💬 NLP

Markov reads Pushkin, again: A statistical journey into the poetic world of Evgenij Onegin

Questo studio applica modelli di Markov e analisi di serie temporali simboliche al poema *Eugenio Onegin* di Puškin e alla sua traduzione italiana, rivelando asimmetrie strutturali nella memoria fonologica e dimostrando come modelli probabilistici minimalisti possano supportare l'analisi comparativa della poesia.

Autori originali: Angelo Maria Sabatini

Pubblicato 2026-04-23

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Angelo Maria Sabatini

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

🕵️‍♂️ L'Indagine: Ascoltare il respiro di un poema

Immagina di avere due copie dello stesso libro: una scritta in russo originale da Puškin (il "padre" della letteratura russa) e una tradotta in italiano da Ghini. Il libro è Eugenio Onegin, un poema famoso che racconta la storia d'amore, i tradimenti e le tragedie di un giovane aristocratico.

Gli autori di questo studio si sono chiesti: "Se togliamo le parole, i significati e la grammatica, e guardiamo solo il 'ritmo' fatto di suoni (vocali e consonanti), possiamo ancora sentire la storia?"

Per rispondere, hanno usato un vecchio trucco matematico inventato da Andrej Markov (un matematico russo) più di 100 anni fa.

🎲 Il Gioco delle Palle Colorate (Il Modello di Markov)

Pensa al testo non come a parole, ma come a una lunga fila di palline colorate:

Rosse = Vocali (A, E, I, O, U...)
Blu = Consonanti (B, C, D, F...)

Markov, un secolo fa, notò che in russo non è come lanciare una moneta a caso. Se hai una consonante (Blu), è molto probabile che la prossima sia una vocale (Rosso), perché le parole russe hanno bisogno di respirare! Non puoi avere una sequenza infinita di consonanti.

Gli autori hanno creato un "modello di previsione" (un piccolo robot matematico) che guarda le ultime due palline e cerca di indovinare la terza.

Se vede Blu-Blu, cosa succede dopo?
Se vede Rosso-Rosso, cosa succede dopo?

Questo robot è il loro "microscopio" per analizzare il testo.

📉 La Scoperta: Il Ritmo che Cambia (Memoria vs. Stasi)

Ecco la parte più affascinante. Hanno diviso il libro in tanti piccoli pezzi (blocchi) e hanno misurato quanto il robot "ricordava" il passato per prevedere il futuro. Hanno chiamato questo concetto "Memoria Profonda".

La Memoria Profonda alta significa che il testo è caotico, imprevedibile, come un fiume in piena che cambia direzione ogni secondo.
La Memoria Profonda bassa significa che il testo ha un ritmo molto forte, prevedibile, come un treno su binari fissi.

Il risultato sorprendente:

Nel testo Russo (Puškin): La "Memoria Profonda" diminuisce man mano che si legge il libro.
- L'analogia: Immagina di ascoltare una musica. All'inizio, il ritmo è un po' incerto, pieno di sorprese. Ma man mano che la storia avanza, il ritmo diventa più solido, più prevedibile, più "incollato". È come se Puškin, mentre racconta la storia, diventasse sempre più sicuro del suo passo, creando un flusso sonoro più denso e coerente verso la fine.
Nel testo Italiano (Traduzione): La "Memoria Profonda" rimane uguale dall'inizio alla fine.
- L'analogia: La traduzione è come un metronomo che ticchetta allo stesso ritmo per tutto il tempo. È fedele, ma non cambia "umore" sonoro come l'originale.

Perché succede?
Gli autori pensano che Puškin, nel suo originale, stia usando il ritmo dei suoni per accompagnare l'evoluzione emotiva dei personaggi. Mentre la storia diventa più drammatica e matura, anche il "respiro" delle parole diventa più strutturato. Il traduttore italiano, pur facendo un ottimo lavoro, ha mantenuto una struttura più uniforme, perdendo questa sottile evoluzione ritmica.

🔍 Le "Sonde" Sonore: Trovare i Segreti Nascosti

Per capire dove e perché succede questo, gli autori hanno usato delle "sonde" (come sonar sottomarini). Hanno cercato piccoli gruppi di suoni ricorrenti (trigrammi) che cambiavano frequenza man mano che il libro avanzava.

Hanno trovato un "super-segno" in russo: la sequenza di consonanti "вст" (che suona come "vst").

Dove appariva questa sequenza? Spesso nelle parole legate agli incontri, alle sorprese o alle emozioni forti (come incontrare, sentire, svegliarsi).
La magia: Più il libro avanzava verso il finale, più queste sequenze "vst" apparivano. È come se la storia stesse "svegliandosi" o "incontrando" qualcosa di nuovo proprio attraverso il suono delle parole.
In italiano, non c'era un suono equivalente che facesse la stessa cosa.

🎭 La Morale della Storia

Questo studio ci dice due cose importanti:

La matematica semplice funziona: Non serve un'intelligenza artificiale complessa per capire la letteratura. Basta guardare il ritmo di base (vocali e consonanti) per vedere cose che l'occhio umano potrebbe perdere.
La forma è contenuto: In Eugenio Onegin, il modo in cui le parole "suonano" non è casuale. Il ritmo cambia insieme alla trama. Puškin ha scritto la storia non solo con le parole, ma anche con il "battito" dei suoni, e quel battito accelera e si stabilizza man mano che la tragedia si avvicina.

In sintesi: Hanno usato un vecchio trucco matematico per dimostrare che il poema di Puškin ha un "respiro" che cambia mentre si legge, mentre la traduzione italiana, pur bella, ha un respiro più costante. È come se l'originale fosse un attore che cambia voce con l'emozione, e la traduzione un narratore che mantiene sempre lo stesso tono.

Titolo e Obiettivo dello Studio

Lo studio si propone di riesaminare l'approccio pionieristico di Andrej A. Markov (1913) all'analisi letteraria, applicando modelli di serie temporali simboliche e modelli di Markov moderni alla struttura fonologica del poema Evgenij Onegin di Aleksandr Puškin e di una sua traduzione italiana contemporanea (di Giuseppe Ghini). L'obiettivo è esplorare se modelli probabilistici minimalisti, basati su una codifica binaria delle vocali e delle consonanti (V/C), possano catturare regolarità strutturali, dinamiche narrative e differenze stilistiche tra l'originale russo e la traduzione.

Problema di Ricerca

Sebbene le catene di Markov siano ampiamente utilizzate in campi come il riconoscimento vocale e la biologia computazionale, la loro applicazione diretta all'analisi stilometrica e narrativa dei testi letterari è rimasta marginale dopo i primi tentativi di Markov. Lo studio indaga se:

La struttura superficiale (alternanza V/C) possa riflettere dinamiche narrative più profonde.
Esistano differenze strutturali significative tra l'originale russo e la traduzione italiana che sfuggono all'analisi lessicale tradizionale ma emergono attraverso modelli statistici semplici.
I modelli di Markov di ordine basso possano essere strumenti validi per l'analisi esplorativa di testi poetici complessi.

Metodologia

1. Corpus e Preprocessing

Testi: L'originale russo di Evgenij Onegin (8 capitoli, 421 strofe) e la traduzione italiana di Giuseppe Ghini.
Codifica: I testi sono stati trasformati in serie temporali simboliche binarie (V = vocale, C = consonante), escludendo punteggiatura, spazi e segni molli/duri (ь, ъ), seguendo lo schema originale di Markov. Sono stati mantenuti i prestiti linguistici in alfabeto latino.
Allineamento: I testi sono stati allineati a livello di strofa per consentire confronti strutturali.

2. Modellazione Statistica

Modelli di Markov:
- Modello a 2 stati: Transizioni dirette V $\leftrightarrow$ C (ordine 1).
- Modello a 4 stati: Espansione dello spazio degli stati per catturare dipendenze di secondo ordine. Gli stati sono bigrammi: VV, VC, CV, CC. Questo modello, pur rimanendo formalmente di primo ordine, incorpora una "memoria" di due simboli, permettendo di calcolare probabilità di transizione condizionate ai due simboli precedenti.
Indici di Misura:
- Fattore di Correzione (CF): Misura l'inflazione o la riduzione della varianza dovuta alla dipendenza sequenziale (coefficiente di dispersione).
- Profondità della Memoria (MD - Memory Depth): Definito come $MD = 1 - CF$. Varia da 0 (dipendenza perfetta) a 1 (indipendenza perfetta/randomicità). Un MD più basso indica una struttura più prevedibile e vincolata.
Validazione e Analisi:
- Moving Block Bootstrap (MBB): Tecnica di ricampionamento non parametrico per preservare le correlazioni a breve termine e calcolare intervalli di confidenza robusti.
- Test di Ljung-Box: Per verificare l'assenza di dipendenza seriale (ipotesi nulla di indipendenza).
- Analisi dei Sostituti (Surrogate Data): Per distinguere tra trend reali e artefatti dovuti al raggruppamento locale dei caratteri.
- Sondaggi Fonologici (Phonological Probes): Identificazione di trigrammi specifici (es. VVV, CCC) la cui frequenza varia sistematicamente lungo il testo, correlata a temi narrativi.

Risultati Chiave

1. Divergenza nella Profondità della Memoria (MD)

Testo Russo: Mostra un declino graduale e significativo della MD lungo l'arco del poema. Ciò indica che, man mano che la storia procede, le dipendenze sequenziali tra vocali e consonanti diventano più forti (la struttura diventa meno casuale e più prevedibile).
Traduzione Italiana: Mantiene un profilo di MD stabile e uniforme, senza trend decrescente.
Significato: Questa divergenza è statisticamente robusta (confermata da bootstrap e modelli lineari con interazione) e suggerisce che la traduzione, pur mantenendo il ritmo metrico, non replica la stessa evoluzione delle vincoli fonotattici presenti nell'originale russo.

2. Adeguatezza del Modello

Il modello a 4 stati si è dimostrato sufficientemente accurato per generare sequenze che replicano le proprietà statistiche (autocorrelazione, distribuzione dei trigrammi) dei testi originali. Le discrepanze tra distribuzioni empiriche e simulate sono state minime.

3. Sondaggi Fonologici e Correlazione Narrativa

L'analisi dei trigrammi ha identificato pattern "persistenti" (VVV, CCC) e "alternanti" (VVC, CCV). Nel russo, i pattern persistenti aumentano in frequenza verso la fine del testo.
Caso di studio "вст" (trigramma consonantico): Il trigramma "вst" (es. in встретить - incontrare, чувствовать - sentire) è stato selezionato come "sonda fonologica".
- La sua frequenza mostra una tendenza crescente statisticamente significativa.
- L'analisi lessicale ha rivelato che "вst" è fortemente associato a due temi: incontri (verbi di incontro) ed emozioni (sentimenti, passioni).
- Esiste una correlazione significativa tra la presenza di "вst" e la menzione dei protagonisti (Tat'jana ed Evgenij) nelle stesse strofe, suggerendo che questo pattern fonologico segna momenti chiave di tensione narrativa e interazione tra i personaggi.

Contributi Principali

Rivisitazione Storica-Methodologica: Lo studio dimostra come l'intuizione originale di Markov (1913) possa essere potenziata dagli strumenti moderni della scienza dei dati (bootstrap, modelli a stati nascosti, analisi di serie temporali) per l'analisi letteraria.
Scoperta di Asimmetrie Strutturali: Dimostra che la traduzione letteraria, pur fedele a livello semantico e metrico, può alterare le dinamiche statistiche profonde (memoria fonologica) del testo originale.
Metodologia "Minimalista": Propone un framework che, partendo da una rappresentazione binaria grezza (V/C), riesce a estrarre segnali tematici e narrativi senza ricorrere a modelli linguistici complessi (come word embeddings o LLM), evidenziando come la struttura superficiale del testo possa veicolare informazioni profonde.
Correlazione Forma-Significato: Fornisce evidenze empiriche di come specifici pattern fonologici (come "вst") possano essere mappati su arcate narrative e motivazioni emotive.

Significato e Implicazioni

Lo studio conclude che i modelli di Markov, anche nella loro forma più semplice, non sono solo curiosità storiche ma strumenti validi per l'analisi stilometrica e comparativa. La capacità di rilevare un declino della "memoria" nel testo russo, assente nella traduzione, suggerisce che l'originale possiede una coesione strutturale interna che evolve parallelamente alla trama.

L'approccio proposto offre una lente nuova per la poetica comparata, dimostrando che le regolarità strutturali stilizzate rimangono accessibili attraverso rappresentazioni semplici basate sulla forma linguistica. Questo apre la strada a future ricerche che potrebbero integrare queste analisi fonologiche con modelli semantici più ricchi (es. LDA, topic modeling) per esplorare ulteriormente la relazione tra struttura superficiale e significato narrativo.