che cosa fa :: storia e piano di lavoro :: crediti :: vai alla ricerca sul corpus ladino

Che cos’è:

(il cliente ci lavora)

Caratteristiche tecniche principali:

• Tutto il sistema è gestito via web; le banche dati delle testi e dei corpus e della fonetica sono condivise da tutti gli utenti abilitati e sono aggiornabili in tempo reale per tutti gli utenti via web, senza necessità di distribuire aggiornamenti applicativi.

• Motore di indicizzazione: Lucene (2.0.0)

• Attuale consistenza del corpus (in aumento costante): circa 14.000 testi, per un totale di ca. 6.500.000 parole “token”, di cui circa 220.000 diverse forme, nelle varianti codificate del ladino dolomitico e rispettive subvarianti, e in futuro anche in Ladino Standard:

variante	numero di parole
ampezzano	705.000
badiotto	1.710.000
fassano	1.720.000
fodom (livinallese)	in elaborazione
gardenese	2.325.000
ladin standard	in elaborazione

I testi selezionati coprono un periodo che va dal 1800 fino ai giorni nostri, con prevalenza di testi appartenenti alla seconda metà del XX secolo. Per garantire un sufficiente grado di bilanciamento fra i vari generi, sono stati inseriti sia testi letterari (prosa, poesia, teatro, memorialistica, testi sul folclore e le tradizioni, libri di preghiere), sia testi non letterari (testi giuridici e amministrativi, modulistica, testi di informazione giornalistica e pragmatici, testi di divulgazione scientifica e culturale, testi scolastici).

Composizione del corpus all’avvio della versione 3.0 (gennaio 2007)