Introduzione metodologica: dall’albero genealogico digitale alla modellazione ontologica tripartita
L’albero genealogico digitale non è semplice gerarchia di nomi, ma un modello strutturato di dati interconnessi che integra biografia, documentazione e territorialità. In Italia, dove la frammentarietà dei registri storici e la variabilità ortografica complicano l’estrazione automatica, è fondamentale progettare un sistema gerarchico tripartito: individui (nodi terminali), famiglie (nodi centrali con legami di parentela e residenza) e comunità (nodi aggregati spaziali e temporali). Questo schema, supportato da un vocabolario ontologico preciso—con classi come Persona, Famiglia, Comunità, Evento e Territorio—permette di modellare relazioni complesse con semantica esplicita (parentela, residenza, matrimonio, occupazione). La modellazione ontologica, realizzata tramite RDF/OWL o grafi a proprietà, garantisce interoperabilità con archivi digitali regionali e supporta inferenze automatiche, come la deduzione di legami affinativi attraverso matrimoni. La precisione semantica è cruciale: un errore nella definizione di una relazione “padre-di” può propagarsi a tutta la rete genealogica, compromettendo analisi cronologiche e spaziali (es. migrazioni interne o distribuzione di professioni).
Analisi del Tier 2: pipeline tecnica per digitalizzazione e strutturazione avanzata
Il Tier 2 rappresenta il cuore operativo del sistema, dove l’acquisizione, normalizzazione e modellazione dei dati old digitali si fondono in un unico framework coerente.
Una volta estratto il testo, si applica un NLP addestrato su corpora genealogici (es. progetto FamilySearch o corpora del CIDOC CRM esteso) per identificare automaticamente attributi come nome, cognome, data nascita, luogo, parentela e occupazione. Strumenti come spaCy, configurati con modelli multilingue e regole di disambiguazione fonetica, permettono di estrarre entità con precisione: ad esempio, “Giovanni di Rossi” viene riconosciuto come Persona con cognome “di Rossi”, data nascita “1755-03-14” e luogo “San Gimignano”.
Il passo successivo è la modellazione gerarchica in un database grafo (Neo4j o JanusGraph), dove ogni nodo rappresenta un individuo o un’unità familiare, con relazioni direzionali semantiche pesate: “padre-di” con durata e data di nascita del figlio, “coniuge-di” con data di matrimonio, “residente-a” con località temporale e durata. Questa struttura consente di navigare dinamicamente reti familiari e ricostruire continuità spaziotemporali, essenziale per analisi demografiche a livello comunale o provinciale.
Infine, l’integrazione ontologica avviene tramite mapping semantico standardizzato (es. estensione del CIDOC CRM con classi specifiche per il contesto italiano), armonizzazione toponomastica automatica basata su geocodifica storica (es. varianti ortografiche di “Ravenna” nel tempo) e regole di deduplicazione fuzzy, che combinano nome, cognome, data e luogo con soglia di similarità configurabile (es. 85%).
Fasi di implementazione: costruzione passo-passo di un albero genealogico digitale regionale
Fase 1: progettazione dello schema concettuale e modellazione ontologica
Basandosi sul Tier 2, si definisce uno schema concettuale gerarchico e orientato ai dati:
– Classe Persona: attributi (nome, cognome, data_nascita, luogo_nascita, data_morte, data_residenza, occupazione, peso geografico);
– Classe Famiglia: nodo centrale con relazioni “padre-di” e “coniuge-di” verso figli; vincoli di integrità per evitare incroci familiari non validi;
– Classe Comunità: nodi aggregati territoriali (comuni, province) con relazioni “residente-a” e “evento-storico” (es. battesimi, matrimoni);
– Classi Evento e Territorio: per documentare date, luoghi e contesti storici.
La relazione tra nodi è definita con pesi temporali (es. “padre-di” con durata minima 10 anni) e semantici (es. “coniuge-di” implica legame stabile entro 2 anni). L’ontologia, realizzabile in RDF/OWL, garantisce interoperabilità con archivi regionali e facilita inferenze automatiche, come la deduzione di parentela per affinità matrimoniale.
Fase 2: acquisizione, normalizzazione e parsing dei dati
L’acquisizione parte da documenti digitalizzati (scansioni TIFF, PDF, immagini), processati con pipeline automatizzata:
– Fase 2a: OCR avanzato con ABBYY FineReader, configurato su modelli linguistici storici regionali (es. dialetti lombardi o romagnoli);
– Fase 2b: estrazione automatica tramite spaCy e PyPDF2, con pipeline di normalizzazione: correzione ortografica basata su dizionari locali, standardizzazione toponomastica (es. “San Martino al Monte” → “San Martino al Monte (Toscana)”), e disambiguazione di cognomi variabili (es. “Bianchi” → “Bianchi di Firenze”).
– Fase 2c: validazione con regole di coerenza cronologica (es. “padre-nato dopo la madre entro 3 anni”) e geografica (coerenza tra residenza e atti notarili), con flag di anomalia per revisione manuale.
Un esempio pratico: da un atto notarile del 1820, il sistema estrae “Giovanni Bianchi, figlio di Marco Bianchi, nato il 15/09/1795, residente a San Gimignano”, correggendo “Bianchi” a “Bianchi di San Gimignano” e validando la nascita con data matrimonio “1818-05-12” del padre.
Fase 3: costruzione del grafo e arricchimento semantico
I dati estratti vengono importati in un database grafo (Neo4j), con nodi etichettati come Persona, Famiglia, Comunità, e relazioni semantiche pesate.
– Fase 3a: creazione di nodi e relazioni pesate: “padre-di” con durata e data, “coniuge-di” con data, “residente-a” con località e durata;
– Fase 3b: applicazione di regole di inferenza: es. se “padre-di” A-B e “coniuge-di” B-C, allora “nonno-di” A-C; se “matrimonio” tra B e C, si deduce “coniuge-di” B-C;
– Fase 3c: integrazione di dati esterni (registri civili, testamenti, censimenti) tramite API OAI-PMH, con versionamento e tracciabilità.
Una heatmap di completezza mostra, per ogni unità familiare, il tasso di copertura temporale: ad esempio, una famiglia con dati dal 1780 al 1920 mostra il 92% di completezza, con gap nel 1850-1860 da colmare con archivi parrocchiali.
Fase 4: sviluppo interfaccia utente e navigazione interattiva
L’applicazione web, realizzata con React + D3.js, permette:
– Navigazione gerarchica: espandere famiglie per visualizzare dettagli cronologici e geografici;
– Filtri dinamici: cronologici (selezione anni), territoriali (provincia, comune), e tematici (occupazioni, eventi storici);
– Visualizzazione grafica: reti familiari interattive con nodi colorati per ruolo (Persona=rosso, Famiglia=verde), con tooltip dettagliati e link ai documenti originali;
– Mappa tematica: visualizzazione spaziale delle residenze familiari nel tempo, con animazione di migrazioni e cambiamenti di confine amministrativo (es. unioni tra Provincie Italiane nel 1861).
Un caso studio: l’albero genealogico di una famiglia fiorentina del XVIII secolo, visualizzato con D3.js, mostra 14 nodi, 23 relazioni, e una mappa che traccia la residenza da San Giovanni a Santa Croce fino a Prato, con evidenziazione di matrimoni e decessi chiave.
