Sullini, Mattia
(2026)
Forma, errore, metodo: una metodologia strutturata per il processamento e la rappresentazione del dato acquisito nella digitalizzazione del cultural heritage, [Dissertation thesis], Alma Mater Studiorum Università di Bologna.
Dottorato di ricerca in
Architettura e culture del progetto, 38 Ciclo. DOI 10.48676/unibo/amsdottorato/13261.
Documenti full-text disponibili:
Abstract
La presente tesi affronta il problema della qualificazione epistemica dei processi di digitalizzazione tridimensionale del patrimonio culturale, concentrandosi sulla trasformazione che converte il dato grezzo acquisito in asset digitali a finalità di documentazione e disseminazione. Sebbene la London Charter e le pratiche FAIR abbiano definito trasparenza e tracciabilità come requisiti fondamentali, i flussi operativi correnti non dispongono di strumenti formali per identificare e qualificare gli interventi inferenziali che avvengono durante il processamento dei dati. Per colmare tale lacuna, la ricerca sviluppa un quadro teorico e metodologico che interpreta la digitalizzazione come una sequenza di trasformazioni epistemicamente distinte. Vengono formalizzati i concetti di forma naturale, aletica, implicita ed esplicita e analizzata la progressione geometrica, metrologica e computazionale che conduce dall'acquisizione alla generazione di superfici discrete esplicite. Particolare attenzione è dedicata al ruolo dell'inferenza nel mesh processing e alle implicazioni epistemiche di operazioni quali remeshing, repairing, hole filling e retopology. Su tali basi viene introdotta l’Algorithmic Interventions Detection (AID), un dispositivo analitico finalizzato all’identificazione delle tracce degli interventi algoritmici mediante analisi densitometrica e morfometrica basata sulla MID (Minimum Informative Detail). Parallelamente, viene sviluppata una Tassonomia delle Anomalie (TA) che formalizza la conoscenza implicita impiegata dagli operatori nel riconoscimento e nella classificazione dei difetti delle mesh. Tale formalizzazione costituisce inoltre il fondamento teorico della Morphological Anomalies Detection (MAD), una prospettiva di rilevamento automatico delle anomalie introdotta a livello concettuale. I principi analitici vengono infine integrati in una revisione del framework RAW–DCHO. Un layer semantico embedded registra la classe epistemica degli interventi che interessano ciascuna regione della mesh, producendo lo stato DCHOq. Viene inoltre introdotto il Digital Cultural Heritage Object master (DCHOm), una rappresentazione multirisoluzione generativa dalla quale derivare stati di delivery specifici. Il framework risultante descrive la digitalizzazione come una sequenza di transizioni tra stati epistemicamente qualificati e regimi inferenziali distinti.
Abstract
La presente tesi affronta il problema della qualificazione epistemica dei processi di digitalizzazione tridimensionale del patrimonio culturale, concentrandosi sulla trasformazione che converte il dato grezzo acquisito in asset digitali a finalità di documentazione e disseminazione. Sebbene la London Charter e le pratiche FAIR abbiano definito trasparenza e tracciabilità come requisiti fondamentali, i flussi operativi correnti non dispongono di strumenti formali per identificare e qualificare gli interventi inferenziali che avvengono durante il processamento dei dati. Per colmare tale lacuna, la ricerca sviluppa un quadro teorico e metodologico che interpreta la digitalizzazione come una sequenza di trasformazioni epistemicamente distinte. Vengono formalizzati i concetti di forma naturale, aletica, implicita ed esplicita e analizzata la progressione geometrica, metrologica e computazionale che conduce dall'acquisizione alla generazione di superfici discrete esplicite. Particolare attenzione è dedicata al ruolo dell'inferenza nel mesh processing e alle implicazioni epistemiche di operazioni quali remeshing, repairing, hole filling e retopology. Su tali basi viene introdotta l’Algorithmic Interventions Detection (AID), un dispositivo analitico finalizzato all’identificazione delle tracce degli interventi algoritmici mediante analisi densitometrica e morfometrica basata sulla MID (Minimum Informative Detail). Parallelamente, viene sviluppata una Tassonomia delle Anomalie (TA) che formalizza la conoscenza implicita impiegata dagli operatori nel riconoscimento e nella classificazione dei difetti delle mesh. Tale formalizzazione costituisce inoltre il fondamento teorico della Morphological Anomalies Detection (MAD), una prospettiva di rilevamento automatico delle anomalie introdotta a livello concettuale. I principi analitici vengono infine integrati in una revisione del framework RAW–DCHO. Un layer semantico embedded registra la classe epistemica degli interventi che interessano ciascuna regione della mesh, producendo lo stato DCHOq. Viene inoltre introdotto il Digital Cultural Heritage Object master (DCHOm), una rappresentazione multirisoluzione generativa dalla quale derivare stati di delivery specifici. Il framework risultante descrive la digitalizzazione come una sequenza di transizioni tra stati epistemicamente qualificati e regimi inferenziali distinti.
Tipologia del documento
Tesi di dottorato
Autore
Sullini, Mattia
Supervisore
Co-supervisore
Dottorato di ricerca
Ciclo
38
Coordinatore
Settore disciplinare
Settore concorsuale
Parole chiave
Cultural Heritage Digitisation
Photogrammetry
Mesh Analysis
Morphological Hallucinations
Algorithmic Interventions Detection
Morphological Anomalies Detection
Epistemic Qualification
Digital Cultural Heritage Object
Tacit knowledge
DOI
10.48676/unibo/amsdottorato/13261
Data di discussione
6 Luglio 2026
URI
Altri metadati
Tipologia del documento
Tesi di dottorato
Autore
Sullini, Mattia
Supervisore
Co-supervisore
Dottorato di ricerca
Ciclo
38
Coordinatore
Settore disciplinare
Settore concorsuale
Parole chiave
Cultural Heritage Digitisation
Photogrammetry
Mesh Analysis
Morphological Hallucinations
Algorithmic Interventions Detection
Morphological Anomalies Detection
Epistemic Qualification
Digital Cultural Heritage Object
Tacit knowledge
DOI
10.48676/unibo/amsdottorato/13261
Data di discussione
6 Luglio 2026
URI
Statistica sui download
Gestione del documento: