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 e 4 macro-aree, ho ottenuto le carte seguenti.
I dati e i risultati non sono del tutto in linea con le classificazioni dei dialettologi (che non usavano k-medie). Ripartendo in K=2 gruppi, i dialetti nord-occidentali (perugino, eugubino e tifernate) si separano dal resto della regione, in sostanziale accordo con le classificazioni tradizionali. Aggiungendo un terzo gruppo, i dialetti "sabini" di Norcia e Castelluccio si staccano dal raggruppamento sud-orientale, evidentemente perché divergenti dal resto dei dialetti di quel gruppo. Con K=4, emerge una fascia intermedia che riunisce quella definita nella classificazione di Moretti e l'area orvietano-pievese.