L'attenzione al suffragio femminile nei giornali storici: picchi in California 1913 e New York 1909

Nel corpus di 600.546 pagine di giornali storici, l’attenzione al suffragio femminile raggiunge 735,9 in California nel 1913 e 853,6 a New York nel 1909. Le date si collocano accanto a tappe note, il voto arriva in California nel 1911 e a New York nel 1917, ma i numeri misurano copertura, non consenso¹.

Le pagine provengono da Chronicling America della Library of Congress, tramite il dataset Tim-Pinecone/LOC-Chronicling-America su Hugging Face, licenza CC0 1.0. La base, interrogata con DuckDB, copre il periodo 1890-1920 e comprende 290.397 pagine dalla California e 310.149 da New York. Ogni riga corrisponde a una pagina OCR con titolo, città, anno e metadati¹.

L’unità di analisi è la pagina che contiene almeno un termine della query. Due le ricerche: una “stretta” con sei frasi, “woman suffrage”, “women’s suffrage”, “female suffrage”, “votes for women”, “suffragist”, “suffragette”, e una “larga” che cerca qualsiasi occorrenza di “suffrage”. Nell’intero periodo, la prima produce 14.971 pagine corrispondenti, la seconda 28.283. L’indicatore usato è la quota di pagine d’archivio con un termine della query, calcolata come Suffrage Rate = pagine corrispondenti ÷ pagine archiviate × 10.000. Un indice 50 equivale a una pagina su 200. Gli zeri segnalano anni con pagine ma senza corrispondenze, i valori mancanti indicano assenza di evidenza per quello stato/anno¹.

I conteggi grezzi mescolano dimensione dell’archivio e frequenza del fenomeno. La correlazione di Spearman tra numero di pagine corrispondenti e dimensione dell’archivio è 0,59 in California e 0,63 a New York. Dopo normalizzazione scende a 0,17 e 0,38. L’effetto è evidente a New York: il massimo di pagine corrispondenti cade nel 1913, 1.227 pagine, ma il tasso più alto è del 1909. In California, nel 1914 si contano 96 corrispondenze su 2.248 pagine: normalizzando, il 1914 risulta tra gli anni con maggiore attenzione¹.

Una volta normalizzati, i due stati seguono un profilo simile: crescita negli anni Novanta dell’Ottocento, livelli bassi a inizio Novecento, poi un’impennata da circa il 1908. A New York l’aumento più forte anno su anno arriva tra 1907 e 1908, da 72,2 a 406,1. Gli autori avvertono che i valori di picco richiedono verifica¹.

Le scelte di ricerca incidono sui massimi. Le serie stretta e larga sono altamente correlate, 0,94 in California e 0,98 a New York, e la query larga trova circa tre volte le pagine. Ma il picco californiano cambia: 1913 con la serie stretta, 1896 con la larga. Il disegno generale resta, il massimo puntuale può spostarsi in base alla query¹.

Conta anche chi compone l’archivio. A New York cinque testate coprono tutto l’arco temporale e in 30 anni su 31 una sola supera metà delle pagine. In California compaiono 21 testate, ma mai più di sei in un anno. Poiché ogni pagina pesa allo stesso modo, una testata dominante trascina il segnale. Per confronto è stata costruita anche una misura che assegna uguale peso a ciascun giornale, non a ciascuna pagina¹.

La lezione è ampia: i dati descrivono l’archivio, non l’intera stampa. Quando dimensione, composizione, lingua o qualità del dataset cambiano nel tempo, i conteggi grezzi riflettono anche il processo di registrazione. Servono normalizzazioni, definizioni trasparenti delle query e misure alternative prima di leggere un picco come fatto storico. Vale per gli archivi di giornali e per qualunque serie temporale con basi che si muovono¹.