Dopo aver richiamato il ruolo della semplificazione manuale e i suoi limiti di scalabilità, il lavoro discute la semplificazione mediata da Large Language Models (LLM), mettendo in evidenza la centralità del prompt e la necessità di revisione umana in domini sensibili. Viene presentata una versione aggiornata di SEMPL-IT, sistema specializzato per l’italiano amministrativo, e viene impostato un confronto con modelli generalisti (ChatGPT 5.1, Claude Sonnet 4.6 e Gemini 3). L’analisi combina metriche di leggibilità, indicatori lessicali/ strutturali e misure di similarità (edit distance e semantic similarity). I risultati mostrano che SEMPL-IT modula la profondità della riscrittura in funzione del destinatario mantenendo un’elevata preservazione semantica; i modelli generalisti incrementano la leggibilità in misura variabile, con Gemini 3 che massimizza gli indici di leggibilità ma presenta una riduzione della similarità semantica. L’analisi qualitativa conferma che, in testi con valore giuridico-amministrativo, l’impiego di LLM richiede controlli redazionali per prevenire slittamenti di contenuto, omissioni e possibili allucinazioni.

(2026). Large Language Model per la semplificazione del linguaggio amministrativo: una valutazione comparativa tra SEMPL-IT, ChatGPT 5.1, Claude Sonnet 4.6 e Gemini 3 . Retrieved from https://hdl.handle.net/10446/339565

Large Language Model per la semplificazione del linguaggio amministrativo: una valutazione comparativa tra SEMPL-IT, ChatGPT 5.1, Claude Sonnet 4.6 e Gemini 3

Ganfi, Vittorio
2026-01-01

Abstract

Dopo aver richiamato il ruolo della semplificazione manuale e i suoi limiti di scalabilità, il lavoro discute la semplificazione mediata da Large Language Models (LLM), mettendo in evidenza la centralità del prompt e la necessità di revisione umana in domini sensibili. Viene presentata una versione aggiornata di SEMPL-IT, sistema specializzato per l’italiano amministrativo, e viene impostato un confronto con modelli generalisti (ChatGPT 5.1, Claude Sonnet 4.6 e Gemini 3). L’analisi combina metriche di leggibilità, indicatori lessicali/ strutturali e misure di similarità (edit distance e semantic similarity). I risultati mostrano che SEMPL-IT modula la profondità della riscrittura in funzione del destinatario mantenendo un’elevata preservazione semantica; i modelli generalisti incrementano la leggibilità in misura variabile, con Gemini 3 che massimizza gli indici di leggibilità ma presenta una riduzione della similarità semantica. L’analisi qualitativa conferma che, in testi con valore giuridico-amministrativo, l’impiego di LLM richiede controlli redazionali per prevenire slittamenti di contenuto, omissioni e possibili allucinazioni.
2026
Ganfi, Vittorio
File allegato/i alla scheda:
File Dimensione del file Formato  
Ganfi 2026 Large Language Model per la semplificazione.pdf

accesso aperto

Versione: publisher's version - versione editoriale
Licenza: Creative commons
Dimensione del file 747.38 kB
Formato Adobe PDF
747.38 kB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

Aisberg ©2008 Servizi bibliotecari, Università degli studi di Bergamo | Terms of use/Condizioni di utilizzo

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10446/339565
Citazioni
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact