Surse
Sursele datelor și lucrările pe care se sprijină analiza.
Date lexicale
Setul oficial de export al bazei dicționarelor românești. De aici vin cele 2.273.343 de forme flexionare care fac lematizarea posibilă și verificarea etimologică pentru 14.550 de cuvinte. Datele dexonline redistribuite aici rămân sub GNU GPL v2 sau ulterior. Copyright © 2004–2026 dexonline. Textele definițiilor nu sunt redistribuite.
Categoriile etimologice românești și articolele folosite pentru reconstituirea lanțurilor etimologice. Conținutul e sub CC BY-SA 4.0.
Corpusuri
Proza datată, 1825–1949. Texte sub licențe libere sau intrate în domeniul public.
41.357 de articole folosite ca eșantion de text enciclopedic. CC BY-SA 4.0.
OpenSubtitles, prin lista de frecvențe a lui Hermit Dave
Lista OpenSubtitles 2018: 306.494.203 de cuvinte din replici de film subtitrate în română; proxy pentru dialog cinematografic, nu conversații înregistrate.
Anii de naștere și de moarte ai autorilor, folosiți la datarea textelor. CC0.
Ipoteze contemporane și dezbaterea lor
Dan Alexe, „De-a dacii și romanii”
Humanitas, 2023. Propune formarea românei în centrul Balcanilor, în contact structural îndelungat cu albaneza și slava sudică. Lucrarea oferă un cadru interpretativ; procentele paginii nu sunt preluate din ea.
Dan Ungureanu, „Istoria limbii române”
Cartier, 2024. Leagă un grup de inovații românești de aria nord-vest italiană și situează apariția ulterioară a românei în Romania continua, probabil în Balcani. Fragment oficial.
Dan Ungureanu, „Româna și dialectele italiene”
Editura Academiei Române, 2016. Prezentarea autorului a comparației cu dialectele din Lombardia de vest și Alpi.
Dan Alexe, „Câteva considerațiuni despre Istoria limbii române a lui Dan Ungureanu”
Text din 2024 în care Alexe explică de ce consideră cele două ipoteze incompatibile și critică prioritatea acordată asemănărilor lexicale.
Ioana Vintilă-Rădulescu, „«Noutăți» despre «Româna și dialectele italiene»?”
Studii și cercetări lingvistice, 69/1, 2018, pp. 105–158. Recenzie critică amplă a volumului din 2016.
Rudolf Windisch, recenzie la „Istoria limbii române”
Zeitschrift für Balkanologie, 60/2, 2024, pp. 271–286. Evaluare detaliată, favorabilă metodei cartografice a autorului.
Alexandru Nicolae, critică publică a celor două ipoteze
Interviu HotNews, 3 noiembrie 2024. O poziție critică despre limitele verificării și transformarea incertitudinii în certitudine.
Bibliografie
Marius Sala, „De la latină la română”
Univers Enciclopedic, 1998. Cartea care explică, pentru un cititor care nu e lingvist, de ce numărătoarea pe cuvinte din dicționar și numărătoarea pe cuvinte din text dau răspunsuri diferite.
Marius Sala (coord.), „Vocabularul reprezentativ al limbilor romanice”
Editura Științifică și Enciclopedică, 1988. Metoda de calcul a ponderii etimologice pe vocabular reprezentativ, față de care măsurătorile de aici sunt o variantă pe corpus.
Alexandru Ciorănescu, „Dicționarul etimologic al limbii române”
Ediția românească, Saeculum, 2001. Una dintre sursele etimologice pe care le agregă dexonline.
Alexandru Rosetti, „Istoria limbii române”
Editura Științifică și Enciclopedică, 1986. Referința pentru straturile vechi, de la substrat la influența slavă.
Victor A. Friedman și Brian D. Joseph, „The Balkan Languages”
Cambridge University Press, 2025. Sinteză despre contactul lingvistic balcanic și rolul slavonei ca limbă scrisă în spațiul românesc. Ediție cu acces liber.
Alexandru Graur, „Încercare asupra fondului principal lexical al limbii române”
Editura Academiei, 1954. Prima demonstrație sistematică, în românește, că fondul folosit cel mai des e covârșitor latin, oricât de mult ar cântări împrumuturile în dicționar.
Mulțumiri
Pagina nu ar exista fără voluntarii dexonline, care au digitizat dicționarele românești, și fără colaboratorii Wikisource, care au transcris proza secolului al XIX-lea pagină cu pagină.