Sintesi Tecnica: Rappresentazioni Computazionali della Significatività dei Personaggi nei Romanzi

Definizione del Problema

Gli approcci computazionali tradizionali all'analisi dei personaggi nella letteratura si sono ampiamente basati sulla modellazione dei personaggi in base alla loro presenza fisica nelle scene, principalmente attraverso la co-occorrenza o lo scambio di dialoghi. Questi metodi spesso confondono la "presenza" con la "significatività", privilegiando implicitamente il personaggio principale che appare con maggiore frequenza. Tuttavia, questa visione centrata sull'interazione contraddice le teorie letterarie come quella di Alex Woloch sul "l'uno contro i molti", la quale postula che le narrazioni siano strutturate attorno a un individuo centrale e una moltitudine di figure subordinate che competono per uno spazio narrativo limitato. Inoltre, i metodi esistenti spesso trascurano la distinzione tra il narratore e il personaggio, e non tengono conto di come i personaggi vengano discussi dagli altri — una componente che rivela l'interesse e il posizionamento sociale senza richiedere la presenza fisica.

Gli autori affrontano la necessità di un quadro più sfumato e multidimensionale per quantificare la significatività del personaggio che sia in linea con la teoria letteraria contemporanea e che catturi le dinamiche relazionali oltre la semplice interazione.

Metodologia

Il Modello Strutturale a Sei Componenti

Il nucleo della metodologia è un modello strutturale della significatività del personaggio sviluppato in collaborazione con studiosi di letteratura (Marcus, 2025). Questo modello decompone la presenza del personaggio in sei componenti distinte:

1. Nome (N): Occorrenze dei nomi propri del personaggio (esclusi i pronomi).
2. Comunicazione (C): Frasi del parlato o dello scritto citato del personaggio.
3. Interiorità (I): Locuzioni verbali che esprimono i pensieri, i sentimenti, le intenzioni o le percezioni del personaggio.
4. Azione (A): Locuzioni verbali che trasmettono azioni fisiche (esclusi il parlato o l'interiorità).
5. Discussione da parte di altri personaggi (DC): Frasi di comunicazione di altri personaggi in cui il personaggio target viene discusso.
6. Descrizione da parte del narratore (DN): Frasi della voce narrativa che descrivono l'aspetto, il modo di fare o l'abbigliamento del personaggio.

Dati e Annotazione

Gli autori hanno costruito un dataset annotando manualmente tutti i capitoli di Orgoglio e Pregiudizio (Jane Austen) e Jane Eyre (Charlotte Brontë) per stabilire i conteggi della verità di base (ground truth) per questi sei componenti a livello di capitolo. Essi osservano che Jane Eyre presenta sfide specifiche a causa del suo narratore in prima persona, dove il narratore e il protagonista coincidono, complicando la distinzione tra interiorità e descrizione del narratore.

Per consentire un'analisi su scala, gli autori hanno curato un corpus di 64 romanzi realistici britannici del XIX secolo (1800–1900), escludendo le narrazioni in prima persona in cui il narratore è un personaggio, poiché i risultati preliminari indicavano scarse prestazioni su tali testi.

Approcci Computazionali

Il documento valuta due pipeline primarie per operazionalizzare questo modello:

1. Pipeline basata su BookNLP: Una pipeline basata su transformer che utilizza pacchetti di entità, citazioni, supersense, eventi e coreferenza. Essa analizza il testo per identificare gli intervalli che soddisfano i criteri dei componenti (ad esempio, utilizzando le classi VerbNet per azioni e interiorità).
2. Approcci basati su LLM:
   • Conteggi a livello di capitolo: Prompting di LLM (gpt-4o-mini) per generare conteggi in formato JSON per tutti i componenti e i personaggi per capitolo.
   • Annotazioni a livello di intervallo (span): Prompting di LLM per identificare specifici intervalli di testo per singoli componenti (ad esempio, risolvendo i pronomi nel dialogo per determinare la "Discussione da parte di altri personaggi").

Costruzione delle Reti

Gli autori costruiscono tre tipi di reti di personaggi:

• Rete di Co-occorrenza: Edges non diretti basati sulla co-presenza a livello di paragrafo.
• Rete di Dialogo: Edges non diretti basati sull'alternanza dei turni di parola (Componente C).
• Rete di Discussione: Un grafo diretto innovativo dove gli archi $u \to v$ rappresentano il personaggio $u$ che discute del personaggio $v$ (Componente DC). Ciò consente di distinguere tra "essere oggetto di discussione" (in-degree) e "discutere di altri" (out-degree).

Contributi Chiave

1. Inquadramento Teorico e Dataset: Il documento introduce un modello a sei componenti della significatività del personaggio negli studi letterari computazionali e rilascia un dataset accompagnatorio di punteggi dei componenti annotati da esperti per Orgoglio e Pregiudizio e Jane Eyre.
2. Pipeline Computazionale: Gli autori sviluppano e rilasciano una pipeline capace di etichettare questi componenti attraverso i romanzi del XIX secolo. Dimostrano che, sebbene gli LLM possano essere utilizzati per l'etichettatura, la pipeline basata su BookNLP offre una maggiore affidabilità e tassi di errore inferiori per l'analisi su scala del corpus, in particolare per componenti come Azione e Interiorità.
3. Nuova Rappresentazione di Rete: Il documento propone la "Rete di Discussione" (DC), un grafo diretto che cattura come i personaggi siano posizionati l'uno rispetto all'altro attraverso il discorso, offrendo una nuova lente sulla centralità del personaggio distinta dalla co-occorrenza o dal dialogo.
4. Analisi a Livello di Corpus: Gli autori applicano queste rappresentazioni a un corpus di 64 romanzi per rispondere a specifiche questioni letterarie riguardanti la centralità dei personaggi e le dinamiche di genere.

Risultati

Accuratezza dell'Etichettatura

• BookNLP vs. LLM: La pipeline basata su BookNLP ha raggiunto un Errore Assoluto Medio (MAE) di 1,7 e una correlazione di Pearson di 0,75 rispetto ai conteggi reali per Orgoglio e Pregiudizio. Al contrario, i metodi basati su LLM, nonostante il prompting granulare, hanno mostrato un MAE più elevato e prestazioni inconsistenti, in particolare per i personaggi secondari e componenti come Azione (A) e Interiorità (I).
• Narrative in Prima Persona: La pipeline ha incontrato difficoltà con Jane Eyre a causa dei problemi di risoluzione della coreferenza tra il narratore e il protagonista. Senza correzione manuale, il MAE era 4,35; con la correzione, è sceso a 3,00. Di conseguenza, le narrazioni in prima persona sono state escluse dall'analisi principale del corpus.

Analisi delle Reti e Intuizioni Letterarie

• Discrepanze di Centralità: Lo studio ha rilevato che diverse costruzioni di rete producono classifiche differenti di prominenza del personaggio. Ad esempio, in Orgoglio e Pregiudizio, Mr. Darcy si classifica al primo posto in "in-strength" (essere oggetto di discussione), mentre Elizabeth è al primo posto in "out-strength" (discutere degli altri). Ciò evidenzia che "essere oggetto di discussione" e "prendere la parola" sono dimensioni distinte della prominenza sociale.
• Il "L'uno contro i Molti" di Woloch: L'analisi delle metriche di disuguaglianza (coefficiente di Gini) attraverso il corpus rivela che l'attenzione narrativa è altamente concentrata ma non monolitica. "L'uno" non è un singolo individuo, ma un cluster centralizzato di diversi personaggi, con molteplici gradi di "molti" che costituiscono la periferia.
• Dinamiche di Genere: La Rete di Discussione ha rivelato strutture di genere significative non visibili nelle reti non dirette:
  • I personaggi femminili sono sovrarappresentati tra i discussori più centrali (out-degree) e i più discussi (in-degree).
  • Esiste un pattern di attenzione cross-gender asimmetrico: gli archi dalle donne verso gli uomini si verificano significativamente più frequentemente rispetto a quelli dagli uomini verso le donne ($F \to M / M \to F = 1,26$).

Significato e Rivendicazioni

Il documento sostiene di offrire una nuova lente computazionale per l'analisi letteraria che vada oltre le semplici metriche di interazione. Integrando una teoria del personaggio basata sui componenti con l'analisi di rete, gli autori dimostrano che:

1. La Significatività del Personaggio è Multiforme: Una visione completa di un personaggio richiede di tenere conto dell'interiorità, della descrizione e della discussione, non solo della presenza fisica o del dialogo.
2. I Grafi Diretti Rivelano Nuovi Strati Sociali: La Rete di Discussione scopre dinamiche relazionali (chi discute chi) che sono invisibili alle tradizionali reti non dirette di co-occorrenza o dialogo.
3. Il Genere Plasma lo Spazio Narrativo: L'analisi computazionale fornisce prove empiriche per le dinamiche di genere nella discussione dei personaggi, mostrando che le donne sono più propense a essere l'oggetto della discussione e a discutere degli altri, una sfumatura mancata dai precedenti studi di rete.

Gli autori concludono che, sebbene i loro metodi siano attualmente limitati ai romanzi in terza persona del XIX secolo in lingua inglese a causa dei costi di annotazione e delle sfide di coreferenza nelle narrazioni in prima persona, questo quadro fornisce una base robusta per il lavoro futuro nel rendere scalabile la teoria letteraria su grandi corpora. Essi dichiarano esplicitamente che il loro obiettivo è facilitare la ricerca futura piuttosto che fornire una soluzione definitiva e priva di errori per ogni forma narrativa.