Work in Progress · Sul banco di lavoro
Quello che stiamo costruendo.
Prototipi, studi e idee a stadi diversi. Qui mostriamo dove stanno andando, più che come funzionano. Se uno di questi vi interessa, come partner, sede pilota o investitori, ci piacerebbe sentirvi.
In evidenza · In corso · Digital Maktaba · Collezioni in scrittura araba
Dalla scansione al catalogo
من المسح الضوئي إلى الفهرس
Leggere, comprendere e catalogare le biblioteche in scrittura araba.
Un'unica catena per un'intera biblioteca. Modelli OCR che addestriamo sui frontespizi in scrittura araba, poi sul corpo del testo; modelli visione-linguaggio e grandi modelli linguistici che leggono la pagina e ne estraggono conoscenza e metadati; e, in cima, suggerimenti di catalogazione. L'obiettivo: strumenti per catalogare grandi volumi di testi digitalizzati.
Ogni valore del record proposto dice da dove viene: la pagina su cui è stato letto, o il record del catalogo aperto che lo ha confermato, corretto o completato. L'ultima parola spetta al bibliotecario.
Dai pixel ai campi
Cosa fa
Lavori di ricerca da questo progetto
Questo lavoro nasce dal progetto Digital Maktaba, con l'Università di Modena e Reggio Emilia e la Biblioteca Giorgio La Pira di Palermo: dataset, benchmark e strumenti pubblicati e sottoposti a peer review dal 2021.
Tutte le pubblicazioni- TPDL 2026 · in uscitaBenchmarking Extraction on Arabic Title Pages: From Traditional OCR to Vision Language Models
- TPDL 2025 · SpringerDM-LP: A Large Arabic Script Languages Dataset for OCR and Cataloguing Research ↗
- Umanistica DigitaleThe “Digital Maktaba LP”: Proposing a Comprehensive Dataset for Arabic Script OCR Title Pages in the Context of Digital Libraries and Religious Archives ↗
- IRCDL 2026 · CEUR-WS 4240The Codes Talk: Automated Extraction and Normalization of ISBNs for Metadata Integration ↗
- DigItalia 20Alfabeto arabo e OCR open source: un’analisi grafica e linguistica dei risultati di elaborazione per il recupero di dati catalografici ↗
- The Digital Turn in Religious Studies · V&RThe Digital Maktaba platform: a tool for semi-automatic document cataloguing and searching ↗
Il prossimo passo · Prototipo di ricerca
Verso una biblioteca digitale agentica
Il prossimo passo è una biblioteca che lavora accanto ai suoi bibliotecari. Un agente legge le prime pagine di ogni volume, consulta da solo i cataloghi aperti e gli archivi di autorità, propone un record arricchito e conserva la traccia completa di ciò che ha consultato e del perché. Catalogare una grande collezione digitalizzata diventa un lavoro di revisione, non di ribattitura.
- Leggeil frontespizio e le pagine vicine, in scrittura araba, scegliendo la copia più leggibile di ogni dato.
- Cercanei cataloghi aperti e negli archivi di autorità, come la Library of Congress, Open Library e Internet Archive.
- Proponeun record arricchito in cui ogni campo cita la sua pagina o la sua fonte, da far validare al bibliotecario.
In evidenza · Stadio embrionale · Arabo, italiano, inglese
Arabo Matematico
العربية الرياضية
Stadio embrionale · un'idea che prende forma, non ancora un prodotto
Ogni radice araba che potrebbe esistere, e le poche che non dovrebbero.
Arabo Matematico è un dizionario collaborativo delle radici arabe registrate dai lessicografi nel tempo, nelle diverse fasi della storia della lingua. Messe a confronto, mostrano come le radici dell'arabo sono state usate, come sono cambiate e come la mappa stessa delle radici in uso si è spostata da un'epoca all'altra. Arabo Matematico dà a questo cambiamento una forma visiva e descrive il potenziale della lingua: le radici che ha usato e quelle che potrebbe ancora usare.
Segue lo studio del lessico arabo dai lessicografi classici alla linguistica computazionale, dove la ricerca linguistica e le Digital Humanities si incontrano, cercando il legame tra il calcolo matematico e le radici dell'arabo. È pensato per essere interamente collaborativo e per servire allo stesso modo ricercatori e studenti.
Cosa ci si può fare
Per la ricerca
Per linguisti e digital humanist: le radici raccolte dai lessicografi, fase per fase, in un unico spazio che si può calcolare, confrontare ed esplorare, sempre ricondotto alle sue fonti. Un modo per seguire come la lingua è cresciuta, cosa ha scelto di usare e cosa ha lasciato da parte, come lo studio del lessico è passato dai dizionari classici alla linguistica computazionale, e dove matematica e morfologia si incontrano.
Per la didattica
Una radice condensa un campo semantico, e gli schemi morfologici la trasformano in parole. Gli studenti che lo vedono smettono di imparare il lessico parola per parola: imparano a costruire le parole applicando gli schemi alle radici. Arabo Matematico rende visibile questo meccanismo, in uno strumento abbastanza semplice per la classe.
In evidenza · Studio di valutazione · Editori, biblioteche, archivi
(Re-)editor Assistant
Libri scansionati che tornano file modificabili, note comprese.
Un OCR comune restituisce un muro di testo e butta via l'apparato scientifico. Il (Re-)editor Assistant trasforma libri, riviste e documenti d'archivio scansionati in documenti strutturati e modificabili, in cui ogni nota a piè di pagina resta legata al suo richiamo: note native in Word, note collegate in PDF, Markdown e XML.
Cosa fa
Per gli editori
Ripubblicare titoli di catalogo e fuori commercio senza ribatterli: un file Word modificabile con note funzionanti, pronto per la correzione e una nuova composizione, con l'apparato critico delle edizioni scientifiche intatto.
Per biblioteche, archivi e ricercatori
Collezioni eterogenee e multilingui, pagine singole e doppie, trasformate in testo ricercabile, citabile e riutilizzabile.
Sul banco di lavoro
Altri cinque progetti tra il laboratorio e il mercato. Alcuni diventeranno servizi, altri articoli, la maggior parte entrambe le cose.
-
Le scritture non latine nel catalogo nazionale
Titoli non latini che si trovano nella loro scrittura e in traslitterazione.
Record in scritture non latine nel catalogo bibliotecario nazionale italiano, traslitterati secondo le regole e verificati sui principali cataloghi internazionali, perché un lettore possa trovarli in entrambe le scritture. I test sono partiti dall'arabo e si stanno estendendo ad altre scritture; lo stesso metodo si adatta al catalogo, allo standard di traslitterazione e alle scritture di ciascun cliente.
-
Una biblioteca che si ordina da sola
Soggetti per ogni collezione, dal frontespizio allo scaffale.
Assegnare ai libri, in qualsiasi lingua, i soggetti della classificazione che la biblioteca già usa, generale o specialistica, e restituire record pronti per il catalogo. Il primo pilota lavora su libri arabi con lo schema di una biblioteca di ricerca per gli studi islamici; l'approccio si adatta a ogni biblioteca, collezione e classificazione.
-
Famiglie di traduzioni del Corano in italiano
Dodici Corani italiani, 150 anni di traduzioni, una sinossi.
Una sinossi curata da esperti allinea, versetto per versetto, le traduzioni italiane complete del Corano dal 1882 al 2010: un dataset verificato che l'italiano non aveva mai avuto. Su questa base, metodi di intelligenza artificiale individuano quali traduzioni formano famiglie e condividono affinità stilistiche e semantiche, dove le edizioni più antiche si discostano, e come singole parole arabe come raḥma, taqwā o fitna vengono rese in italiano. L'approccio è modulare e indipendente dalla lingua, pronto per altre lingue e altri testi sacri.
Leggi l'articolo su Islam in History, 4/1 (2026) ↗ -
Quando l'IA non vuole leggere le scritture
Misurare il rifiuto eccessivo sui testi sacri.
Uno studioso che chiede di un ḥadīth sulla guerra o di un passo talmudico sulla pena sta facendo storia, eppure i modelli di IA spesso rifiutano o addolciscono la risposta. Stiamo costruendo un corpus parallelo tra le tre tradizioni monoteiste per misurare quando, dove e in quale lingua succede.
-
Vetus Latina, cella per cella
La più antica Bibbia latina, letta come l'hanno stampata i suoi editori.
Le edizioni critiche sinottiche impilano sulla stessa pagina il greco, diverse linee latine e le loro varianti. Le stiamo trasformando in dati allineati e strutturati che conservano ogni scelta editoriale: in queste pagine un'omissione non è uno spazio vuoto.
Partner, pilota o investitore.
Ogni progetto di questa pagina è aperto alla collaborazione: una biblioteca che vuole fare da sede pilota, un editore con un catalogo, una fondazione o un investitore che vede dove può arrivare. Diteci quale vi ha colpito.