermare impedire, denunciare), seguita da cercapersone (l'esplosione avvenuta in Libano) e da ostaggio. Tra le combinazioni di parole figurano attacco aereo, pace giusta e gabinetto di guerra. 

 

Politica

La sfera politica è sempre ben rappresentata nei testi pubblicati sul web, anche nelle parole chiave, che fotografano i temi politici più dibattuti nel corso di quest'anno. Premierato è la seconda parola chiave del 2024 dopo IA generativa, ed è seguita da dossieraggio e ultradestra. Tra le combinazioni di parole, le più tipiche del 2024 sono risultate autonomia differenziata, terzo mandato e campo largo.

 

Cronaca

Nel campo della cronaca e dei fenomeni sociali, per la risonanza mediatica del personaggio coinvolto emerge pandoro, riferito allo scandalo della Ferragni, spesso in espressioni come pandoro-gate e pandoro brandizzato. Segue a ruota l'anglicismo overtourism (combattere, contrastare, arginare), woke, e gli inquietanti antisemitismo, manganello e saluto romano. Altre combinazioni di parole legate a fatti di cronaca o a fenomeni sociali emergenti sono esperienza immersiva, affitto breve e circolazione ferroviaria, che nel 2024 ha guadagnato più volte l'onore della cronaca.

 

Meteo

Un'area in cui si segnalano diversi elementi lessicali particolarmente usati nel 2024 è quella legata alle condizioni metereologiche, che nel tempo tendono ad occupare sempre più le pagine dei giornali, per il loro legame col cambiamento climatico e per gli episodi di condizioni metereologiche particolarmente violente e avverse. Le parole chiave legate al meteo riguardano sia le semplici previsioni (precipitazioni, perturbazione,ondata di freddo, aria fredda, pioggia intensa) che le situazioni in cui il meteo presenta rischi concreti per l'incolumità delle persone (allerta arancione / rossa).

 

Sport

Lo sport è presente con poche combinazioni di parole con frequenza anomala rispetto al biennio precedente, tra cui seconda stella, girone unico e doppio femminile. Calcio e tennis sono quindi gli sport più rappresentati.

 

Neologismi

Tra le parole chiave del 2024 ve ne sono alcune che non rientrano in temi specifici, ma sono entrate recentemente nei dizionari come neologismi, e nel corso dell'anno hanno iniziato ad essere usate con maggiore frequenza. È il caso ad esempio di brat (persona che attira l’attenzione grazie a uno stile non convenzionale), venuto alla ribalta anche nelle recenti elezioni americane, e di dissing (brano che ha l’obiettivo di prendere in giro, criticare o insultare altre persone, di solito appartenenti allo stesso ambiente musicale), che in casi sporadici esce dall'ambito strettamente musicale e viene usato per dispute riguardanti il cibo o addirittura riferito alla filosofia antica (Molti dialoghi socratici possono essere letti come un dissing tra Socrate e i suoi interlocutori).

venerdì 6 dicembre 2019

I corpora linguistici dell'Università per Stranieri di Perugia

Il grafico riassume alcuni dati sulla distribuzione degli utenti dei corpora linguistici offerti dalla piattaforma CQP dell'Università per Stranieri di Perugia, che conta 897 account usati in 38 paesi diversi.


venerdì 1 gennaio 2016

Le parole più usate dai giornali nel 2015

Come l'anno scorso, gli ultimi due giorni dell'anno ho guardato alcuni dati estratti da quotidiani italiani pubblicati nel 2015, per ricavare, usando metodologie statistiche (la misura della keyness in particolare), le parole che hanno caratterizzato la stampa del 2015 rispetto a quella dell'anno precedente. Ho utilizzato in particolare 45.000 articoli usciti nel 2015 (oltre 21 milioni di parole) e li ho confrontati con 65.000 usciti nel 2014.
Il risultato sono alcune centinaia di parole specifiche degli articoli di giornale di quest'anno: nel confronto con quelle dell'anno precedente, infatti, risultano usate con frequenza statisticamente anomala. Le possiamo quindi considerare le parole chiave usate dalla stampa nel 2015.

Migranti
Il sostantivo più specifico del 2015 è migranti; in generale, tutta l'area relativa ai flussi migratori è molto più presente nella stampa del 2015 rispetto all'anno precedente (sono usati molto di più ad esempio profughi, accoglienza, immigrati, rifugiati, asilo, barconi, immigrazione, scafisti).

Grecia
Un altro tema che ha molto occupato la stampa di quest'anno rispetto all'anno scorso è quello della Grecia e della sua crisi economica, come dimostra l'elevato valore di keyness di parole come Grecia, Atene, Syriza, greci, creditori, grexit.

Terrorismo
I temi legati al terrorismo sono presenti in modo capillare nelle parole-chiave della stampa del 2015: Charlie Hebdo, Isis, Parigi, attentati, terrorismo, terroristi, strage, Bataclan, vignette e jihadisti rientrano fra le 100 parole con valori di keyness più alti.

Guerra e religione
Nonostante corrisponda ad un tema sempre molto presente nella stampa, anche guerra ricorre significativamente di più sui giornali di quest'anno, specialmente quando è associato ad elementi lessicali che riguardano la religione (Islam, islamici, musulmani, religione, jihadista).

Cronaca
Alcuni fatti di cronaca, nazionale ed internazionale, sono rispecchiati nell'uso frequente di specifiche parole: ad esempio Volkswagen, relativo allo scandalo che ha coinvolto la casa automobilistica tedesca, Giubileo, Casamonica, Expo e xylella, il batterio che ha colpito gli ulivi del Salento.
Da segnalare che il 2015 è stato anche l'anno della scuola, di cui si è parlato significativamente di più rispetto all'anno precedente, e della questione del gender, che ha fatto molto discutere anche sulla stampa.

Nomi propri
Una classe di parole che riporta sempre valori di keyness molto elevati è quella dei nomi propri di persona, che variano molto nell'uso dei giornali a seconda dei periodi. Il 2014 è stato l'anno di Renzi (il nome di persona più caratterizzante). I 20 nomi propri di persona che hanno più caratterizzato la stampa del 2015 sono invece quelli riportati nella tab. 1.

Tab. 1 - I 20 nomi propri di persona più specifici del 2015 rispetto al 2014

I nomi rispecchiano alcuni fatti di cronaca di cui si è molto parlato lo scorso anno (l'aereo precipitato della Germanwings, pilotato da Lubitz, l'attentato a Charlie Hebdo, messo in atto dai fratelli Kouachi, o la sparatoria al tribunale di Milano, ad opera di Giardiello). La politica estera è rappresentata essenzialmente da politici greci, al centro dell'attenzione della stampa per molti mesi, mentre quella italiana dal presidente Mattarella, eletto quest'anno, e da alcuni politici la cui presenza sui giornali è stata evidentemente molto più marcata rispetto all'anno precedente (Salvini, Marino, De Luca, Paita e Gentiloni).

Aggettivi: poca originalità
Infine, è da rilevare la scarsità di aggettivi presenti tra le 500 parole con misura di keyness più elevata: tra questi, indisponibili (riferito a calciatori che non possono giocare la prossima partita), sedicente (relativo all'ambito terroristico: il sedicente Califfato o Stato islamico), satirico, e poi un paio di neo-formazioni di ambito politico (verdiniani e fittiani). Una categoria a parte è quella individuata dall'aggettivo sostantivato impresentabili, che si riferisce soprattutto ai candidati con problemi in sospeso con la giustizia, ma anche a personaggi (troppo) spesso presenti in programmi televisivi o a manifestazioni pubbliche.
In generale, questa scarsità di aggettivi come parole-chiave in un'annata di articoli di giornale indica che i giornalisti tendono a riutilizzare sempre gli stessi: cambiano gli avvenimenti che vengono descritti, quindi, ma si usano tendenzialmente le stesse parole per farlo. Per il 2016 vogliamo auspicare un piccolo sforzo in più nel senso dell'originalità?

sabato 22 agosto 2015

Il Perugia corpus: una risorsa linguistica disponibile in rete

Dalla fine di giugno del 2015 il Perugia corpus (PEC), un corpus di riferimento dell'italiano contemporaneo, scritto e parlato, è disponibile in rete, all'interno di un sito che prevede l'accesso libero a dati linguistici offerto dall'Università per Stranieri di Perugia.

Il corpus, che include oltre 26 milioni di parole, è suddiviso nei 10 generi testuali riportati in grassetto nella figura. Ciascun genere è a sua volta suddiviso in una serie di sottogeneri (le 43 tipologie testuali elencate nella figura), per un totale di 41.401 testi. Una descrizione più approfondita delle caratteristiche del corpus è disponibile qui.


I 10 generi e le 43 tipologie testuali del PEC

Il PEC è interrogabile attraverso CQPweb, uno dei software più diffusi per la gestione di corpora testuali (qui una serie di corpora in altre lingue della famiglia di CQPweb). Il software permette tra l'altro di effettuare ricerche semplici e complesse sull'intero corpus, su singoli generi o singole tipologie testuali, per anno o per canale (scritto e parlato), e consente di gestire i dati attraverso concordanze, liste di frequenza ed estrazione di collocazioni.

Insieme al PEC è inoltre disponibile CAIL2, un learner corpus scritto di apprendenti dell'italiano di livello intermedio ed avanzato.

L'accesso ai corpora è aperto a tutti, previa registrazione al sito.