A large-scale corpus of religious radio broadcast transcripts from webstream recordings in the United States
यह शोध पत्र जुलाई 2025 के 785 वेबस्ट्रीम से एकत्रित 2,000 से अधिक अमेरिकी स्टेशनों का प्रतिनिधित्व करने वाले 7,00,000 से अधिक ट्रांसक्राइब किए गए और डायराइज्ड अंग्रेजी भाषा के धार्मिक रेडियो प्रसारण खंडों के एक बड़े पैमाने के कॉर्पस को प्रस्तुत करता है, ताकि धार्मिक मीडिया सामग्री, सामाजिक-राजनीतिक विमर्श और स्पीच प्रोसेसिंग पर अनुसंधान को सुगम बनाया जा सके।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
रेडियो तरंगों की कल्पना एक विशाल, अदृश्य पुस्तकालय के रूप में करें जहाँ हज़ारों रेडियो स्टेशन लगातार शून्य में कहानियाँ, गीत और उपदेश चिल्ला रहे हैं। दशकों से, संचार के अध्ययन करने वाले वैज्ञानिक इस पुस्तकालय के "समाचार" और "टॉक शो" अनुभागों की पुस्तकें पढ़ने में सक्षम रहे हैं, लेकिन "धार्मिक" अनुभाग एक रहस्य बना रहा। क्यों? क्योंकि जबकि लाखों लोग हर दिन आस्था-आधारित रेडियो सुनते हैं, किसी ने भी वास्तव में यह नहीं बनाया कि वहाँ क्या कहा जा रहा है, इसका एक विशाल, खोजने योग्य सूचकांक (इंडेक्स) क्या है। यह किसी शहर की संस्कृति को केवल कुछ सड़क संकेतों को देखकर समझने की कोशिश करने जैसा है, बजाय इसके कि कैफे में हो रही वास्तविक बातचीत को पढ़ा जाए। इसे हल करने के लिए, शोधकर्ताओं को एक ऐसे तरीके की आवश्यकता थी जिससे घंटों के धुंधले रेडियो स्टैटिक को स्पष्ट, व्यवस्थित टेक्स्ट में बदला जा सके, और फिर उन टेक्स्ट्स के बारे में वास्तव में क्या कहा जा रहा था, यह समझने के लिए स्मार्ट कंप्यूटर प्रोग्राम का उपयोग किया जा सके। यही "कंटेंट-लेवल एनालिसिस" (सामग्री-स्तरीय विश्लेषण) की चुनौती है: केवल यह जानने से आगे बढ़ना कि एक स्टेशन मौजूद है, बल्कि यह समझना कि वह वास्तव में क्या कहता है, कैसे कहता है, और कौन कह रहा है।
यहाँ आता है धार्मिक रेडियो कॉर्पस (Religious Radio Corpus), जो प्यू रिसर्च सेंटर की एक टीम द्वारा बनाया गया एक विशाल नया डिजिटल खजाना मानचित्र है। इस परियोजना को एक सुपर-पावर्ड, स्वचालित रोबोट लाइब्रेरियन के रूप में समझें जिसने पूरे एक महीने (जुलाई 2025) तक संयुक्त राज्य अमेरिका भर में 785 विभिन्न लाइव रेडियो स्ट्रीम्स को सुना। केवल ऑडियो रिकॉर्ड करने के बजाय, इस रोबोट टीम ने 24 घंटे, हर 15 मिनट में, ध्वनि के 15-मिनट के टुकड़े कैप्चर किए। जब तक वे अपना काम पूरा कर चुके थे, उन्होंने 70,000 से अधिक रिकॉर्डिंग एकत्र कर ली थीं—1,72,000 घंटों से अधिक का कच्चा ऑडियो! लेकिन असली जादू इसके बाद हुआ: टीम ने उस सभी ऑडियो को टेक्स्ट में बदलने, यह पहचानने के लिए कि कौन बोल रहा था और कब, उन्नत AI का उपयोग किया। उन्होंने यहाँ तक कि उन ट्रांसक्रिप्ट्स को पढ़ने और उन्हें "प्रवचन" (Sermon), "कॉलर इंटरेक्शन" (Caller Interaction), या "राजनीति" (Politics) जैसे लेबल के साथ टैग करने के लिए एक सुपर-स्मार्ट कंप्यूटर मस्तिष्क (एक लार्ज लैंग्वेज मॉडल) का उपयोग किया।
परिणामस्वरूप एक डेटासेट प्राप्त हुआ जिसमें 6 करोड़ से अधिक टेक्स्ट की पंक्तियाँ हैं, जो तीन व्यवस्थित परतों में व्यवस्थित हैं: रेडियो स्ट्रीम्स की एक सूची, प्रत्येक रिकॉर्डिंग का एक लॉग, और बोले गए वास्तविक शब्द। यह केवल डेटा का ढेर नहीं है; यह एक ऐसा उपकरण है जो शोधकर्ताओं को अंततः बड़े सवालों के जवाब देने की अनुमति देता है। उदाहरण के लिए, वे अब देख सकते हैं कि दक्षिण से पश्चिम की ओर धार्मिक रेडियो कैसे बदलता है, या प्रवचनों में राजनेताओं का उल्लेख कितनी बार किया जाता है बनाम वे पारिवारिक सलाह के बारे में कितनी बार बात करते हैं। टीम ने अपने काम की सावधानीपूर्वक जाँच की, जिसमें उन्होंने पाया कि उनका कंप्यूटर ट्रांसक्रिप्शन आश्चर्यजनक रूप से सटीक था—हर 100 शब्दों में लगभग 5 गलतियाँ करता है, जो कि इस बात के करीब है कि दो अलग-अलग मनुष्य एक ही टेप को ट्रांसक्राइब करने के लिए आपस में कितना सहमत होंगे। हालाँकि कंप्यूटर कभी-कभी शोर वाले फोन कॉल्स या बैकग्राउंड म्यूजिक के साथ संघर्ष करता है, लेकिन समग्र तस्वीर स्पष्ट और विश्वसनीय है।
यह शोध पत्र केवल यह नहीं कहता कि "हमारे पास डेटा है"; यह सिद्ध करता है कि अब हम पहले कभी न देखी गई व्यापकता के पैमाने पर धार्मिक प्रसारण का अध्ययन कर सकते हैं। यह इस विचार को खारिज करता है कि हमें छोटे सर्वेक्षणों पर निर्भर रहना होगा या हवा में क्या चल रहा है इसका अनुमान लगाना होगा। इसके बजाय, यह वास्तव में प्रसारित किए जा रहे कंटेंट का एक पूर्ण, खोजने योग्य रिकॉर्ड प्रदान करता है। लेखक आश्वस्त हैं कि यह डेटा इतना ठोस है कि यह विद्वानों को "इलेक्ट्रॉनिक चर्च" को एक राष्ट्रीय घटना के रूप में समझने में मदद कर सकता है, न कि केवल एक समय में एक स्टेशन को देखने के रूप में। चाहे आप धर्म के छात्र हों, राजनीतिक वैज्ञानिक हों, या कंप्यूटर विशेषज्ञ जो मशीनों को मानवीय भाषण समझने के लिए सिखाने की कोशिश कर रहे हों, यह कॉर्पस दुनिया को सुनने का एक बिल्कुल नया तरीका खोलता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।