💬 NLP

Three Buddhist Vocabularies: Computational Stylometry of the English Pali Canon across Sutta, Vinaya, and Abhidhamma

Questo articolo presenta un'analisi stilo-metrica computazionale del Canone Pali inglese attraverso i Pitaka Sutta, Vinaya e Abhidhamma, rivelando profili lessicali distinti per ciascun corpus — quali la maggiore diversità e densità numerica dell'Abhidhamma, l'eredità giuridica condivisa tra i Vinaya Theravada e Mulasarvastivada e le significative variazioni di traduzione nel tempo — confermando al contempo che tutti i testi aderiscono alla legge di Zipf.

Autori originali: Joy Bose

Pubblicato 2026-06-25

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Joy Bose

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

Immagina il Canone Buddista (il Tipitaka) come una biblioteca massiccia contenente tre ali distinte, ognuna scritta da autori diversi per scopi diversi. Per molto tempo, i ricercatori hanno studiato l'ala "Sutta" (le storie e i sermoni). Questo articolo è come un nuovo bibliotecario che decide di entrare nelle altre due ali, la Vinaya (il libro delle regole per i monaci) e l'Abhidhamma (un'enciclopedia tecnica della mente), ed eseguire un programma per computer per vedere come il linguaggio stesso cambia da una stanza all'altra.

Il ricercatore, Joy Bose, non ha letto ogni parola per comprenderne la filosofia profonda. Invece, ha utilizzato un "contatore di parole" e un "rilevatore di schemi" per vedere come il vocabolario si comporta. Ecco cosa ha scoperto, spiegato in modo semplice:

1. I tre "gusti" del linguaggio

Pensa alle tre sezioni come a tre diversi tipi di feste:

L'Ala Sutta (I Narratori): Questa è la stanza più grande. Il linguaggio qui è come un racconto intorno al fuoco. Ripete spesso le stesse frasi (come "il monaco disse" o "quattro cose"). Il computer ha scoperto che le parole qui sono molto ripetitive, creando un ritmo costante e cadenzato.
L'Ala Vinaya (Il Libro delle Regole): Questa stanza è piena di istruzioni legali. È sorprendentemente simile ai Narratori per quanto riguarda la ripetitività. Sia che si legga la traduzione moderna (Brahmali) che quella vecchia (Horner), il "ritmo del vocabolario" è quasi identico. È come se due persone diverse leggessero lo stesso elenco telefonico; le parole possono cambiare leggermente, ma la struttura rimane la stessa.
L'Ala Abhidhamma (L'Enciclopedia): Questa è l'eccezione. È un manuale tecnico che elenca 52 tipi di sentimenti e 89 tipi di coscienza. Poiché deve nominare così tante cose specifiche e uniche, utilizza una varietà di parole molto più ampia. È meno ripetitivo e sembra più un moderno libro di testo scientifico che una storia.

2. Il test di "Zipf": Chi è la stella dello show?

I ricercatori hanno utilizzato una famosa regola matematica chiamata Legge di Zipf. Immagina un concerto rock dove un cantante canta il 50% delle canzoni, il secondo ne canta il 25% e il resto si divide il tempo rimanente. In la maggior parte dei testi, poche parole comuni (come "il", "e", "lo") dominano le posizioni principali.

Nelle Storie e nelle Regole: Le prime 10 parole sono principalmente connettivi grammaticali (come "lo" o "essi").
Nell'Enciclopedia: Il computer ha trovato qualcosa di strano. La parola "Coscienza" è balzata tra le prime 10, spingendo verso il basso le parole grammaticali. È come se, in una biblioteca di manuali tecnici, la parola "Motore" appaia così spesso da oscurare la parola "Il". Questo dimostra che l'Enciclopedia è ossessionata da concetti specifici, non solo dalla narrazione.

3. La "Sovrapposizione del Vocabolario" (Quanto condividono?)

I ricercatori si sono chiesti: Se prendi una manciata di parole dal Libro delle Regole, quante di esse troveresti anche nel Libro delle Storie?

Il Risultato: Circa la metà delle parole nel Libro delle Regole è presente anche nel Libro delle Storie. Condividono un linguaggio comune perché fanno parte della stessa tradizione.
Il Test del Viaggio nel Tempo: I ricercatori hanno confrontato il Libro delle Regole Theravada (usato in Sri Lanka/Thailandia) con il Libro delle Regole Mulasarvastivada (usato in Tibet) di 2.000 anni fa. Anche se si sono separati due millenni fa, condividono ancora il 50% del loro vocabolario. È come scoprire che un moderno dizionario inglese americano e uno inglese britannico del XIX secolo condividono ancora metà delle loro parole, dimostrando che provengono dallo stesso albero genealogico.

4. Lo "Spostamento della Traduzione" (Come cambia il linguaggio nel tempo)

I ricercatori hanno preso lo stesso testo del Libro delle Regole e hanno confrontato due traduzioni: una del 1938 e una del 2026.

Lo Shock: Condividevano solo il 24% del loro vocabolario! È un divario enorme per lo stesso testo.
La Causa: Non era cambiato il significato, ma le parole sono cambiate.
- Esempio 1: Nel 1938, uno stato profondo di meditazione era chiamato "musing" (che suona un po' come sognare ad occhi aperti). Nel 2026, è chiamato "assorbimento" (che suona molto più focalizzato).
- Esempio 2: Un'offesa grave era chiamata "defeat" (sconfitta) nel 1938, ma "espulsione" nel 2026.
- Esempio 3: Il traduttore del 2026 è stato più diretto riguardo all'anatomia e alle questioni di genere, mentre il traduttore del 1938 usava un linguaggio cortese e vago.

5. Il Conteggio dei "Numeri"

L'Enciclopedia (Abhidhamma) è ossessionata dal contare. Utilizza parole numeriche (uno, due, tre, quattro) il 3,26% delle volte. Il Libro delle Storie le usa solo il 2,09% delle volte. Questo ha senso: se stai elencando 89 tipi di coscienza, devi dire "uno", "due", "tre" molto più spesso rispetto a quando stai solo raccontando una storia di un monaco che cammina nei boschi.

Riassunto

Questo articolo è come una radiografia linguistica. Non ci dice cosa abbia insegnato il Buddha in dettaglio profondo, ma ci mostra come l'insegnamento sia stato confezionato.

Le Storie sono ritmiche e ripetitive.
Le Regole sono procedurali e condivise attraverso il tempo.
Le Enciclopedie sono dense, tecniche e piene di termini unici.
Le Traduzioni cambiano drasticamente in 88 anni, sostituendo parole antiquate con termini moderni e precisi.

Il ricercatore conclude che, sebbene possiamo vedere chiaramente questi schemi con i computer, la domanda più profonda su come queste idee si siano evolute nel tempo richiede un'analisi umana, basata sui concetti, che è il passo successivo del loro lavoro.

Sintesi Tecnica: Stilometria Computazionale del Canone Pali in Inglese

Definizione del Problema
Sebbene l'analisi computazionale dei testi buddisti sia iniziata a emergere, gli studi precedenti sono stati ampiamente limitati a specifici sottoinsiemi del Tipitaka (ad esempio, il Sutta Pitaka in Pali o l'estrazione di parole chiave all'interno di singoli Nikaya). Manca un'analisi computazionale unificata e trasversale tra i tre grandi raggruppamenti (Sutta, Vinaya e Abhidhamma) del Canone Pali nelle traduzioni inglesi. Inoltre, il lavoro esistente non ha confrontato sistematicamente le strutture lessicali di diverse tradizioni del Vinaya (Theravada vs. Mulasarvastivada) né ha analizzato i mutamenti di traduzione attraverso quasi un secolo di versioni inglesi dello stesso testo sorgente. Questo articolo affronta tali lacune presentando un'analisi descrittiva, a livello lessicale, dell'intero corpus del Tipitaka in inglese.

Metodologia
Lo studio costruisce un corpus di circa 134.831 segmenti di testo provenienti da cinque fonti primarie:

Sutta Pitaka: 114.591 segmenti a livello di frase dalla traduzione CC0 di Bhikkhu Sujato (bilara-data).
Vinaya Pitaka: 7.923 segmenti a livello di paragrafo dalla traduzione del 2026 di Bhikkhu Brahmali; 2.826 segmenti dalla traduzione del 1938 di I.B. Horner; 7.229 segmenti dalla traduzione 84000 Mulasarvastivada; e un corpus preliminare di 185 segmenti Dharmaguptaka.
Adiacente all'Abhidhamma: 2.077 segmenti da tre traduzioni inglesi dell' Abhidhammattha Sangaha (una compendio dell'XI secolo), che funge da proxy per il vocabolario dell'Abhidhamma.

L'analisi impiega quattro metriche computazionali primarie:

Analisi della frequenza-rango di Zipf: Esponenti della legge di potenza con adattamento OLS sulle prime 200 parole per misurare la deviazione dallo slope ideale di Zipf (-1).
Diversità Lessicale (MATTR-500): Rapporto Tipo-Token con media mobile (Moving Average Type-Token Ratio) con una finestra di 500 parole per controllare la dimensione del corpus e le differenze di segmentazione (frase vs. paragrafo).
Densità Numerica: Percentuale di token che corrispondono a una lista di 32 termini numerici.
Sovrapposizione del Vocabolario: Similitudine di Jaccard e coefficiente di sovrapposizione di Szymkiewicz-Simpson per misurare il vocabolario condiviso tra i corpora, con quest'ultimo utilizzato per mitigare il bias derivante dagli squilibri di dimensione dei corpora.

Tutte le analisi sono stime puntuali descrittive; non viene condotto alcun test di significatività formale o test di ipotesi.

Risultati Chiave

Struttura di Zipf: Tutti e quattro i principali corpora esibiscono distribuzioni Zipfiane forti ( $R^2 > 0,989$ ). Il Vinaya Theravada è quello più vicino allo slope ideale (-0,949), mentre il corpus del Sangaha è quello che devia di più (-0,876). Questa deviazione è caratterizzata da una "testa piatta", dove termini tecnici come "consciousness" (coscienza) scalzano le particelle grammaticali nei primi 10 ranghi (appare al rango 8), un fenomeno non riscontrato nel Sutta o nel Vinaya.
Diversità Lessicale: Il TTR grezzo suggeriva che il Sutta fosse meno diversificato rispetto al Vinaya, ma ciò è stato attribuito ad artefatti di segmentazione (livello di frase vs. livello di paragrafo). Misurato tramite MATTR-500, il Sutta (0,399) e il Vinaya Theravada (0,400) sono quasi identici. Al contrario, il corpus del Sangaha è genuinamente più diversificato (0,560), come confermato dal sottocampionamento controllato per dimensione. Questa alta diversità riflette il formato del compendio, basato sulla definizione di categorie distinte piuttosto che sulla ripetizione formulaica tipica dei Sutta.
Densità Numerica: Il corpus del Sangaha presenta la più alta densità di parole numeriche (3,26%), coerentemente con la sua enumerazione sistematica di categorie mentali e materiali. Il Vinaya Mulasarvastivada segue con il 2,76%, mentre il Sutta (2,09%) e il Vinaya di Horner del 1938 (1,62%) presentano valori inferiori.
Sovrapposizione tra Tradizioni: I Vinaya Theravada e Mulasarvastivada condividono il 20,0% del vocabolario (Jaccard) e il 49,1% (coefficiente di sovrapposizione), indicando un sostanziale patrimonio legale condiviso nonostante i due millenni di sviluppo separato. Il corpus Dharmaguptaka mostra un basso valore Jaccard (0,082) a causa delle sue ridotte dimensioni, ma un alto coefficiente di sovrapposizione (0,816), suggerendo che la maggior parte del suo vocabolario limitato è contenuto nella tradizione Theravada.
Scostamento di Traduzione: Confrontando le traduzioni di Brahmali (2026) e Horner (1938) dello stesso testo del Vinaya, si rivela solo una sovrapposizione lessicale del 24,2%. Gli scostamenti diagnostici includono "musing" (Horner) rispetto a "absorption" (Brahmali) per jhana, e "defeat" rispetto a "expulsion" per parajika. Circa il 20% di questa divergenza è attribuito a variazioni ortografiche e sezioni omesse piuttosto che a scostamenti terminologici.

Significatività e Rivendicazioni
L'articolo sostiene di estendere le precedenti scoperte computazionali (specificamente Zigmond, 2020) dal Pali originale alle traduzioni inglesi, dimostrando che i tre Pitaka rimangono computazionalmente distinti anche nella traduzione. Lo studio attribuisce la distinzione del corpus adiacente all'Abhidhamma non al Pitaka dell'Abhidhamma canonico in sé, ma alla specifica "formattazione da compendio" del Abhidhammattha Sangaha, che genera un'alta diversità lessicale attraverso l'enumerazione anziché la ripetizione.

Gli autori pongono questo lavoro come una base descrittiva per ricerche future. L'articolo afferma esplicitamente che, pur documentando differenze strutturali e lessicali, non risponde a questioni dottrinali più profonde (ad esempio, l'evoluzione delle regole del Vinaya o l'assorbimento delle categorie dell'Abhidhamma nel Mahayana). Invece, inquadra questi risultati come la necessaria linea di base lessicale per future analisi a livello concettuale utilizzando il Darshana Graph (Bose, 2026a), estendendo specificamente gli archi IS_PREF_OF e NEGATES per includere questi nuovi corpora. L'articolo sottolinea che tutto il codice e i dati sono rilasciati come estensioni open-source del dataset Darshana Graph.