București sau ChișinăuROEN

  1. Aceeași limbă, două prese

    Româna din știrile de la Chișinău și de la București: ce le mai deosebește

    Aceeași limbă, în presa din două țări. În corpusul MOROCO, o cincime din formele de tipul „sînt”/„sunt” de pe site-urile .md erau cele vechi; în 2026, aproape niciuna. Au rămas diferite câteva alegeri între cuvinte pe care le știe oricine („a menționat” sau „a afirmat”, „în cadrul”, „totodată”) și, mai ales, subiectele. Un program care a învățat din 21.719 dintre aceste știri le deosebește pe celelalte în 94 de cazuri din 100; pe site-uri citite în 2026, în 80,5% din cazuri.

    94%din știrile de test ale corpusului MOROCO, recunoscute corect. Același program, pe 18 site-uri citite în 2026: 80,5%.
    Încearcă tu: 10 fraze Mai jos, indiciile care dau de gol țara site-ului se sting pe rând, categorie cu categorie.

Chișinău sau București? Zece fraze

Fiecare frază deschide o știre reală din setul de test al corpusului, publicată pe un site .md sau .ro. Numele sunt înlocuite cu ■. Programul jocului e de același fel cu cel descris mai jos, la „Studiul din 2019”: a învățat din cele 21.719 știri de antrenare ale corpusului ce cuvinte și perechi de cuvinte apar mai des pe site-urile .md sau pe cele .ro. Niciuna dintre frazele de aici nu provine din știrile folosite la antrenare. O rundă are între trei și șapte fraze de pe site-uri .md, alese la întâmplare. Alege, apoi vezi ce a ales programul și ce cuvinte trag într-o parte; la final, le poți revedea pe toate.

  1. Studiul din 2019

    Ce au în comun 33.564 de știri#

    În 2019, Andrei Butnaru și Radu Tudor Ionescu au publicat MOROCO: 33.564 de știri de pe cele mai populare cinci site-uri de știri din fiecare țară, etichetate după domeniu, .md sau .ro, cu numele de oameni și de locuri înlocuite. Cel mai bun program al lor a ghicit țara în 94,13% din știrile de test. Un program mai simplu, refăcut aici, ajunge la 94,5%; fără cele 453 de știri de test care apar identic și printre cele de antrenare sau de validare, la 94,1%.

    Programul de pe această pagină e un clasificator simplu, refăcut după studiul din 2019: numără cuvinte și litere și învață care apar mai des pe .md sau pe .ro. Nu e al autorilor MOROCO și nu înțelege textul. Studiul dă câteva exemple de indicii, ca „sînt” sau „tenismen”, dar nu spune cât cântărește fiecare și dacă țin pe alte site-uri. În dreapta, fiecare cuvânt are culoarea țării spre care îl împinge programul; cele mai multe rămân gri.

    Pagina compară presa în limba română din Republica Moldova și din România. Academia de Științe a Moldovei a stabilit în 1994 și a reconfirmat în 1996 că „limba de stat (oficială) a Republicii Moldova este limba română” (AȘM); Curtea Constituțională a decis în același sens în 2013 (Hotărârea nr. 36/2013), iar Legea nr. 52/2023 a înlocuit „limba moldovenească” cu „limba română” în legi (textul legii). Eticheta programului arată țara site-ului, nu graiul, naționalitatea sau identitatea celui care scrie.

  2. Primul strat

    O regulă din 2016, respectată de toată presa#

    Grafia e indiciul cel mai cunoscut. Dintre cuvintele numărate aici care se pot scrie în ambele feluri („sînt” și „sunt”, „cînd” și „când”), 19,5% apar în forma veche în știrile .md și 0,5% în cele .ro. Nu tot Chișinăul scria așa: 15,6% din știrile .md au doar forme vechi, iar celelalte au doar forme noi, un amestec de forme vechi și noi sau niciuna dintre aceste forme.

    Grafia cu â și „sunt” a revenit în România în 1993 (Academia Română, 1993). La Chișinău, Academia de Științe a recomandat-o în iulie 2016 și a cerut presei să treacă la ea până la 1 ianuarie 2017 (Hotărârea AȘM nr. 205/2016). În articolele din 2026, citite cuvânt cu cuvânt, grafia veche apare o singură dată pe site-urile din Moldova și de patru ori pe cele din România; celelalte potriviri sunt cuvinte compuse scrise corect, ca „supraîncărcat” sau „bineînțeles”, ori greșeli de tastare, ca „cunoscutîn”. Un program care vede doar grafia ghicea țara pentru 60% din știrile corpusului (la întâmplare: 50%) și pentru 53% din cele din 2026.

  3. Al doilea strat

    Tastatura redacției#

    Unele site-uri din România publicau fără diacritice („si”, „in”, „fara”). Altele scriau ş și ţ cu sedilă în loc de ș și ț cu virgulă, o moștenire a vechilor fonturi (Unicode).

    Un program care vede doar aceste obiceiuri ghicea țara pentru 66% din știrile corpusului și pentru 51% din cele din 2026.

  4. Al treilea strat

    Formulele redacției#

    Și formulele diferă. În corpus, „transmite”, cu care se citează o agenție (în articolele din 2026 apare, de pildă, „transmite IPN”), e de 5,7 ori mai frecvent pe site-urile .md; în 2026 nu mai e. Tot în corpus, site-urile .ro dădeau mai des ziua săptămânii („sâmbătă”, „vineri”), iar cele .md scriau mai des „astăzi”; în 2026 rămâne doar diferența la „astăzi”. Unele site-uri .md preluau știri ale agențiilor din România: „scrie Agerpres” trage spre Chișinău tocmai de aceea.

    Un program care vede doar formulele ghicea țara pentru 70% din știrile corpusului și pentru 55% din cele din 2026. O parte din ce învățase erau obiceiurile câtorva redacții.

  5. Al patrulea strat

    Cuvintele care numesc țara#

    Filtrul de nume al corpusului nu prinde tot. Rămân „raionul”, „județul”, „moldovenesc”, „românii”, „capitala”: cuvinte care țin mai mult de subiectul știrii decât de felul în care e scrisă.

    Un program care vede doar o listă de astfel de cuvinte ghicește țara pentru 83% din știrile din 2026, un scor mai bun decât al oricărui alt program testat aici cu un singur fel de indiciu.

  6. Al cincilea strat

    Temele diferă#

    Partea .md a corpusului are mai multă politică și mai mult sport; partea .ro, mai multe știri despre finanțe și tehnologie. De aceea unele cuvinte trag într-o parte doar prin subiect: „partid” era de 1,3 ori mai frecvent pe .md în corpus, iar în 2026 e mai frecvent pe .ro; „companie”, invers.

    Comparațiile corecte sunt cele din aceeași temă, ca perechile din capitolul „Aceeași știre, alte cuvinte”. Cu același număr de știri din fiecare țară pe fiecare temă, scorul programului scade puțin, de la 91,7% la 91,1%.

  7. Ce ține

    Limba comunicatelor: ce rămâne, ce s-a stins#

    Patru cuvinte și expresii folosite în relatările despre instituții apar pe toate cele 11 site-uri din Moldova și rămân de câteva ori mai frecvente acolo și în 2026: „totodată”, „în baza”, „în cadrul”, „întreprindere”. Altele sunt mai rare, dar tot mai frecvente la Chișinău: „la moment” cu sensul „acum” (de nouă ori, pe trei site-uri), „întrevedere”, „peste hotare”, „formațiune”. Iar unele, foarte frecvente la Chișinău în corpus, aproape că au dispărut în 2026: „cu începere de la”, „careva”, „cu referire la”, „urmează a”, „un șir de”.

    Aproape toate sunt în dicționare (DEX: întrevedere, DEX: bază, DLRLC: hotar); „cu referire la” e trecut ca expresie „în limbajul administrativ” (DLRLC: referire), iar „reieșind din”, cu sensul „pornind de la”, e corectat de Andrei Crijanovschi (Limba Română, 2008). Diferența e de doză: cuvintele acestea apar și în presa din România, doar mai rar.

    Lista de 23 de forme a fost alcătuită după o primă privire asupra ambelor colecții: e o explorare, nu un test orb. Un program care vede doar lista recunoaște 42% din știrile moldovenești din 2026 și 87% din cele românești: le găsește mai ales pe cele românești, prin lipsa acestor cuvinte.

  8. Testul care lipsea

    Pe 18 site-uri citite în 2026: 80 din 100#

    Studiile despre MOROCO au testat programele pe alte știri din același corpus, iar site-urile lui nu sunt numite. Pe mesaje de pe Twitter, scorul F1 al unui program bazat pe cuvinte și antrenat pe aceste știri a scăzut de la 0,94 la 0,50 (Ceolin și Zhang, 2020). Aici, programul antrenat pe tot corpusul a citit 981 de articole publicate în 2026 pe 18 site-uri, 11 din Moldova și șapte din România. Nu se știe dacă unele dintre aceste site-uri sunt și în corpus.

    A ghicit 80,5%, în medie pe cele două țări (87% din știrile românești și 74% din cele moldovenești), față de 94% în corpus. Cu straturile de mai sus scoase: 77%, adică 91% din știrile românești și doar 62% din cele moldovenești. În dreapta rămân aprinse doar cuvintele care trag în aceeași parte și în articolele din 2026.

  9. Unde e diferența

    Când nu e vorba de Moldova, diferența scade#

    Cu straturile scoase, programul recunoaște 75% din știrile site-urilor din Moldova care pomenesc de cel puțin două ori Moldova, Chișinăul sau instituțiile ei, dar doar 46% din celelalte. Știrile românești rămân recognoscibile și fără România în ele: 96% și 88%. Pe unele site-uri din Moldova (ziarulnational.md, bani.md), programul greșește mai des decât nimerește.

    Asta nu înseamnă că diferența dispare. Pus să aleagă între două știri, una de pe un site .md și una de pe un site .ro, programul o găsește pe cea de la Chișinău în 94 de cazuri din 100 când ambele au cel puțin două mărci ale țării și în 76 de cazuri din 100 când niciuna nu le are. Programul a învățat pe un corpus în care știrile din Moldova vorbeau des despre Moldova, așa că le recunoaște mai ușor pe acestea.

Același subiect, alte cuvinte#

Pe lângă subiecte, diferă și alegeri obișnuite între cuvinte pe care le știe oricine. Comparate temă cu temă (politică, sport, finanțe, cultură, știință, tehnologie), 186 de cuvinte trag în aceeași parte în toate cele șase teme ale corpusului.

Cu o regulă strictă (diferența trebuie să fie clară în fiecare temă și să se păstreze în 2026 pe cele mai multe site-uri), pe partea .md rămân 20 de cuvinte, mai ales din limba instituțiilor și a proiectelor: „dezvoltarea”, „domeniul”, „participarea”, „proiectul”, „desfășura”, „constituie”, „beneficia”. Pe partea .ro rămân doar patru: zilele săptămânii („luni”, „vineri”), „asta” și „(și-a dat) seama”. O parte din diferență poate ține de genul articolelor (comunicate și știri de agenție, reportaje și opinii), pe care corpusul nu îl notează.

Perechile de mai jos arată ce proporție din totalul aparițiilor celor două cuvinte îi revine primului, pe fiecare parte: în tema în care se folosesc, în tot corpusul și în articolele din 2026, care nu au teme. Ambele cuvinte din fiecare pereche sunt corecte.

din pereche

  1. „circa” sau „aproximativ” în știrile de finanțe

    MOROCO, finanțe

    .md66%
    .ro30%

    MOROCO, toate temele

    .md54%
    .ro27%

    2026, toate temele

    .md24%
    .ro11%

    În 2026: 82 „circa” și 267 „aproximativ” pe .md; 21 și 165 pe .ro.

    Diferența se păstrează în articolele din 2026. Apariții în corpus, în tema perechii: 776 „circa” și 404 „aproximativ” pe .md; 294 și 672 pe .ro.

    Pe un site .md A îndeplinit două contracte de reparare a circa 50 de km de drum.

    Pe un site .ro Aceste două tronsoane sunt în execuţie deja de 3 ani, iar stadiul fizic oficial este de aproximativ 49% pentru lotul 1 şi 46% pentru lotul 2.

  2. „agent economic” sau „firmă” în știrile de finanțe

    MOROCO, finanțe

    .md74%
    .ro2%

    MOROCO, toate temele

    .md64%
    .ro2%

    2026, toate temele

    .md30%
    .ro1%

    În 2026: 18 „agent economic” și 43 „firmă” pe .md; 1 și 94 pe .ro.

    Diferența se păstrează în articolele din 2026. Aparițiile din 2026 sunt puține. Apariții în corpus, în tema perechii: 523 „agent economic” și 183 „firmă” pe .md; 36 și 1.734 pe .ro.

    Pe un site .md S-a mărit şi numărul creditelor acordate de bănci agenţilor economici, cu peste 12%.

    Pe un site .ro Firmele vor avea costuri mai mari, iar salariatul de rând încă nu știe cât va primi după mutarea contribuțiilor de la angajator în sarcina lui.

  3. „partidă” sau „meci” în știrile de sport

    MOROCO, sport

    .md36%
    .ro19%

    MOROCO, toate temele

    .md49%
    .ro27%

    În 2026 nu se poate măsura: articolele nu sunt etichetate pe teme, iar în știrile politice „partide” se referă la partidele politice. Apariții în corpus, în tema perechii: 1.586 „partidă” și 2.798 „meci” pe .md; 973 și 4.049 pe .ro.

    Pe un site .md Partidele mini-turneului de calificare se vor disputa în perioada 21-26 august.

    Pe un site .ro Flipkens s-a impus după un meci care a durat o oră şi 17 minute.

  4. „a menționat” sau „a afirmat” în știrile politice

    MOROCO, politică

    .md93%
    .ro20%

    MOROCO, toate temele

    .md88%
    .ro22%

    2026, toate temele

    .md47%
    .ro16%

    În 2026: 57 „a menționat” și 64 „a afirmat” pe .md; 15 și 77 pe .ro.

    Diferența se păstrează în articolele din 2026. Apariții în corpus, în tema perechii: 1.504 „a menționat” și 110 „a afirmat” pe .md; 167 și 663 pe .ro.

    Pe un site .md El a menționat că opinia publică de la noi este manipulată fățiș de ■ și de politicienii proruși.

    Pe un site .ro El a afirmat că ■ va face o numărătoare paralelă şi va discuta cu liderii din teritoriu pentru a fi foarte atenţi la alegeri.

  5. „pe parcursul” sau „în timpul” în toate temele

    MOROCO, toate temele

    .md50%
    .ro23%

    2026, toate temele

    .md24%
    .ro16%

    În 2026: 34 „pe parcursul” și 108 „în timpul” pe .md; 16 și 84 pe .ro.

    În 2026 diferența e mai mică. Apariții în corpus, în tema perechii: 856 „pe parcursul” și 838 „în timpul” pe .md; 324 și 1.107 pe .ro.

    Pe un site .md Preţurile la benizină şi motorină vor rămâne practic la acelaşi nivel pe parcursul următoarelor două săptămâni.

    Pe un site .ro Mai grav este că alergia se poate transmite, în timpul sarcinii, de la mamă la copil.

  6. „la sută” sau „%” în știrile de finanțe

    MOROCO, finanțe

    .md28%
    .ro6%

    MOROCO, toate temele

    .md22%
    .ro7%

    2026, toate temele

    .md1%
    .ro0%

    În 2026: 3 „la sută” și 488 „%” pe .md; 0 și 433 pe .ro.

    În 2026, „la sută” aproape că nu mai apare de nicio parte. Apariții în corpus, în tema perechii: 1.298 „la sută” și 3.377 „%” pe .md; 511 și 8.365 pe .ro.

    Pe un site .md În acest sens, statul a cheltuit un miliard şi jumătate de lei, cu peste 25 la sută mai mult decât în 2015.

    Pe un site .ro Aceasta înseamnă o creştere cu 79%, fapt nemaiîntâlnit în vreo altă ţară.

  7. „ulterior” sau „apoi” în toate temele

    MOROCO, toate temele

    .md45%
    .ro23%

    2026, toate temele

    .md66%
    .ro48%

    În 2026: 99 „ulterior” și 50 „apoi” pe .md; 81 și 87 pe .ro.

    În 2026 diferența e mai mică. Apariții în corpus, în tema perechii: 670 „ulterior” și 820 „apoi” pe .md; 722 și 2.445 pe .ro.

    Pe un site .md Ministerul va promova şi producerea în lanţ: semănat – recoltat – procesat şi, ulterior, exportul.

    Pe un site .ro În primele etape, va fi introdusă obligația existenței calorimetrelor la transportator, apoi și la distribuitor și abia apoi la populație.

  8. „un șir de” sau „o serie de” în toate temele

    MOROCO, toate temele

    .md36%
    .ro2%

    2026, toate temele

    .md4%
    .ro0%

    În 2026: 1 „un șir de” și 23 „o serie de” pe .md; 0 și 17 pe .ro.

    În 2026, „un șir de” aproape că nu mai apare de nicio parte. Apariții în corpus, în tema perechii: 245 „un șir de” și 436 „o serie de” pe .md; 9 și 611 pe .ro.

    Pe un site .md De asemenea, au fost adoptate un șir de facilități pentru repatrierea valutei și ale altor beneficii ale tranzacțiilor externe.

    Pe un site .ro Cercetătorii au ajuns la această concluzie după o serie de experimente pe şoareci, în cadrul cărora semnalele de durere au fost împiedicate să ajungă la creier, fapt care le-a prelungit acestora viaţa.

  9. „prin intermediul” sau „prin” în toate temele

    MOROCO, toate temele

    .md12%
    .ro6%

    2026, toate temele

    .md10%
    .ro2%

    În 2026: 61 „prin intermediul” și 568 „prin” pe .md; 14 și 644 pe .ro.

    Diferența se păstrează în articolele din 2026. Apariții în corpus, în tema perechii: 816 „prin intermediul” și 6.220 „prin” pe .md; 542 și 8.324 pe .ro.

    Pe un site .md Potrivit tinerilor, mita creşte dacă se oferă prin intermediari, cea oferită prin intermediul secretarei constituie 200 de euro, iar prin intermediul unei terțe persoane – 250 euro.

    Pe un site .ro China se pregăteşte să-şi facă propriul sistem global de navigaţie prin satelit, care să concureze cu ■ - ul american.

Cele mai multe calcuri căutate apar rar în știri#

Revista „Limba Română” de la Chișinău a publicat ani la rând liste de construcții preluate din rusă, de evitat: „circulator” pentru abonament (Popușoi, 2015), „a lua la evidență” (Popușoi, 2013), „profesor pe istorie” (Popușoi, 2015), „nu mi se primește” (Pohilă, 2002). În cele 15.403 știri .md din corpus, cele mai multe nu apar deloc sau apar o dată ori de două ori.

Două fac excepție și țin amândouă de relatările oficiale și economice: „reieșind din” (104 apariții pe site-uri .md, 0 pe cele .ro) și „în mediu” cu sensul „în medie”, mai ales în știrile despre prețurile carburanților (20 de apariții pe .md, 0 pe .ro).

Construcții semnalate în revista „Limba Română”, căutate în cele 33.564 de știri ale corpusului MOROCO. Potrivirile au fost citite în context (la „reieșind din”, 20 dintre cele 100 de articole, toate cu sensul criticat), iar cele cu alt sens nu sunt numărate.
ConstrucțiaSursaApariții în știrile .mdîn știrile .ro
circulator (plus 5 cu alt sens)Popușoi, 201500
concedialePopușoi, 201600
sinecostPopușoi, 201500
a lua la evidențăPopușoi, 201310
se primește (= se obține, reiese)Pohilă, 200210
profesor pe istoriePopușoi, 201500
concediu pe boalăPopușoi, 201500
ședință lucrativăPopușoi, 201600
după culisePalii, 200220
în mediu (= în medie)Ciocanu, 2002200
a se expune asupraCondrea, 201720
reieșind dinLimba Română, 20081040

Cuvintele, unul câte unul#

Tabelul arată de câte ori e mai frecvent fiecare cuvânt pe site-urile .md decât pe cele .ro, în corpus și în articolele din 2026. Frecvențele sunt calculate la 10.000 de cuvinte din știri, după ce se adaugă 0,5 la fiecare număr de apariții, ca un cuvânt absent să nu dea o împărțire la zero. Când un cuvânt apare de mai puțin de trei ori în știrile din una dintre țări, tabelul dă numărul aparițiilor. Intervalul cuprinde 90% din rapoartele obținute reeșantionând site-urile din 2026; site-urile sunt puține și nu reprezintă toată presa.

Cuvântul.md / .ro, MOROCO.md / .ro, 2026Interval 2026Site-uri .md în care apare
întrevedere26,9×38 : 2–6 / 11
la moment53,0×9 : 0–3 / 11
totodată3,1×5,6×3,4–10,3×11 / 11
în baza3,2×2,6×1,5–6,2×11 / 11
peste hotare15,6×8,5×1,5–56,3×7 / 11
cu referire la12,0×3 : 1–2 / 11
urmează a10,9×1 : 1–1 / 11
cu începere de la38,3×1 : 3–1 / 11
careva94 : 12 : 0–2 / 11
reieșind din104 : 03 : 0–3 / 11

Textul tău: încotro trage?#

Lipește un paragraf dintr-o știre. Textul rămâne în browser și nu pleacă nicăieri. Programul colorează cuvintele care trag într-o parte și spune încotro trage textul sau că nu-și poate da seama, cum se întâmplă des la textele scurte.

Testat pe articole din 2026 de pe site-uri lăsate pe rând deoparte la antrenare, programul are dreptate în 80% din cazurile în care numește o țară. La fragmente de 15 cuvinte numește o țară doar în 7% din cazuri; la 400 de cuvinte, în 62%. Numește mai ușor Chișinăul: a spus „Chișinău” la 31% din fragmentele moldovenești și „București” doar la 14% din cele românești. „Nu-mi pot da seama” e răspunsul cel mai frecvent și cel mai cinstit.

Sau încearcă:

Programul a învățat din știri, iar textele literare îi sunt străine: fragmentul în care Creangă scrie despre Humulești e încadrat la „Chișinău” mai ales din cauza cuvântului „satul”, pe care programul îl asociază cu știrile de pe site-urile .md: a învățat subiecte, nu graiuri. Fragmentul e de pe Wikisource.

Unde poate înșela pagina#

  • În MOROCO, țara e cea a domeniului site-ului, .md sau .ro. În setul din 2026 e țara publicației: unimedia.info și ziare.com nu au .md sau .ro. Un site din Moldova care preia o știre din România rămâne „Chișinău”.
  • Site-urile din corpus, câte cinci din fiecare țară, nu sunt numite, iar perioada știrilor nu este precizată; în texte sunt pomeniți mai ales anii 2014–2018. De aceea pagina folosește „corpusul”, fără să-l lege de un anumit an.
  • 453 dintre cele 5.924 de știri de test ale corpusului apar identic și printre cele de antrenare sau de validare. Pagina dă scorul și fără ele, iar jocul nu folosește niciuna.
  • Setul din 2026 are 981 de articole de pe 18 site-uri alese dintre cele care își publică fluxul de știri. Articolele au fost citite pe 17 octombrie 2026; cele mai multe au fost publicate între 12 și 17 octombrie. Setul nu e un eșantion al întregii prese.
  • Împărțirea în știri cu cel puțin două mărci ale țării în primele rânduri și știri cu mai puține e făcută după cuvinte (numele țării, capitala, instituțiile ei); nu e o împărțire după subiect. Un alt program, un model de limbaj care nu știa ce alesese primul, a citit separat 150 de articole: toate cele cu cel puțin două mărci erau într-adevăr despre propria țară, dar și 34 din cele 63 de articole cu mai puține mărci și cu subiect clar erau tot despre ea.
  • Un cuvânt care trage spre o țară nu e o greșeală. Diferența e de frecvență.
  • Programele citesc cuvinte și perechi de cuvinte; reproducerea studiului folosește secvențe de litere. Niciunul nu înțelege textul și nu aude accentul sau vorbirea de zi cu zi.

Cum a fost făcut#

Corpusul: MOROCO, cu împărțirea oficială în antrenare, validare și test (MOROCO, licență CC BY-NC-SA 4.0). Reproducerea: secvențe de una până la cinci litere, ponderare TF-IDF și o mașină cu vectori-suport liniară (94,5% pe setul de test; studiul raportează 94,13% cu un nucleu de șiruri).

Straturile: grafia (î din interiorul cuvintelor și „sînt”, aduse la normă), tastatura (diacritice, sedile, ghilimele, punctuație), sursele (numele de site-uri și de agenții, cuvintele cu majusculă din mijlocul frazei, care i-au scăpat filtrului de nume), cuvintele care numesc țara; apoi echilibrarea temelor. Pentru fiecare fel de indiciu, un program separat a putut vedea doar lista corespunzătoare; procentele reprezintă media scorurilor pentru cele două țări. Listele sunt alcătuite manual și nu corespund unor categorii lingvistice independente.

Setul din 2026: articolele recente din fluxurile publice ale site-urilor, citite pe 17 octombrie 2026, cu data publicării luată din pagina fiecărui articol. Din fiecare pagină a fost păstrat doar textul articolului; comentariile, fișele autorilor, recomandările și frazele repetate pe tot site-ul (abonări, apeluri la donații) au fost scoase. Textele nu sunt publicate aici, doar numerele. Arhivele din 2016–2017 ale ZdG, Diez, HotNews și Recorder au fost citite la fel, din hărțile lor de site.

Două verificări mici, fără concluzie: la Europa Liberă, serviciul din Moldova și cel din România (aceeași organizație, redacții diferite) arată același tipar, pe doar 63 de articole din Moldova; iar patru site-uri comparate cu propriile arhive din 2016–2017 merg în direcții diferite (ZdG de la 85% la 70%, Diez de la 68% la 70%, HotNews de la 87% la 90%, Recorder de la 96% la 100%), fără să arate nici apropiere, nici depărtare.

Programul din „Textul tău” folosește cuvinte și perechi de cuvinte și e antrenat pe corpus și pe setul din 2026. Eroarea de mai sus e măsurată lăsând deoparte, pe rând, câte un site din 2026: alegerea cuvintelor, antrenarea și calibrarea s-au făcut fără el. În browser, programul folosește exact aceleași ponderi. Jocul folosește același fel de program, antrenat doar pe știrile de antrenare ale corpusului.

Datele derivate din MOROCO, inclusiv ponderile cuvintelor și frazele din joc, sunt publicate sub aceeași licență, CC BY-NC-SA 4.0; frazele au fost scurtate.

Surse