Antonio Sciarretta's Toponymy |
Tuttavia, questo metodo dà luogo a numerose piccoli "continua" e ad aree isolate, rendendo di fatto impossibile una classificazione comprensiva. In questa pagina propongo di usare un algoritmo basilare di partizione dati (clustering) al fine di raggruppare le aree omogenee in un numero dato di macro-aree. L'algoritmo in questione è il classico k-medie, che minimizza la somma delle distanze tra i dati di uno stesso raggruppamento ed il suo elemento medio. Diversamente da molti studi dialettometrici che hanno applicato k-medie (in realtà varianti più sofisticate dell'algoritmo base) prendendo come misura della "distanza" quella di Levenshtein fra singole parole rese nei vari dialetti, qui uso la distanza definita nella pagina precedente, cioè quella calcolata a partire dalle stringhe di 10 caratteri che codificano i 10 fenomeni fonetici considerati.
Usando questo metodo, ed imponendo successivamente la ripartizione in 2, 3, 4 e 5 macro-aree, ho ottenuto le carte seguenti.
I dati e i risultati sono parzialmente in linea con le classificazioni dei dialettologi (che non usavano k-medie). Ripartendo in K=2 gruppi, si ritrova la linea "Taranto-Brindisi" che separa i dialetti pugliesi (con taranto, Ceglie e Ostuni) da quelli salentini (con Brindisi ecc.). Aggiungendo un terzo gruppo, emerge quello costituito dai dialetti nord-occidentali, con il versante settentrionale del Gargano, Foggia e parte dell'Appennino, grosso modo corrispondente ai dialetti dauni e apulo-foggiani delle classificazioni tradizionali. Con K=4 emerge una zona appenninica, con le isole di Poggio Imperiale e Tremiti, mentre per compensazione il gruppo apulo-barese si estende verso sud, occupando il Salento settentrionale (Brindisi e Gallipoli). Con K=5 questo Salento settentrionale si separa.