GDLIplus

Tipo di progetto: Regional  |  Data inizio: 01/10/2025  |  Data di fine: 30/09/2027

Pubblicato in 21 volumi tra il 1961 e il 2002, il «Grande dizionario della lingua italiana» (GDLI) è il più importante dizionario storico italiano. Come tutti i vocabolari storici, il GDLI fonda la descrizione lessicografica delle parole sul ricchissimo corredo di citazioni esemplificative, che coprono l’intera storia dell’italiano.

Grazie al lavoro di informatizzazione del GDLI che Cnr-Istituto di Linguistica Computazionale “Antonio Zampolli” (CNR-ILC) ha già svolto con l’Accademia della Crusca, possiamo stimare che il corpus degli esempi citati (Corpus GDLIplus) comprenda oltre due milioni e mezzo di passi, tratti da oltre 14.000 fonti (e oltre 6.000 autori), per un totale di circa 50 milioni di occorrenze.

L’italiano è rimasto a lungo una lingua “scritta”: la storia dell’italiano è, di fatto, almeno fino ai Promessi Sposi, la storia dell’italiano letterario. Si capisce bene, dunque, come il Corpus GDLIplus possa essere considerato a pieno titolo una risorsa formidabile per la storia della lingua italiana, utile agli studiosi così come a insegnanti e studenti, fino al cittadino navigatore di Internet. Il progetto GDLIplus si propone di realizzare questa risorsa.

A questo fine, sono necessari due ordini di attività.

1. Il corpus deve essere “annotato”: ad ogni parola devono, cioè, essere associate informazioni linguistiche (lemma e categoria morfo-sintattica). Nonostante i recenti progressi, i metodi e le tecniche di trattamento automatico del linguaggio non sono immediatamente applicabili ai testi storici, ma necessitano di specializzazioni a vari livelli.
2. L’origine lessicografica dei testi contenuti nel corpus pone problemi specifici di gestione. La questione più macroscopica riguarda il caso in cui un medesimo passo testuale è citato più volte sotto voci diverse. L’implementazione del Corpus GDLIplus impone la messa a punto di una strategia di gestione degli esempi ripetuti, e prima ancora la costituzione di un metodo per la loro individuazione automatica.