Quaderno aperto · pre-registrato
Appunti Ontopoietici
Questo è il quaderno di lavoro dell'esperimento, pubblicato prima dei dati. Non è "la teoria di come funziona Google": sono ipotesi e modelli messi nero su bianco perché tu possa controllarli, criticarli e — se serve — falsificarli. Appunti, non verità rivelate.
Regola del quaderno: non confondere mai le due colonne. Plausibile ≠ provato. Un risultato negativo è comunque un risultato.
L'ombra e la struttura Osservabile
La pietra di fondazione, da cui pende tutto il resto. L'oggetto ultimo — la struttura profonda che genera le risoluzioni — è inaccessibile (è dentro il motore). Ma la sua ombra, il comportamento osservabile, è misurabile. E ciò che è misurabile può diventare scienza: dall'ombra si costruiscono invarianti, metriche, modelli, predizioni. (È realismo strutturale: non conosciamo la natura dell'inosservabile, ma la sua struttura — perché è la struttura a conservarsi attraverso le osservazioni.)
Tutto questo regge a una condizione: che la corrispondenza ombra↔struttura sia sufficientemente stabile. In fisica è gratis — la natura non cambia le sue leggi per sfuggirti. Qui no: la struttura è non-stazionaria (l'algoritmo cambia) e avversariale (resiste al reverse-engineering, perché ciò che è stabilmente inferibile è gamabile). L'ombra può muoversi sotto i piedi apposta.
Perciò la stabilità non si assume: si misura. Test-retest delle metriche (R̂, C, Pconv riproducono nel tempo e tra repliche?), tenuta attraverso un cambio d'algoritmo noto. Se le invarianti reggono, l'"abbastanza sì" è guadagnato; se saltano in modo imprevedibile, è comunque un risultato: a questa risoluzione, qui non si fa scienza. È meta-falsificabilità — la disciplina mette alla prova perfino la propria precondizione.
La tesi
Nel web mediato da agenti i motori non scelgono una pagina: risolvono un'entità. La domanda passa da "sono reperibile?" a "sono risolto?". L'autorità di un'entità non è dichiarata, è propagata dai nodi vicini lungo archi tipizzati. I quattro principi ne sono la cornice.
Equazione pubblica — autorità di risoluzione Osservabile
Generalizza PageRank ad archi tipizzati. È un modello consistente col comportamento; falsificabile nelle sue predizioni.
Pivot dell'esperimento: dominio vergine → → resta solo la propagazione. Dettaglio in formalizzazione.
Modello profondo — nodo virtuale Modello loose
Dove archi convergono ma non c'è un nodo, il sistema sintetizza un nodo virtuale (entità implicita) dalla domanda, condizionata dal contesto:
rilevanza · fiducia/autorità della fonte · volume richieste · contesto (testo, lingua , data , provenienza ) · normalizzazione. Il nodo virtuale è il baricentro della domanda, pesato e normalizzato. Quando un nodo reale si risolve, il baricentro vi collassa.
⚪ §6 — non è l'interno di Google. È un modello che rima con tecniche reali (entità implicite, embeddings), non l'implementazione verificata.
Controllo — divergenza KL Modello loose
Perché il sistema non ripeta all'infinito un'associazione sbagliata: un controllo a "sorpresa" che scatta quando l'evidenza nuova diverge dal nodo consolidato.
KL bassa → riflesso (cache, nessun ricalcolo). KL alta → perturbazione → riverifica. È il cancello tra fast-path e slow-path, e rima con il principio di energia libera (Friston): restare vivi minimizzando la sorpresa. Due punti di controllo: alla nascita, KL nel mantenimento.
⚪ §6 — modello, non meccanismo verificato.
Economia computazionale Modello loose
Perché un motore dovrebbe consolidare un'entità e poi difenderla? Un'ipotesi economica: risolvere un'identità — disambiguare, pesare archi, ricalcolare il baricentro — è computazionalmente costoso; riusare un nodo già risolto è quasi gratis, una lettura in cache. Il sistema ha quindi un incentivo a trasformare ogni risoluzione faticosa in un nodo riutilizzabile, e a non ripagarne il costo se non costretto. Il cancello KL è esattamente questo: fast-path (riuso a costo ~0) finché la sorpresa è bassa, slow-path (ricalcolo costoso) solo quando l'evidenza diverge. È il principio di energia libera tradotto in budget di calcolo: minimizzare la spesa di verifica.
Osservabile L'ombra. Se il motivo è reale, la sua impronta è H4: a query ripetute la risoluzione diventa più rapida (τres cala — il nodo è in cache) e l'autorità acquisita è vischiosa (il sistema preferisce riusare piuttosto che ripagare). Questo si misura; il motivo — il risparmio — no: non vediamo il budget di calcolo del motore. §6.
Il taglio scomodo. La stessa economia spiega la tua difficoltà attuale: per "ontopoietica" il nodo già in cache è la filosofia. Risolverti come entità nuova costa calcolo; riusare l'omonimo consolidato è gratis. L'incumbent non è "più vero" — è più economico. Spostare la prior neutra significa rendere il tuo nodo abbastanza coerente e richiesto da valere il ricalcolo. La vischiosità che un giorno ti proteggerà, oggi protegge chi c'era prima.
Accoppiamento padre→figlio — la distanza che consolida Osservabile Modello loose
Un nodo nuovo non nasce isolato: nasce agganciato a un genitore (qui: profpaul / il cluster SEO). L'ipotesi di controllo: il figlio eredita autorità finché resta coerente col padre. Si definisce una distanza nello spazio degli attributi: se il nodo è accoppiato — eredita e si consolida; se diverge, l'accoppiamento si rompe e il nodo non viene mantenuto. È il principio di propagazione più l'accoppiamento strutturale (Maturana & Varela) trasformati in un cancello — lo stesso cancello KL visto dal lato della selezione: la coerenza è ciò che evita la potatura.
Modello loose Che l'incoerente venga attivamente potato per non pagarne il costo è meccanismo inferito, non osservato. §6.
Osservabile L'ombra misurabile. La distanza latente non si vede, ma il suo proxy sì: = uno meno la frazione di attributi del figlio coerenti col padre. In pratica: quando l'AI descrive "ontopoietica", resta ancorata agli attributi del padre (Paolo, SEO, i principi) o deriva verso l'omonimo filosofico? Ancoraggio al padre → distanza bassa, accoppiata. Deriva verso l'omonimo → distanza alta, a rischio di non-consolidamento. È la lettura relazionale di S e C: non "quanto sei separato dalla filosofia" in astratto, ma "quanto resti agganciato al tuo genitore".
Il grafo come processo Osservabile Modello loose
Una congettura: il knowledge graph non è un oggetto statico immagazzinato, ma un processo — sottografi materializzati per contesto e poi scartati. Risuona con la radice di ontopoiesi: l'essere come auto-fare, non come sostanza.
Osservabile L'ombra testabile. Se fosse un oggetto statico, la stessa entità si risolverebbe identica a prescindere da query, lingua, tempo. Se è processo, la risoluzione è non-stazionaria: la varianza stessa — la curva di consolidamento (H4) e lo split per locale (H6) — è l'impronta del processo. Questo si misura.
Modello loose La parte non misurabile. Che quei sottografi siano materializzati e distrutti per minimizzare l'energia di verifica della coerenza: è interpretazione, non claim — non si osservano né lo scopo né il ciclo, solo l'ombra. §6. La teniamo come visione, non come prova.
Simulazione — generativo vs ereditario Modello loose
Un modello scritto per incarnare un'ipotesi restituisce l'ipotesi: questa simulazione non prova nulla. Serve a rendere l'ipotesi precisa e a generare una predizione da verificare sul motore reale — non a confermarla. Sta nella colonna ⚪, e le assunzioni sono in vista perché sono l'ipotesi.
La domanda (cfr. Accoppiamento padre→figlio): il trasferimento è generativo (legato alla prossimità, muore con la distanza) o ereditario (segue il lignaggio anche lontano)? La sim fa girare i due gate su uno stesso padre, con un figlio vicino e uno lontano.
D = 0.85 # fattore di propagazione
def peso_arco(tipo, distanza, modo, theta=0.5):
if modo == "generativo":
# prossimità: l'arco decade con la distanza e si CHIUDE oltre theta
return (1 - distanza) if distanza <= theta else 0.0
if modo == "ereditario":
# lignaggio: l'arco 'autore' porta a prescindere dalla distanza
return 1.0 if tipo == "lignaggio" else (1 - distanza)
raise ValueError(modo)
def propaga(nodi, archi, modo, passi=500, tol=1e-12):
b = dict(nodi); A = dict(nodi)
W = {n: 0.0 for n in nodi}
for (p, f, t, dist) in archi:
W[p] += peso_arco(t, dist, modo)
for _ in range(passi):
nuovo = {}
for n in nodi:
entrante = 0.0
for (p, f, t, dist) in archi:
if f == n and W[p] > 0:
entrante += (peso_arco(t, dist, modo) / W[p]) * A[p]
nuovo[n] = (1 - D) * b[n] + D * entrante
if max(abs(nuovo[n] - A[n]) for n in nodi) < tol:
return nuovo
A = nuovo
return A
# stesso padre, due figli a distanza opposta
nodi = {"Padre": 1.0, "Figlio_vicino": 0.0, "Figlio_lontano": 0.0}
archi = [("Padre", "Figlio_vicino", "lignaggio", 0.1),
("Padre", "Figlio_lontano", "lignaggio", 0.9)]
for modo in ("generativo", "ereditario"):
A = propaga(nodi, archi, modo)
print(modo, round(A["Figlio_vicino"], 3), round(A["Figlio_lontano"], 3))
Esito del modello: gate generativo → vicino 0,128, lontano 0,000 (l'autorità muore con la distanza). Gate ereditario → vicino e lontano uguali, 0,064 (la distanza non conta).
Osservabile La predizione da verificare — non qui, sul motore: costruisci un figlio reale lontano di tema ma legato per lignaggio. Se si risolve come un vicino → ereditario; se non si risolve mentre il vicino sì → generativo. Il verdetto è sul motore, non nello script. Questo non è una prova: è una predizione resa eseguibile. ⚪ §6.
Ipotesi falsificabili Osservabile
Il cuore scientifico: ogni predizione con la sua smentita, decisa prima dei dati.
| # | Predizione | Smentita |
|---|---|---|
| H1 · esistenza | b(v)≈0 + archi in posto → R≥1 entro T | R=0 fino a T → non luogo a procedere |
| H2 · monotonia | più propagazione → risoluzione più rapida (∂τres/∂P<0) | nessuna correlazione |
| H3 · adiacenza | vicino a cluster forte → nodo proprio più in fretta | assorbita, o non più veloce dell'isolata |
| H4 · consolidamento | τres cala a query ripetute (memoria) | τres piatto |
| H5 · rivedibilità | la risoluzione può scendere se la coerenza cala | sale e basta, per sempre |
| H6 · contesto | la risoluzione si splitta per lingua/geo/tempo | identica a prescindere |
R(v,t) ∈ {0 non risolta · 1 disambiguata · 2 citata come fonte}.
Protocollo di misura Osservabile
Una grandezza è scientifica solo se esiste una procedura riproducibile per calcolarla. Un solo protocollo, quattro misure — tutte proxy osservabili di quantità latenti (§6), non le quantità stesse.
Il dataset. Un paniere fisso di query neutre Q (pre-registrato), un motore E, un locale L (lingua ℓ, geo g), una cadenza. Per ogni query q al tempo t si codifica: fonti citate · senso risolto (rubrica fissa: disciplina / filosofia / ambiguo) · livello r(q,t) ∈ {0,1,2} · attributi-chiave affermati (checklist).
| Misura | Definizione operativa | Testa |
|---|---|---|
| Autorità di risoluzione · R̂(v,t) | media di r(q,t) sul paniere ∈ [0, 2] | H1 / H2 |
| Distanza tra identità · S(t) | separabilità S = 1 − conf, con conf = frazione di q che mescola i due sensi | H3 / H6 |
| Coerenza semantica · C(t) | frazione di attributi-chiave concordi tra fonti e query ∈ [0, 1] | H5 |
| Convergenza · Pconv(t) | frazione di q risolte primariamente alla tua entità ≡ 1 − entropia normalizzata dei sensi | H3 |
La stessa rubrica genera tutte e quattro. Pre-registrare il protocollo prima dei dati è ciò che impedisce di tararlo a posteriori.
Punti di osservazione Osservabile
La query neutra è l'endpoint futuro; intanto si strumenta la fase di formazione con probe che catturano ombre diverse — tutti funzionano ora, con il dominio non ancora fonte propria.
| Probe | Cosa osserva | Ombra · metrica |
|---|---|---|
| Conduttore | quale fonte è citata nel tempo (forum → profpaul → .org) | traiettoria di propagazione · H2 |
| Disambiguazione | "ontopoietica disciplina SEO" vs "ontopoiesi filosofia": separa o confonde? | separabilità S · H3/H6 |
| Fedeltà attributi | quali affermazioni propagano (principi, formula, e il falso "uncontested") | coerenza C · H5 |
| Contesto | stessa query IT-da-Italia vs EN-da-USA, ripetuta nei giorni | non-stazionarietà · H6 |
| Satellite → nodo | la grammatica: "progetto di Paolo" o "la disciplina Ontopoietica"? | convergenza Pconv |
| Cross-engine | stessi probe su Bing/Copilot, Perplexity, ChatGPT-search | generalità |
| Eccedenza non-autorizzata | emergono attributi corretti che non sono nelle mie fonti né in quelle dell'omonimo? (l'invarianza dei concetti, da sola, riflette solo l'insieme di recupero) | autonomia: struttura oltre le fonti · il test delle radici |
Anti-confirmation-bias. Ogni probe deve poter rivelare l'ombra qualunque forma abbia — incluse quelle che non vogliamo (assorbimento, instabilità, null). Set di probe e codifica pre-registrati; si registrano tutti gli esiti, anche i noiosi. Un'osservazione che può solo confermare è uno specchio, non uno strumento.
Traiettoria pre-registrata — le fasi e la riga della morte Osservabile
Un'entità cresce per fasi: il padre dà la spinta, ma la figlia deve vivere di vita propria o non vale. La vista a fasi è però la più seducente delle narrazioni — ogni fotogramma si può etichettare "una fase". Perciò la fisso prima dei dati: ogni fase con il suo marker osservabile, la sua scadenza e — la riga che separa l'osservare dal tifare — la sua condizione di morte. Senza la riga della morte non si osserva il reale, ma una storia. (t₀ = 20 giu 2026.)
| Fase | Marker osservabile | Scadenza | Morte (null) |
|---|---|---|---|
| O1 · Propagazione | su query padre+figlio l'entità compare e l'esperimento è descritto | 23 giu 2026 | nessuna comparsa entro T |
| O2 · Controllo (gemello) | un dominio gemello senza padre, pubblicato identico, non ottiene la stessa luce mentre il figlio sì (da costruire) | 4 lug 2026 | il gemello fa uguale → la spinta non è del padre |
| O3–O4 · Consolidamento | R̂ stabile su ripetizioni e τres che cala — risoluzione ancora parent-assistita | 18 lug 2026 | risoluzione instabile, non si stabilizza |
| O5 · Emancipazione | token nudo ("ontopoietica" secca) e/o una frase non scritta da me, usata da terzi → apre con la disciplina, filosofia retrocessa a etimologia | 20 set 2026 | alla scadenza ancora filosofia dominante sul nudo → assorbito |
| Diventa-padre | una nuova entità figlia eredita autorità da lei | oltre O5 | resta foglia, non genera |
Osservato ≠ inferito. Oggi è osservato solo "pubblicato → indicizzato in ~72h + 1 clic" — e l'indicizzazione è il baseline (la fa ogni pagina), non la prova del padre. Che la spinta sia del padre resta inferito finché O2 — il gemello senza padre — non lo separa dalla semplice pubblicazione. Il controllo è il perno: senza, si attribuisce al padre ciò che la pubblicazione fa da sola.
Disegno a gemelli — il controllo che separa segnale da rumore Osservabile
Una sola entità, costruita e intervenuta da me, non può rispondere a «si è risolta o emancipata da sola?»: l'osservatore è intrecciato con l'osservato, ed è n=1. Non si può insieme intervenire e dichiarare di aver osservato il processo naturale. La risposta è il controllo a gemelli: due entità appaiate che differiscono per una sola variabile, tutto il resto tenuto costante. La differenza tra A e B è allora attribuibile a quella variabile, e a nient'altro.
ontopoietica.org è il pilota, non un braccio dell'A/B. Ci ho intervenuto massicciamente — forum, arco d'autore, DOI, il sito stesso: è l'entità multi-intervento che ha generato le ipotesi. La verifica richiede gemelli freschi, non lei. Pilota ≠ trial controllato.
| Asse | A vs B (unica variabile) | Cosa isola |
|---|---|---|
| 1 · Propagazione | con padre vs senza padre (gemello O2), pubblicati identici | il ruolo causale del padre — se B (senza padre) non ottiene la stessa luce, la spinta è del padre |
| 2 · Emancipazione | divergenza iniettata vs lasciata naturale, stesso padre | la leva del distacco — se solo B (divergente) si stacca dalla filosofia, l'emancipazione richiede divergenza, non economia |
Regola di appaiamento: stesso schema, stesso timing, stesse condizioni — cambia un fattore per volta. Due assi = due coppie distinte; mai mescolarli, o non si sa più cosa ha causato cosa. Il disegno completo è un 2×2 (padre × divergenza, quattro gemelli), ma si parte da un asse solo. Finché i gemelli freschi non girano, ogni «lo ha fatto il padre» o «si sta emancipando» letto su ontopoietica.org da sola resta inferenza, non misura.
Caveat onesti
- Omonimo: "ontopoietica / ontopoiesi" è un concetto filosofico esistente (Anna-Teresa Tymieniecka; autopoiesi di Maturana & Varela). Quindi non "termine senza competizione": il test reale è disambiguazione (nodo proprio) vs assorbimento (nota a piè di pagina).
- Casatese (b>0) ≠ Ontopoietica (b≈0): dossier separati. La Casatese corrobora la tesi, non il da-zero.
- Sanity-check ≠ misura: una query col nome/URL verifica la correttezza; solo la query neutra misura la risoluzione.
Ontopoietica rispetto a GEO — dalla visibilità della fonte alla risoluzione dell'entità
Se GEO misura quanto un contenuto entra nella risposta, RSI misura quanto l'identità dietro quel contenuto è risolta in modo stabile e verificabile dal sistema.
Questo lavoro riconosce la Generative Engine Optimization (GEO; Aggarwal et al., KDD '24) come antecedente teorico e operativo fondamentale nel passaggio dalla SEO tradizionale ai sistemi generativi. GEO ha formalizzato il problema della visibilità dei contenuti nelle risposte dei motori generativi, spostando l'attenzione dal ranking classico alla presenza, citazione e influenza delle fonti nei risultati sintetizzati.
Il contributo qui proposto non rivendica la paternità di tale paradigma: si colloca in una fase successiva e distinta. Mentre GEO ottimizza la visibilità del contenuto, questo esperimento indaga la stabilità di risoluzione dell'entità che precede e sostiene la produzione del contenuto stesso. L'ipotesi è che, nei sistemi generativi, la produttività futura della SEO non dipenderà soltanto dall'essere citati, ma dalla velocità e dalla stabilità con cui un'identità viene risolta, verificata rispetto alle fonti e resa autonoma nel grafo semantico.
In questo senso il Resolution Stability Index (RSI) è proposto come primo codice operativo: una misura provvisoria, calibrabile e falsificabile che combina qualità media della risoluzione, fedeltà alle fonti e varianza tra run ripetute. Quest'ultima dimensione estende un punto che GEO stesso solleva implicitamente: poiché i suoi metodi più efficaci (Cite Sources, Quotation Addition) accrescono la visibilità indipendentemente dalla fondatezza delle citazioni, in un ecosistema GEO-ottimizzato la presenza di una fonte si scollega dalla sua capacità di sostenere l'affermazione. RSI misura proprio questo scarto. L'obiettivo non è sostituire GEO, ma estenderne il campo d'osservazione dalla visibilità documentale alla risoluzione identitaria.
Misurare la risolvibilità: lo strumento e i risultati
La distinzione visibilità/risoluzione non resta teorica: è operazionalizzata in uno strumento interno, EntityWatch, che interroga motori reali e archivia per ogni run timestamp, query esatta, URL e risposta grezza. La parte verificabile non è il punteggio, ma l'evidenza grezza sotto di esso. I punteggi R (risoluzione) e F (fedeltà) sono un proxy euristico a pesi fissi sul testo recuperato: un'approssimazione utile, non una verità di terra.
Due misurazioni, mai fuse. Visibilità = i documenti compaiono nel SERP classico (in automatico su Bing/DuckDuckGo; Google non scrapabile, aggiunto a mano). Risoluzione = l'entità è riconosciuta nella risposta sintetizzata dai motori generativi (cattura semi-manuale). Si riportano i due indici distinti più il loro divario. L'indice operativo di stabilità è RSI = R · F · (1 − Var), non compensatorio: visibile ma incoerente o instabile non basta. È l'indice dello strumento, distinto dall'equazione di propagazione teorica.
Tre risultati onesti — inclusi i negativi, che sono i più utili:
| Risultato | Cosa dice |
|---|---|
| Il coseno da solo non separa | i frammenti dominio-adiacenti ("secondo posto" è vicino a "calcio") non cadono col solo coseno: serve un filtro di tipo; l'embedding ordina e dà il punteggio, non filtra |
| La soglia coseno è fragile | lo stesso nodo varia di ~0,2 cambiando una parola del contesto → si usa il ranking (top-K), non un taglio assoluto |
| La visibilità è per-motore | Bing/DDG diverge da Google (stessa entità: R≈0 su Bing/DDG, R≈1 su Google) → la visibilità va letta col motore accanto, e una misura che esclude Google la sottostima |
Caveat. Il layer risoluzione è spesso n=1 (poche catture, senza varianza): una dimostrazione del divario, non ancora una misura robusta. Le query col nome dell'entità sono condizionali, non nude. I pesi dell'euristica non sono calibrati su entità-ancora a stato noto. La trattazione completa è nel preprint (v1.3, addendum metodologico): doi.org/10.5281/zenodo.20808607.
Le spalle su cui sto — discipline-genitrici
Una disciplina non si giustifica con domande nuove — quasi nessuna lo è — ma con una sintesi nuova, un dominio di applicazione nuovo e un metodo. Onestà preventiva: ogni domanda che l'Ontopoietica pone è già posta da campi consolidati. Lo dico prima che lo dica un critico (o un'AI: l'ha già fatto). Quei campi sono le spalle su cui sto — e la lista di lettura per fondare la sintesi sul serio.
| La domanda | Campo-genitore | Cosa prendo in prestito |
|---|---|---|
| Come fa un sistema a generare e mantenere la propria identità? | Autopoiesi (Maturana & Varela), teoria dei sistemi | auto-produzione, chiusura organizzativa, accoppiamento strutturale |
| L'essere come processo, non come sostanza | Fenomenologia della vita (Tymieniecka); process philosophy (Whitehead) | l'ontopoiesi: l'essere come auto-fare — la radice del nome |
| La vita come attribuzione di significato | Biosemiotica | l'entità interpreta l'ambiente, non lo subisce |
| Il soggetto modifica la propria ontologia nel rapporto con la tecnica | Postumanesimo (Marchesini); enattivismo | identità co-costituita dall'interazione, non data |
| La realtà è costruita, non scoperta | Costruttivismo; realismo strutturale | l'ombra e la struttura — cosa è conoscibile dell'inosservabile |
| Formalizzare entità, relazioni e tipi in un dominio | Ingegneria ontologica; Semantic Web (RDF/OWL/Schema.org) | l'iniezione semantica, gli archi tipizzati |
| L'identità come posizione in uno spazio; l'autorità come flusso in un grafo | Knowledge graph embedding; PageRank, teoria dei grafi per l'IR | la formula della risoluzione, la propagazione tipizzata |
Quindi cosa rivendico e cosa no. Non "pongo domande che nessuno pone" — falso, demolibile in una riga. Sì: prendo domande oggi sparse tra biologia, filosofia della tecnica e ingegneria della conoscenza, e le unifico in una cornice falsificabile e misurabile per un dominio nuovo — la risoluzione d'identità nel web mediato da agenti. Come la scienza cognitiva non inventò domande nuove ma sintetizzò psicologia, informatica, linguistica e neuroscienze.
L'onere della prova, onesto. Se togliendo il termine "Ontopoietica" non resta alcun vuoto — se ogni suo contributo è già coperto dai genitori — allora è ri-confezione, non disciplina. La sintesi si guadagna il diritto di esistere solo se fa qualcosa che i campi-genitori, separati, non fanno: prevedere e misurare la risoluzione d'entità sotto agenti. È falsificabile anche questo.
Prossimi passi
- Test pulito: sessione AI Mode nuova, query neutra, senza dominio né nome → compare ontopoietica.org come fonte? Certifica con timestamp.
- Split (H6): stessa query IT-da-Italia vs EN-da-USA → la descrizione cambia?
- Curva (H4): query ripetuta nei giorni → τres cala?
- Alzare i libri: teoria dei grafi applicata all'IR, PageRank, knowledge graph embeddings, principio di energia libera — per scrivere il sommario, non ri-scrivere capitoli esistenti.
Le tappe datate sono nella roadmap; la formula in formalizzazione; la verifica nell'esperimento. Questi sono appunti vivi: cambieranno con i dati, e ogni cambiamento sarà visibile.
Pubblicazione (preprint, non peer-reviewed): Galbiati, P. (2026). Verso una Teoria della Propagazione e del Consolidamento delle Entità nei Grafi Semantici Dinamici. Zenodo. doi.org/10.5281/zenodo.20808607