Nel panorama della generazione linguistica automatica per testi storici in italiano, la correzione automatica dei tempi verbali imperfetti rappresenta un punto critico, soprattutto quando il contesto locale richiede una precisa concordanza temporale che rifletta abitudini, usanze e narrazioni ricorrenti del passato. L’errore più frequente risiede nell’uso indiscriminato dell’imperfetto in contesti dove il passato prossimo o il plurale richiedono coerenza semantica con abitudini o eventi ripetuti nel tempo. Mentre i sistemi AI generici spesso ignorano sfumature locali – come il differenziale tra “costava” (imperfetto prolungato) e “costavano” (imperfetto plurale) in riferimento a periodi economici o sociali – il vero avanzamento tecnico emerge dalla combinazione di regole linguistiche precise, analisi contestuale basata su ontologie storiche e feedback iterativi, come descritto nel Tier 2, che qui si espande in dettaglio tecnico e operativo.

Contesto Linguistico: Perché l’Imperfetto è Fondamentale nella Narrazione Storica Italiana

Il tempo imperfetto in italiano non indica semplicemente un’azione protratta nel passato, ma è il veicolo principale per esprimere continuità, contesto, abitudini e routine ricorrenti. Nella scrittura storica, l’imperfetto funziona come un registro semantico che costruisce il tessuto narrativo, permettendo al lettore di percepire il fluire naturale degli eventi senza esplicitare ogni dettaglio. Ad esempio, “ogni domenica si riunivano al mercato” implica una pratica abituale, non un singolo incontro concluso, mentre “il fiume scorrevaccia tra i campi” descrive una situazione ambientale duratura. Negli archivi storici e nelle opere regionali, l’imperfetto è spesso il solo tempo grammaticalmente coerente per riferire usanze, rituali e strutture sociali che si ripetevano nel tempo, come le feste locali o i cicli agricoli. La sua corretta applicazione evita anacronismi e garantisce autenticità semantica.

Fase 1: Analisi Avanzata del Testo di Partenza con Identificazione dei Tempi Imperfetti e Contesto Lessicale

Obiettivo: Estrarre automaticamente tutti i tempi imperfetti con riferimenti contestuali (periodi, luoghi, usanze) per valutare la coerenza temporale rispetto al contesto storico locale.

Processo dettagliato:

• Tokenizzazione e POS Tagging: Utilizzo di parser NLP specializzati (es. spaCy con modello `it_core_news_sm`) per identificare i verbi imperfetti e il loro contesto lessicale. Si estraggono non solo il verbo, ma anche il soggetto, l’oggetto, e il periodo temporale esplicito (date, espressioni come “nel 1895”, “ogni mese”, “durante i secoli”).
• Classificazione Semantica: Classificazione automatica del tempo imperfetto in base a funzioni: abituale (es. “si leggeva il giornale”), continuativa (es. “pioveva senza sosta”), descrittiva (es. “il paese era tranquillo”). Ogni imperfetto viene taggato con un codice semantico (TIMP_ABITUALE, TIMP_CONTINUA, TIMP_CONTESTUALE) per abilitare regole di correzione mirate.
• Estrazione di Contesti Storici Locali: Integrazione di un database di riferimento temporale (es. corpora di giornali storici, registri comunali, cronache regionali) per riconoscere periodi, usanze e cicli sociali specifici. Ad esempio, “durante l’esodo post-unito” richiede imperfetto plurale “si fuggivano famiglie” anziché singolare.

Esempio pratico: Testo: “Nel 1885, in Toscana, ogni domenica la gente si riuniva al ponte per scambiare notizie. Il fiume scorrevaccia lento, e i bambini giocavano lungo le rive.”
Analisi:
– “si riunivano” → TIMP_ABITUALE + periodo: 1885 → regola: imperfetto plurale con riferimento a evento ricorrente.
– “scorrevaccia” → imperfetto continuativo con contesto ambientale.
– “giocavano” → imperfetto plurale con usanza ricorrente.
Il sistema identifica correttamente la struttura temporale coerente con la tradizione narrativa locale.

Fase 2: Cross-Check Semantico con Ontologie Storiche e Corpus di Riferimento

Obiettivo: Verificare la correttezza dei tempi imperfetti attraverso corpi testuali storici autorevoli, garantendo che il verbo scelto rispecchi la frequenza d’uso e il registro locale previsto.

Metodologia: Il sistema consulta un database strutturato di esempi linguistici storici (es. Corpus dei Testi Storici Italiani – COSTI – e archivi digitali regionali) per confrontare l’uso di tempi imperfetti in contesti analoghi. Ad esempio, in un registro siciliano del XIX secolo, “stava facendo” è raro; si preferisce “faceva” per azioni abituali. Il sistema applica un filtro di frequenza temporale: un imperfetto plurale in un periodo di abitudine ricorrente attiva la regola di concordanza TIMP_ABITUALE, mentre un imperfetto singolare in un contesto di evento unico applica TIMP_ABSOLUTO.

Esempio pratico: Frase: “Ogni mese, i maestri si riunivano per discutere il bilancio.”
Verifica: nel contesto amministrativo del 1890, “si riunivano” richiede imperfetto plurale (TIMP_ABITUALE), coerente con documenti d’archivio che mostrano incontri periodici. Il sistema confronta con 2.300 casi simili nel corpus e conferma conformità. In Lombardia, invece, “si rivedevano mensilmente” potrebbe richiedere la forma “si rivedevano” (plurale scritto), ma in dialetti come il milanese, “stavano rivedendo” potrebbe emergere come variante locale – il sistema applica regole contestuali basate su georeferenziazione.

Fase 3: Applicazione di Regole di Concordanza Adattative basate sul Contesto Temporale

Il cuore della pipeline automatizzata è un motore regole-conditionale integrato:

• Fase 3a: Identificazione automatica del contesto temporale (TIMP_CATEGORIA):
  – Imperfetto plurale per abitudini ricorrenti (es. “ogni domenica”, “annualmente”).
  – Imperfetto singolare per azioni singolari o singoli (es. “il sindaco visse”), con eccezioni per nomi propri storici con uso plurale (es. “i Cavaliere Rossi” → “Rossi facevano”).
  – Imperfetto continuativo per azioni ambientali prolungate (es. “il sole splendeva”, “il fiume scorreva”).
• Fase 3b: Applicazione di regole di concordanza con soggetti multipli:
  – Regola: se “costava” (singolare, imperfetto) e soggetto plurale (“i contadini”), applicare “costavano” per accordo.
  – Regola: se “si riunivano” (plurale/imperfetto) e soggetto indeterminato (“la comunità”), mantenere imperfetto plurale per coerenza stilistica.
• Fase 3c: Gestione di usanze dialettali e varianti locali:
  – In Veneto: “faceva” → “facevano” in plurale, anche in imperfetto.
  – In Sicilia: “stava facendo” → “facevano” in contesti abituali, per rispecchiare uso colloquiale.
  Il sistema applica pattern matching con dizionari regionali integrati, adattando la pipeline in tempo reale sulla base della geolocalizzazione del testo.

Esempio di applicazione: Testo: “Nel 1902, ogni sabato, i contadini facevano le loro colture lungo la valle. Il sole splendeva, e i bambini giocavano tra le zolle.”
Motore regole applica:
– “facevano” (plurale imperfetto) per azione abituale multipla.
– “splendeva” (imperfetto continuativo) per stato ambientale.
– “giocavano” (plurale imperfetto) per azione ricorrente.
Il sistema evita errori di concordanza e mantiene coerenza stilistica regionale, come richiesto dal contesto storico locale.

Fase 4: Integrazione di un Modello di Disambiguazione Contestuale (ML + Rule-Based)

Per gestire ambiguità tra imperfetto e passato prossimo in contesti di azione conclusa, il sistema combina:
– Un modello ML supervisionato (addestrato su corpus annotati storicamente),
– Regole linguistiche basate su frequenze d’uso temporali e contesti lessicali.

Processo:
1. Il modello ML classifica la probabilità di uso imperfetto vs. passato prossimo in base a contesto lessicale (es. “ogni mese” → imperfetto, “dopo l’evento” → passato prossimo).
2. Filtri basati su frequenza storica: in periodi di crisi (es. 1920-1925), il passato prossimo aumenta per eventi conclusi; in epoche stabili, imperfetto prevale per routine.
3. Regole ibride risolvono casi limite:
– Se “costava” + soggetto singolare → passato prossimo (evento concluso).
– Se “costava” + soggetto plurale + luogo storico → imperfetto prolungato.
– Se “stava…” + riferimento ambientale → imperfetto continuativo.

Esempio pratico: “Dopo la guerra, i rifugiati stavano ricostruendo le case. Il paese, però, era già cambiato.”
Il sistema riconosce “stavano ricostruendo” (imperfetto continuativo) per stato ambientale prolungato, ma “era già cambiato” (imperfetto semplice) per evento concluso – coerente con l’uso storico del periodo 1919-1923, dove cambiamenti sociali si percepivano come processi continui. La regola di disambiguazione applica passato prossimo solo se il verbo indica un’azione conclusa, altrimenti imperfetto.

Fase 5: Output Arricchito con Annotazioni Temporali Contestuali

Il testo corretto viene arricchito con tag semantici inline per tracciabilità e validazione:

• `periodo: 1880-1900` – abitudini sociali ricorrenti
• `uso imperfetto per abitudine` – “ogni domenica”, “annualmente”, “sempre”
• `contesto storico locale` – riferimenti a usanze regionali, eventi ricorrenti
• `coerenza temporale` – validazione con corpus di riferimento

Esempio arricchito:
*Testo corretto:* “Nel 1895, in Toscana, ogni domenica si riunivano a cena lungo il fiume. Il sole splendeva, e i bambini giocavano tra le rive.”
*Annotazioni:*

• TIMP_ABITUALE – “ogni domenica”
• TIMP_CONTINUA – “