1L’enorme mole di dati generata da un progetto di ricerca interdisciplinare necessita di un Knowledge Organization Systems (KOS)1 che faciliti il reperimento delle informazioni contenute nelle migliaia di documenti scandagliati. La gestione di informazioni strutturate – ovvero di database contenenti migliaia di records e numerose tabelle di relazione tra i records – richiede padronanza delle tecniche di information retrieval2 e disponibilità di buoni strumenti di KOS, come i thesauri, per proporre un’interpretazione user-centered, focalizzando l’attenzione sui modi interpretativi e testuali con cui gli utenti descriveranno, tratteranno e cercheranno le informazioni di loro interesse.3

Logica e caratteristiche di un thesaurus

2Quando parliamo di thesaurus ci riferiamo ad un dizionario di termini controllati che collega tutti i termini in una struttura ad albero, stabilendo tra loro delle relazioni.4 Ciò che differenzia un thesaurus da un vocabolario controllato – ovvero da una semplice lista di termini scelti – è la presenza delle relazioni che costruiscono la struttura semantica, o struttura ad albero, che è costituita da tre relazioni esplicite:

31) relazione gerarchica: relazione fondamentale basata sui livelli di sovraordinamento o sottordinamento, dove il termine sovraordinato rappresenta una classe o un insieme e i relativi termini subordinati si riferiscono ai suoi membri o alle sue parti. Le sigle che identificano questa relazione sono BT (Broader Term), prefisso al termine sovraordinato, e NT (Narrower Term), prefisso al termine subordinato (es.: Teatro futurista BT Teatro, Teatro NT Teatro futurista);5

42) relazione associativa: correlazione fra termini che non sono equivalenti (o sinonimi) e che non possono essere strutturati in una gerarchia in cui un termine sia subordinato all’altro, ma che tuttavia sono mentalmente associati. Il legame tra essi è esplicitato nel thesaurus per suggerire termini alternativi e una nuvola semantica utile per il recupero. La sigla che identifica questa relazione è RT (Related Term), prefisso al termine correlato (es.: Teatro RT Compagnie teatrali e viceversa).

53) relazione di equivalenza: relazione tra termini preferiti e non preferiti. Si ha quando due o più termini sono considerati riferiti allo stesso concetto, quindi sinonimi. Le sigle che identificano questa relazione sono USE prefisso al termine preferito, UF (Use for) prefisso al termine non preferito (es.: Bambini UF Fanciulli, Fanciulli USE Bambini).

6Nei thesauri la relazione di equivalenza ha un ruolo fondamentale perché la ricerca nei database sia efficace: si ha un unico termine preferenziale tra sinonimi o quasi sinonimi e dai sinonimi più diffusi di esso sono forniti gli opportuni rinvii al termine preferito.

7Ciò è necessario perché i termini del thesaurus sono termini tratti dal linguaggio naturale, rappresentano dei concetti, ma – diversamente da quanto accade nel linguaggio naturale – i termini sono con i concetti in relazioni biunivoche formalizzate, ovvero ad ogni termine corrisponde un concetto e quel concetto è rappresentato da quel solo termine. Utile ad esemplificare è il termine Cinema, che nel linguaggio naturale ha diverse valenze: la prima è l’arte e il complesso di attività che concorrono alla realizzazione dello spettacolo cinematografico, la seconda è la tecnica per la ripresa di immagini fotografiche in rapida successione, infine è il luogo in cui vengono proiettati pubblicamente i prodotti del cinema.

8In un thesaurus questa valenza polisemica è inaccettabile, perché genererebbe ambiguità in fase di utilizzo: è quindi necessario prevedere tre diversi termini descrittori per le tre accezioni del termine. Per rappresentare la portata semantica che il vocabolo Cinema ha nel linguaggio naturale, avremo quindi bisogno di tre descrittori all’interno del linguaggio controllato di un thesaurus: Cinema per l’arte, Cinematografia per la tecnica, Sale cinematografiche per i luoghi, con una rete di relazioni tra i tre descrittori, così che si possa facilmente passare da uno all’altro, individuando la sfera di significato che più è necessaria a soddisfare il bisogno informativo.

9Per facilitare il corretto uso dei descrittori, essi sono all’occorrenza corredati da una scope note, o nota d’ambito, che si usa per distinguere termini che hanno significati sovrapposti nel linguaggio naturale, per restringere o espandere il significato di un termine o per fornire indicazioni sull’uso del termine: non si tratta di una nota di definizione, ma di un chiarimento rispetto a quale sia il significato con cui il termine viene acquisito all’interno del thesaurus.

Nascita e sviluppo del thesaurus PerformArt

10Sorta l’esigenza di avere uno strumento che facilitasse il recupero delle informazioni contenute nelle schede del database PerformArt,6 si è scelto di partire da un thesaurus già esistente:7 l’analisi degli strumenti a disposizione ha evidenziato come opportuno il thesaurus del Nuovo Soggettario,8 il sistema di indicizzazione semantica elaborato dalla Biblioteca nazionale centrale di Firenze a partire dal 2006, che include, appunto, un thesaurus generalista, con termini di vari domini disciplinari.9

11Si tratta di uno strumento conforme a normative e standard formulati a livello internazionale,10 innovativo, flessibile, integrabile con le risorse elettroniche, interoperabile.11 Il thesaurus NS, in continua evoluzione, è un progetto aperto a collaborazioni perché è ospitale, modulabile e facilmente integrabile: la sua natura generalista non entra affatto in conflitto con i contesti documentari altamente specifici e settorialmente specializzati, perché può accogliere interi rami strutturali di termini di specifici domini disciplinari.12 In considerazione del tipo di materiale documentario su cui PerformArt indaga, la modularità è una caratteristica fondamentale, perché assicura anche la possibilità di gestire insieme descrittori che rappresentano concetti moderni e concetti antichi in un unico sistema di indicizzazione, senza che ciò vada ad inficiare la sua coerenza concettuale. La difficoltà di coniugare strumenti indicizzatori moderni e le esigenze dei documenti antichi risiede nell’universo semantico in cui questi ultimi si collocano: si tratta spesso di un universo semantico molto diverso da quello solitamente rappresentato negli schemi concettuali dei moderni sistemi di indicizzazione, nei quali i contenuti dei documenti antichi difficilmente trovano un corrispettivo, poiché è lo stesso lessico utilizzato che spesso non corrisponde ai termini indicizzatori correnti. Per esemplificare, non si può indicizzare con il termine Tasse un documento seicentesco che parla di gabelle, né con Registi una lettera in cui si faccia riferimento ai coreghi. Il rischio di anacronismo viene risolto nel Nuovo Soggettario con l’uso di opportune etichette di nodo, ovvero espressioni, poste tra parentesi quadre, che non sono termini di indicizzazione ma servono a raggruppare i termini secondo una certa caratteristica:13 tra i termini NT di un certo termine è possibile individuare un principio classificatorio, una determinata caratteristica che viene espressa nell’etichetta di nodo, così che l’etichetta raggruppi tutti i termini che possiedono quella data caratteristica. Nel NS, ad esempio, il termine Musica ha come NT, tra gli altri, Musica africana, Musica latino-americana, Musica orientale, Musica futurista, Musica verista, Musica popolare, Musica per l’infanzia: si tratta di termini che esprimono con la loro aggettivazione vari tipi di caratteristiche (nel caso di Musica futurista e Musica verista si tratta della corrente o del movimento artistico, nel caso di Musica africana e Musica latino-americana l’aggettivazione esprime il luogo di composizione). I vari NT di Musica vengono quindi raggruppati attraverso delle etichette di nodo che individuano alcuni principi classificatori. L’etichetta di nodo [Musica secondo il luogo di composizione] raggruppa la Musica africana, la Musica orientale e quella latino-americana; l’altra etichetta [Musica secondo le correnti e i movimenti artistici] è BT di Musica futurista e Musica verista, così che non sono mescolati termini di diversa sfera semantica e, al momento della ricerca, l’utente non sarà distratto da decine di NT del termine Musica, ma troverà vicini termini affini.

12È quindi grazie alle etichette di nodo che è possibile inserire concetti relativi al passato, senza cortocircuito logico dettato dalla presenza di termini contemporanei accanto a termini che esprimono concetti antichi. Nel NS abbiamo l’etichetta di nodo [Organizzazioni del mondo del lavoro] che vede tra i suoi termini sottoordinati Agenzie per il lavoro, Centri per l’impiego, Collettivi operai, Consigli di fabbrica; le Corporazioni medievali, altro termine logicamente sottoordinato, è stato separato dai termini che esprimono concetti moderni attraverso l’etichetta di nodo [Organizzazioni del mondo del lavoro del passato], che ha per termine sovraordinato [Organizzazioni del mondo del lavoro]. Allo stesso modo l’etichetta di nodo [Persone nelle attività ricreative e sportive] ha tra i suoi NT Animatori, Bagnanti, Cubisti, Fan, Majorette, termini che avrebbero creato una sorta di cortocircuito temporale accanto a Gladiatori e Giullari, termini per i quali è stata quindi creata l’etichetta di nodo [Persone nelle attività ricreative e sportive del passato], che ha come BT [Persone nelle attività ricreative e sportive].

13Al momento sono già presenti numerose etichette di nodo nel database del NS per raggruppare descrittori che esprimono concetti relativi al passato, quindi non si tratta che di implementare all’occorrenza ciò che è già esistente.14

14Dal punto di vista metodologico, si possono individuare tre principali tipologie di concetti da raccordare a termini che esprimono concetti moderni:

151) concetti relativi a realtà che non esistono più: questo caso si presenta soprattutto quando si ha a che fare con istituti giuridici o categorie sociali ed è, appunto, risolvibile con l’introduzione di apposite etichette di nodo [… del passato];15
2) concetti relativi a realtà che esistono ancora con altro nome: è un’evenienza che si può risolvere con un uso accurato della scope note;16
3) concetti relativi a realtà di incerta identificazione: ci si può attestare al BT ideale della voce che risulterebbe incomprensibile.17

Scelte metodologiche, tecniche ed esempi di sviluppo del TP

16Uno dei maggiori vantaggi di avere come base di sviluppo uno strumento autorevole è innegabilmente quello di avere a disposizione un gran numero di descrittori già strutturati, inseriti in un impianto gerarchico già validato. Inoltre quanto stabilito per lo sviluppo del NS ha semplificato alcune scelte metodologiche, fondamentali nella creazione della nuvola thesaurale che avremo attorno ad ogni singolo descrittore nella fase d’uso del thesaurus: prima tra tutte la scelta della poligerarchia, ovvero della condizione di un certo termine di avere due BT, due termini sovraordinati. Ad esempio, il descrittore Libretti ha BT Documenti musicali e BT l’etichetta di nodo [Letteratura drammatica secondo specifiche forme], perché i libretti appartengono sia al sovrinsieme dei documenti musicali che a quello dei generi letterari, esattamente nella stessa misura. Nel NS la poligerarchia è quindi ammessa, ma è una poligerarchia temperata, ossia applicata con moderazione, con particolari cautele: per controllare la corretta formazione della poligerarchia, ad un termine potenzialmente poligerarchico si applicano una serie di verifiche, sottoponendo poi ciascuna gerarchia a dei test logici.18 La verifica dell’opportunità di inserire una poligerachia parte dal capire se − sulla base delle definizioni fornite dai repertori riguardo ad un determinato termine − c’è una prevalenza di una delle due gerarchie ammissibili; se si realizza questo caso, non c’è poligerarchia, vince la gerarchia prevalente e l’altro potenziale BT viene trasformato in un RT (con relazione associativa e non gerarchica). Significativo l’esempio di Maestri di musica, descrittore che avrebbe come potenziali BT sia Musicisti che Insegnanti; tuttavia, secondo le definizioni fornite dai repertori, i maestri di musica sono prioritariamente dei musicisti di professione diplomati al conservatorio, quindi viene scelto come BT Musicisti, perché si tratta di una relazione prevalente, e il descrittore Insegnanti diventa RT. Analogamente i Maestri di danza (*) hanno BT Danzatori e RT Insegnanti.

Fig. 1 – [Libretti].

Fig. 2 – [Maestri di danza].

17La scelta di una poligerarchia temperata trova la sua ragione nella preoccupazione di non complicare la nuvola thesaurale19 dei termini potenzialmente poligerarchici: se un termine ha più di un BT, esso è inserito in più rami gerarchici e gli si sovrappongono più nuvole semantiche, comportando una confusione inopportuna in fase di ricerca.

18Fondamentale nello sviluppo del TP è la tecnica della disambiguazione,20 impiegata per distinguere i differenti significati di uno stesso termine. Considerato che la ricchezza del linguaggio naturale (ove un termine può avere numerose valenze semantiche) si riflette sul linguaggio di indicizzazione (ove i termini non possono essere ambigui ed ogni termine deve essere in un rapporto biunivoco con il concetto che rappresenta), il linguaggio documentale prevede una soluzione che azzeri la sovrapposizione semantica.

19Esistono varie modalità di disambiguazione, tra le quali la più diffusa è far seguire il termine ambiguo da una qualificazione tra parentesi uncinate (solitamente il BT del termine), costituendo un’unità inscindibile, cioè un unico termine di indicizzazione.

20Tuttavia poiché le disambiguazioni, nel caso di costruzioni di stringhe di soggetto per indicizzare il contenuto di un documento, possono essere d’ostacolo alla comprensione dell’intera stringa, vengono privilegiate le scelte tecniche e formali che riducono al minimo il ricorso alla disambiguazione: in primo luogo, in un gruppo di omografi si possono disambiguare tutti i termini tranne uno. Ad esempio la follia, in quanto danza, avrà necessità di disambiguazione rispetto alla follia, in quanto alterazione delle facoltà mentali, ed avremo quindi rispettivamente i termini di indicizzazione Follia <Danza> (*) e Follia;21 il termine Prove <Spettacoli> (*) è disambiguato rispetto a Prove, inteso come documenti atti a dimostrare la verità di un’affermazione o l’esistenza di un fatto giuridico; il termine Litanie, preghiere della liturgia cattolica, è distinto da Litanie <Canti liturgici> (*), canti e musiche che accompagnano quelle stesse preghiere.22

Fig. 3 – [Follia <danza>].

Fig. 4 – [Litanie <canti liturgici>].

21È inoltre raccomandabile non ricorrere alla disambiguazione quando le forme singolare e plurale rendono possibile la compresenza nel thesaurus del singolare e del plurale di uno stesso lemma, se i concetti rappresentati dalle due forme appartengono a due categorie diverse, secondo quanto stabilito dal principio dello scostamento categoriale:23 il singolare Scultura indica l’attività, il plurale Sculture indica gli oggetti; il singolare Volta (*) indica la danza, il plurale Volte indica le coperture ad arco di un edificio.

22Consideriamo l’esempio della Bourrée, sia danza che componimento musicale: in PerformArt il termine ricorrerà certo con il significato di danza e di forma musicale, ma alcuni documenti trattano anche di esecuzioni musicali di bourrée, nonché di partiture. Di quali e quante disambiguazioni c’è necessità ? Bourrée (*) rappresenta la danza, lo scostamento categoriale permette di introdurre il plurale Bourrées (*) per le forme musicali; per gli altri due significati da precisare, essi sono riferibili a termini con significato generico, che hanno cioè molti campi di applicazione, pertanto il compito di precisare il senso del termine è assolto dalle relazioni espresse nella combinazione dei termini descrittori: per il concetto di bourrés eseguite non c’è necessità di disambiguazione, perché il senso è espresso dalla combinazione “Bourrées – Esecuzione musicale”, così come, per le partiture di bourrées, da “Bourrées – Partiture”.

23Il NS è in effetti un vero e proprio linguaggio di indicizzazione: semplificando, i termini del thesaurus sono i vocaboli della lingua documentale, che possono essere combinati tra loro attraverso le regole sintattiche. Quindi gli aspetti danza e forma musicale danno luogo a diversi termini di indicizzazione, mentre l’esecuzione musicale e gli spartiti possono risolversi sul piano sintattico, attraverso la combinazione con altri descrittori. Questo permette peraltro, in fase di ricerca, di recuperare, ad esempio, tutte le esecuzioni musicali, non solo di Bourrées, ma anche di tutte le altre forme musicali contenute nel database PerformArt.

Fattori di criticità

24Al di là dell’impianto terminologico, la difficoltà da sciogliere, per rendere TP davvero utile per una efficace IR, è stata stabilire una politica di uso dei descrittori che fosse condivisa da tutta l’équipe di ricerca che implementa il database. In primis, infatti, l’uso di un thesaurus ha senso se tutte le schede che lo richiedono sono dotate di descrittori: se l’uso fosse incostante, il risultato non potrebbe essere che deludente.

25È poi necessario standardizzare il livello di dettaglio nell’attribuzione dei descrittori: le gerarchie dei termini possono essere perfettamente coerenti, ma se l’uso a livello di dettaglio della descrizione fosse difforme, il risultato sarebbe mediocre. Un esempio: nel caso di conti che parlano dei costi degli abiti di scena, ove sono dettagliati i costi di pizzi, fettucce e stoffe, se non venisse stabilita a monte una politica di uso dei descrittori il risultato sarebbe assolutamente difforme. Un ricercatore potrebbe inserire “Abiti di scena”, un altro, magari più scrupoloso, inserirebbe “Pizzi”, “Fettucce” e “Stoffe”, un terzo, nell’indecisione, sceglierebbe sia “Abiti di scena” che tutti i termini più specifici. Da sottolineare che, se è vero che è fondamentale il costante ed omogeneo livello di dettaglio utilizzato, non esiste un livello corretto aprioristicamente, piuttosto sono le esigenze del nostro progetto a stabilirlo.

26La nostra sfida è quindi di costruire un buon sistema in cui vengano codificati i concetti della performance, auspicandoci che il database abbia il più ampio uso, non limitato agli specialisti del settore, ma di interesse per gli storici, per gli storici della lingua, per gli storici dell’economia. Ciò che ci si auspica è quindi poter parlare una lingua comune senza perdere la specificità del linguaggio di ricerca.