Ricostruzione storica della moralizzazione umana tramite associazioni di parole e corpora testuali

Come il nostro senso del giusto e dello sbagliato cambia nel tempo

Perché il fumo è passato dall’essere considerato glamour all’essere motivo di vergogna, o la schiavitù da istituzione data per scontata a chiara indignazione morale? Questo articolo affronta una domanda apparentemente semplice: come fanno idee, pratiche e persino persone a essere viste come moralmente buone o cattive nel corso di decenni e secoli? Utilizzando vaste raccolte di testi in inglese e strumenti di intelligenza artificiale moderni, i ricercatori costruiscono una sorta di “macchina del tempo morale” che traccia quando i concetti acquisiscono peso morale—e se quel peso è positivo o negativo.

Trasformare il linguaggio in una macchina del tempo morale

Gli autori presentano HistMoral, un framework computazionale ad accesso aperto che ricostruisce come il giudizio morale verso più di 20.000 concetti sia cambiato negli ultimi 150 anni. Invece di chiedere direttamente ai partecipanti viventi su ogni singolo concetto, partono da ampi esperimenti di associazione di parole in cui le persone rispondono a una parola cue, come “fumo”, con qualunque cosa venga in mente. Se molte risposte sono parole morali come “male”, “sbagliato” o “dipendenza”, il concetto viene trattato come fortemente moralizzato. Questi dati psicologici definiscono due misure chiave: rilevanza morale (quanto un concetto è pensato in termini morali) e polarità morale (se quei pensieri morali sono prevalentemente positivi o negativi).

Ricostruire associazioni morali perdute dai testi antichi

I documenti storici ovviamente non sono corredati da test di associazione di parole, quindi il team trova una soluzione ingegnosa. Si rivolgono a enormi archivi testuali come il Corpus of Historical American English e il New York Times, che insieme coprono più di un secolo e mezzo di lingua scritta. In ogni decennio o anno mappano quanto spesso le parole appaiono vicine tra loro e inseriscono le frasi circostanti in modelli di linguaggio moderni come BERT per catturare sfumature sottili di significato. Questi schemi vengono usati per costruire una rete in cui ogni parola è un nodo collegato ad altre con cui appare frequentemente, e ogni nodo ha una ricca rappresentazione numerica del suo significato in quell’epoca.

Insegnare a una rete a percepire la moralità

Per collegare queste reti di parole storiche al giudizio morale umano, i ricercatori addestrano una graph neural network—un tipo di IA progettata per lavorare su reti—a prevedere rilevanza e polarità morale per parole degli ultimi decenni, per le quali esistono dati di associazione umana. Una volta che il modello apprende come i pattern di co-occorrenza e il significato si relazionano alle impressioni morali delle persone, può essere applicato a ritroso nel tempo, stimando come le opinioni morali su concetti come “fumo”, “armi nucleari” o “gioco d’azzardo” siano aumentate o diminuite nel corso dei decenni. Il sistema produce “corsi temporali” morali continui che rivelano, per esempio, come il fumo sia passato gradualmente da relativamente neutro a fortemente negativo, in linea con le campagne sanitarie e la legislazione della metà del XX secolo.

Cosa diventa morale—e quando

Con queste timeline ricostruite in mano, gli autori verificano se HistMoral si comporta come ci si aspetterebbe. Malattie e leader mondiali—argomenti che ricerche precedenti mostrano essere spesso moralizzati—ricevono effettivamente punteggi di rilevanza morale più alti rispetto a parole di confronto. Concetti coinvolti in guerre diventano più carichi moralmente e più negativi durante i conflitti rispetto ai periodi di pace. Tra 117 categorie, come “malattie”, “relazioni familiari” o “esseri soprannaturali”, il modello rivela tendenze condivise: i concetti legati alle malattie non solo iniziano con una valenza morale, ma la aumentano nel tempo, mentre gli esseri soprannaturali restano moralizzati ma diminuiscono lentamente in rilevanza. I ricercatori trovano anche che parole nella stessa categoria spesso mostrano traiettorie morali simili, suggerendo che intere famiglie di concetti si spostano insieme nello spazio morale.

Moralità, denaro e politica

Il framework mette inoltre in luce legami tra linguaggio morale e cambiamenti economici e politici nel mondo reale. Tracciando prodotti di consumo nella copertura mediatica insieme alle statistiche sui prezzi federali, gli autori osservano che quando i prodotti diventano associati a idee più moralmente negative da un anno all’altro, i loro prezzi al dettaglio spesso aumentano—forse a causa di tasse, regolamentazioni o crisi che contemporaneamente aumentano i costi e suscitano preoccupazione morale. Nel discorso politico statunitense, i concetti che acquisiscono rilevanza morale diventano più presenti nei dibattiti del Congresso. Intorno alle elezioni presidenziali, diversi temi—come ambiente, salute o tasse—cambiano in intensità morale a seconda del partito che vince, suggerendo un’interazione bidirezionale tra preoccupazione morale pubblica e strategia politica.

Perché questa nuova lente sulla moralità è importante

Nella vita quotidiana, il cambiamento morale può sembrare improvviso e misterioso: una generazione sorride davanti a un problema che la successiva considera una grave ingiustizia. HistMoral mostra che sotto quei punti di svolta si nascondono spostamenti graduali, rilevabili nell’uso del linguaggio nel tempo. Combinando teorie psicologiche della moralità, associazioni di parole umane e IA moderna, questo framework offre un modo potente per tracciare quando i concetti diventano punti caldi morali, se sono visti come virtù o vizi e come questi cambiamenti si collegano a eventi sociali, economici e politici più ampi. Per il lettore generale, il messaggio chiave è che il nostro paesaggio morale non è fisso: evolve in modi schematici che ora possiamo iniziare a misurare, confrontare e forse anche prevedere.

Citazione: Ramezani, A., Stellar, J.E., Feinberg, M. et al. Historical reconstruction of human moralization with word association and text corpora. Nat Commun 17, 3412 (2026). https://doi.org/10.1038/s41467-025-67891-2

Parole chiave: moralizzazione, lingua storica, associazioni di parole, reti neurali su grafi, cambiamento sociale