Introduzione: La Necessità di una Classificazione Semantica Gerarchica nel Contesto Italiano

Formalmente, il sistema di categorizzazione gerarchica dei documenti linguistici in Italia rappresenta un pilastro operativo fondamentale per garantire interoperabilità, accessibilità e conservazione a lungo termine delle informazioni linguistiche ufficiali e del patrimonio culturale. A differenza di una semplice tassonomia descrittiva, la gerarchia del Tier 2 (Livello A, B, C) integra normative nazionali (Decreto Legislativo 19/2023), standard internazionali (ISO 25964-2, UN, UE) e pratiche regionali, con un focus specifico su testi ufficiali, lingue minoritarie, documenti multilingui e materiali linguistici specializzati. L’esigenza di una struttura gerarchica stratificata nasce dalla necessità di conciliare coerenza semantica, interoperabilità tra archivi regionali e nazionali, e adeguatezza contestuale nel trattamento di dialetti, registri e contesti di accesso diversificati—dall’accesso pubblico alla ricerca specialistica.

Il Tier 2 non è una mera estensione del Tier 1 (fondamenti normativi), ma un livello operativo che traduce le direttive generali in schemi concreti, definendo categorie con regole di priorità basate su funzione, target utente e contesto d’uso. Ad esempio, un documento ufficiale nazionale rientra nel Livello A, mentre un documento regionale multilingue con glossari storici è classificato al Livello B; i dialetti e varianti linguistiche, soprattutto in contesti di ricerca, occupano il Livello C, con ontologie semantiche basate su ISO 25964-2 per gestire ambiguità dialettali e registri.

L’implementazione efficace richiede un processo preciso, gerarchico e iterativo, che va oltre la mera catalogazione manuale, integrando automazione controllata e validazione continua.

Fondamenti Normativi: Il Tier 1 come Base Legale e Strutturale

Il Tier 1 fornisce il quadro giuridico e concettuale che legittima e struttura il Tier 2. Il Decreto Legislativo 19/2023, pur non introducendo una nuova tassonomia, rafforza i principi base della classificazione linguistica stabiliti dalla Direttiva UE 2019/1153 e dalle raccomandazioni dell’Accademia della Crusca, in particolare per quanto riguarda la distinzione tra testi ufficiali, documenti multilingui e materiali linguistici specializzati.

L’anatomia del Tier 2 trae direttamente da questa base:
– **Livello A (Documenti Ufficiali Nazionali):** testi emanati da enti pubblici (Ministero, Regioni), con priorità assoluta per accesso pubblico e conservazione.
– **Livello B (Documenti Regionali e Multilingui):** materiali prodotti da Regioni o enti territoriali con uso di lingue minoritarie o dialetti, dotati di contesto di utilizzo specifico.
– **Livello C (Dialetti, Varianti, Glossari Storici):** materiali linguistici non standardizzati ma culturalmente rilevanti, gestiti con ontologie semantiche estese.

La classificazione gerarchica si basa su regole di sovrascrittura gerarchica: ad esempio, un documento ufficiale regionale in dialetto non viene classificato solo come “documento multilingue” ma attribuisce priorità al Livello C, con un link semantico esplicito verso il glossario regionale ISO 25964-2. Queste regole evitano ambiguità e assicurano che ogni categoria operativa rispecchi la funzione reale del documento.

Fase 1–5 dell’Implementazione del Tier 2: Processo Operativo Dettagliato

Fase 1: Estrazione e Normalizzazione dei Metadati Linguistici

La prima fase richiede l’estrazione sistematica dei metadati linguistici dal corpus di documenti, con particolare attenzione a lingua, dialetto, registro, periodo storico e contesto di produzione. Strumenti come **TEMPEST** o **ELAN** (per annotazioni temporali) integrati con parsers linguistici (es. spaCy con modelli multilingue IEEE-LORE o modelli custom per italiano) permettono di estrarre:
– Lingua principale e dialetti coesistenti (con tag ISO 639-3 e varianti regionali)
– Registro: formale, informale, tecnico, giuridico
– Periodo: data di produzione o rilevanza temporale (es. documenti del XX secolo vs digitali contemporanei)
– Contesto d’uso: pubblico, ricerca, conservazione, amministrazione locale

Esempio pratico: un decreto regionale del 1975 in dialetto ligure-estense viene estratto con riconoscimento OCR e parsing linguistico per identificare:
– Lingua: italiano standard con forti influenze ligure-estensi (ISO 639-3: *ita*)
– Dialetto: “ligur-estense” (codice personalizzato ISO 639-5: *lgt*)
– Registro: formale, tecnico
– Contesto: normativa regionale non più applicabile ma da conservare per archivio storico

I metadati vengono normalizzati in un formato XML strutturato, adottando vocabolari controllati (es. terminologie ISO 25964-2 per glossari e registri), con regole di validazione automatica tramite ontologie semantiche.

Fase 2: Definizione della Gerarchia Operativa con Ontologia Semantica (ISO 25964-2)

La definizione delle categorie avviene attraverso un’ontologia semantica basata su **ISO 25964-2: Terminologia — Principi e terminologia per la gestione della classificazione**. Il Tier 2 si struttura in tre livelli gerarchici:

– **Livello A (Documenti Ufficiali Nazionali):**
– “Documenti ufficiali nazionali” (termine ISO): codificati con categoria univoca, priorità assoluta, usi accessibili al pubblico.
– Esempio: Leggi, decreti, regolamenti emanati dal Governo o dal Parlamento italiano.

– **Livello B (Documenti Regionali e Multilingui):**
– “Documenti regionali multilingui”: include materiali ufficiali regionali con uso di lingue minoritarie (es. friulano, sardo, dialetti veneti).
– Caratteristiche: priorità moderata, contesto territoriale ristretto, contesto di accesso pubblico o istituzionale.

– **Livello C (Materiali Linguistici Specializzati):**
– “Dialetti, varianti linguistiche, glossari storici”: testi non standardizzati ma culturalmente significativi.
– Gestiti con ontologie estese (es. ISO 25964-2 esteso con ISO 24615 per annotazione dialettale), con regole di sovrascrittura gerarchica: un documento in dialetto ligure non viene classificato solo come “multilingue”, ma attribuisce priorità al Livello C.

La gerarchia è rappresentata in schema JSON-LD per integrazione con repository digitali:
{
“@context”: “https://www.iso.org/owl/iso_25964-2”,
“@graph”: {
“LivelloA”: {
“nome”: “Documenti ufficiali nazionali”,
“codice”: “DOC_NAT_Z”,
“priorità”: “massima”,
“esempio”: “Decreto Ministero Educazione 2023/45”
},
“LivelloB”: {
“nome”: “Documenti regionali multilingui”,
“codice”: “DOC_REG_Z”,
“priorità”: “media”,
“esempio”: “Statuto della Regione Lombardia in dialetto lombardo”
},
“LivelloC”: {
“nome”: “Materiali linguistici specializzati”,
“codice”: “MATERIALI_DIAL_IT”,
“priorità”: “bassa”,
“esempio”: “Glossario dialetti romagnoli del XX secolo”
}
}
}

Fase 3: Costruzione e Validazione della Struttura Ad Albero

La struttura gerarchica viene modellata come un albero semantico, con relazioni di inclusione esplicite:
– Un documento al Livello A non può appartenere contemporaneamente al Livello B o C.
– I documenti al Livello B includono testi multilingui con dialetti, ma sono subordinati al contesto regionale.
– I materiali al Livello C sono linkati solo a categorie specifiche di dialetti, con annotazioni semantiche per contesto d’uso.

Esempio di albero gerarchico:
Documenti ufficiali nazionali (A)
└── Decreto Ministero Educazione 2023/45 (A)
└── Regolamento Regione Toscana multilingue (B)
└── Testo in dialetto fiorentino (C)
└── Documento ufficiale in italiano standard (A)
Documenti regionali multilingui (B)
└── Statuto Regione Lombardia in dialetto lombardo (B)
└── Linee guida comunali in friulano (B)
Materiali linguistici specializzati (C)
└── Glossario dialetti romagnoli (C)
└── Annotazioni dialettali ISO 24615 (C)

La validazione avviene tramite audit linguistico-contenutistico su campioni rappresentativi, confrontando la classificazione con linee guida ministeriali e ontologie semantiche.