Chat GPT non capisce il Manzoni
La Sentiment Analysis tra ricerca e didattica
di Arianna Redaelli e Rachele Sprugnoli | xx xx 2025
Di cosa parliamo in questo articolo?
Utilizzata a lungo nell’analisi di testi d’uso come recensioni e post sui social media, la Sentiment Analysis ha in seguito ampliato i suoi spazi applicativi nell’ambito della ricerca umanistica: affiancando gli strumenti tradizionali di interpretazione, consente infatti di analizzare in modo quantitativo e qualitativo la presenza delle emozioni nei testi letterari. Attraverso due casi di studio della letteratura ottocentesca (Manzoni e Verga), l’articolo illustra la possibilità di integrare la Sentiment Analysis come metodologia nella prassi dell’aula scolastica, offrendo agli studenti nuovi strumenti per leggere i classici e per studiare il linguaggio delle emozioni.
Ambito di Intervento
Cultura e Società
Il Centro Ricerche sAu collabora da anni con scuole, università e istituzioni, lavorando sull’educazione alla cittadinanza attiva e consapevole per le giovani generazioni.
Introduzione
Negli ultimi anni l’impiego della Sentiment Analysis, tecnica computazionale nata in ambito linguistico-informatico, ha conosciuto una notevole espansione anche nei contesti di ricerca umanistica. Se in origine questo strumento veniva utilizzato prevalentemente per analizzare testi d’uso, come recensioni, commenti e post sui social media, il suo ambito di applicazione si è progressivamente ampliato a testi più lunghi e complessi, quali i testi letterari. Tale estensione, non limitata a una mera traslazione di strumenti, apre nuove prospettive per l’interpretazione dei testi, offrendo un approccio sia quantitativo sia qualitativo all’analisi del linguaggio delle emozioni.
La letteratura, luogo privilegiato della rappresentazione emotiva, si presta infatti particolarmente bene a essere riletta attraverso gli strumenti della linguistica computazionale, che possono affiancare quelli tradizionali dell’analisi del testo.
Il progetto
Lettere ad un maestro. Gli studenti e le studentesse scrivono a don Lorenzo Milani
Un progetto grazie al quale i ragazzi delle scuole secondarie della Città Metropolitana di Firenze potranno sperimentare la Scrittura Generativa e utilizzare le risorse del Centro Generativo “Scuole di Barbiana”.
Vuoi saperne di più? Clicca qui
In ambito scolastico, l’adozione della Sentiment Analysis può offrire agli studenti nuove e diverse chiavi per la lettura dei testi canonici, stimolando al contempo un uso critico e consapevole delle tecnologie digitali: attraverso la rilevazione della polarità e/o della natura delle emozioni presenti nei testi, è infatti possibile avviare percorsi interpretativi strutturati, in cui l’intuizione si integra con il dato linguistico oggettivo.
L’articolo si propone di esplorare le potenzialità della Sentiment Analysis applicata ai testi letterari attraverso due casi di studio. Il primo, dedicato ad Alessandro Manzoni, si colloca all’interno di un progetto di ricerca più ampio condotto in ambito accademico con l’obiettivo di analizzare la costruzione emotiva del testo in relazione alla sua architettura linguistico-stilistica e retorica. Il secondo caso prende invece spunto da una sperimentazione condotta in una scuola secondaria di secondo grado su alcune novelle di Giovanni Verga: un’esperienza didattica concreta, dalla quale sono emerse osservazioni rilevanti tanto per la pratica dell’insegnamento quanto per la riflessione teorica sull’individuazione delle emozioni nel testo letterario.
Attraverso questi due percorsi, l’articolo illustra una proposta metodologica integrata, rivolta soprattutto a classi della scuola superiore, che coniughi strumenti computazionali e pratica didattica, e valorizzi le competenze interpretative degli studenti nell’incontro con i classici della letteratura italiana oggetto di studio nel curricolo.
La Sentiment Analysis tra linguistica computazionale e studi umanistici
La Sentiment Analysis è un’area di ricerca nell’ambito dell’elaborazione automatica del linguaggio che si occupa di riconoscere e classificare opinioni, emozioni e valutazioni espresse nei testi scritti. Nella sua forma più semplice, la Sentiment Analysis distingue i testi (di varia lunghezza, da interi documenti a singole frasi) in base alla loro polarità, cioè al loro orientamento emotivo. Ad esempio, una frase come “Amo questo romanzo” ha una polarità positiva, mentre “Non mi piacciono i libri romantici” è negativa. Frasi puramente informative, come “Manzoni è morto a Milano nel 1873”, sono invece considerate neutre.
Un aspetto più avanzato di questa analisi riguarda il riconoscimento delle specifiche emozioni trasmesse nei testi. Esistono due approcci principali per farlo. In base al primo approccio, le emozioni sono considerate universali e possono essere classificate usando specifiche etichette spesso tratte da teorie psicologiche. Per esempio, lo psicologo Paul Ekman identifica sei emozioni: gioia, tristezza, rabbia, paura, disgusto e sorpresa. Un’altra teoria, quella di Robert Plutchik, ne individua invece otto, ovvero gioia, tristezza, rabbia, paura, fiducia, disgusto, sorpresa, attesa, che possano combinarsi per formare sentimenti più complessi (ad esempio, l’amore nasce dalla combinazione di gioia e fiducia). Al contrario, nel secondo approccio le emozioni non vengono suddivise in categorie fisse, ma rappresentate lungo diverse dimensioni con valori numerici. Nel modello circomplesso di Russell, le emozioni si distribuiscono lungo due assi principali: valenza (quanto un’emozione è positiva o negativa) ed eccitazione (quanto è intensa). A volte si aggiunge anche un terzo asse, chiamato dominanza, che misura quanto l’emozione influenza il comportamento di una persona. Ad esempio, la rabbia ha bassa valenza (è negativa), alta eccitazione (è intensa) e alta dominanza (spinge a reagire attivamente).
L’interesse per la Sentiment Analysis è cresciuto di pari passo con la diffusione dei social network, dei forum e delle recensioni online, dove milioni di persone esprimono ogni giorno le proprie opinioni. La Sentiment Analysis è quindi considerata un valido strumento in ambito aziendale, comunicativo e delle scienze sociali: sono infatti numerose le applicazioni che monitorano l’opinione dei clienti nei confronti di un servizio o prodotto, o che studiano l’atteggiamento degli utenti sui social network (Ceron et al., 2014).
Negli ultimi anni, la Sentiment Analysis è stata applicata anche agli studi letterari (Rebora, 2020). I ricercatori utilizzano strumenti computazionali per cercare di capire cosa rende una trama più coinvolgente rispetto a un’altra, come cambiano i sentimenti nel corso della trama, quali emozioni emergono nelle interazioni tra i personaggi e come le emozioni possono aiutare a distinguere automaticamente tra diversi generi letterari. Inoltre, si studiano le reazioni emotive dei lettori durante la fruizione di un testo.
Grazie a queste applicazioni, l’analisi dei sentimenti si sta rivelando uno strumento prezioso non solo per il mondo del business, ma anche per la comprensione delle lingue, della letteratura e delle emozioni umane.
La nostra ricerca
Documentare per attualizzare i valori e farne un Bene Comune
Il progetto nasce dalla convinzione che il patrimonio culturale e storico debba essere valorizzato attraverso un confronto costante con le sfide del presente e una visione progettuale orientata alla creazione di nuove prospettive.
Vuoi saperne di più? Clicca qui
Le emozioni nei testi letterari
Da sempre, nella letteratura, le emozioni prendono forma attraverso le parole: si pensi all’amore assoluto e trasfigurante che guida Dante nel suo incontro con Beatrice, alla furia distruttiva di Orlando nell’episodio della sua follia amorosa, o alla nostalgia struggente che attraversa A Silvia di Leopardi. Amore, odio, paura, speranza, pietà, indignazione, tuttavia, non sono solo contenuti tematici: sono strutture portanti del linguaggio letterario, e sono chiavi di immedesimazione utili ad attivare l’esperienza estetica del lettore e a coinvolgerlo nella corretta interpretazione della dimensione umana, storica, sociale, antropologica del testo (Baldi, Cataldi, Ginzburg, & Zinato, 2015). Studiare come le emozioni vengono rappresentate nei testi non significa dunque soltanto elencare i sentimenti espressi dai personaggi: significa, piuttosto, interrogare le strategie attraverso cui l’autore costruisce e trasmette le emozioni dei personaggi o le proprie, suscitando a sua volta emozioni nel lettore; comprendere come tali strategie possono variare in epoche e contesti differenti; cogliere spunti che riconducono il testo a una rete più ampia di riferimenti culturali e simbolici.
Nella didattica della letteratura, tuttavia, l’aspetto emotivo è spesso delegato all’interpretazione autonoma – quando vi sia – dello studente. L’analisi del testo in classe si concentra prevalentemente su altri aspetti, più consolidati nei percorsi scolastici: la collocazione dell’opera all’interno del contesto storico-letterario di riferimento, l’identificazione dei tratti stilistici dell’autore, la parafrasi dei brani e la spiegazione della trama. Il testo viene così approfondito secondo una logica espositiva, eventualmente rielaborativa, più che esperienziale.
L’integrazione della Sentiment Analysis nei percorsi scolastici può invece offrire l’opportunità di restituire centralità all’esperienza che gli studenti hanno delle emozioni, proponendo un’attività di lettura che le tematizzi esplicitamente e le renda specifico oggetto di osservazione, individuale e/o condivisa; il confronto con gli strumenti di analisi automatica, inoltre, stimola una riflessione critica sul rapporto tra linguaggio e rappresentazione emotiva, mettendo in discussione l’apparente neutralità delle tecnologie e interrogando i termini con cui colgono oppure fraintendono la complessità testuale. Come verrà illustrato poco oltre, a livello operativo è possibile proporre agli studenti, magari suddivisi in gruppi, un’attività di annotazione manuale, in cui ogni frase (già data o da individuare) viene etichettata in base alla polarità o alla natura dell’emozione espressa (positiva, negativa, neutra; o rabbia, gioia, tristezza ecc.); i risultati ottenuti possono quindi essere confrontati con quelli generati da uno strumento automatico per la Sentiment Analysis. L’accordo o, viceversa, il disaccordo tra annotazione umana e automatica diventa così occasione di discussione e approfondimento, sia linguistico sia interpretativo.
L’introduzione della Sentiment Analysis si presenta, naturalmente, come uno strumento integrativo, e non sostitutivo, della didattica tradizionale, utile ad approfondire l’analisi testuale e stimolare domande e ipotesi, sollevare dubbi, incoraggiare discussioni fra gli studenti. Quale tipo di emozione prevale in un determinato passaggio testuale? Le sequenze descrittive possono esprimere emozioni? Perché si può classificare una certa parola come espressione di un’emozione negativa? Il lessico è il solo livello linguistico deputato a esprimere emozioni, oppure anche altri elementi retorico-linguistici contribuiscono alla loro resa? L’analisi automatica coincide con la percezione umana? Se la risposta è no, perché?
La possibilità di affiancare alla lettura tradizionale una riflessione basata su dati computazionali rende gli studenti parte attiva del processo ermeneutico, rafforzando competenze linguistiche, analitiche e digitali. In questo senso, la letteratura diventa un laboratorio: innanzitutto di cittadinanza, poiché si impara a leggere con attenzione, a discutere con metodo, a riflettere sul linguaggio, a riconoscere le strategie con cui le emozioni vengono codificate e a farle proprie; in secondo luogo di ricerca, perché l’osservazione del testo stimola negli studenti la formulazione di ipotesi, il confronto tra dati e interpretazioni, l’esercizio del pensiero critico.
Casi di studio
Il primo caso di studio rientra nelle attività legate al portale Manzoni Online (https://www.alessandromanzoni.org) e si lega alla volontà di valutare l’applicabilità di metodi computazionali allo studio dei Promessi Sposi (Sprugnoli & Redaelli, 2024a; Sprugnoli & Redaelli, 2024b). In questo contesto, la Sentiment Analysis risulta particolarmente interessante vista la ricchezza emotiva del romanzo, spesso però considerato un testo monolitico e statico. Questo approccio non solo aiuta a reinterpretare il romanzo sotto una lente più dinamica, ma può anche stimolare un rinnovato interesse negli studenti, rendendo la lettura più coinvolgente e personale.
Il lavoro si è svolto in più fasi. La prima fase ha riguardato l’annotazione manuale di 12 capitoli selezionati per coprire diverse fasi della trama e un’ampia varietà di personaggi. Per ogni frase del testo è stata assegnata un’etichetta che ne indicava la polarità emotiva: POSITIVA, se il tono era prevalentemente positivo; NEGATIVA, se trasmetteva emozioni negative; NEUTRA, se non esprimeva emozioni evidenti; MIXED, se erano presenti sentimenti contrastanti. Questi dati sono stati poi utilizzati per addestrare e valutare sistemi automatici, che hanno mostrato risultati ancora poco accurati, evidenziando la complessità dell’analisi computazionale delle emozioni nei testi letterari. Successivamente, l’analisi è stata approfondita con un’annotazione più dettagliata basata sulla teoria delle emozioni di Robert Plutchik. Quindi, ogni frase è stata classificata con una o più delle seguenti categorie: gioia, tristezza, rabbia, paura, fiducia, disgusto, sorpresa e attesa, fornendo così un profilo più preciso del tono emotivo di ogni capitolo. Un aspetto particolarmente interessante del progetto è stato poi il coinvolgimento attivo del pubblico attraverso un questionario online diffuso sui social network. Ai partecipanti è stato chiesto di indicare liberamente le emozioni espresse da Manzoni in alcune frasi del Capitolo VIII. In una sola settimana sono state raccolte 45 risposte. Non avendo fornito una lista predefinita di etichette, è stata registrata una grande ricchezza lessicale nell’indicazione delle emozioni. Ad esempio, per indicare un’emozione legata alla sfera della paura, i partecipanti hanno usato termini diversi come spavento, timore, angoscia, panico, terrore, orrore, allarme, sgomento, mentre la rabbia è stata descritta con parole come furia, collera, ira, odio, aggressività. L’analisi ha anche rivelato l’emergere di emozioni non previste dalla classificazione di Plutchik ma rilevanti per il romanzo, come la rassegnazione.
La Sentiment Analysis è stata al centro anche di un PCTO (Percorso per le Competenze Trasversali e per l’Orientamento) svolto presso il liceo linguistico “G. Falcone” di Bergamo, nel quale studenti e studentesse hanno esplorato il rapporto tra tecnologia e letteratura attraverso lo studio di quattro novelle di Giovanni Verga: Fantasticheria, Pentolaccia, La Roba e Cos’è il Re. Dopo un’introduzione all’intelligenza artificiale applicata all’analisi del linguaggio, la classe è stata coinvolta in un’attività di annotazione manuale durante la quale gli studenti hanno assegnato a ogni frase delle novelle le stesse quattro etichette adottata anche per I Promessi Sposi (POSITIVA, NEGATIVA, NEUTRA e MIXED). Successivamente, le stesse frasi sono state analizzate con ChatGPT, e i risultati del sistema sono stati confrontati con le annotazioni umane. L’ultima fase dell’attività ha visto gli studenti presentare pubblicamente i loro risultati, offrendo almeno due spunti di riflessione molto interessanti. Prima di tutto ChatGPT ha commesso numerosi errori, confermando che la Sentiment Analysis è una sfida complessa soprattutto se applicata a testi letterari, con ampi margini di miglioramento. Questo ha permesso ai partecipanti di sviluppare un atteggiamento più critico nei confronti degli strumenti di intelligenza artificiale, comprendendone gli attuali limiti. Inoltre, tutti i partecipanti hanno dichiarato che il dover aggiungere le etichette a livello di frase ha migliorato la comprensione dei testi: tale attività, infatti, ha costretto gli studenti a leggere con estrema attenzione, riflettendo sul significato di ogni parola, sul ruolo dell’ironia e sul lessico arcaico di Verga, spesso da approfondire con la consultazione di un dizionario online.
Conclusioni
Le esperienze presentate mostrano come l’integrazione della Sentiment Analysis nei percorsi letterari possa costituire un terreno d’incontro tra ricerca e didattica. Da un lato, l’analisi computazionale dei testi offre alla scuola strumenti innovativi per affrontare i classici; dall’altro, le attività scolastiche rappresentano un’occasione preziosa per testare sul campo, con lettori reali, le ipotesi e i metodi elaborati in ambito accademico. In questa prospettiva, il dialogo tra scuola e università si configura come un’interazione bidirezionale, in cui ciascun ambito contribuisce alla crescita dell’altro, stimolando pratiche didattiche più consapevoli e percorsi di ricerca più concreti.
L’introduzione della Sentiment Analysis nello studio della letteratura può avvenire in forma modulare e flessibile, adattandosi alle esigenze delle singole classi e ai livelli di competenza degli studenti. Nel biennio della scuola superiore, ad esempio, può accompagnare lo studio di un particolare genere letterario (Valitutti & Dalla Torre, 2021); nel triennio, invece, può essere impiegata per approfondire la costruzione stilistica e retorica delle emozioni in un singolo autore (come nei casi di studio proposti), in un gruppo di opere diverse ma appartenenti al medesimo periodo storico-letterario, oppure in più autori che si siano cimentati nello stesso genere testuale in epoche differenti. In termini generali, si presta in modo efficace tanto all’approfondimento disciplinare quanto al lavoro per competenze: incoraggia l’osservazione ravvicinata del testo, stimola la riflessione sul linguaggio, promuove il confronto tra letture umane e modelli computazionali, valorizzando al contempo la cooperazione fra pari, il pensiero critico e la consapevolezza digitale.
Affinché l’attività risulti davvero efficace, è fondamentale che sia ben guidata; il che potrebbe scoraggiare chi non abbia particolare familiarità con gli strumenti digitali.
Serve più democrazia a scuola e nel mondo del lavoro. Ripartiamo da don Milani
Intervista a Maurizio Landini
Maurizio Landini, Segretario generale della CGIL, esplora l’attualità degli insegnamenti di don Milani, un riferimento fondamentale per il mondo del lavoro e per i diritti dei lavoratori. L’intervista tocca temi centrali quali la condizione delle nuove generazioni, la giustizia sociale e la necessità di un nuovo modello di impresa che metta al centro le persone e non il profitto.
Non sono tuttavia richieste competenze informatiche avanzate: l’integrazione della Sentiment Analysis può essere impostata in modo semplice, anche solo a partire da esercizi di annotazione manuale e confronto fra letture. Ciò che conta non è la massima padronanza tecnica, ma la disponibilità a esplorare insieme agli studenti una nuova modalità di analisi del testo, capace di valorizzare al tempo stesso l’intelligenza interpretativa e la sensibilità linguistica. L’insegnante svolge il ruolo di mediatore principale non tanto per “insegnare” lo strumento in sé, quanto per coordinare l’attività e coglierne il senso.
Più che per fornire risposte definitive, infatti, la Sentiment Analysis si rivela utile per sollecitare domande: su come leggiamo, sulla parte che il linguaggio ha nell’espressione delle emozioni, su quanto le tecnologie di oggi sappiano identificarle; in questo senso può contribuire a formare lettori più consapevoli, critici e curiosi. Esattamente ciò che la scuola, oggi, è chiamata a coltivare.
Bibliografia
- Baldi, V., Cataldi, P., Ginzburg, A., & Zinato, E. (2015). Emozioni e letteratura. Moderna, 17 (2), 11–25.
- Ceron, A., Curini, L., Iacus, S. M. (2014). Social Media e Sentiment Analysis. L’evoluzione dei fenomeni sociali attraverso la Rete. Milano: Springer.
- Consiglio dell’Unione Europea. (2018, 22 maggio). Raccomandazione relativa alle competenze chiave per l’apprendimento permanente (GUUE C 189/01 del 4 giugno 2018). https://eur-lex.europa.eu/legal-content/IT/TXT/?uri=CELEX%3A32018H0604%2801%29.
- Ministero dell’Istruzione, dell’Università e della Ricerca. (2010). Indicazioni nazionali per i licei. Linee guida per il passaggio al nuovo ordinamento (D.M. 211/2010). Roma.
- Ministero dell’Istruzione, dell’Università e della Ricerca. (2020). Linee guida per l’insegnamento dell’educazione civica. Roma.
- Parlamento Italiano. (2019, 20 agosto). Legge n. 92/2019: Introduzione dell’insegnamento scolastico dell’educazione civica. Gazzetta Ufficiale della Repubblica Italiana, Serie Generale, n. 195.
- Rebora, S. (2020). Critica letteraria e metodi computazionali. Il caso della sentiment analysis. In Letteratura e altri saperi. Influssi, scambi, contaminazioni (pp. 209-230). Roma: Carocci.
- Sprugnoli, R., & Redaelli, A. (2024a). How to Annotate Emotions in Historical Italian Novels: A Case Study on “I Promessi Sposi”. In Proceedings of the Third Workshop on Language Technologies for Historical and Ancient Languages (LT4HALA)@ LREC-COLING-2024 (pp. 105-115).
- Sprugnoli, R., & Redaelli, A. (2024b). Annotation and Detection of Emotion Polarity in “I Promessi Sposi”: Dataset and Experiments. In Proceedings of the 10th Italian Conference on Computational Linguistics (CLiC-it 2024), CEUR Proceedings (pp. 940-947).
Autrice
Arianna Redaelli
Arianna Redaelli è dottoranda in Scienze filologico-letterarie, storico-filosofiche e artistiche all’Università di Parma. Fra i suoi interessi di ricerca, la storia della lingua italiana del Sette e Ottocento, l’intersezione fra NLP e Digital Humanities, e la didattica della scrittura. Ha maturato inoltre diverse esperienze di insegnamento nella scuola secondaria.
Autrice
Rachele Sprugnoli
Rachele Sprugnoli si occupa da anni di Linguistica Computazionale e Informatica Umanistica. Attualmente è consulente a progetto e docente a contratto presso l’Università Cattolica del Sacro Cuore di Milano e insegna Linguistica Computazionale all’Università di Torino.