2 I dizionari fondamentali e di frequenza della lingua italiana

questo ordinamento, e i due ranghi che competono al lemma nell’ordinamento per
frequenza e dispersione decrescenti.
Notiamo che il LIF è stato il primo grande progetto di costituzione di una lista di
frequenza, non tagliato su un singolo autore o su testi specificatamente letterari, in più, è
stato il primo dizionario di frequenza realizzato con l’ausilio di calcolatori elettronici. Il
LIF serve come base per la costruzione del Vocabolario di base di De Mauro et al.
(1980).
2.2.9 Juilland A., Traversa V. (1973) Frequency Dictionary of
Italian Words, The Hague, Mouton. (FDI)
Il volume è stato pubblicato nell’ambito del cosiddetto Romance Languages
Project dell’Università di Pennsylvania, diretto da A. Juilland, che mirava a fornire una
descrizione dei lessici di tutte le lingue romanze. Il dizionario per l’italiano vede la luce
dopo la pubblicazione delle liste per lo spagnolo (1964), rumeno (1965) e francese
(1970).
La lista per l’italiano contiene 5.014 parole, tra cui anche quelle grammaticali. Il corpus è
di 500.000 occorrenze, tratte da testi pubblicati tra il 1920 e il 1940, raggruppati in 5
sezioni di 100.000 parole ciascuno: opere teatrali; romanzi e novelle; saggistica (saggi,
memorie, corrispondenze); periodici (giornali e riviste); testi tecnici e scientifici (pp. XII-
XVIII).
Le voci sono comprese fra uso massimo 24.798,22 e frequenza massima 28.659 della
preposizione di ed uso minimo 2,39 di ascensione, calce, ecc. e dispersione minima 4,88
di strato. Il limite inferiore è quindi la frequenza superiore a 4, l’indice di uso superiore a
3, e l’occorrenza in almeno 3 sottoinsiemi (p. XLVI).
La dispersione è calcolata secondo la regola introdotta da Juilland e Chang Rodriguez nel
Frequency Dictionary of Spanish Words (1964: XLV-LV), cioè in base al rapporto tra la
frequenza media nei 5 sottoinsiemi e lo scarto dalla media delle frequenze realmente
trovate. Con 5 sottoinsiemi e una frequenza totale di 10, abbiamo una media di 2 per
sottoinsieme. Con una distribuzione di 22222 lo scarto è di zero, la distribuzione è
considerata perfetta, avrà il valore 1, mentre nel caso di una distribuzione meno uniforme
l’indice tende verso zero. 9
È merito degli autori di aver introdotto, sempre nell’elaborazione della lista dello
spagnolo, l’indice d’uso, ossia un valore che nasce dalla combinazione della frequenza e
distribuzione. L’assunzione di base è che le frequenze distribuite in modo uniforme sono
“dense”, nel senso che non diminuiscono al crescere del corpus, mentre le frequenze mal
distribuite sono “gonfie” e in un corpus più rappresentativo tendono a ridursi. Alla
correlazione tra frequenza e distrobuzione Sciarone (1977: 59-87) dedica l’intero capitolo
quarto del suo libro, giungendo alla conclusione che più una parola è frequente, meglio è
distribuita, pertanto il valore d’uso non serve per ordinare le parole secondo un criterio
d’importanza. Gli stessi autori riconoscono, infatti, che più numerose sono le occorrenze,
più uniforme è la loro dispersione, quindi l’aggiustamento causato dal valore d’uso sarà
minore (le prime 100 parole in ordine di frequenza decrescente sono identiche alle prime
100 parole in ordine d’uso decrescente); mentre più bassa è la frequenza e meno
uniforme la distribuzione, l’aggiustamento sarà proporzionalmente maggiore (Juilland
1973: XLIV-XLV). Ciò suggerisce che il coefficiente d’uso è rilevante per prevedere
9 Secondo Sciarone (1977: 61) il punto critico è che la formula non prende in considerazione il numero dei
sottoinsiemi in cui la parola è presente, anche se questo fatto sembra importante per la determinazione della
distribuzione.
46