An Information-Theoretic Approach to Identifying Formulaic Clusters in Textual Data
تقدم هذه الورقة خوارزمية معلوماتية تستخدم توزيعات المعلومات الذاتية الموزونة لتحديد العناقيد الصيغية والطبقات الأسلوبية في البيانات النصية عالية الأبعاد، مما يبرهن على فعاليتها في التحليل الكمي للأنماط التكوينية ضمن الكتاب العبري متعدد المؤلفين.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك محقق يحاول حل لغز داخل مكتبة عتيقة ضخمة. هذه المكتبة ليست مجرد مجموعة من القصص العشوائية؛ بل هي مجموعة من النصوص التي كُتبت وحُررت ونُسخت من قبل مئات الأشخاص المختلفين على مدار آلاف السنين. بعض أجزائها كُتب بواسطة مؤلف واحد ذي صوت فريد، بينما البعض الآخر جُمِع من مصادر مختلفة، مثل رقعة من القماش المرقّع. التحدي هو: كيف يمكنك معرفة أي رقعة تنتمي لأي خياط دون سؤال الخياطين؟ لا يمكنك مجرد النظر إلى الكلمات لأن بعض الكتاب قد يستخدمون نفس الكلمات لأسباب مختلفة. أنت بحاجة إلى طريقة لقياس "إيقاع" أو "قابلية التنبؤ" في الكتابة.
هنا يأتي دور فرع من فروع العلم يسمى نظرية المعلومات. فكر في الأمر كوسيلة لقياس مدى "مفاجأتك" عندما تقرأ الكلمة التالية في جملة ما. إذا كنت تقرأ قصة حيث يمكن أن يحدث أي شيء، فستكون مفاجأً باستمرار؛ وتكون المحتوى المعلوماتي عالياً، وتبدو الكتابة "فضفاضة" أو "إبداعية". ولكن إذا كنت تقرأ وصفة طعام أو عقداً قانونياً، فأنت تعرف بالضبط الكلمة التي ستليها. "أضف كوباً من..." تتبعها دائماً كلمة "دقيق". هذا التنبؤ يعني أن المحتوى المعلوماتي منخفض لأن النمط جامد ومتكرر. في هذه الورقة، يستخدم المؤلفون هذا المفهوم لـ "المفاجأة" (أو انعدامها) لتحديد الأنماط الخفية في النصوص القديمة. إنهم يريدون معرفة ما إذا كان بإمكانهم تمييز الأجزاء "الشبه وصفة الطعام" من الأجزاء "الشبه القصة"، بمجرد قياس مدى قابلية الكلمات للتنبؤ.
أداة المحقق الجديدة
قام المؤلفون، جيديون يوفي، ويائير سيغيف، وباراك سوبر، ببناء مكبر رقمي جديد. يطلقون عليه اسم نهج نظرية المعلومات غير الخاضع للإشراف. دعونا نفكك ذلك: "غير خاضع للإشراف" يعني أن الكمبيوتر لا يحتاج إلى معلم ليخبره بما يبحث عنه؛ بل يستنتج الأمر بنفسه. "نظرية المعلومات" تعني أنه يستخدم الرياضيات لقياس قابلية التنبؤ.
فكرتهم الرئيسية بسيطة ولكنها قوية: النص الصيغي (النمطي) يمكن التنبؤ به. عندما يستخدم الكاتب بنية صارمة، مثل قائمة أسماء الأجداد أو مجموعة من القوانين الدينية، فإنه يكرر نفس العبارات مراراً وتكراراً. ولأن هذه العبارات تظهر كثيراً، فإنها تصبح قابلة للتنبؤ للغاية. بلغة نظرية المعلومات، الأشياء القابلة للتنبؤ لديها معلومات ذاتية منخفضة (مفاجأة منخفضة). أما السرد الإبداعي غير المتوقع، فيمتلك معلومات ذاتية عالية (مفاجأة عالية).
طوّر الفريق خوارزمية تمسح النص، بحثاً عن قطع من الكتابة تتسم بأنها قابلة للتنبؤ بشكل غير عادي. هي لا تخمن فحسب؛ بل تحسب درجة لكل جزء من النص بناءً على مدى "المفاجأة" التي قد يشعر بها نموذج احتمالي تجاه الكلمات التي يراها. إذا كان القسم مليئاً بالعبارات الصيغية المتكررة، فإن النموذج لن يشعر بالمفاجأة على الإطلاق، وستظل الدرجة منخفضة. أما إذا كان القسم سرداً إبداعياً جامحاً، فإن الدرجة ترتفع. ومن خلال تجميع الأجزاء ذات الدرجات المنخفضة معاً، تستطيع الخوارزمية عزل "العناقيد الصيغية" — وهي الأجزاء من النص التي تبدو وكأنها كُتبت بيد مختلفة أو لغرض مختلف.
اختبار الأداة على النصوص القديمة
للتأكد من أن أداة المؤلفين الجديدة تعمل بالفعل، اختبروها على الكتاب العبري، وتحديداً الكتب الثلاثة الأولى: التكوين، والخروج، واللاويين. هذه الكتب مشهورة بين العلماء بأنها "مركبة"، مما يعني أنه يُعتقد أنها مكونة من مصادر مختلفة نُسجت معاً. أحد الأسئلة الأكثر جدلاً هو كيفية فصل المصدر الكهنوتي (P) — المعروف بكونه هيكلياً، وتشريعياً، وتكرارياً للغاية — عن الأجزاء السردية الأخرى من النص.
لم ينظر الباحثون إلى الكلمات فحسب؛ بل نظروا إلى بنية الكلمات. قاموا بتفكيك النص إلى قطع صغيرة (مثل الجمل أو الآيات) وعدّ عدد المرات التي ظهرت فيها أنماط معينة. ثم قاموا بتشغيل الخوارزمية ليروا ما إذا كان بإمكانها فصل النص طبيعياً إلى مجموعتين: مجموعة واحدة متكررة للغاية (مفاجأة منخفضة) وأخرى أكثر تنوعاً (مفاجأة عالية).
إليكم ما وجدوه:
- في سفر التكوين: بحثوا في الفرق بين قوائم الأنساب الطويلة والمملة وبين قصص إبراهيم وإسحق المثيرة. نجحت الخوارزمية في تحديد الأنساب باعتبارها العنقود الصيغي عالي التنبؤ. وهذا منطقي لأن قوائم العائلات تتبع نمطاً صارماً ومتكرراً، بينما القصص أكثر سيولة.
- في سفر الخروج: اختبروا الفصل بين الأجزاء الكهنوتية (P) (التي تحتوي على قوانين حول بناء خيمة الاجتماع والطقوس الدينية) والأجزاء السردية غير الكهنوتية. استطاعت الخوارمة فصل هاتين الطبقتين بشكل موثوق، وهو ما يتوافق مع ما يعتقده علماء التقليد منذ زمن طويل. فقد ظهرت الأجزاء الكهنوتية كمنطقة "منخفضة المفاجأة" لأنها مليئة بالتعليمات المتكررة.
- في سفر اللاويين: كان هذا الاختبار الأصعب. سفر اللاويين مليء بالقوانين، لكن العلماء يتجادلون حول ما إذا كان يحتوي على طبقتين مختلفتين: المصدر الكهنوتي (P) و"كود القداسة" (H) اللاحق. كلاهما صيغي، لكنهما يمتلكان اختلافات دقيقة. وجد المؤلفون أن طريقتهم يمكنها التمييز بينهما، ولكن فقط عندما نظروا إلى النص من خلال "العدسة" الصحيحة. اعتماداً على حجم قطع النص التي حللوها، كانت الخوارزمية تبرز القواعد الكهنوتية كالأكثر تكراراً في بعض الأحيان، وفي أحيان أخرى كانت تبرز "كود القداسة". وهذا يشير إلى أن كليهما صيغي، لكنهما يتبعان أنواعاً مختلفة من الأنماط التي تظهر في مقاييس مختلفة.
ما مدى تأكدهم؟
يحرص المؤلفون على عدم الادعاء بأنهم حلوا لغز الكتاب المقدس نهائياً. بدلاً من ذلك، هم يوضحون أن طريقتهم تقترح وسيلة لقياس هذه الاختلافات كمياً.
لقد اختبروا خوارزميتهم على بيانات وهمية تم إنشاؤها بواسطة الكمبيوتر أولاً للتأكد من قدرتها على إيجاد الأنماط في بيئة محكومة. في تلك المحاكاة، تفوقت طريقتهم غالباً على أدوات التجميع القياسية (مثل k-means أو نماذج الخليط الغاوسي)، خاصة عندما كانت البيانات شحيحة وذات أبعاد عالية (وهو تماماً ما تشبهه النصوص القديمة).
وعندما طبقوا الخوارزمية على الكتاب الحقيقي، كانت النتائج واعدة ولكنها دقيقة. في سفر الخروج، اتفقت طريقتهم مع تصنيفات الخبراء في 68% من إعدادات المعاملات المختلفة التي جربوها، مقارنة بـ 30% فقط لطريقة k-means القياسية. وفي سفر التكوين، اتفقت في 40% من الحالات مقابل 14.6% لطريقة k-means. وفي سفر اللاويين، اتفقت في 45.5% من الحالات مقابل 29.8% لطريقة k-means.
تشير هذه الأرقام إلى أن نهج نظرية المعلومات هو أداة قوية لإيجاد هذه الطبقات الخفية، لكنه ليس عصا سحرية تعمل بشكل مثالي في كل مرة. حقيقة أن النتائج تتغير بناءً على كيفية تقسيم النص (حجم مجموعات الكلمات ونافذة الآيات) تخبرنا أن الطبيعة "الصيغية" لهذه النصوص معقدة. إنها ليست شيئاً واحداً؛ بل هي مزيج من الأنماط التي تظهر في مقاييس مختلفة.
لماذا هذا مهم؟
هذه الورقة لا تمنحنا فقط طريقة جديدة لفرز الكتب؛ بل تقدم لنا طريقة جديدة للاستماع إليها. من خلال استخدام الرياضيات لقياس "المفاجأة"، يوفر المؤلفون وسيلة موضوعية لرؤية أين يتغير إيقاع النص. إذا أصبحت القصة فجأة متوقعة للغاية، فقد يكون ذلك علامة على أن مؤلفاً آخر أمسك بالقلم، أو أن النص تم نسخه من نموذج جاهز.
يخلص المؤلفون إلى أن هذه الطريقة مفيدة بشكل خاص للنصوص التي تم تحريرها وإضافة طبقات إليها بمرور الوقت، مثل الكتاب العبري. فهي تسمح للباحثين برؤية "السقالات الهيكلية" للنص دون الحاجة إلى التخمين المسبق للكلمات المهمة. هي لا تثبت بالضبط من كتب ماذا، لكنها توفر إطاراً كمياً يدعم العديد من النظريات التقليدية حول كيفية تجميع هذه الكتب القديمة. إنها تحول فن التحليل الأدبي إلى علم للأنماط، وتظهر لنا أنه حتى في أكثر القصص تعقيداً، يمكن العثور على بصمات الهيكل والتكرار إذا عرفت كيف تقيس مقدار المفاجأة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.