Metodologia e fontes de dados

Todos os números deste site vêm de um registo oficial de nascimentos ou de um instituto nacional de estatística. Limpamos cada fonte, colocamos todas na mesma escala e agrupamos as formas de cada nome nas várias línguas.

1. Recolha dos dados

Usamos apenas dados abertos oficiais: institutos nacionais de estatística (INSEE, ONS, CSO, Statbel, BFS…), registos civis (SSA, RENAPER, registos provinciais) e portais regionais de dados abertos. Cada fonte aplica o seu próprio limiar: os nomes dados menos de 3 ou 5 vezes num ano não são publicados, pelo que os nomes muito raros faltam em todas as fontes. Alguns países só publicam um top 50 ou top 100; nesses casos mostramos posições, nunca proporções. A tabela abaixo indica cada fonte, os anos abrangidos, a entidade responsável e a licença.

2. Uma escala comum

Os valores absolutos não são comparáveis entre um país com 330 milhões de habitantes e outro com 5 milhões, por isso os gráficos mostram nascimentos por 100 000 recém-nascidos (os dois sexos em conjunto), em cada país e ano. O denominador é a soma dos nascimentos das listas publicadas, próxima do total de nascimentos, mas ligeiramente inferior.

O registo argentino guarda todos os nomes próprios numa só cadeia de texto («María Florencia»), por isso contamos apenas o primeiro. Quando um registo não indica o sexo, este é deduzido de outros registos na mesma língua.

3. Grafias, nomes e famílias

Trabalhamos em três níveis:

• Grafia: Élodie e Elodie, ou Александр e Aleksandr, são o mesmo nome escrito de maneira diferente. Acentos, maiúsculas e alfabeto são uniformizados, e cada grafia continua visível na página do nome.
• Nome: uma grafia mais um sexo. Jean é um nome masculino em França e sobretudo feminino nos Estados Unidos; por isso, são dois nomes diferentes.
• Família: as formas de um mesmo nome nas várias línguas. Victoria (inglês, espanhol), Victoire (francês), Vittoria (italiano) e Viktoriya (russo) formam uma só família de nomes, com uma página principal.

4. Como agrupamos os nomes

Usamos quatro tipos de prova, da mais forte para a mais fraca. Cada página de família indica as provas que sustentam cada ligação.

1. Verificado manualmente: uma lista curada de cerca de 200 famílias que atravessam línguas (John = Jean = Juan = Giovanni = João = Ivan…). Duas famílias curadas nunca são fundidas automaticamente.
2. Verificado em fontes linguísticas: quando as nossas regras ficam na dúvida (Marcel / Marcelo, Laure / Laura, Eva / Evie), o par é confrontado com obras de referência etimológicas e classificado como igual, relacionado ou diferente.
3. Variantes ortográficas: formas que soam igual depois de normalizadas as convenções ortográficas (ph/f, th/t, y/i, letras dobradas), com a mesma inicial e o mesmo sexo: Sofia / Sophia, Matteo / Mateo.
4. Wikidata: as ligações abertas “considerado o mesmo que”, usadas apenas para juntar um nome isolado a uma família quando as duas formas se parecem. Sozinho, o Wikidata liga demasiado (Kyle ~ Caleb), por isso nunca pode fundir duas famílias já existentes.

Os diminutivos e nomes derivados com vida própria (Jack, Sean, Ian para John; Isabelle para Elizabeth; Evie para Eva) mantêm a sua própria página e aparecem como nomes relacionados. As formas masculina e feminina (Victor / Victoria) também estão ligadas.

5. Estatísticas

• Comprimento do nome: número médio de letras, ponderado pelos nascimentos.
• Diversidade: proporção de nascimentos que recebem um dos dez nomes mais comuns, número de nomes necessários para cobrir metade dos nascimentos e número efetivo de nomes (1/Σp²).
• Sons: proporção de nascimentos cujo nome termina em -a, -o, -n ou com som de “i”, rima com Aiden, contém um Y, um K ou um Z, etc.
• Convergência: similaridade do cosseno entre as distribuições de famílias de nomes de dois países. Como as famílias atravessam as línguas, uma Victoire em Paris e uma Victoria em Londres contam como a mesma escolha.
• Trajetórias semelhantes: nomes cuja curva de popularidade nos últimos 60 anos tem a correlação mais forte, no mesmo país.

6. Limitações

Os dados atuais do INSEE arredondam os valores franceses a múltiplos de 5, e a SSA omite os nomes dados menos de 5 vezes. Os registos não recolhem exatamente o mesmo (ano de registo ou de nascimento, acentos mantidos ou retirados, nomes com hífen separados ou não). Populações pequenas produzem curvas irregulares. Agrupar nomes entre línguas é sempre uma questão de critério: se achar que uma ligação está errada, diga-nos e reveremos as provas.

Fontes de dados