Guidelines for the establishment and development of monolingual thesauri. ISO (International Organization for Standardization), 2788/1986; trad. it. UNI/ISO 2788: 1993. Linee guida per la costruzione e lo sviluppo di thesauri monolingue:
il th è il vocabolario di un "linguaggio di indicizzazione" controllato, organizzato in maniera formale, in maniera cioè da rendere esplicite le relazioni "a priori" fra i concetti
Guidelines for thesaurus structure, construction and use. ANSI (American National Standard Institute), Z39.19-1974:
il th è un insieme di parole e frasi che rappresentano relazioni di equivalenza e associative che forniscono un vocabolario standardizzato per sistemi di archiviazione e recupero dei documenti
Roget's International Thesaurus, 1977 (1. ed. 1852):
il th è uno strumento basilare per trasformare le idee in parole
F.W. Lancaster, Vocabulary control for information retrieval, 1972:
il th è uno strumento di controllo terminologico nei sistemi postcoordinati
ISO 2788/1974:
in termini di funzione è uno strumento terminologico usato per tradurre il linguaggio naturale dei documenti, degli indicizzatori o degli utenti in un linguaggio di sistema, più strutturato, detto anche linguaggio documentario o linguaggio di informazione. In termini di struttura il th è un vocabolario controllato e dinamico di termini semanticamente correlati che coprono un determinato ambito disciplinare
- l'ANSI non cita le relazioni gerarchiche, non chiarisce che le relazioni investono i concetti rappresentati dai termini e non i termini stessi, pone l'accento sullo scopo di archiviazione e recupero;
- il Roget, che non è un th nel senso tecnico da noi adoperato del termine, ma una sorta di suo 'antenato', un dizionario tematico di sinonimi, contrari, ecc., ad uso di giornalisti, pubblicisti, scrittori ecc., con una frase suggestiva pur se dal sapore vagamente pubblicitario (trasformare le idee in parole...), enuclea il problema principe non solo dei th ma di qualsiasi sistema di indicizzazione, cioè la rappresentazione dei concetti attraverso codici linguistici;
- la definizione di Lancaster enuncia semplicemente scopo e ambito del th, ambedue in senso stretto; l'ambito dei sistemi postcoordinati, tuttavia, non è più considerato valido in quanto i th odierni possono anche costituire la parte lessicale di sistemi precoordinati, dotati di sintassi;
- l'ultima definizione, l'ISO del 1974, descrive il th in maniera un po' prolissa sia in base alla sua funzione che in base alla sua struttura, ed è legato al principio, in seguito variamente rivisitato e discusso, dell'ambito disciplinare.
Soffermiamoci ora sulla definizione ISO 2788 del 1986, quella cui d'ora in poi faremo costantemente riferimento, poiché la standard internazionale più recente:
il th è il vocabolario di un "linguaggio di indicizzazione" controllato, organizzato in maniera formale, in maniera cioè da rendere esplicite le relazioni "a priori" fra i concetti
La norma circoscrive innanzi tutto il th alla sola parte lessicale (semantica) di un linguaggio d'indicizzazione e di ricerca, al quale, onde ottenere un codice documentario completo, va abbinato il corpus di norme (sintassi) che regolano i rapporti sintagmatici tra gli elementi di un enunciato di soggetto (che esprime quindi rapporti fra termini non aprioristici ma dipendenti dal documento, ad es. l'ordine di citazione dei termini, l'impiego di simboli esprimenti determinate relazioni, gli accorgimenti tipografici o la punteggiatura fra i termini, e così via). Questo "vocabolario" è alfabetico in quanto adopera termini che, benché sottoposti a controllo, appartengono al più vasto insieme della lingua naturale, a differenza degli schemi di classificazione, detti artificiali puri, nei quali i concetti sono rappresentati da notazioni numeriche o alfanumeriche non portatrici di significato se non all'interno del proprio stesso sistema.
Il concetto di controllo si traduce invece in un requisito fondamentale a garantire l'incontro fra lessico dell'indicizzatore e lessico del ricercatore, e cioè la relazione biunivoca fra termine e concetto, fra significante e significato: ciò significa che in un th un termine esprime sempre uno ed un solo concetto, e che un concetto è sempre espresso da uno ed un solo termine. Poichè questa condizione è tutt'altro che vera nel linguaggio naturale, per nostra fortuna affetto da ridondanze, ambiguità, polisemie, omonimie, omografie ed altre terribili disfunzioni che ne garantiscono ricchezza ed espressività, il raggiungimento del controllo, cioè dell'univocità semantica, nella costruzione e manutenzione del th comporta due tipi di accorgimenti:
La definizione dello standard ISO 2788 pone inoltre in rilievo i due elementi strutturali fondamentali del th:
I concetti rappresentati dai termini di un th possono appartenere a diverse categorie:
In fase di costruzione del th è di fondamentale importanza il controllo dell'appartenenza dei termini a queste categorie, poiché esse possono influenzare determinate procedure, come ad esempio la scelta del plurale o del singolare, o verificare la validità delle gerarchie (non può esistere rapporto gerarchico fra termini appartenenti a categorie diverse).
La struttura relazionale consente al th di diventare una sorta di "mappa" dei significati espressi da un certo linguaggio di indicizzazione, che consente sia all'indicizzatore in fase di attribuzione dei descrittori al documento, sia al ricercatore in fase di costruzione del profilo di ricerca, di scandirne la rete semantica percorrendo nei sensi desiderati relazioni e strutture classificatorie.
Abbiamo già differenziato e definito i componenti lessicali del th in due categorie fondamentali, quella dei TP e quella dei TNP: tra queste due categorie di termini si instaura la prima fondamentale relazione semantica di un th, cioè la relazione preferenziale o sinonimica o di equivalenza.
La relazione preferenziale è quella deputata a rapportare uno o più termini non preferiti ad un termine preferito che esprime lo stesso concetto o un concetto molto simile, che sarà rappresentato sempre univocamente dal TP. Il gruppo di termini che si assume rappresentino lo stesso concetto, che si considerano, ai fini dell'indicizzazione, equivalenti, e fra i quali viene scelto il termine preferito, si definisce gruppo di equivalenza.
Le relazioni thesauriche vengono abitualmente esplicitate e rappresentate da un corredo di simboli o sigle, fra cui le più usate sono quelle suggerite dallo standard. In particolare, per la relazione preferenziale, il rinvio dal TNP al TP viene indicato dal simbolo USE:
tesauri USE Thesauri
mentre il rapporto reciproco, cioè la segnalazione dei TNP nel corredo semantico (o blocco-parola) del TP è indicato dal simbolo UF:
Thesauri UF tesauri
Possiamo ulteriormente distinguere varie sottospecie di relazioni preferenziali, determinate ad esempio dal tipo di relazione fra TNP e TP, univoca se si tratta di un rapporto 1:1, cioè se ad un TNP corrisponde un solo TP, biunivoca se si tratta di un rapporto 1:2, cioè se ad un TNP rappresentante un concetto complesso corrispondono due distinti TP rappresentanti suoi concetti costitutivi più semplici, che devono essere usati obbligatoriamente insieme:
sideremia USE Ferro AND Sangue
Ferro UF+ sideremia
Sangue UF+ sideremia
All'interno della relazione di preferenza univoca distinguiamo ancora i due casi di:
Il primo si verifica se, indipendentemente dall'area semantica, dal grado di analiticità del th e da quale dei due termini viene definito come preferito e quale come non preferito, tra TP e TNP esiste sempre un rapporto sinonimico (si potrebbe perciò dire che il rapporto sinonimico è tale a priori). Rientrano in questo caso diverse tipologie:
Il secondo caso, quello della sinonimia convenzionale, si verifica quando la relazione tra due termini di significato vicino, appartenenti alla stessa area semantica, non è sinonimica in senso stretto, non verrebbe considerata tale nel linguaggio naturale, non è sempre considerata tale in tutti i th. In linea di massima si può dire che tale relazione viene risolta in un rapporto preferenziale (cioè un termine assume il ruolo di TP e l'altro di TNP) se i due termini si collocano in un'area di secondario rilievo per il th (la cosiddetta fringe, frangia, area marginale), in due diversi Termini Preferiti se questi si collocano entro l'area centrale del th (core, nocciolo, nucleo dell'area).
Anche in questo caso possiamo distinguere diverse tipologie:
La relazione sinonimica è l'unica relazione thesaurica che mette in rapporto tra di loro l'insieme dei termini preferiti e quello dei termini non preferiti: tutte le altre relazioni, di cui stiamo per occuparci, sono relazioni fra termini preferiti.
La relazione di base che distingue tipicamente un th da una semplice lista di termini non strutturati, e ne rivela le fondamenta sistematiche, è la relazione classificatoria per eccellenza, la relazione gerarchica. La relazione gerarchica esprime il concetto ed il grado di subordinazione o sovraordinazione fra termini appartenenti allo stesso albero gerarchico; in questo albero, il termine sovraordinato rappresenta una classe o un tutto, e il termine subordinato rappresenta un suo elemento o parte. La sigla che nel blocco parola di un termine individua i suoi sovraordinati è BT (Broader Term), alla quale può utilmente essere aggiunta una cifra indicante la distanza in "gradini" gerarchici fra i due termini legati dal rapporto:
Geometria iperbolica
BT1 Geometria non euclidea
BT2 Geometria
BT3 Matematica
La sigla identificante il rapporto inverso, cioè i subordinati del termine dato, è NT (Narrower Term):
Geometria
NT1 Geometria euclidea
NT1 Geometria non euclidea
NT2 Geometria iperbolica
NT2 Geometria ellittica
Rientrano nella categoria delle relazioni gerarchiche tre sottospecie di relazioni:
ognuna delle quali corrisponde ad una diversa situazione logica e conduce a gerarchie verificabili attraverso un test di verifica di tipo logico. Resta inteso che la relazione gerarchica può intercorrere solo fra termini che fanno riferimento a concetti appartenenti alla stessa categoria di nozioni (ad esempio oggetti, azioni, proprietà, discipline; per l'elenco completo delle categorie vedi il paragrafo Termini d'indicizzazione).
La relazione generica o relazione genere-specie identifica il legame che intercorre fra una classe o categoria ed i suoi elementi, membri o specie, ed è la tipica relazione delle classificazioni zoologiche o botaniche. Per soddisfare a questo tipo di relazione i termini non solo devono appartenere alla stessa categoria, ma rispondere anche alla condizione "tutti e sempre" in senso ascendente, ovvero alla condizione "alcuni/tutti" nei due sensi discendente e ascendente. Un esempio per chiarire:
^--------Felini---------v
| |
tutti e sempre alcuni
| |
^---------Gatti---------v
alcuni elementi della classe Felini sono dei Gatti, tutti i Gatti sono sempre, per definizione e indipendentemente dal contesto, dei Felini. Viceversa lo schema:
^--------Animali domestici---------v
| |
alcuni alcuni
| |
^-------------Gatti----------------v
chiarisce perché non è possibile instaurare un rapporto gerarchico genere-specie fra Gatti e Animali domestici: se è vero che alcuni Animali domestici sono Gatti, non è però vero che tutti i Gatti sono sempre Animali domestici (esistono infatti anche i gatti selvatici), e i due termini devono quindi appartenere a categorie diverse del th. Il test ha lo scopo di evitare che criteri soggettivi del costruttore influenzino la stesura delle strutture tassonomiche, tuttavia s'intende che per scopi o in ambiti particolari ci si possa sottrarre dal seguire rigidamente questa norma. Riprendendo l'esempio appena citato, se si sta costruendo un th specializzato sugli Animali domestici si potrà a buon diritto fare dei Gatti un NT di quelli, appartenente alla stessa categoria, dal momento che i Gatti selvatici non compariranno nel th e non rivestono alcun interesse per l'utente.
La relazione partitiva o parte-tutto non è considerata dallo standard una relazione gerarchica universalmente valida, ma è sottoposta ad una restrizione: essa è ritenuta valida solo nelle situazioni in cui il nome della parte implica il nome del corrispondente tutto, qualunque sia il contesto. In tal caso i termini possono essere strutturati gerarchicamente come BT (tutto) e NT (parte); lo standard elenca quattro casi rispondenti a questo requisito in un contesto generale:
1. sistemi e organi del corpo
Sistema circolatorio NT1 Sistema vascolare NT2 Arterie NT2 Vene
2. luoghi geografici
Canada NT1 Manitoba NT2 Winnipeg
3. discipline e campi di studio
Scienze NT1 Chimica NT1 Biologia NT2 Botanica
4. strutture sociali gerarchizzate
Corpi d'armata NT1 Divisioni NT2 Reggimenti
mentre riconosce la possibilità di organizzare gerarchicamente anche altri tipi di termini solo in contesti particolarmente specializzati, in cui è la specializzazione del campo di azione a garantire che il nome del tutto sia univocamente implicato dal nome delle sue parti.
La relazione esemplificativa o specie-esempio identifica il legame che intercorre fra una classe o categoria generale di cose o avvenimenti, espressa da un nome comune, ed un suo individuo, rappresentato da un nome proprio, e costituente una "classe di uno". In realtà la cosa può complicarsi ulteriormente, poichè esistono classi di uno che possono avere in sottordine altre classi di uno:
Regioni montuose (classe) <rel. specie-es.> NT1 Alpi (individuo) <rel. parte-tutto> NT2 Alpi Graie (individuo)
L'esempio mostra come la prima relazione, quella classe-individuo, è una relazione esemplificativa, mentre la seconda, quella individuo-individuo, è una relazione partitiva. Possiamo concludere perciò che la relazione esemplificativa è sempre tra un BT di tipo classe e un NT di tipo individuo, mentre la relazione partitiva è o tra due classi o tra due individui.
Aggiungiamo ancora che nella maggior parte dei th la relazione esemplificativa è del tutto assente, per evitare che la presenza dei nomi propri sovraccarichi le categorie rendendole difficili da gestire. Una soluzione frequentemente adottata consiste nello stendere elenchi a parte in cui gli "individui" sono rappresentati da termini normalizzati nella forma detti identificatori (perché appunto identificano gli individui) per analogia con descrittori (cioè i termini che "descrivono" una classe). E' chiaro che se nel th non sono presenti gli individui come TP inseriti in relazioni esemplificative, l'indicizzatore dovrà attribuire al documento che tratti di un "individuo" anche il termine che indica la sua classe di appartenenza.
Per completare il discorso sulle relazioni gerarchiche, distinguiamo due tipi di th, il th monogerarchico e il th poligerarchico, a seconda che i termini possano appartenere, per ragioni logicamente fondate, ad una sola o a più d'una categoria.
Giochi
|---------------------------------------------|
v v
Giochi con la palla Giochi con la racchetta
| |
|----------------------|----------------------|
|
v
Squash
Mentre nei th poligerarchici un termine può appartenere a più di una gerarchia, nei monogerarchici ogni termine può avere uno ed un solo BT1, poiché può essere inserito in una sola catena gerarchica: con le gerarchie ulteriori esso può intrattenere solo un rapporto di tipo associativo; questo significa che, benchè i legami fra i termini siano gli stessi, il th poligerarchico evidenzia un maggior numero di strutture rispetto al monogerarchico:
Poligerarchico
Organo BT1 Strumenti a fiato BT1 Strumenti a tastiera BT2 Strumenti
Strumenti a fiato BT1 Strumenti NT1 Organo NT1 Flauto
Strumenti a tastiera BT1 Strumenti NT1 Organo NT1 Pianoforte
Monogerarchico
Organo BT1 Strumenti a fiato BT2 Strumenti RT Strumenti a tastiera
Strumenti a fiato BT1 Strumenti NT1 Organo NT1 Flauto
Strumenti a tastiera BT1 Strumenti RT Organo RT Pianoforte
L'ultima delle relazioni thesauriche classiche, la relazione associativa, è una relazione che si illustra più facilmente analizzandone le caratteristiche negative che non definendola in positivo; non a caso è detta anche relazione "residuale", in quanto è in grado di collegare coppie di termini che non rientrano né nella casistica della relazione sinonimica (non fanno parte dello stesso "insieme di equivalenza"), né in quella della relazione gerarchica (non appartengono alla stessa catena gerarchica), ma sono tuttavia così fortemente associati che è necessario esplicitarne il legame all'interno del th in modo da poter suggerire all'indicizzatore o al ricercatore che acceda al primo dei due il secondo termine. La relazione associativa è reciproca, e viene indicata in ambedue i casi con la sigla RT (Related Term). Proprio perché non è sottoposta a rigidi test di verifica e ammette un certo grado di discrezionalità, è importante adottare metodi che garantiscano la relazione associativa dallo scatenarsi delle opinioni personali e dei giudizi soggettivi del costruttore del th: come regola generale, diciamo che uno dei due termini deve essere fortemente implicato dall'altro, ovviamente nel quadro di riferimento condiviso dagli utenti del th. Un esempio in particolare è il rapporto di dipendenza fra la disciplina e il suo oggetto, fattispecie del rapporto tipicamente associativo fra due termini, di cui uno è necessario alla spiegazione o definizione dell'altro. Ci sono due tipi di termini suscettibili di intrattenere rapporti associativi:
1. quelli appartenenti alla stessa categoria
2. quelli appartenenti a categorie diverse
Fra i termini appartenenti alla stessa categoria distinguiamo brevemente fra:
a) termini che hanno lo stesso termine sovraordinato, ed i cui significati hanno una zona di sovrapposizione, e che quindi, anche se nel th hanno una definizione che li distingue esattamente, potrebbero essere adoperati dagli utenti in maniera non rigorosa (e perciò quasi intercambiabile), per i quali è quindi necessario ricordare l'esistenza dell'altro quando l'utilizzatore impiega l'uno:
Barche BT Veicoli RT Navi
Navi BT Veicoli RT Barche
b) termini che rappresentano concetti legati da una relazione di tipo "familiare" o di tipo "derivato" (un concetto che deriva dall'altro). Ad esempio, poiché i Muli derivano dall'incrocio fra Asini e Cavalli (rispetto ai quali sono però situati sullo stesso gradino gerarchico, cioè come NT1 di Equini), si possono configurare i seguenti blocchi-parola:
Equini NT1 Asini NT1 Cavalli NT1 Muli
Asini BT1 Equini RT Cavalli RT Muli
Cavalli BT1 Equini RT Asini RT Muli
Muli BT1 Equini RT Asini RT Cavalli
Fra termini appartenenti a categorie diverse, sempre rispondenti al requisito dell'implicazione dell'uno dall'altro, si configurano diverse tipologie di rapporti che possono motivare una relazione associativa: