Capita spesso di sentire frasi come “si vede che l’ha scritto un uomo” o “questo testo ha uno stile tipicamente femminile”. È un’osservazione diffusa, quasi intuitiva, che si basa su impressioni di lettura più che su dati. Ma cosa succede quando questa intuizione viene messa alla prova con strumenti linguistici e computazionali? La ricerca su questo tema esiste da decenni ed è più articolata di quanto il senso comune lasci pensare.
Esistono davvero differenze medie nello stile di scrittura?
La risposta della letteratura è tendenzialmente sì, ma con importanti precisazioni. Diversi studi, condotti su corpora differenti — testi formali, narrativa, scrittura accademica, elaborati studenteschi — individuano differenze medie tra la scrittura attribuita a uomini e quella attribuita a donne, differenze che si mantengono attraverso generi testuali diversi.
Nella scrittura formale, per esempio, i testi femminili tendono a mostrare tratti più “coinvolgenti”, legati all’uso di pronomi e a un linguaggio orientato alla relazione, mentre i testi maschili tendono a privilegiare tratti più “informativi”, con maggiore uso di specificatori nominali, sostantivi e uno stile più esplicitamente fattuale. Altri lavori aggiungono a questo quadro l’osservazione che le donne utilizzerebbero più spesso attenuatori, domande di conferma, connettivi e un linguaggio legato agli stati emotivi o mentali, oltre a un maggiore riconoscimento di punti di vista alternativi, mentre negli uomini emergerebbe più frequentemente un linguaggio diretto, assertivo, orientato all’azione o al risultato. Nella scrittura accademica, alcuni studi rilevano inoltre uno stile più auto-promozionale e un linguaggio più positivo negli uomini, a fronte di un linguaggio citazionale meno enfatico e di uno stile più coinvolgente nelle donne.
Si può prevedere il genere di chi scrive da un testo?
Qui entra in gioco la parte computazionale della ricerca. Diversi sistemi automatici sono stati addestrati per inferire il genere dell’autore a partire da testi molto diversi tra loro — opere letterarie, chat, microblog, blog, corpora multilingue — con risultati che, quando l’addestramento e il test avvengono su dati simili, superano nettamente il caso: le accuratezze riportate variano approssimativamente dal 71% a oltre il 90%, a seconda del corpus, del genere testuale e del modello utilizzato.
Le prestazioni dipendono molto dal tipo di caratteristiche linguistiche impiegate: tratti lessicali, sintattici, “digitali”, legati alle parole funzionali o alle frequenze lessicali contribuiscono tutti in modo diverso, e gli approcci a vocabolario aperto tendono spesso a funzionare meglio e con meno distorsioni sistematiche.
Il limite più importante: da dove viene davvero il segnale?
Qui la ricerca introduce una distinzione cruciale. Quando i modelli vengono spostati da un dominio all’altro — per esempio addestrati su un tipo di testo e testati su un altro — la capacità predittiva si indebolisce sensibilmente. Parte dell’apparente capacità di prevedere il genere, infatti, non deriva da marcatori stilistici stabili, ma da elementi legati al tema trattato o a stereotipi presenti nei dati di addestramento, che il modello finisce per “imparare” al posto di un vero tratto stilistico.
In altre parole: un sistema può risultare accurato non perché ha individuato uno stile di scrittura maschile o femminile in senso stretto, ma perché ha individuato argomenti, contesti culturali o pattern che nel campione utilizzato correlano con il genere, senza che questo garantisca la stessa validità su testi diversi.
I limiti dell’inferenza
È importante essere chiari su cosa questi risultati permettono di dire e cosa no.
La ricerca supporta l’idea che esistano differenze medie di gruppo nello stile di scrittura, e che queste differenze possano, in alcuni contesti, alimentare previsioni computazionali con un’accuratezza superiore al caso. Non supporta, invece, l’idea che lo stile di un singolo testo consenta di stabilire con certezza il genere di chi lo ha scritto.
Le ragioni sono diverse e si sommano tra loro: la sovrapposizione tra i due gruppi è ampia, il genere testuale incide quanto — se non più — del genere dell’autore, il contesto culturale gioca un ruolo rilevante, e i modelli computazionali possono confondere segnali stilistici autentici con temi ricorrenti o stereotipi presenti nei dati con cui sono stati addestrati. Per questo, anche quando un modello raggiunge un’accuratezza elevata su un determinato corpus, questo risultato non si traduce automaticamente in una capacità di lettura affidabile del singolo caso, né in una generalizzazione valida al di fuori del contesto in cui è stato misurato.
In sintesi: è possibile osservare differenze medie di stile associate al genere e costruire, a partire da queste, un’inferenza probabilistica sul possibile genere di chi scrive un testo. Non è invece possibile trasformare questa inferenza in un’attribuzione certa riferita a una singola persona, un singolo testo, un singolo caso.
Fonti
Y., Teng, Y., Deng, Z., Liu, L., & Zhang, Y. (2023). Does writing style affect gender differences in the research performance of articles?: An empirical study of BERT-based textual sentiment analysis. Scientometrics, 128, 2105 – 2143. https://doi.org/10.1007/s11192-023-04666-w
Ali, S., & Abdulhaleem, E. (2024). Do They Write Differently? Exploring Gendered Linguistic Differences in Academic Writings of Saudi Writers. Journal of Language Teaching and Research. https://doi.org/10.17507/jltr.1504.31
Argamon, S., Koppel, M., Fine, J., & Shimoni, A. R. (2003). Gender, genre, and writing style in formal written texts. Third Text, 23, 321-346. https://doi.org/10.1515/text.2003.014
Asra, S., & Wiradisastra, G. (2022). LINGUISTIC VARIATION BETWEEN MALE AND FEMALE STUDENTS IN ACADEMIC WRITING. Language Literacy: Journal of Linguistics, Literature, and Language Teaching. https://doi.org/10.30743/ll.v6i2.5910
Chen, H., Roth, M., & Falenska, A. (2024). What Can Go Wrong in Authorship Profiling: Cross-Domain Analysis of Gender and Age Prediction. Proceedings of the 5th Workshop on Gender Bias in Natural Language Processing (GeBNLP). https://doi.org/10.18653/v1/2024.gebnlp-1.9
Hamdan, S. (2020). Identifying the Linguistic Genderlects of the Style of Writing of Arab Male and Female Novelists. The Journal of Education, Culture, and Society, 2011, 55-63. https://doi.org/10.15503/jecs20112.55.63
Jeyaraj, M. N., & Delany, S. J. (2023). Author Gender Identification Considering Gender Bias. 214-225. https://doi.org/10.1007/978-3-031-26438-2_17
Kucukyilmaz, T., Cambazoglu, B. B., Aykanat, C., & Can, F. (2006). Chat Mining for Gender Prediction. 274-283. https://doi.org/10.1007/11890393_29
Levitskaya, E., Kedrick, K., & Funk, R. J. (2022). Investigating writing style as a contributor to gender gaps in science and technology. ArXiv, abs/2204.13805. https://doi.org/10.48550/arxiv.2204.13805
Mereke, Z. (2026). Invisible Authors, Visible Gender: How Readers Infer Author Gender from Fiction. Open Cultural Studies. https://doi.org/10.1515/culture-2025-0103
Mikros, G. K., & Boumparis, D. (2024). Cross-linguistic authorship attribution and gender profiling. Machine translation as a method for bridging the language gap. Digit. Scholarsh. Humanit., 39, 954-967. https://doi.org/10.1093/llc/fqae028
Morales Sánchez, D., Moreno, A., & Jiménez López, M. J. (2022). A White-Box Sociolinguistic Model for Gender Detection. Applied Sciences. https://doi.org/10.3390/app12052676
Mukherjee, S., & Bala, P. (2016). Gender classification of microblog text based on authorial style. Information Systems and e-Business Management, 15, 117 – 138. https://doi.org/10.1007/s10257-016-0312-0
Nugroho, M., & Suseno, I. G. (2025). Gender and Language: Analyzing Communication Styles in Argumentative Writing. Journal of Communication & Public Relations. https://doi.org/10.37535/105004120256
Ridha, M., Sinar, T., & Zein, T. (2024). Gender-Based Differences in EFL Writing: Linguistic Features in Indonesian High School Students’ Narratives. Elsya : Journal of English Language Studies. https://doi.org/10.31849/elsya.v6i3.22528
Rizkiawan, M. A., Razali, A. B., & Owen, M. (2025). Stylistic differences in male and female undergraduate narratives: A content analysis in an EFL context. Scientific English. https://doi.org/10.58712/se.v1i1.3
Rubin, D., & Greene, K. (1992). Gender-Typical Style in Written Language. Research in the Teaching of English. https://doi.org/10.58680/rte199215447
Wiyanto, M. S., & Asmorobangun, P. W. (2020). GENDER DIFFERENCES OF STUDENTS’ WRITING ABILITY IN DESCRIPTIVE TEXT. 153-161. https://doi.org/10.33394/jollt.v8i2.2314
Younkin, V., Litvak, M., & Rabaev, I. (2024). Automatic Gender Identification from Text. Applied Sciences. https://doi.org/10.3390/app142412041
Zhu, D., Yang, L., & Liang, X. (2022). Gender classification in classical fiction: A computational analysis of 1113 fictions.. Mathematical biosciences and engineering : MBE, 19 9, 8892-8907 . https://doi.org/10.3934/mbe.2022412
