A Quantitative Confirmation of the Currier Language Distinction

إليك ملخص تقني مفصل لورقة "تأكيد كمي للتمييز اللغوي لكوريير" للكاتب كريستوف باريسيل.

1. بيان المشكلة

تتناول الورقة مدى صحة فرضية بريسكوت كوريير (1976) التي تفيد بأن مخطوطة فوينيتش تحتوي على "لغتين" متمايزتين (يُرمز لهما بـ كوريير A و كوريير B). ورغم الاستشهاد بهذه الفرضية على نطاق واسع، إلا أن هذا التمييز افتقر تاريخياً إلى التحقق الكمي الصارم مقابل فرضيات عدم (null hypotheses) صريحة. تسعى هذه الدراسة إلى حل ثلاثة تحديات محددة:

1. التقلب الإحصائي: تحديد ما إذا كانت الاختلافات الملحوظة هي مجرد ضوضاء عشوائية ضمن نص متجانس واحد.
2. المؤثرات الكوديكولوجية (علم المخطوطات): التحقق مما إذا كان التمييز خاصية لغوية حقيقية أم أنه نتاج للبنية الفيزيائية للمخطوطة (مثل حدود المجمعات الورقية/القرى)، حيث يتوافق تعيين كوريير الأصلي مع هذه التقسيمات الفيزيائية.
3. القدرة التنبؤية الجوهرية: إثبات ما إذا كان تمييز A/B خاصية إحصائية جوهرية يمكن اكتشافها دون تسميات مسبقة وقادرة على التنبؤ بسلوك النص غير المرئي.

2. المنهجية

استخدم المؤلفون نهجاً كمياً متعدد الأوجه باستخدام نسخ (Takahashi EVA) التي تضم (32,693 رمزاً للكلمات عبر 185 ورقة).

• تمثيل البيانات: ركزت الدراسة على 11 زوجاً من الرموز المتشابهة بصرياً في نظام EVA (مثل k/t، d/l، or/ar). لكل ورقة، تم حساب النسبة $r = \frac{\text{count}(a)}{\text{count}(a) + \text{count}(b)}$ لكل زوج، بشرط استيفاء حد أدنى قدره 20 ظهورًا مجمعًا.
• نماذج المحاكاة المرجعية: لاختبار فرضيات العدم، تم إنشاء ثلاثة نماذج:
  • خلط التسميات (Label Shuffle): نص حقيقي مع تسميات A/B عشوائية.
  • ماركوف أحادي (Single Markov): نص اصطناعي من نموذج ماركوف متجانس واحد.
  • ماركوف منقسم (Split Markov): نص اصطناعي من نماذج ماركوف منفصلة لـ A و B (ضابط إيجابي).
• الاسترداد غير الخاضع للإشراف: تم تطبيق خوارزميات التجميع (K-means، GMM، إلخ) على مصفوفة نسبة (الورقة × الزوج) دون الوصول إلى تسميات كوريير لمعرفة ما إذا كانت البيانات تنقسم طبيعياً إلى مجموعتين.
• النمذجة التوليدية: تم تطبيق نموذج خليط بيتا-ثنائي الحد (Beta-Binomial mixture model) على أعداد الرموز الخام. يفترض هذا النموذج أن أعداد الأوراق تُستمد من توزيع ثنائي الحد حيث يتبع احتمال النجاح توزيع بيتا خاص بنظام كامن. تم ضبط النموذج عبر خوارزمية (Expectation-Maximization) لتحديد العدد الأمثل من الأنظمة ($k$).
• التحقق التنبؤي: تم تدريب مصنف "بيتا-ثنائي الحد" خاضع للإشراف على مجموعة فرعية من الأوراق للتنبؤ بهوية A/B للأوراق المحجوزة للاختبار. تضمن التحقق الاختبار المتقاطع، والتقسيم المكاني (مخطوطة مبكرة مقابل متأخرة)، واختبارات التبديل.
• تحليل الحدود: تم تصنيف الانتقالات بين الأوراق (نفس المجموعة، مجموعة ورقية فقط، لغة فقط، كلاهما) لقياس حجم القفزات في النسب عند حدود اللغات مقابل الحدود الفيزيائية للكتاب.

3. المساهمات الرئيسية

• الاكتشاف غير الخاضع للإشراف: أثبتت الدراسة أن نموذجاً توليدياً مضبوطاً على الأعداد الخام دون الوصول إلى تسميات كوريير يستعيد بشكل مستقل تقسيم A/B (بمعامل ARI = 0.383)، مما يثبت أن التمييز هو خاصية جوهرية لبنية البيانات.
• التصنيف الوظيفي: حددت الدراسة أن أزواج الرموز لا تتصرف بشكل موحد بل تنقسم إلى ثلاثة أنظمة وظيفية متميزة: تصنيفية (Categorical)، متوسطة (Intermediate)، وتنوع حر (Free Variation).
• الفصل عن الكوديكولوجيا: قدمت أدلة إحصائية على أن انتقالات اللغة داخل نفس المجموعة الورقية تنتج قفزات إحصائية أكبر بكثير من الحدود الفيزيائية للمجموعات الورقية، مما ينفي كون البنية الفيزيائية هي السبب الرئيسي لهذا التباين.
• القوة التنبؤية: أثبتت أن معرفة تسمية A/B تسمح بالتنبؤ بإحصائيات أزواج الرموز في الأوراق غير المرئية بدقة عالية، مما يتجاوز مجرد الوصف إلى القدرة على التنبؤ.

4. النتائج الرئيسية

المتانة الإحصائية

• معامل كرامر (Cramér's V): أظهر ستة من أصل أحد عشر زوجاً من الرموز قيم "كرامر" تجاوزت جميع عمليات تبديل التسميات العشوائية الـ 1,000. بلغ متوسط معامل كرامر (0.136) وهو أعلى بكثير من خط الأساس المبدل (0.025).
• رفض المحاكاة:
  • فشل نموذج ماركوف أحادي في إعادة إنتاج التباين بين الأوراق أو آثار الحدود (0 من أصل 200 محاكاة طابقت الواقع).
  • نجح نموذج ماركوف المنقسم في مطابقة الإحصائيات الإجمالية، لكنه فشل في إعادة إنتاج التباين العالي على مستوى الورقة وحدة الحدود.

الاسترداد غير الخاضع للإشراف والتوليدي

• التجميع: حقق التجميع باستخدام K-means على مصفوفة النسب معامل (ARI) قدره 0.208 (دال إحصائياً، $p < 0.001$). أدى حذف الأزواج "المشوشة" إلى رفع معامل ARI إلى 0.456.
• خليط بيتا-ثنائي الحد: اختار النموذج $k=2$ كعدد مثالي للمكونات بناءً على معيار المعلومات البايزي (BIC).
  • خصص النموذج 113 ورقة من أصل 185 ورقة (61%) بثقة خلفية (posterior confidence) تزيد عن 90% لأحد النظامين.
  • تطابق التقسيم المسترد مع تعيين كوريير اليدوي (ARI = 0.383).

التحقق التنبؤي

• الدقة: حقق المصنف الخاضع للإشراف دقة بلغت 89.2% في التنبؤ بتسميات الأوراق المحجوزة (عبر الاختبار المتقاطع).
• الدلالة: لم تحقق أي من الـ 500 عملية تبديل للتسميات دقة مماثلة ($p < 0.002$).
• التباين المفسر: فسرت تسمية A/B ما نسبته 29.3% من التباين في نسب أزواج الرموز في الأوراق غير المرئية ($R^2 = 0.293$).
• عدم التماثل المكاني: أدت التقسيمات المكانية الأمامية (مبكرة $\leftarrow$ متأخرة) أداءً جيداً (79.6%)، بينما فشلت التقسيمات الخلفية (متأخرة $\leftarrow$ مبكرة) (41.3%) بسبب عدم توازن الفئات (الأوراق المتأخرة تهيمن عليها الفئة B)، مما يؤكد أن الإشارة حقيقية ولكنها حساسة لتكوين مجموعة التدريب.

أنظمة أزواج الرموز

صنفت الدراسة الـ 11 زوجاً إلى ثلاثة أنظمة:

1. تصنيفية (مثل d/l، or/ar): تحولات تقترب من الثنائية بين الأنظمة؛ وهي أساسية لعملية التجميع.
2. متوسطة (مثل ol/al، k/t): تحولات تفضيل معتدلة؛ تحمل إشارات الحدود.
3. تنوع حر (مثل o/a، ch/sh): اعتماد شبه معدوم على نظام A/B؛ ومن المرجح أنها تمثل تنوعات شكلية (allographic variation).

• ملاحظة حول الشذوذ: أظهر الزوج e/ch ارتباطاً عالمياً يقترب من الصفر، ومع ذلك سجل أقوى تأثير محلي عند الحدود، مما يشير إلى أن تغيره مشروط بعوامل أخرى غير النظام الثنائي (مثل موقع الكلمة).

5. الأهمية

تقدم هذه الورقة أول تأكيد كمي صارم على أن تمييز كوريير A/B هو خاصية حقيقية، وجوهرية، وتنبؤية لمخطوطة فوينيتش، وليس مجرد نتاج للبنية الفيزيائية أو ضوضاء عشوائية.

• الآثار المترتبة على فك التشفير: يجب على أي نظرية تتعلق بنظام الكتابة في فوينيتش أن تأخذ في الاعتبار بنية ثنائية النظام حيث تتبدل أزواج رموز معينة تصنيفياً بين الأنظمة بينما تتنوع أخرى بحرية.
• طبيعة النص: تشير النتائج إلى أن المخطوطة ليست نصاً متجانساً واحداً، بل تحتوي على بنية معقدة حيث يمثل الانقسام الثنائي A/B المحور الرئيسي للتباين، رغم أنه يفسر حوالي 29% فقط من التباين الكلي، مما يعني وجود أنظمة فرعية أو تدرجات أخرى.
• التقدم المنهجي: توضح الدراسة فعالية نماذج الخليط "بيتا-ثنائي الحد" والتعلم غير الخاضع للإشراف في تحليل الشفرات، مما يوفر إطاراً للتحقق من الفرضيات اللغوية في النصوص غير المفككة دون الاعتماد على التسميات اليدوية.