Skip to content

Latest commit

 

History

History
1191 lines (943 loc) · 36.6 KB

dataset-specification.md

File metadata and controls

1191 lines (943 loc) · 36.6 KB

Specifica del Dataset Lemmi_forme_atliteg.csv

1. Panoramica

Il file Lemmi_forme_atliteg.csv è il dataset principale del progetto ATLITEG (Atlante Lessicale dell'Italiano Tardo-antico e Medievale della Gastronomia). Contiene dati strutturati sulla terminologia gastronomica italiana storica, tracciando l'evoluzione lessicale nel tempo e nello spazio geografico.

Caratteristica distintiva: Variazione diatopica

Il dataset documenta la relazione tra LEMMA (forma base normalizzata) e FORMA (variante attestata) in funzione della GEOGRAFIA. Questa relazione rivela pattern di variazione dialettale e diffusione lessicale attraverso l'Italia storica:

  • Forme locali (72,2%): varianti attestate solo in città specifiche (es. aggiada solo a Genova)
  • Forme regionali (6,3%): varianti attestate solo in regioni (es. brasole in Lazio e Toscana)
  • Forme macro-areali (5,4%): varianti in ambiti sovra-regionali (es. brasciola in Italia meridionale intermedia)
  • Forme trasversali (4,1%): varianti panitaliane attestate a tutti i livelli geografici (es. agliata)

Questa struttura permette di analizzare isoglosse storiche, diffusione di forme di prestigio, e persistenza di varianti dialettali.

Statistiche generali

  • Totale record: 6.236 righe (escludendo l'intestazione)
  • Lemmi unici: 365
  • Forme uniche: 1.871 (media 5,1 forme per lemma)
  • Distribuzione geografica forme:
    • 1.411 forme solo locali (città)
    • 154 forme locale+regionale
    • 123 forme solo regionali
    • 81 forme trasversali (tutti i livelli)
  • Lemmi con alta variabilità geografica: 165 (45,2%) hanno forme su più livelli geografici
  • Periodo temporale: 1314 - 1899 (circa 585 anni)
  • Separatore: punto e virgola (;)
  • Codifica: UTF-8 (con problemi di encoding su caratteri accentati)

2. Struttura delle colonne

2.1 IdLemma (Integer)

Descrizione: Identificatore numerico univoco del lemma (headword lessicale)

Caratteristiche:

  • Tipo: Intero
  • Range: 32 - 8603
  • Non sequenziale
  • Utilizzato per raggruppare forme varianti dello stesso lemma
  • Chiave per il collegamento al sito web ATLITEG

Esempi:

  • 2105 → aarìso
  • 4133 → acciugata
  • 2106 → agliata

Uso nel frontend: Identificatore per aggregare dati e creare gerarchie lemma → forme

2.2 Lemma (String)

Descrizione: Forma normalizzata/lemmatizzata del termine gastronomico

Caratteristiche:

  • Tipo: Stringa
  • Lunghezza variabile
  • Può contenere spazi e caratteri speciali
  • Forma di riferimento per raggruppamento varianti
  • Alcune forme contengono underscore per disambiguazione (es. agresta_1)

Esempi:

  • aarìso
  • acciugata
  • agliata
  • agnolotto
  • agresta_1 (variante disambiguata)

Note speciali:

  • Presenza di caratteri accentati mal codificati (es. aar�so invece di aarìso)
  • Alcuni lemmi terminano con spazio (es. agnolotto )

Uso nel frontend:

  • Etichetta principale nei componenti
  • Filtro di ricerca
  • Chiave per navigazione

2.3 Forma (String)

Descrizione: Variante grafica/fonetica attestata del lemma nelle fonti storiche

Caratteristiche:

  • Tipo: Stringa
  • 1.871 forme uniche per 365 lemmi (media ~5 forme per lemma)
  • Include varianti dialettali, grafiche e morfologiche
  • Riflette l'evoluzione ortografica storica e la variazione diatopica (geografica)

Esempi per il lemma agliata:

  • alleata (Napoli, 1314)
  • alleatam (forma latina)
  • aggiada (Genova, 1893)
  • agliata (forma standard)
  • alliata
  • aggiadda

Relazioni:

  • Un lemma può avere molte forme (1:N)
  • La stessa forma può apparire in contesti diversi (spazio-temporali)

Relazione Forma-Geografia (vedi sezione 3.4):

  • 72,2% delle forme sono attestate solo a livello locale (città specifiche)
  • 7,9% sono forme condivise tra città e regioni
  • 4,1% sono forme trasversali (attestate a tutti i livelli geografici: città, regioni, macro-aree)

Uso nel frontend:

  • Visualizzazione dettagli varianti
  • Analisi evoluzione ortografica
  • Filtri di ricerca avanzata
  • Mappa distribuzione geografica delle forme dialettali

2.4 Coll.Geografica (String)

Descrizione: Località o area geografica dove il termine è attestato

Caratteristiche:

  • Tipo: Stringa
  • Località più frequenti (top 10):
    1. Roma (1.155 attestazioni)
    2. Napoli (850)
    3. Firenze (547)
    4. Torino (402)
    5. Milano (363)
    6. Bologna (362)
    7. Genova (314)
    8. Ferrara (268)
    9. Toscana (200 - regione)
    10. Lazio (181 - regione)

Granularità variabile: può essere città, regione o ambito geografico

Problemi di encoding: caratteri accentati corrotti (es. Citt� invece di Città)

Uso nel frontend:

  • Componente mappa geografica (GeographicalDistributionMap.vue)
  • Filtri geografici
  • Analisi distribuzione spaziale
  • Necessità di geocoding per coordinate

2.5 Tipo coll.Geografica (String - Enum)

Descrizione: Classificazione della granularità geografica

Valori possibili (4 categorie):

  1. Città → località urbana specifica (es. Roma, Napoli)
  2. Regione → regione italiana (es. Toscana, Lazio)
  3. Ambito geografico sub regionale → area sub-regionale (es. Toscana sud-orientale)
  4. Ambito geografico sovra regionale → area sovra-regionale (es. Italia mediana, Italia meridionale intermedia)

Distribuzione: La maggior parte dei record si riferisce a città specifiche

Problemi: Encoding corrotto Citt� invece di Città

Uso nel frontend:

  • Filtro gerarchico per livello geografico
  • Visualizzazione mappa con diversi livelli di zoom
  • Aggregazione dati per granularità

2.6 Anno (Integer)

Descrizione: Anno di attestazione del termine nelle fonti

Caratteristiche:

  • Tipo: Intero
  • Range: 1314 - 1899 (585 anni)
  • Distribuzione non uniforme
  • Anni più rappresentati: periodi di maggiore produzione letteraria gastronomica

Esempi:

  • 1314 → attestazioni medievali precoci
  • 1609, 1627 → periodo barocco (Roma)
  • 1820, 1852 → epoca ottocentesca

Uso nel frontend:

  • Timeline temporale
  • Filtri per periodo storico
  • Analisi evoluzione diacronica
  • Componente GlobalFilterBar per range temporale

2.7 Periodo (String)

Descrizione: Classificazione del periodo storico in quarti di secolo

Caratteristiche:

  • Tipo: Stringa
  • Formato standardizzato: [I|II|III|IV] quarto del [XIV-XIX] secolo
  • 23 valori distinti

Valori completi:

  • Secolo XIV: I, III, IV quarto
  • Secolo XV: I, II, III, IV quarto
  • Secolo XVI: I, II, III, IV quarto
  • Secolo XVII: I, II, III, IV quarto
  • Secolo XVIII: II, III, IV quarto
  • Secolo XIX: I, II, III, IV quarto
  • Eccezione: I quarto dell'XI secolo (probabilmente errore: 1526 → XVI secolo)

Uso nel frontend:

  • Filtri temporali predefiniti
  • Visualizzazioni aggregate per periodo
  • Etichette human-readable per timeline

2.8 IDPeriodo (Integer)

Descrizione: Identificatore numerico sequenziale del periodo

Caratteristiche:

  • Tipo: Intero
  • Range: 1 - 36
  • Sequenza ordinata cronologicamente
  • Facilita ordinamento e confronti

Mappatura esempio:

  • 1 → I quarto dell'XI secolo (anomalia)
  • 13 → I quarto del XIV secolo
  • 20 → IV quarto del XV secolo
  • 36 → IV quarto del XIX secolo

Uso nel frontend:

  • Ordinamento cronologico
  • Filtri numerici
  • Aggregazioni per periodo

2.9 Datazione (String)

Descrizione: Datazione precisa o range temporale dell'attestazione

Caratteristiche:

  • Tipo: Stringa
  • Formato variabile e non standardizzato
  • Include:
    • Date precise: 1609, 1893, 8ª ed.
    • Range di secoli: Sec. XIV primo quarto
    • Range di anni: 1308-1314, 1461-1465
    • Date specifiche: 3 agosto 1524, 16/02/1476
    • Riferimenti editoriali: 1820, 6ª ed., 1852, 7ª ed.
    • Periodi generici: fine XV sec.-inizio XVI sec., Sec. XIV secondo terzo

Esempi:

  • 1308-1314
  • 1820, 6ª ed.
  • Sec. XV ultimo quarto
  • 7 gennaio 1554 - 23 ottobre 1556

Uso nel frontend:

  • Visualizzazione dettagliata tooltip
  • Informazioni contestuali
  • Non adatta per filtri automatici (formato non strutturato)

2.10 Categoria (String - Multi-value)

Descrizione: Classificazione tematico-semantica del termine gastronomico

Caratteristiche:

  • Tipo: Stringa (spesso multi-valore)
  • Separatore multi-categoria: virgola (,)
  • 1.714 record (27,5%) hanno categorie multiple
  • Totale categorie uniche: ~90

Categorie principali (top 15):

  1. Carni derivati e preparazioni a base di carne (792 occorrenze)
  2. Paste e pastelli anche con ripieno (531)
  3. Farina e derivati (495)
  4. Brodi brodetti minestre zuppe (474)
  5. Latte latticini e formaggi (387)
  6. Condimenti vari (360)
  7. Dolci e dessert (303)
  8. Salse (161)
  9. Frutta frutta secca e preparazioni (139)
  10. Conserve e confetture (124)
  11. Insalate e verdure (111)
  12. Pesci e preparazioni a base di pesce
  13. Volatili e preparazioni a base di volatili
  14. Uova e preparazioni
  15. Vini e bevande

Combinazioni frequenti:

  • Brodi brodetti minestre zuppe,Carni derivati e preparazioni a base di carne (168)
  • Carni derivati e preparazioni a base di carne,Condimenti vari (110)
  • Brodi brodetti minestre zuppe,Dolci e dessert (101)
  • Arredi per la tavola,Utensili di cucina
  • Operazioni di cucina

Categorie specialistiche:

  • Spezie e sostanze aromatiche
  • Funghi e tartufi
  • Riso e risotti
  • Torte salate
  • Legumi e preparazioni
  • Ortaggi e preparazioni

Uso nel frontend:

  • LemmaCategoriesTreemap.vue per visualizzazione gerarchica
  • GlobalFilterBar per filtri multi-selezione
  • Analisi categorie dominanti per periodo/località
  • Necessità di parsing per gestire multi-categoria

Nota critica: Alcune categorie contengono spazi irregolari e potrebbero richiedere normalizzazione

2.11 Frequenza (Integer)

Descrizione: Numero di occorrenze del termine nel corpus della specifica fonte

Caratteristiche:

  • Tipo: Intero
  • Range: 0 - 2.120
  • Media: 15,6 occorrenze per record
  • Distribuzione fortemente asimmetrica (long tail)

Statistiche:

  • Minimo: 0 (presenza senza occorrenze numerabili)
  • Massimo: 2.120 (termine molto frequente)
  • Mediana: molto più bassa della media (distribuzione skewed)

Interpretazione:

  • Valori bassi (1-5): termini rari/specialistici
  • Valori medi (6-50): termini comuni
  • Valori alti (>100): termini fondamentali/frequentissimi

Esempi estremi:

  • 2120 → massima frequenza
  • 1705, 1549, 1361 → termini molto frequenti
  • Molti termini con frequenza 1-3 (hapax o rari)

Uso nel frontend:

  • Dimensionamento visuale (bubble size, word cloud)
  • LemmaCategoriesTreemap: dimensione nodi
  • Filtri per importanza/rilevanza
  • Heatmap di distribuzione

2.12 URL (String - URL)

Descrizione: Link alla scheda dettagliata del lemma sul sito ATLITEG

Caratteristiche:

  • Tipo: URL (String)
  • Pattern: https://www.atliteg.org/lemmi/{lemma}/{IdLemma}
  • Sempre valorizzato (non null)

Formato esempio:

https://www.atliteg.org/lemmi/aarso/2105
https://www.atliteg.org/lemmi/agliata/2106
https://www.atliteg.org/lemmi/zuppiera/7551

Struttura URL:

  • Base: https://www.atliteg.org/lemmi/
  • Slug lemma: versione URL-friendly del lemma
  • ID numerico: IdLemma

Uso nel frontend:

  • Link esterni per approfondimenti
  • LemmaDetailsTable: colonna link
  • Call-to-action per maggiori dettagli
  • Potenziale integrazione API

3. Relazioni e struttura dati

3.1 Modello concettuale

LEMMA (1) ─────┬───── (N) ATTESTAZIONI
               │
               └─ IdLemma (chiave)
               └─ Lemma (etichetta)
               └─ URL (riferimento)

ATTESTAZIONE
├─ IdLemma (FK)
├─ Forma (variante)
├─ Localizzazione
│  ├─ Coll.Geografica
│  └─ Tipo coll.Geografica
├─ Temporalizzazione
│  ├─ Anno
│  ├─ Periodo
│  ├─ IDPeriodo
│  └─ Datazione
├─ Classificazione
│  ├─ Categoria (multi-value)
│  └─ Frequenza
└─ URL (riferimento)

3.2 Cardinalità

  • 1 Lemma → N Attestazioni (1:N)
  • 1 Lemma → N Forme (1:N, mediamente 5 forme per lemma)
  • 1 Forma → N Attestazioni (può essere attestata in più contesti)
  • 1 Localizzazione → N Attestazioni (N:N)
  • 1 Categoria → N Attestazioni (N:N)

3.3 Granularità dati

Il dataset ha granularità a livello di attestazione singola:

  • Ogni riga = 1 attestazione di 1 forma di 1 lemma in 1 contesto spazio-temporale

3.4 Relazione Lemma-Forma-Geografia: Variazione Diatopica

Concetto chiave: Il dataset documenta la variazione diatopica (geografica) del lessico gastronomico italiano storico. La relazione tra Lemma (termine base normalizzato) e Forma (variante attestata) è strettamente correlata alla granularità geografica dell'attestazione.

3.4.1 Pattern di distribuzione geografica

Analisi statistica delle 1.954 coppie forma-geografia uniche:

Pattern di distribuzione N. forme % Descrizione
Solo locale (città) 1.411 72,2% Forme attestate esclusivamente in contesti urbani specifici
Locale + Regionale 154 7,9% Forme condivise tra città e regioni
Solo regionale 123 6,3% Forme attestate solo a livello regionale
Solo macro-area 105 5,4% Forme attestate solo in ambiti sub/sovra-regionali
Trasversali (tutti i livelli) 81 4,1% Forme attestate in città, regioni E macro-aree
Locale + Macro 54 2,8% Forme in città e macro-aree (ma non regioni)
Regionale + Macro 26 1,3% Forme in regioni e macro-aree (ma non città)

3.4.2 Interpretazione linguistica

Forme locali (72,2%):

  • Rappresentano varianti dialettali strettamente legate a un centro urbano
  • Riflettono particolarità grafiche/fonetiche di scriptae locali
  • Esempi: aggiada (Genova), aggiadda (Genova) per il lemma agliata

Forme regionali:

  • Indicano koinè regionali o forme standardizzate a livello di regione storica
  • Possono rappresentare forme di prestigio regionale
  • Esempi: brasole (Lazio, Toscana) per il lemma braciola

Forme macro-areali:

  • Documentano isoglosse sovra-regionali
  • Riflettono aree linguistiche omogenee (es. Italia mediana, Italia meridionale intermedia)
  • Esempi: brasciola (Italia meridionale intermedia) per il lemma braciola

Forme trasversali (4,1%):

  • Rappresentano forme panitaliane o standardizzate
  • Attestate a tutti i livelli geografici, spesso la forma più conservativa
  • Esempi: agliata, agresta, agresto, amido

3.4.3 Distribuzione delle forme per lemma

Analisi di 365 lemmi:

  • 189 lemmi (51,8%) hanno forme attestate solo a livello città
  • 165 lemmi (45,2%) hanno forme su più livelli geografici
  • 142 lemmi (38,9%) hanno forme sia in città che in regioni
  • 6 lemmi (1,6%) hanno forme attestate solo a livello regionale

Lemmi con alta variazione geografica (esempi):

  1. pane: 50 forme distinte

    • 49 forme a livello città: pain, pains, pambollito, pan azimo, pan bagnato, ecc.
    • 6 forme a livello regione: pan, panata, pane, ecc.
    • 4 forme macro-areali: pane, panello, ecc.

  2. cacio: 30 forme distinte

    • 24 forme a livello città: caccio, cacio, caciola, cascetto, ecc.
    • 11 forme a livello regione: cacio, cascio, caseo, ecc.
    • 7 forme macro-areali: casci, casciata, ecc.

  3. braciola: 28 forme distinte

    • 27 forme a livello città: braciola, bracioletta, braciolettine, ecc.
    • 4 forme a livello regione: braciole, brasciole, brasole, braxolle
    • 1 forma macro-areale: brasciola (Italia meridionale intermedia)

  4. frittella: 30 forme distinte

    • 23 forme città, 8 forme regione, 8 forme macro-areali
    • Forte variazione grafica: affrittellano, afrittellate, frictella, ecc.

3.4.4 Gerarchia semantico-geografica

Il dataset permette di ricostruire una gerarchia di diffusione:

LEMMA (concetto astratto)
  │
  ├─── FORMA STANDARD/TRASVERSALE (panitaliana)
  │     ├─ Attestata in macro-aree
  │     ├─ Attestata in regioni
  │     └─ Attestata in città
  │
  ├─── FORMA REGIONALE (koinè)
  │     ├─ Attestata in regioni specifiche
  │     └─ A volte estesa a città della regione
  │
  └─── FORMA LOCALE (dialettale)
        └─ Attestata solo in città specifica

Esempio pratico - Lemma agliata:

agliata (lemma base - salsa all'aglio)
  │
  ├─ "agliata" [TRASVERSALE]
  │   ├─ Toscana sud-orientale (ambito sub-regionale)
  │   ├─ Italia mediana (ambito sovra-regionale)
  │   ├─ Lazio, Toscana, Lombardia (regioni)
  │   └─ Venezia, Napoli, Roma, Firenze, Ferrara (città)
  │
  ├─ "alleata" [LOCALE - variante napoletana medievale]
  │   └─ Napoli (1314, 1366)
  │
  ├─ "alleatam" [LOCALE - forma latina]
  │   └─ Napoli, Bolzano (XIV-XV sec.)
  │
  ├─ "aggiada" [LOCALE - variante genovese]
  │   └─ Genova (1893)
  │
  └─ "aggiadda" [LOCALE - ulteriore variante genovese]
      └─ Genova (1893)

3.4.5 Implicazioni per il frontend

Visualizzazioni consigliate:

  1. Mappa coropletica stratificata:

    • Livello 1 (zoom out): macro-aree con forme sovra-regionali
    • Livello 2 (zoom medio): regioni con forme regionali
    • Livello 3 (zoom in): città con forme locali specifiche

  2. Grafo relazionale Lemma-Forme:

    • Nodo centrale: lemma
    • Nodi satelliti: forme
    • Colore nodi: tipo geografico (città=blu, regione=verde, macro=arancione)
    • Dimensione nodi: frequenza

  3. Timeline evoluzione forme per area:

    • Asse X: tempo (Anno)
    • Asse Y: livello geografico (città, regione, macro-area)
    • Punti: attestazioni di forme specifiche
    • Colori: forme diverse

  4. Heatmap variazione dialettale:

    • Righe: lemmi
    • Colonne: aree geografiche
    • Calore: numero forme distinte
    • Identifica lemmi con alta variabilità geografica

Filtri avanzati:

  • Per pattern geografico: "Mostra solo forme locali", "Mostra solo forme trasversali"
  • Per variabilità: "Lemmi con >10 forme", "Lemmi con forme in tutte le regioni"
  • Per conservatività: "Forme attestate solo nel periodo X ma in geografia Y"

Metriche derivate:

// Indice di variabilità geografica di un lemma
function calcolaIndiceVariabilitaGeografica(lemma) {
  const forme = getFormeLemma(lemma);
  const tipiGeo = new Set(forme.map(f => f.tipoGeografico));
  const localitaUniche = new Set(forme.map(f => f.localita));
  
  return {
    numeroForme: forme.length,
    livellGeografici: tipiGeo.size,
    localitaCoperte: localitaUniche.size,
    indice: (forme.length * tipiGeo.size) / localitaUniche.size
  };
}

// Identifica forme "marker" di un'area
function identificaFormeMarker(area) {
  return forme.filter(f => 
    f.localita === area && 
    !f.attestataAltrove
  );
}

4. Problematiche e anomalie

4.1 Problemi di encoding

Problema: Caratteri accentati corrotti

Esempi:

  • Citt� invece di Città
  • aar�so invece di aarìso
  • suppa → s�pp�a

Impatto:

  • Visualizzazione corrotta nel frontend
  • Necessità di correzione o mapping

Soluzione proposta:

  1. Correzione batch del file sorgente
  2. Mapping dictionary per conversione
  3. Gestione fallback nel frontend

4.2 Anomalie temporali

Problema: Record con periodo errato

Esempio:

Anno: 1526
Periodo: "I quarto dell'XI secolo"
IDPeriodo: 1

Causa: Probabile errore di data entry (XI secolo vs XVI secolo)

Impatto: Filtri temporali incoerenti

Soluzione: Validazione e correzione basata su colonna Anno

4.3 Spazi irregolari

Problema: Lemmi con trailing/leading spaces

Esempio: agnolotto (con spazio finale)

Impatto:

  • Confronti stringa falliti
  • Duplicati apparenti

Soluzione: Trim automatico in fase di parsing

4.4 Formato Datazione non strutturato

Problema: Campo testuale senza formato standard

Esempi:

  • 1609
  • 1820, 6ª ed.
  • fine XV sec.-inizio XVI sec.
  • 7 gennaio 1554 - 23 ottobre 1556

Impatto: Difficile parsing automatico per filtri

Soluzione: Utilizzare colonne Anno e IDPeriodo per filtri programmatici

4.5 Categorie multi-valore

Problema: Campo testuale con separatore virgola

Esempio: Carni derivati e preparazioni a base di carne,Condimenti vari

Impatto:

  • Necessità di splitting per analisi
  • Complessità filtri

Soluzione:

  • Parsing lato frontend
  • Normalizzazione categorie
  • UI multi-select

5. Raccomandazioni per il frontend

5.1 Parsing e normalizzazione

Priorità alta:

  1. Correzione encoding UTF-8: fix caratteri accentati all'import
  2. Trim stringhe: rimuovere spazi irregolari
  3. Parsing categorie: split multi-valore in array
  4. Normalizzazione località: mapping per geocoding
  5. Aggregazione forme per livello geografico: calcolare metriche di variazione diatopica

Esempio codice parsing:

function parseCSVRow(row) {
  return {
    idLemma: parseInt(row.IdLemma),
    lemma: row.Lemma.trim(),
    forma: row.Forma.trim(),
    localita: fixEncoding(row['Coll.Geografica']),
    tipoLocalita: fixEncoding(row['Tipo coll.Geografica']),
    anno: parseInt(row.Anno),
    periodo: row.Periodo,
    idPeriodo: parseInt(row.IDPeriodo),
    datazione: row.Datazione,
    categorie: row.Categoria.split(',').map(c => c.trim()),
    frequenza: parseInt(row.Frequenza),
    url: row.URL
  };
}

// Funzione per classificare livello geografico
function classificaLivelloGeografico(tipoLocalita) {
  if (tipoLocalita.includes('Citt')) return 'locale';
  if (tipoLocalita === 'Regione') return 'regionale';
  if (tipoLocalita.includes('sub')) return 'sub-regionale';
  if (tipoLocalita.includes('sovra')) return 'sovra-regionale';
  return 'altro';
}

// Funzione per aggregare forme per lemma e geografia
function aggregaFormePerGeografia(attestazioni) {
  const lemmi = {};
  
  attestazioni.forEach(att => {
    if (!lemmi[att.idLemma]) {
      lemmi[att.idLemma] = {
        lemma: att.lemma,
        formeLocali: new Set(),
        formeRegionali: new Set(),
        formeSubRegionali: new Set(),
        formeSovraRegionali: new Set(),
        formeTrasversali: new Set()
      };
    }
    
    const livello = classificaLivelloGeografico(att.tipoLocalita);
    
    switch(livello) {
      case 'locale':
        lemmi[att.idLemma].formeLocali.add(att.forma);
        break;
      case 'regionale':
        lemmi[att.idLemma].formeRegionali.add(att.forma);
        break;
      case 'sub-regionale':
        lemmi[att.idLemma].formeSubRegionali.add(att.forma);
        break;
      case 'sovra-regionale':
        lemmi[att.idLemma].formeSovraRegionali.add(att.forma);
        break;
    }
  });
  
  // Identifica forme trasversali
  Object.values(lemmi).forEach(lemma => {
    const alleForme = new Set([
      ...lemma.formeLocali,
      ...lemma.formeRegionali,
      ...lemma.formeSubRegionali,
      ...lemma.formeSovraRegionali
    ]);
    
    alleForme.forEach(forma => {
      let presenzeLivelli = 0;
      if (lemma.formeLocali.has(forma)) presenzeLivelli++;
      if (lemma.formeRegionali.has(forma)) presenzeLivelli++;
      if (lemma.formeSubRegionali.has(forma) || lemma.formeSovraRegionali.has(forma)) presenzeLivelli++;
      
      if (presenzeLivelli >= 3) {
        lemma.formeTrasversali.add(forma);
      }
    });
  });
  
  return lemmi;
}

5.2 Indicizzazione

Indici consigliati per performance:

  1. IdLemma: raggruppamento forme
  2. Anno: filtri temporali
  3. IDPeriodo: ordinamento cronologico
  4. Coll.Geografica: filtri geografici
  5. Categorie: filtri tematici (array index)

5.3 Aggregazioni chiave

Dashboard metrics:

  1. Lemmi per periodo: GROUP BY IDPeriodo, COUNT DISTINCT IdLemma
  2. Distribuzione geografica: GROUP BY Coll.Geografica, SUM(Frequenza)
  3. Categorie dominanti: GROUP BY Categoria, COUNT(*)
  4. Evoluzione forme: GROUP BY IdLemma, Anno, COUNT DISTINCT Forma

5.4 Componenti UI

GeographicalDistributionMap.vue

  • Dati: località, tipo località, frequenza aggregata
  • Necessità: coordinate geografiche (geocoding)
  • Interattività: click → dettagli attestazioni, filtri temporali

LemmaCategoriesTreemap.vue

  • Dati: categorie (split multi-valore), frequenza aggregata
  • Gerarchia: categoria principale → sottocategorie
  • Dimensione nodi: somma frequenze

LemmaDetailsTable.vue

  • Dati: tutte le colonne per lemma selezionato
  • Ordinamento: Anno, Frequenza, Localita
  • Paginazione: se >50 attestazioni

GlobalFilterBar.vue

  • Filtri:
    • Range temporale (Anno: 1314-1899)
    • Periodo (dropdown 23 valori)
    • Località (autocomplete)
    • Tipo località (4 checkbox)
    • Categorie (multi-select)
    • Range frequenza (min-max)

5.5 Performance

Ottimizzazioni:

  1. Lazy loading: carica dati paginati
  2. Virtual scrolling: per liste lunghe
  3. Memoization: cache aggregazioni
  4. Web Workers: parsing CSV in background
  5. IndexedDB: cache locale dataset

Stima dimensioni:

  • File CSV: ~1-2 MB
  • Parsed JSON: ~3-5 MB
  • Gestibile in memoria browser

5.6 Geocoding località

Località da mappare (coordinate lat/lng):

Città principali:

  • Roma, Napoli, Firenze, Torino, Milano, Bologna, Genova, Ferrara, Venezia, Mantova, Siena, Padova, Como, Macerata, Bolzano, Fermo

Regioni:

  • Toscana, Lazio, Lombardia, Sicilia, Friuli-Venezia Giulia

Ambiti sub-regionali:

  • Toscana sud-orientale, Toscana occidentale

Ambiti sovra-regionali:

  • Italia mediana, Italia meridionale intermedia (coordinate centroidi approssimate)

Soluzione proposta: file JSON di mapping località → coordinate

{
  "Roma": { "lat": 41.9028, "lng": 12.4964, "type": "Città" },
  "Napoli": { "lat": 40.8518, "lng": 14.2681, "type": "Città" },
  "Toscana": { "lat": 43.7711, "lng": 11.2486, "type": "Regione" }
}

6. Schema dati target (JSON parsed)

Struttura ottimale post-parsing:

interface Attestazione {
  idLemma: number;
  lemma: string;
  forma: string;
  localita: {
    nome: string;
    tipo: 'Città' | 'Regione' | 'Ambito geografico sub regionale' | 'Ambito geografico sovra regionale';
    coordinate?: { lat: number; lng: number };
  };
  temporalita: {
    anno: number;
    periodo: string;
    idPeriodo: number;
    datazione: string;
  };
  categorie: string[];
  frequenza: number;
  url: string;
}

interface Lemma {
  id: number;
  lemma: string;
  forme: string[];
  attestazioni: Attestazione[];
  statistiche: {
    totaleAttestazioni: number;
    frequenzaTotale: number;
    periodoInizio: number;
    periodoFine: number;
    localitaUniche: number;
    categorieUniche: string[];
  };
  url: string;
}

7. Metriche e KPI

7.1 Metriche descrittive

Metrica Valore
Totale attestazioni 6.236
Lemmi unici 365
Forme uniche 1.871
Ratio forme/lemma ~5,1
Range temporale 585 anni (1314-1899)
Località uniche ~100+
Categorie uniche ~90
Record multi-categoria 1.714 (27,5%)
Frequenza media 15,6
Frequenza max 2.120

7.2 Dashboard KPI

Visualizzazioni consigliate:

  1. Timeline distribuzione attestazioni (anno x count)
  2. Mappa coropletica Italia (località x frequenza)
  3. Treemap categorie (categoria x frequenza)
  4. Top 10 lemmi (lemma x frequenza totale)
  5. Evoluzione forme (anno x count forme distinte)
  6. Heatmap spazio-temporale (località x periodo x frequenza)

8. Esempi di query analitiche

Query 1: Lemmi più frequenti

const topLemmi = attestazioni
  .reduce((acc, a) => {
    acc[a.idLemma] = acc[a.idLemma] || { lemma: a.lemma, frequenza: 0 };
    acc[a.idLemma].frequenza += a.frequenza;
    return acc;
  }, {});

Query 2: Evoluzione temporale categoria

const evoluzioneCarni = attestazioni
  .filter(a => a.categorie.includes('Carni derivati e preparazioni a base di carne'))
  .reduce((acc, a) => {
    acc[a.anno] = (acc[a.anno] || 0) + 1;
    return acc;
  }, {});

Query 3: Distribuzione geografica lemma

function distribuzioneGeografica(idLemma) {
  return attestazioni
    .filter(a => a.idLemma === idLemma)
    .reduce((acc, a) => {
      acc[a.localita.nome] = (acc[a.localita.nome] || 0) + a.frequenza;
      return acc;
    }, {});
}

Query 4: Categorie dominanti per periodo

const categoriePeriodo = attestazioni
  .reduce((acc, a) => {
    const key = a.temporalita.periodo;
    acc[key] = acc[key] || {};
    a.categorie.forEach(cat => {
      acc[key][cat] = (acc[key][cat] || 0) + 1;
    });
    return acc;
  }, {});

Query 5: Analisi variazione geografica per lemma

// Calcola indice di variabilità geografica
function analizzaVariazioneGeografica(idLemma) {
  const attestazioni = getAttestazioniLemma(idLemma);
  
  const formePerLivello = {
    locale: new Set(),
    regionale: new Set(),
    subRegionale: new Set(),
    sovraRegionale: new Set()
  };
  
  const formePerLocalita = {};
  
  attestazioni.forEach(att => {
    const livello = classificaLivelloGeografico(att.tipoLocalita);
    
    if (livello === 'locale') formePerLivello.locale.add(att.forma);
    if (livello === 'regionale') formePerLivello.regionale.add(att.forma);
    if (livello.includes('sub')) formePerLivello.subRegionale.add(att.forma);
    if (livello.includes('sovra')) formePerLivello.sovraRegionale.add(att.forma);
    
    if (!formePerLocalita[att.localita]) {
      formePerLocalita[att.localita] = new Set();
    }
    formePerLocalita[att.localita].add(att.forma);
  });
  
  return {
    totaleFormeUniche: new Set(attestazioni.map(a => a.forma)).size,
    formeLocali: formePerLivello.locale.size,
    formeRegionali: formePerLivello.regionale.size,
    formeSubRegionali: formePerLivello.subRegionale.size,
    formeSovraRegionali: formePerLivello.sovraRegionale.size,
    localitaConFormeUniche: Object.entries(formePerLocalita)
      .filter(([_, forme]) => forme.size === 1)
      .map(([loc, _]) => loc),
    indiceVariabilita: (
      formePerLivello.locale.size + 
      formePerLivello.regionale.size + 
      formePerLivello.subRegionale.size + 
      formePerLivello.sovraRegionale.size
    ) / Object.keys(formePerLocalita).length
  };
}

Query 6: Identificazione forme marker di un'area

// Trova forme attestate esclusivamente in una specifica area geografica
function identificaFormeMarker(areaGeografica, tipoArea = 'Città') {
  const formeArea = attestazioni
    .filter(a => a.localita === areaGeografica && a.tipoLocalita === tipoArea)
    .map(a => ({ forma: a.forma, lemma: a.lemma, idLemma: a.idLemma }));
  
  const formeMarker = [];
  
  formeArea.forEach(({ forma, lemma, idLemma }) => {
    const attestazioniForma = attestazioni.filter(a => 
      a.idLemma === idLemma && a.forma === forma
    );
    
    const soloInQuestArea = attestazioniForma.every(a => 
      a.localita === areaGeografica
    );
    
    if (soloInQuestArea) {
      formeMarker.push({
        lemma,
        forma,
        frequenzaTotale: attestazioniForma.reduce((sum, a) => sum + a.frequenza, 0),
        periodoInizio: Math.min(...attestazioniForma.map(a => a.anno)),
        periodoFine: Math.max(...attestazioniForma.map(a => a.anno))
      });
    }
  });
  
  return formeMarker.sort((a, b) => b.frequenzaTotale - a.frequenzaTotale);
}

// Esempio di utilizzo
const formeGenovesi = identificaFormeMarker('Genova', 'Città');
// Risultato: forme come "aggiada", "aggiadda" per il lemma "agliata"

Query 7: Evoluzione spazio-temporale di una forma

// Traccia la diffusione geografica di una forma nel tempo
function tracciaEvoluzioneForma(idLemma, forma) {
  const attestazioniForma = attestazioni
    .filter(a => a.idLemma === idLemma && a.forma === forma)
    .sort((a, b) => a.anno - b.anno);
  
  const timeline = attestazioniForma.map(att => ({
    anno: att.anno,
    localita: att.localita,
    tipoLocalita: att.tipoLocalita,
    livelloGeografico: classificaLivelloGeografico(att.tipoLocalita),
    frequenza: att.frequenza
  }));
  
  // Analizza pattern di espansione geografica
  const livelli = [...new Set(timeline.map(t => t.livelloGeografico))];
  const espansioneGeografica = livelli.length > 1;
  
  const direzioneDiffusione = espansioneGeografica
    ? (livelli.includes('locale') && livelli.includes('regionale') 
        ? 'dal_locale_al_regionale' 
        : 'pattern_complesso')
    : 'stabile';
  
  return {
    forma,
    timeline,
    primaAttestazione: timeline[0],
    ultimaAttestazione: timeline[timeline.length - 1],
    durataDiffusione: timeline[timeline.length - 1].anno - timeline[0].anno,
    livelliGeografici: livelli,
    direzioneDiffusione,
    localitaRaggiunta: [...new Set(timeline.map(t => t.localita))]
  };
}

9. Checklist implementazione

Fase 1: Data Processing

  • Fix encoding UTF-8 caratteri accentati
  • Trim spazi superflui
  • Parse categorie multi-valore
  • Validazione anomalie temporali
  • Creazione mapping geocoding

Fase 2: Data Modeling

  • Definizione interfacce TypeScript
  • Normalizzazione struttura dati
  • Indicizzazione chiavi
  • Aggregazioni pre-calcolate

Fase 3: UI Components

  • GlobalFilterBar con tutti i filtri
  • GeographicalDistributionMap con mappa Italia
  • LemmaCategoriesTreemap con gerarchia
  • LemmaDetailsTable con sorting/paging
  • Dashboard metriche riepilogative

Fase 4: Performance

  • Implementazione lazy loading
  • Cache IndexedDB
  • Web Workers parsing
  • Ottimizzazione rendering liste

Fase 5: Testing

  • Test parsing dataset completo
  • Test filtri combinati
  • Test performance con 6K record
  • Test edge cases (encoding, nulls)

10. Glossario

Termini linguistici

  • Lemma: Forma normalizzata/dizionariale di una parola (headword), rappresenta il concetto lessicale astratto
  • Forma: Variante grafica, fonetica o morfologica attestata nelle fonti storiche
  • Attestazione: Occorrenza documentata di un termine in un contesto specifico spazio-temporale
  • Corpus: Insieme dei testi analizzati
  • Frequenza: Numero di occorrenze di una forma nel corpus
  • Variazione diatopica: Variazione linguistica nello spazio geografico (dialettale)
  • Isoglossa: Linea geografica che delimita l'estensione di un fenomeno linguistico
  • Koinè: Varietà linguistica sovraregionale, forma di compromesso tra dialetti
  • Scripta: Tradizione scrittoria locale con convenzioni ortografiche proprie

Classificazione geografica delle forme

  • Forma locale: Variante attestata esclusivamente in una o più città specifiche (es. aggiada → solo Genova)
  • Forma regionale: Variante attestata solo a livello di regione/i (es. brasole → Lazio e Toscana)
  • Forma macro-areale: Variante attestata in ambiti sub-regionali o sovra-regionali (es. brasciola → Italia meridionale intermedia)
  • Forma trasversale: Variante attestata a tutti i livelli geografici - città, regioni e macro-aree (es. agliata)
  • Forma marker: Variante esclusiva di un'area geografica, indicatore di specificità dialettale

Pattern di diffusione

  • Forma panitaliana: Forma standardizzata o di grande diffusione attestata in molteplici aree geografiche
  • Forma di prestigio: Variante che si diffonde da un centro culturale importante ad aree limitrofe
  • Variante conservativa: Forma arcaica mantenuta in area geografica limitata
  • Espansione geografica: Processo di diffusione di una forma da un livello locale a uno regionale/macro

Termini tecnici

  • Treemap: Visualizzazione gerarchica con aree proporzionali ai valori
  • Geocoding: Conversione nome località → coordinate geografiche (latitudine, longitudine)
  • Long tail distribution: Distribuzione statistica con molti valori bassi e pochi molto alti
  • Granularità geografica: Livello di dettaglio della localizzazione (città < regione < macro-area)
  • Indice di variabilità: Metrica che quantifica la diversità delle forme di un lemma su più livelli geografici

Note finali

Questo dataset rappresenta una risorsa linguistica preziosa per:

  • Ricerca storico-linguistica: evoluzione del lessico gastronomico
  • Digital humanities: analisi diacroniche e geocentriche
  • Didattica: insegnamento storia della lingua italiana
  • Divulgazione: accessibilità patrimonio linguistico-culturale

Il frontend deve bilanciare:

  • Rigore scientifico: preservare complessità e sfumature dei dati
  • Accessibilità: rendere fruibili pattern e insight a utenti non specialisti
  • Performance: gestire efficacemente volume dati e interattività