Titolo dell’esercizio:
Tracce della Storia (Spuren der Geschichte)
Implementazione: Gioco investigativo basato sul web o Escape Room analogico
Destinatari: Studenti delle discipline umanistiche (Digital Humanities, Storia, Filologia, ecc.)
Idea del gioco
I giocatori assumono il ruolo di detective digitali che devono risolvere un enigma storico usando strumenti digitali e metodi delle scienze umane. Utilizzeranno, ad esempio, edizioni digitali, text mining, visualizzazione dei dati e critica delle fonti storiche.
Struttura del gioco (esempio con 3 livelli)
Livello 1: Il manoscritto perduto
Obiettivo: Ritrovare le pagine mancanti di un manoscritto medievale.
Strumenti: Lettura di file TEI XML, confronto di edizioni digitali.
Compito: Ai giocatori vengono forniti estratti di testo codificati e metadati. Devono analizzarli per ricostruire le pagine mancanti.
Livello 2: La lettera falsa
Obiettivo: Smascherare un falso storico.
Strumenti: Stilometria, attribuzione d’autore.
Compito: Una lettera è attribuita a Goethe. I giocatori devono usare strumenti di analisi del testo per confrontare lo stile con lettere autentiche.
Livello 3: Il messaggio nascosto
Obiettivo: Decifrare un messaggio segreto in un archivio di giornali del XIX secolo.
Strumenti: Correzione OCR, topic modeling, riconoscimento di entità nominate (NER).
Compito: I giocatori esplorano pagine di giornali digitalizzati e usano strumenti di analisi per trovare un messaggio politico nascosto.
Obiettivi didattici
Applicare strumenti digitali a problemi umanistici.
Promuovere il pensiero critico e l’analisi delle fonti.
Sviluppare competenze interdisciplinari (tecnologia e discipline umanistiche).
Idee per l’implementazione tecnica
Semplice: Schede PDF con link a strumenti online (es. Voyant Tools, DARIAH-DE).
Complessa: Web app con interfaccia interattiva (es. Twine o Unity).
Collaborativa: Può essere giocato in gruppo.
Entriamo nel vivo dell’esercizio…
Di seguito la versione web del gioco “Tracce della Storia” realizzabile con Twine, una piattaforma ideale per creare giochi testuali interattivi e ramificati. Di seguito trovi una bozza completa di codice per Twine (formato SugarCube 2), che puoi usare direttamente o adattare.
Titolo: Tracce della Storia – Il Manoscritto Perduto
Introduzione (Twine code)
:: Start
Benvenuto, investigatore digitale.
Un antico manoscritto è stato ritrovato incompleto nella biblioteca di un monastero. Le sue pagine mancanti potrebbero contenere informazioni cruciali su un culto medievale dimenticato.
Il tuo compito è ricostruire il testo mancante utilizzando strumenti digitali.
[[Inizia l’indagine->Archivio Digitale]]
Scena 1: Archivio Digitale
:: Archivio Digitale
Accedi all’archivio digitale. Trovi tre frammenti XML TEI, ma uno è danneggiato.
Quale analizzi per primo?
- [[Frammento A (intatto)->Analisi Frammento A]]
- [[Frammento B (sospetto)->Analisi Frammento B]]
- [[Frammento C (danneggiato)->Analisi Frammento C]]
Scena 2: Analisi Frammento B (con puzzle)
:: Analisi Frammento B
Il frammento B contiene testo leggibile ma con strani simboli:
“In nomine @dei@, inceptum est @opera@ domini…”
Vuoi usare un tool online per analizzarlo?
- [[Sì, usa un tool di text mining (simulato)->Text Mining]]
- [[No, torna indietro->Archivio Digitale]]
Tool simulato (Text Mining)
:: Text Mining
Hai usato Voyant Tools per analizzare le parole chiave.
Le parole “@dei@” e “@opera@” sono codificate. Una leggenda nel file TEI dice:
“@xxx@” = parole rimosse per censura
Quindi il testo originale era:
“In nomine Dei, inceptum est opera domini…”
[[Prosegui->Ricostruzione finale]]
Finale
:: Ricostruzione finale
Hai ricostruito con successo una parte fondamentale del manoscritto.
La tua abilità nell’usare strumenti digitali ha permesso di recuperare un frammento dimenticato della storia.
FINE
Vuoi [[giocare di nuovo->Start]]?
Come usarlo
- Vai su https://twinery.org/
- Clicca su “Use it online”
- Crea una nuova storia (scegli “SugarCube 2”)
- Copia e incolla i blocchi di codice sopra nei relativi passaggi
- Premi “Play” per testarlo.
Di seguito una versione estesa del gioco “Tracce della Storia” con livelli più complessi, pensati per un contesto universitario (Digital Humanities avanzate). Ogni livello introduce uno strumento o metodo reale, simulato tramite narrazione interattiva.
Useremo sempre Twine + SugarCube 2, mantenendo l’approccio testuale ma aumentando la profondità.
STRUTTURA ESTESA (5 Livelli Totali)
Livelli:
- TEI XML (già fatto) – Ricostruzione di frammento
- OCR (correzione testo scannerizzato)
- Named Entity Recognition (NER)
- Stilometria (attribuzione d’autore)
- Topic Modeling (identificazione di temi nascosti)
LIVELLO 2: OCR – Il Codice Smarrito
:: OCR
Hai trovato una scansione di una pagina del manoscritto in formato immagine.
Usi un tool OCR simulato (es. Transkribus) per convertirla in testo, ma il risultato è confuso:
“L1ber es7 Prrc1p0rum @@@ De1”
Vuoi correggere manualmente?
- [[Sì, prova a correggere->Correzione OCR]]
- [[No, torna indietro->Archivio Digitale]]
:: Correzione OCR
Applichi le tue conoscenze:
“L1ber” → “Liber”
“es7” → “est”
“Prrc1p0rum” → “Principiorum”
Il testo completo diventa:
“Liber est Principiorum Dei”
Hai decifrato una pagina fondamentale.
[[Continua->NER]]
LIVELLO 3: Named Entity Recognition (NER) – Le Figure Nascoste
:: NER
Hai ora un testo continuo, ma ci sono molti nomi propri mescolati tra persone, luoghi e concetti.
Esempio:
“In Anno Domini 1215, Frater Hugo visitavit Montem Sanctum cum manuscripto de Alexandria.”
Quali entità vuoi estrarre?
- [[Persone->NER Persone]]
- [[Luoghi->NER Luoghi]]
:: NER Persone
Rilevi: Frater Hugo
Vuoi cercare Frater Hugo nei database storici?
[[Sì (simulato)->Risultato Hugo]]
:: Risultato Hugo
Hai scoperto che Frater Hugo era uno scriba benedettino attivo nel XII secolo.
Il suo nome collega il manoscritto a una rete europea di copisti.
[[Prosegui->Stilometria]]
LIVELLO 4: Stilometria – L’Autore Fantasma
:: Stilometria
Il manoscritto presenta uno stile ambiguo. Potrebbe essere di Frater Hugo, ma anche di un suo allievo.
Confronti frasi campione con un corpus.
Usi lo strumento di stilometria (es. Stylo, JGAAP)…
Risultato: 87% di compatibilità con Frater Hugo
[[Accetta la paternità->Topic Modeling]]
LIVELLO 5: Topic Modeling – Il Significato Nascosto
:: Topic Modeling
Applichi un’analisi dei temi con LDA. Emergono le seguenti parole chiave:
- “lux”
- “veritas”
- “initium”
- “ordo”
Questi temi suggeriscono un trattato filosofico sull’ordine divino della conoscenza.
Hai svelato il vero contenuto del manoscritto.
[[Concludi il viaggio->Finale Esteso]]
FINALE ESTESO
:: Finale Esteso
Grazie all’uso di strumenti avanzati delle Digital Humanities hai:
- decifrato un testo antico con OCR
- identificato figure storiche con NER
- attribuito l’autore con stilometria
- scoperto i temi profondi del testo
Il manoscritto può ora essere digitalmente pubblicato per il mondo.
Complimenti, detective digitale.
[[Gioca di nuovo->Start]]
Ora l’ultimo esempio: Versione aggiornata con link reali
LIVELLO 2: OCR – Il Codice Smarrito
:: OCR
Hai trovato una scansione di una pagina del manoscritto in formato immagine.
Vuoi usare un tool OCR reale per sperimentare?
Prova Transkribus Lite (OCR online)
Oppure usa Tesseract OCR (da installare)
Una volta ottenuto il testo, continua con l’analisi.
[[Vai alla correzione simulata->Correzione OCR]]
LIVELLO 3: Named Entity Recognition (NER)
:: NER
Vuoi analizzare il testo per estrarre nomi di persone, luoghi o concetti?
Puoi provare il riconoscimento automatico con questo tool:
Stanford Named Entity Recognizer (DEMO)
Inserisci il testo:
“In Anno Domini 1215, Frater Hugo visitavit Montem Sanctum cum manuscripto de Alexandria.”
[[Simula l’analisi->NER Persone]]
LIVELLO 4: Stilometria – L’Autore Fantasma
:: Stilometria
Hai raccolto campioni di testo di Frater Hugo e del suo allievo.
Usa questi strumenti di stilometria:
Stylo R Package (documentazione)
Writeprint (demo online)
JGAAP (software open-source)
Scegli uno, esplora, poi continua il gioco.
[[Simula risultato: 87% compatibilità con Hugo->Topic Modeling]]
LIVELLO 5: Topic Modeling – Il Significato Nascosto
:: Topic Modeling
Vuoi identificare i temi nascosti del testo?
Prova uno strumento online come:
Voyant Tools – Analisi di corpora
Topic Modeling Tool (da scaricare)
Carica il testo e osserva i temi emersi.
[[Vai al risultato simulato->Finale Esteso]]
Scarica i files finali: