Metodologia e fonti dei dati

Ogni numero di questo sito proviene da un registro ufficiale delle nascite o da un istituto nazionale di statistica. Ripuliamo ogni fonte, riportiamo tutte le fonti sulla stessa scala e raggruppiamo le forme di ciascun nome nelle diverse lingue.

1. Raccolta dei dati

Usiamo solo dati aperti ufficiali: istituti nazionali di statistica (INSEE, ONS, CSO, Statbel, UST…), uffici di stato civile (SSA, RENAPER, anagrafi provinciali) e portali regionali di open data. Ogni fonte applica una propria soglia: i nomi dati meno di 3 o 5 volte in un anno non vengono pubblicati, quindi i nomi rarissimi mancano ovunque. Alcuni paesi pubblicano solo una top 50 o una top 100: in quei casi mostriamo le posizioni in classifica, mai le quote. La tabella qui sotto elenca ogni fonte con i suoi anni, l'ente che la pubblica e la licenza.

2. Una scala comune

I conteggi grezzi non sono confrontabili tra un paese di 330 milioni di abitanti e uno di 5 milioni: per questo i grafici mostrano le nascite ogni 100.000 neonati (maschi e femmine insieme), per paese e per anno. Il denominatore è la somma delle nascite negli elenchi pubblicati, molto vicina al totale reale delle nascite ma leggermente inferiore.

Il registro argentino conserva tutti i nomi di una persona in un'unica stringa («María Florencia»), quindi contiamo solo il primo. Quando un registro non indica il sesso, lo ricaviamo da altri registri nella stessa lingua.

3. Grafie, nomi e famiglie

Lavoriamo su tre livelli:

• Grafia: Élodie ed Elodie, o Александр e Aleksandr, sono lo stesso nome scritto in modo diverso. Accenti, maiuscole e alfabeto vengono uniformati, e ogni grafia resta visibile nella pagina del nome.
• Nome: una grafia più un sesso. Jean è un nome maschile in Francia e soprattutto femminile negli Stati Uniti: sono quindi due nomi diversi.
• Famiglia: le forme di uno stesso nome nelle varie lingue. Victoria (inglese, spagnolo), Victoire (francese), Vittoria (italiano) e Viktoriya (russo) formano un'unica famiglia di nomi, con una sola pagina principale.

4. Come raggruppiamo i nomi

Ci basiamo su quattro tipi di prove, dalla più solida alla più debole. Ogni pagina di famiglia indica le prove alla base di ciascun collegamento.

1. Verificato a mano: un elenco curato di circa 200 famiglie che attraversano le lingue (John = Jean = Juan = Giovanni = João = Ivan…). Due famiglie curate non vengono mai unite automaticamente.
2. Verificato su fonti linguistiche: quando le nostre regole sono incerte (Marcel / Marcelo, Laure / Laura, Eva / Evie), la coppia viene controllata su opere di riferimento etimologiche e classificata come uguale, correlata o diversa.
3. Varianti ortografiche: forme che suonano allo stesso modo una volta normalizzate le convenzioni ortografiche (ph/f, th/t, y/i, doppie), con la stessa iniziale e lo stesso sesso: Sofia / Sophia, Matteo / Mateo.
4. Wikidata: i collegamenti aperti “considerato uguale a”, usati solo per agganciare un nome isolato a una famiglia quando le due forme si somigliano. Da solo, Wikidata collega troppo (Kyle ~ Caleb), quindi non può mai unire due famiglie già esistenti.

I diminutivi e i nomi derivati che hanno una vita propria (Jack, Sean, Ian per John; Isabelle per Elizabeth; Evie per Eva) mantengono una pagina tutta loro e compaiono come nomi correlati. Anche le forme maschili e femminili (Victor / Victoria) sono collegate tra loro.

5. Statistiche

• Lunghezza del nome: numero medio di lettere, ponderato per le nascite.
• Diversità: quota di nascite che va ai dieci nomi più diffusi, numero di nomi necessari per coprire metà delle nascite e numero effettivo di nomi (1/Σp²).
• Suoni: quota di nascite il cui nome finisce in -a, -o, -n o con un suono “i”, fa rima con Aiden, contiene una Y, una K o una Z, e così via.
• Convergenza: similarità del coseno tra le distribuzioni delle famiglie di nomi di due paesi. Poiché le famiglie attraversano le lingue, una Victoire a Parigi e una Victoria a Londra contano come la stessa scelta.
• Andamenti simili: i nomi la cui curva di popolarità negli ultimi 60 anni è più strettamente correlata, nello stesso paese.

6. Limiti

L'attuale file dell'INSEE arrotonda i conteggi francesi a multipli di 5, e la SSA omette i nomi dati meno di 5 volte. I registri non raccolgono le stesse informazioni (anno di registrazione o di nascita, accenti mantenuti o eliminati, nomi con trattino separati o no). Le popolazioni piccole producono curve irregolari. Raggruppare i nomi tra lingue diverse resta una scelta di giudizio: se pensi che un collegamento sia sbagliato, scrivici e riesamineremo le prove.

Fonti dei dati