Vai al contenuto

Misurazione del testo · Due trascrizioni di romanzi fissate · Metodi strutturali

Quando la cornice finale cambia la distribuzione delle lunghezze dei capitoli

Annettere la cornice finale di Walton al capitolo XXIV modifica il coefficiente di variazione dei capitoli della trascrizione di Shelley da 0,20839 a 0,43033. La mediana resta 2.651 token; le lettere iniziali rimangono fuori da entrambi gli insiemi. Sono risultati sulle convenzioni dei confini, non classifiche di autori.

Pubblicato il
Condividi
Condividi questa pagina
EmailCitare e riutilizzare lo studio
Risultati principali in testo
Immagini riutilizzabiliQuando la cornice finale cambia la distribuzione delle lunghezze dei capitoli — 0,20839 → 0,43033: Coefficiente di variazione dei capitoli di Shelley: cornice separata → annessa. Deviazione standard di popolazione divisa per la media; 24 unità in entrambe le definizioni.Scarica l’immagine da condividere (JPG) ↓

Risultati principali

0,20839 → 0,43033

Coefficiente di variazione dei capitoli di Shelley: cornice separata → annessa

Deviazione standard di popolazione divisa per la media; 24 unità in entrambe le definizioni.

2.651

Mediana dei token con entrambe le convenzioni dei capitoli di Shelley

Il massimo sale comunque da 3.746 a 8.269.

85,60% → 92,61%

Copertura del testo mantenuto nei capitoli di Shelley

Le quattro lettere iniziali sono escluse da entrambi gli insiemi; denominatore 75.228.

122.174 / 122.168

Token di Austen: conteggio principale / sensibilità alle sei etichette

61 capitoli; mediana, quartili ed estremi invariati.

Contare i capitoli significa anche decidere i confini

Un romanzo può avere una lunghezza totale stabile e produrre comunque distribuzioni diverse delle lunghezze dei capitoli. La differenza non richiede necessariamente di cambiare le parole. Può derivare dalla decisione di includere una cornice narrativa esterna nell’ultimo capitolo numerato, di considerare le lettere iniziali come capitoli o di misurare tutte le sezioni mantenute. Questo studio esamina tali decisioni in due trascrizioni fissate di Project Gutenberg: Pride and Prejudice, numero 1342, e la versione del 1831 di Frankenstein, numero 42324. Lo scopo non è classificare gli autori o caratterizzarne i generi, ma mostrare esattamente come una convenzione strutturale dichiarata modifichi un risultato descrittivo.

L’esempio centrale è il seguito finale di Walton nella trascrizione di Frankenstein. Quando questa sezione è separata, i 24 capitoli identificati hanno un coefficiente di variazione di popolazione (la deviazione standard divisa per la media) pari a 0,20839. Annettendo la stessa sezione al capitolo XXIV, il coefficiente sale a 0,43033. La mediana rimane 2.651 token, mentre il massimo passa da 3.746 a 8.269. Una mediana invariata non implica quindi una distribuzione invariata. Cambia anche la copertura, perché gli insiemi di capitoli comprendono parti diverse del testo mantenuto. Le quattro lettere iniziali restano escluse da entrambe le definizioni basate sui soli capitoli.

Si tratta di calcoli deterministici su due file specificati, non di stime ottenute da un campione rappresentativo della narrativa. Gli stessi byte di fonte hanno già sostenuto una diversa domanda sul contenimento delle citazioni. Qui gli oggetti di misura sono le unità strutturali identificate, le loro dimensioni relative e la copertura rispetto al denominatore del testo mantenuto completo. Né le percentuali di citazione né i soli totali dei token rivelano la distribuzione dipendente dalla cornice qui riportata. Il contributo è un calcolo di caso verificabile, non la rivendicazione di aver scoperto il problema generale della segmentazione del testo.

Due trascrizioni, non due versioni universali

Il corpus è stato fissato prima di calcolare le lunghezze dei capitoli. Contiene esattamente i due file già congelati, senza sostituzioni scelte dopo aver osservato i risultati. La trascrizione di Austen, identifica una fonte George Allen del 1894, con prefazione di George Saintsbury e illustrazioni di Hugh Thomson. Questi materiali aggiunti sono esclusi dal testo misurato. Il file di Shelley identifica la versione H. Colburn e R. Bentley del 1831 attraverso una ristampa fotografica non specificata. L’identità bibliografica esatta della ristampa non è accertata. Parlare di versione di fonte del 1831 è quindi più preciso che affermare di aver consultato una particolare copia fisica originale.

L’identità dell’edizione è importante perché presentazione dei capitoli, materiali editoriali, tipografia e pratiche di trascrizione possono influenzare i confini computazionali. Project Gutenberg avverte che le proprie trascrizioni non devono necessariamente riprodurre in modo identico una particolare edizione a stampa. I risultati descrivono queste trascrizioni, non tutte le edizioni, i manoscritti, le traduzioni o gli adattamenti delle due opere. Non viene ricostruita una struttura originaria in volumi dove i file analizzati non la forniscono all’interno del testo misurato. Le attribuzioni identificano i contributori storici senza trasferirne la paternità all’autore dell’analisi.

I file sono stati acquisiti il 30 ottobre 2026. Questa data indica l’acquisizione, non la composizione o la prima pubblicazione dei romanzi. Il catalogo di Austen riporta attualmente un aggiornamento al 29 settembre 2026, mentre l’intestazione del file congelato indica il 1° settembre. Anziché trattare queste date come intercambiabili, l’analisi identifica l’input attraverso la lunghezza esatta in byte e l’impronta SHA256. Per Shelley, catalogo e intestazione indicano entrambi il 23 ottobre 2026. Un successivo file sostitutivo, anche con lo stesso numero Gutenberg, non viene accettato tacitamente come input congelato.

Che cosa misura la regola di divisione in token

Ogni lunghezza riportata è un conteggio dei token (le parole contate) prodotti dall’espressione fissa [A-Za-z]+(?:['’][A-Za-z]+)*. Essa riconosce sequenze di lettere latine di base con eventuali apostrofi interni, diritti o tipografici. Le espressioni con trattino si dividono in token separati e le cifre non contano come parole. Le lettere accentate e le legature non sono riconosciute da questa espressione come parole alfabetiche complete. Mantenere la regola fissa rende riproducibili i calcoli, ma non trasforma il risultato in una definizione linguistica universale della parola. Sono quindi più corretti i termini token del testo mantenuto e token di sezione rispetto a pure parole narrative.

Prima della divisione in token, i byte originari restano invariati e vengono confrontati con le impronte congelate. Una copia di lavoro viene decodificata e le terminazioni di riga normalizzate. I blocchi delle illustrazioni con parentesi bilanciate vengono sostituiti da spazi, preservando le posizioni dei caratteri normalizzati anche quando una didascalia contiene parentesi annidate. Sono così rimossi 154 blocchi illustrativi interni in Austen e due in Shelley. Vengono esclusi anche tre blocchi di note numerate di Shelley. Il loro conteggio, incluse le etichette Footnote, è di 11 token. I richiami numerici rimasti non contribuiscono token alfabetici. Materiali preliminari, introduzioni, prefazioni, materiali finali e licenza Gutenberg sono fuori dai confini scelti.

Date, formule di saluto, firme, versi e corrispondenza incorporata rimangono nelle sezioni che li contengono. La prima lettera di Shelley inizia dalla propria intestazione: destinatario e data iniziali aggiungono otto token che sarebbero esclusi partendo dalla prima frase narrativa. Queste scelte definiscono il testo delle sezioni, non un testo idealizzato di sola prosa. Rimuovere ogni apparato epistolare o tutti i blocchi di formattazione risponderebbe a una domanda diversa e potrebbe eliminare corrispondenza significativa. L’analisi dichiara quindi il materiale incluso anziché presumere che tutto ciò che si trova fra la prima e l’ultima frase sia linguisticamente omogeneo.

Definire tutte le novanta unità strutturali

La partizione principale di Austen comprende 61 capitoli. Il primo richiede un trattamento particolare perché l’etichetta Chapter I è inserita in un’illustrazione precedente alla frase narrativa iniziale. La prima unità comincia da quella frase verificata; le intestazioni successive vanno da II a LXI. I capitoli XIII e XIV sono privi di punteggiatura terminale e XLVI usa maiuscole e minuscole. Un analizzatore che richiedesse un unico modello esatto, tutto maiuscolo e con punteggiatura, perderebbe confini autentici. Viceversa, cercare ovunque la parola chapter raccoglierebbe riferimenti nelle illustrazioni e altro materiale che non segna un confine. Nessuna delle due scorciatoie è considerata una prova sufficiente.

La partizione di Shelley comprende quattro lettere iniziali, 24 capitoli identificati e un seguito finale di Walton: complessivamente 29 unità. Le lettere hanno intestazioni esplicite e transizioni con firme, destinatari e date. Il seguito finale ha una propria intestazione dopo l’interruzione narrativa e ritorna alla narrazione esterna datata. La corrispondenza incorporata e il racconto della creatura restano nei capitoli che li contengono. Le date interne al seguito finale non creano nuovi capitoli. Si preserva così la distinzione tra una sezione denominata editorialmente, un racconto incorporato e un cambiamento di voce o occasione a livello di paragrafo.

Ogni confine candidato è stato controllato rispetto al contesto mantenuto adiacente e registrato in un file separato di osservazioni per confine. Sono state controllate anche le sequenze complete della numerazione, gli ancoraggi iniziali e i punti finali della narrazione. La diagnostica contiene posizioni e impronte della fonte anziché passaggi superflui. Si tratta di controlli documentati del contesto testuale e del calcolo, non di una dichiarazione di annotazione umana, accordo fra annotatori o standard semantico di riferimento. Le partizioni esaustive non hanno sezioni sovrapposte e la somma dei conteggi coincide con la divisione in token diretta del testo mantenuto, escluse le intestazioni. L’identità verifica l’aritmetica della copertura; le osservazioni registrate motivano il significato dei confini.

Partizioni complete e copertura dei soli capitoli

La partizione di Austen contiene 122.174 token principali nei suoi 61 capitoli. All’interno di questo testo mantenuto, la partizione per capitoli è esaustiva: la copertura è del 100%. La partizione esaustiva di Shelley contiene 75.228 token in 29 unità. I suoi 24 capitoli, lasciando separato il seguito di Walton, contengono 64.397 token. Si tratta dell’85,6024% del denominatore completo del testo mantenuto. La parte non inclusa non rappresenta dati perduti o un errore di estrazione: è l’insieme esplicitamente escluso delle quattro lettere iniziali e della cornice finale, che contengono complessivamente 10.831 token.

Le lettere iniziali contribuiscono 5.563 token e il seguito finale 5.268. Annettere quest’ultimo al capitolo XXIV porta il totale dell’insieme dei capitoli a 69.665 e la copertura al 92,6051%. Le quattro lettere iniziali restano escluse. Sarebbe dunque scorretto definire questo insieme con cornice annessa come l’intero romanzo o dividere le lunghezze dei suoi capitoli per un denominatore che fingesse l’assenza delle lettere. La partizione completa di 29 unità fornisce il denominatore comune rispetto al quale valutare entrambe le convenzioni dei capitoli.

Copertura e distribuzione rispondono a domande diverse. La copertura indica quanto del testo mantenuto appartenga all’insieme di unità scelto. La mediana indica ciò che si trova al centro delle lunghezze ordinate, attribuendo lo stesso peso a ciascuna unità scelta. Nessuna delle due quantità sostituisce l’altra. Una distribuzione può apparire regolare pur omettendo una parte consistente della cornice; aggiungere una sezione lunga a un’unità esistente può cambiare la parte alta della distribuzione senza cambiare il centro. Riportare entrambe le misure impedisce che una sintesi comoda dei capitoli diventi una descrizione non dichiarata di una sola parte del testo.

Le distribuzioni oltre i totali

Nei 61 capitoli principali di Austen la mediana è 1.835 token. Primo e terzo quartile sono 1.563 e 2.335, mentre l’unità più corta e quella più lunga contengono 676 e 5.188 token. Il coefficiente di variazione di popolazione è 0,42458. Queste sintesi distinguono il centro, la metà centrale e gli estremi delle lunghezze osservate. Gli estremi sono il minimo e il massimo effettivi, non limiti di confidenza. Il capitolo più lungo contribuisce il 4,2464% del totale dei capitoli mantenuti: una descrizione diversa, dipendente dal denominatore, della concentrazione del testo nell’unità maggiore.

Nella partizione esaustiva di Shelley in 29 unità, la mediana è 2.616 token, i quartili sono 2.074 e 3.015 e gli estremi sono 299 e 5.268. Il coefficiente di variazione di popolazione è 0,34840. L’insieme comprende lettere e cornice finale, quindi la sua distribuzione non deve essere chiamata distribuzione di 29 capitoli. Per i soli 24 capitoli, con la cornice separata, la mediana è 2.651, i quartili 2.223 e 3.038 e minimo e massimo 1.784 e 3.746. Sono popolazioni di unità differenti ricavate dalla stessa trascrizione congelata.

In questi due casi, il totale maggiore di Austen coesiste con una lunghezza mediana dei capitoli minore. L’osservazione mostra perché la lunghezza totale non determini univocamente la dimensione dei capitoli, ma due trascrizioni scelte intenzionalmente non possono stabilire una relazione generale tra lunghezza del romanzo e dei capitoli. Non vengono stimati regressioni, correlazioni di popolazione, effetti dell’autore o confronti di genere. La tabella completa dei conteggi per unità permette di esaminare la distribuzione sottostante senza dipendere soltanto da statistiche riassuntive, mentre il corpus fissato impedisce di sostituire un esempio favorevole dopo il calcolo.

La cornice finale modifica la parte alta della distribuzione

La sensibilità all’annessione della cornice modifica un capitolo già esistente di Shelley anziché aggiungerne un venticinquesimo. Il seguito di 5.268 token si unisce all’ultimo capitolo identificato, producendo un’unità combinata di 8.269 token. Il numero dei capitoli resta 24 e le lettere iniziali rimangono fuori dall’insieme. Di conseguenza il massimo sale da 3.746 a 8.269, mentre il terzo quartile passa da 3.038 a 3.133,5. La mediana resta 2.651 perché l’unità modificata non è una delle due osservazioni centrali utilizzate per calcolarla in questo insieme di numero pari di valori.

Il coefficiente di variazione sale da 0,20839 a 0,43033. Usa la deviazione standard di popolazione divisa per la media, attribuendo lo stesso peso a tutti i 24 capitoli. Aggiungere una quantità elevata a un’unità esistente aumenta la media, ma crea anche una parte alta della distribuzione molto più lunga. La dispersione relativa cresce, anziché essere neutralizzata dalla media maggiore. Per questo riportare soltanto media o mediana nasconderebbe una conseguenza importante della convenzione dei confini. La variazione è deterministica sotto la riassegnazione specificata, non una fluttuazione campionaria o un effetto causale stimato.

Il coefficiente principale di Austen, 0,42458, cade fra quelli delle due convenzioni dei capitoli di Shelley. L’ordinamento apparente della dispersione si inverte quindi quando viene annesso il seguito di Walton. Questo quasi incrocio invita a non trattare una sintesi priva di etichetta come caratteristica autoriale. Non dimostra che una delle due scrittrici sia più variabile in senso generale. La decisione strutturale è visibile nella trascrizione ed entrambe le convenzioni possono essere riportate con trasparenza. Nessuna deve apparire l’unica risposta naturale senza spiegare che cosa accada alla cornice e alle lettere iniziali.

Formattazione mantenuta e sensibilità circoscritta

Un’ispezione separata ha identificato sei token di etichette di formattazione rimasti in Austen: tre NIND e tre RIGHT. Due si trovano nel capitolo VII e uno ciascuno in XIII, XLVII, XLIX e LII. La loro presenza impedisce di descrivere il totale principale congelato di 122.174 come un conteggio perfettamente ripulito di parole narrative. Le etichette compaiono dentro blocchi di formattazione che contengono anche saluti o date. Eliminare ciascun blocco per intero scarterebbe testo legittimo della sezione e non sarebbe una correzione proporzionata al problema identificato.

La sensibilità dichiarata elimina pertanto soltanto i sei token delle etichette nelle posizioni normalizzate registrate. Non sostituisce l’estrazione principale congelata, non cambia la regola di divisione in token e non riscrive il protocollo originario dopo aver visto i risultati. Con questa modifica limitata, il totale di Austen diventa 122.168 e il coefficiente di variazione 0,4245761045 anziché 0,4245847284. Mediana, quartili, minimo e massimo restano invariati. Persiste anche l’ordinamento della dispersione dipendente dalla convenzione descritto sopra. Vengono conservati sia il risultato principale sia quello di sensibilità, così che il piccolo effetto numerico sia visibile e non cancellato tacitamente.

Questo controllo non va scambiato per la prova che sia stato eliminato ogni possibile artefatto della trascrizione. Riguarda uno specifico insieme osservato di etichette, non una ricerca senza limiti di un conteggio preferito. Una pulizia linguistica più ambiziosa richiederebbe regole e validazione proprie, specialmente per abbreviazioni, trattini, caratteri accentati e apparato epistolare. La conclusione presente è più ristretta: il problema identificato delle sei etichette non spiega il risultato dell’annessione della cornice. Mantenere questa distinzione separa una verifica misurata di robustezza da una dichiarazione di perfezione testuale complessiva.

Riprodurre i calcoli senza ridistribuire i romanzi

La procedura compatta di riproduzione parte dai conteggi per unità forniti. Ricalcola le sintesi esaustive e dei soli capitoli, la sensibilità alla cornice annessa, la copertura, i quartili inclusivi e i coefficienti di variazione di popolazione. Non richiede di scaricare alcun romanzo e produce soltanto dati derivati. Rende accessibile l’aritmetica mantenendo separate dal compito numerico le questioni di diritto d’autore e giurisdizione relative alla ridistribuzione dei testi. Una seconda procedura facoltativa verifica i file originari esatti rispetto alle impronte registrate prima di ripetere l’estrazione, con cartelle di ingresso e di uscita esplicite.

I controlli dell’estrazione usano due implementazioni con approcci strutturali diversi. Una conserva le posizioni mascherando i blocchi esclusi e identifica le intestazioni; l’altra elimina iterativamente i blocchi con parentesi annidate e raggruppa le righe in sezioni. I conteggi per unità coincidono per tutte le 90 unità. La seconda implementazione verifica direttamente le partizioni esaustive. Un ricalcolo separato controlla anche le statistiche dei soli capitoli e della cornice annessa. L’accordo sostiene l’implementazione per questi input, ma non crea uno standard indipendente di annotazione semantica. Le osservazioni registrate e la convenzione dichiarata della cornice restano evidenze necessarie accanto all’aritmetica concordante.

I quartili usano l’interpolazione lineare inclusiva e il coefficiente di variazione usa la deviazione standard di popolazione, non campionaria. Non vengono inventati intervalli d’incertezza intorno a conteggi esatti di file congelati. Le incertezze rilevanti riguardano edizioni, definizione dei token, formattazione mantenuta e interpretazione strutturale, non l’errore campionario di questi insiemi completi. La documentazione di riproduzione precisa che cosa viene sottoposto a impronta e come sono definite le posizioni normalizzate. L’impronta del testo dopo il mascheramento con spazi non è chiamata impronta di una sottostringa originaria. Byte modificati fanno fallire la verifica, anziché produrre un risultato apparentemente comparabile con lo stesso nome di file.

Ambito, diritti e conclusione sostenibile

Entrambe le schede correnti di Gutenberg indicano le opere come di pubblico dominio negli Stati Uniti. Le intestazioni ricevute avvertono chi si trova fuori dagli Stati Uniti di controllare la legge applicabile. Questa analisi non trasforma tali dichiarazioni in un’autorizzazione mondiale, una licenza sui marchi o un permesso di pubblicare ovunque qualsiasi materiale di fonte. I materiali pubblici contengono conteggi derivati compatti, calcoli, diagnostica dei confini e riferimenti, non romanzi integrali, illustrazioni o prefazioni. L’attribuzione distingue gli autori originari e i contributori delle fonti dai calcoli e dalle spiegazioni originali di Alisson Bento.

Diverse domande restano fuori dalle evidenze. Il campione non rappresenta autori, generi, letterature nazionali o editoria contemporanea. Le lunghezze in token non misurano tempo di lettura, ritmo percepito, coinvolgimento, qualità letteraria, gusti o difficoltà. L’identità non specificata della ristampa fotografica di Shelley limita la precisione bibliografica e i file sono trascrizioni, non facsimili garantiti. Le figure confrontano misure dichiarate, non risultati letterari in competizione. Questi limiti fanno parte dell’interpretazione e non sono ragioni per sopprimere un risultato strutturale altrimenti riproducibile.

La conclusione sostenuta è che una distribuzione delle lunghezze dei capitoli richiede di esplicitare che cosa conti come capitolo e che cosa rimanga fuori. Nella trascrizione di Shelley, separare o annettere la cornice finale cambia sostanzialmente la parte alta della distribuzione e la dispersione relativa, lasciando invariata la mediana. La partizione esaustiva e la copertura rendono visibili le lettere iniziali omesse da entrambe le convenzioni. Austen offre una partizione completa per capitoli a contrasto e una piccola sensibilità di formattazione trasparente, non un gruppo di controllo rappresentativo. Nel complesso, i casi mostrano perché distribuzioni, copertura, identità delle fonti e convenzioni dei confini debbano comparire nello stesso resoconto di misurazione.

La dispersione dei capitoli dipende dalla convenzione della cornice

Tutti e cinque gli insiemi dichiarati; coefficiente di variazione di popolazione e copertura del testo mantenuto completo.

Grafico completo e fonte
Austen: coefficiente di variazione principale 0,42458 e copertura 100%; sensibilità di sei etichette: coefficiente di variazione 0,42458 e copertura 100%. Shelley: tutte le 29 unità, coefficiente di variazione 0,34840 e copertura 100%; 24 capitoli con cornice separata, coefficiente di variazione 0,20839 e copertura 85,6024%; con cornice annessa, coefficiente di variazione 0,43033 e copertura 92,6051%. Mediana 2.651 nelle due convenzioni dei capitoli; massimo da 3.746 a 8.269. Nessuna classifica di autori.

Scorri il grafico in orizzontale per esaminarlo. ↔

Grafico e valori

Scorri la tabella in orizzontale per vedere tutte le colonne.

Distribuzioni e copertura per ciascun insieme di unità dichiarato
Insieme di unitàUnitàTokenMinimoPrimo quartileMedianaTerzo quartileMassimoCoefficiente di variazione (popolazione)Copertura (%)
Austen: 61 capitoli (principale)61122.1746761.563,01.835,02.335,05.1880,42458100,0000
Austen: sei etichette rimosse61122.1686761.563,01.835,02.335,05.1880,42458100,0000
Shelley: tutte le 29 unità strutturali2975.2282992.074,02.616,03.015,05.2680,34840100,0000
Shelley: 24 capitoli; cornice separata2464.3971.7842.223,02.651,03.038,03.7460,2083985,6024
Shelley: 24 capitoli; cornice annessa2469.6651.7842.223,02.651,03.133,58.2690,4303392,6051

Token ottenuti con una regola fissa basata sulle lettere latine di base, non pure parole narrative. Il coefficiente di variazione usa la deviazione standard di popolazione. Il denominatore di copertura è il testo mantenuto completo con la stessa definizione di pulizia; nessun intervallo campionario. La riga di Austen senza sei etichette è una sensibilità separata, non una sostituzione. Entrambe le righe dei capitoli di Shelley escludono quattro lettere iniziali.

Il conteggio principale di Austen include sei etichette di formato; la sensibilità separata rimuove solo tali etichette. L’insieme completo di Shelley contiene lettere, capitoli e cornice, non 29 capitoli. Entrambe le convenzioni dei capitoli escludono le lettere iniziali. Il denominatore di copertura è il testo mantenuto completo con la stessa definizione di pulizia. Nessun intervallo di confidenza né classifica di autori o generi. Calcolato dalla tabella 0; analisi e figura originali: Alisson Bento. Fonti dichiarate di pubblico dominio negli USA; nessuna autorizzazione mondiale.

Scarica il grafico (SVG) ↓ · Scarica il grafico (PNG) ↓

Dati e download

Scorri la tabella in orizzontale per vedere tutte le colonne.

Distribuzioni e copertura per ciascun insieme di unità dichiarato
Insieme di unitàUnitàTokenMinimoPrimo quartileMedianaTerzo quartileMassimoCoefficiente di variazione (popolazione)Copertura (%)
Austen: 61 capitoli (principale)61122.1746761.563,01.835,02.335,05.1880,42458100,0000
Austen: sei etichette rimosse61122.1686761.563,01.835,02.335,05.1880,42458100,0000
Shelley: tutte le 29 unità strutturali2975.2282992.074,02.616,03.015,05.2680,34840100,0000
Shelley: 24 capitoli; cornice separata2464.3971.7842.223,02.651,03.038,03.7460,2083985,6024
Shelley: 24 capitoli; cornice annessa2469.6651.7842.223,02.651,03.133,58.2690,4303392,6051

Token ottenuti con una regola fissa basata sulle lettere latine di base, non pure parole narrative. Il coefficiente di variazione usa la deviazione standard di popolazione. Il denominatore di copertura è il testo mantenuto completo con la stessa definizione di pulizia; nessun intervallo campionario. La riga di Austen senza sei etichette è una sensibilità separata, non una sostituzione. Entrambe le righe dei capitoli di Shelley escludono quattro lettere iniziali.

Scorri la tabella in orizzontale per vedere tutte le colonne.

Partizione completa di Shelley e riassegnazione della cornice
Componente o insiemeUnitàToken
Lettere iniziali45.563
Capitoli identificati, cornice separata2464.397
Seguito finale di Walton15.268
Partizione completa2975.228
Capitoli identificati, cornice annessa2469.665

La cornice finale è un’unità principale esplicita, non un capitolo implicito. L’insieme dei capitoli con cornice annessa continua a escludere le lettere iniziali.

Dati e metodo

Come abbiamo calcolato

  1. Corpus fissato con impronte esatte PG1342 e PG42324; confini delle sezioni e regola di divisione in token congelati prima dei calcoli delle lunghezze.
  2. 90 osservazioni dei confini per unità, controlli completi della numerazione e ancoraggi iniziali e finali espliciti; nessuna pretesa di standard di riferimento basato su annotazione umana.
  3. Mascheramento delle illustrazioni con parentesi bilanciate, esclusione delle note numerate, mantenimento dell’apparato delle sezioni; il conteggio principale di Austen include sei etichette di formattazione documentate.
  4. Quartili inclusivi interpolati e Coefficiente di variazione (popolazione); insiemi esaustivi, dei capitoli identificati e con cornice annessa hanno denominatori di copertura espliciti.
  5. Riproduzione predefinita dai soli aggregati; estrazione facoltativa dai file originari con impronte esatte; un’implementazione distinta concorda sui 90 conteggi per unità e controlli aritmetici separati coprono tutte le sintesi.

Cosa non possiamo dedurre dai dati

  • Due trascrizioni scelte intenzionalmente non rappresentano autori, generi, periodi o popolazioni; non si deduce alcuna relazione generale fra lunghezze.
  • I conteggi dei token non misurano qualità letteraria, gusti, ritmo percepito, coinvolgimento o tempo di lettura.
  • La regola di divisione in token basata sulle lettere latine di base e l’apparato mantenuto impediscono l’interpretazione come pure parole narrative; la sensibilità alle sei etichette è circoscritta, non una pulizia completa.
  • Le trascrizioni PG non sono facsimili garantiti di edizioni a stampa; l’identità della ristampa fotografica di Shelley non è specificata.
  • Le dichiarazioni di pubblico dominio negli USA non stabiliscono diritti fuori dagli Stati Uniti, una licenza mondiale o il permesso di ridistribuire i testi ovunque.

Fonti originali

  1. Project Gutenberg 1342: Pride and Prejudice

    Project Gutenberg 1342, Pride and Prejudice: il frontespizio della trascrizione congelata identifica George Allen 1894, prefazione di Saintsbury e illustrazioni di Thomson; materiali aggiunti esclusi. La scheda ufficiale indica pubblico dominio negli USA. L’aggiornamento del 1° settembre nell’intestazione differisce dal 29 settembre 2026 del catalogo; l’impronta esatta dei byte identifica l’input.

    Consultato il 30 ottobre 2026

  2. Project Gutenberg 42324: Frankenstein

    Project Gutenberg 42324, Frankenstein: versione H. Colburn/R. Bentley del 1831 tramite una ristampa fotografica non specificata, non la versione del 1818. Introduzione esclusa; identità della ristampa non specificata. La scheda ufficiale indica pubblico dominio negli USA; aggiornamento di intestazione e catalogo al 23 ottobre 2026.

    Consultato il 30 ottobre 2026

  3. Project Gutenberg Permission How-to

    Guida Project Gutenberg alle autorizzazioni: spiega i limiti delle giurisdizioni esterne agli USA e avverte che le trascrizioni non devono necessariamente corrispondere a una particolare edizione a stampa. Non si deducono autorizzazione universale o avallo.

    Consultato il 30 ottobre 2026

Citare e riutilizzare lo studio

Alisson Bento. Quando la cornice finale cambia la distribuzione delle lunghezze dei capitoli. Misurazione strutturale delle trascrizioni Project Gutenberg 1342 e 42324, acquisite il 30 ottobre 2026; versioni di fonte del 1894 e del 1831. https://alissonbento.com/it/research/chapter-frame-length-two-transcriptions/

Analisi, calcoli e spiegazioni originali: Alisson Bento. Romanzi originali: Jane Austen e Mary Wollstonecraft Shelley. Prefazione di Saintsbury e illustrazioni di Thomson nella fonte di Austen escluse; fonte di Shelley del 1831 attraverso una ristampa fotografica non specificata. Schede Gutenberg indicate come di pubblico dominio negli USA; non si rivendicano autorizzazione universale o avallo. Soltanto dati derivati e codice compatti, nessun romanzo integrale.

Correzioni o domande editoriali

Passaparola.

Quando la cornice finale cambia la distribuzione delle lunghezze dei capitoli | Alisson Bentoalissonbento.com

WhatsAppFacebookXTelegramRedditThreadsE-mailSMS