Table of Contents
The Paradigm Shift in Historical Research
منذ قرون، اعتمد التاريخ على القراءة اليدوية المضنية والشروح لاستخراج المعنى من مواد المحفوظات، وقد غيرت الثورة الرقمية هذا المشهد بشكل أساسي، حيث أن ملايين الصفحات من الصحف التاريخية والمراسلات الشخصية والسجلات الحكومية والأعمال الأدبية متاحة الآن في شكل رقمي، فإن التعلم الآلاتي يوفر أدوات يمكن أن تجهز وتحلل هذه المجموعات على نطاق وسرعة لا يمكن أن يحلها علماء البشر وحدهم.
ويمكن أن تكشف خوارزميات التعلم الآلات عن الأنماط والعلاقات والاتجاهات عبر مجموعة الضم الهائلة، مما يكشف عن كل شيء من تطور الخطاب السياسي إلى التحولات في المشاعر العامة خلال أوقات الحرب، ومن خلال آلية مهام مثل التصنيف والتجميع والاستخلاص، يتيح القانون النموذجي للباحثين التركيز على التفسير والتفاهم السياقي، ونتيجة لذلك اتباع نهج أكثر ثراء وأكثر توجها نحو البيانات في التاريخ يكمل الأساليب النوعية التقليدية.
من عبء البيانات إلى الكشف عن البيانات
إن أحد أكبر التحديات التي يواجهها التاريخ اليوم ليس نقصا في البيانات، بل هو وفرة كبيرة، وقد يحتوي محفوظات واحدة جيدة التنظيم على عشرات الآلاف من الكتب أو الملايين من المقالات الصحفية، بل إن قراءة جزء من هذه المادة غير عملية، فالتعليم الآلاتي يوفر جسرا بين النص المرقمة خام ورؤية تاريخية قابلة للتنفيذ، مثلا، يمكن للباحثين غير المتصورين أن يصنفوا تلقائيا وثائق المواضيع.
ويُعد حجم النص التاريخي المتاح الآن مذهلاً، حيث إن المكتبة الرقمية الهثيت () تحتوي على أكثر من 18 مليون مجلد. ويعرض التحليل الرقمي للأمريكتين أكثر من 20 مليون صفحة من صفحات الصحف. Europeana
تقنيات التعلم الأساسية في مجال الآلات في تحليل النصوص التاريخية
ويرتكز تطبيق القانون النموذجي على عدة أساليب ثابتة. Topic modeling]، مثل " Latent Dirichlet Allocation " ، يحدد مجموعات الكلمات المشتركة التي تمثل مواضيع عبر مجموعة، وقد استخدمت هذه التقنية لتتبع ارتفاع الوطنية في الصحف ذات القرن التاسع عشر أو التركيز المتزامن على المنشورات العلمية.
(أ) يُسند التصنيف ] فئات محددة مسبقاً إلى الوثائق، مما يتيح إجراء دراسات استقصائية واسعة النطاق للناتج الأدبي أو السياسي، فعلى سبيل المثال، قد يدرب مؤرخ مصنفاً للتمييز بين الدعاية والإبلاغ الموضوعي في الصحف التي تصدر في أوقات الحرب، ويتعلم المصنف من الأمثلة المسمّاة ثم يطبق نفس القواعد على ملايين الوثائق غير المصنّفة.
Clustering] groups similar texts without predefined labels, helping researchers discover unffinities between works separated by time and geography. Hierarchical clustering of 18th-century pamphlets might reveal that arguments about taxation in Boston shared more formal features with London pamphlets than with those from Philadelphia, challenging assumptions about regional intellectual isolation.
Named entity recognition (NER)] extracts proper names of people, places, organizations, and dates from historical texts. When applied to correspondence or administrative records, NER can reveal social networks, migration patterns, or the spread of ideas. For instance, NER processing of the ]
[الحرفية:] تحليل القيد ] يقيس النبرة العاطفية للغة، ولكن بتطبيقه على الشعارات التاريخية، قام الباحثون برسم الرأي العام قبل وبعد أحداث رئيسية مثل الثورة الفرنسية أو الحرب المدنية الأمريكية، وكثيراً ما يستنتجون أن السرد الرسمي ينحرف بشكل حاد عن المشاعر الشعبية، غير أن تكييف تحليل المشاعر مع النصوص التاريخية يتطلب عملاً مركّباً:
دراسات الحالات: التعلم في مجال العمل
وهناك عدة مشاريع بحثية رئيسية توضح قوة القانون النموذجي في الدراسات التاريخية، كما أن مشروع Chronicling America] في مكتبة الكونغرس يستخدم القانون النموذجي لتحسين حقوق الملكية في الصحف التاريخية، بينما يتيح أيضاً بحث الموضوع والكلمات الرئيسية عبر ملايين الصفحات. وبالمثل، فإن ]ESTC (القائمة الإلكترونية للكتاب القصير النطاق باللغة الإنكليزية) [الطبعة المطبوعة: 3]
وقد استخدمت دراسة تاريخية تحليلات للمشاعر بشأن الخطابات البرلمانية البريطانية من عام 1800 إلى عام 2000 لتتبع مدى الاندفاع العاطفي للنقاش التشريعي، وخلصت إلى أن النبرة أصبحت أكثر سلبية ووضوحاً خلال فترات الإجهاد الاقتصادي، واستخدم الباحثون نسخة من " التحقيق اللامعي " والعدوى الوردية " (LWC) ، وقد أظهروا وجود أنماط من الانكماشتراكات في اللغة التاريخية، وسجلات، وسجلات، ومعدلة، ومعدلة، ومعدلة، ومعدلة، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات التركيز على أساسها، ومعدلات التركيزات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات، ومعدلات
وطبق مشروع آخر على نماذج لدرجات الدكتوراة الأمريكية من عام 1861 إلى عام 2000، وهو يبين كيف تحولت أولويات البحوث من مواضيع دينية إلى العلوم الاجتماعية ثم إلى ميادين العلوم الاجتماعية، وركزت على أشكال الاضطرابات الكهرمائية ] على البيانات التي تتضمن أكثر من 5 ملايين حالة اختلال، وكشفت نماذج المواضيع أن نسبة الاضطرابات التي تعالج نسبة مئوية من 34 في المائة من المواضيع الدينية انخفضت من هذه البلدان.
وللغطاء في الجانب التقني لهذه الأساليب، انظر هذه النظرة العامة في الطبيعة ] لطريقة استخدام القانون النموذجي في الكائنات البشرية.() كما تقدم مدونة ديريكتوس ]() توجيهات عملية بشأن نظم البناء التي تجمع بين القانون النموذجي والإدارة المضمونية للبحوث المحفوظات.
Overcoming the Obstacles: Data Quality, Language, and Interpretation
"وإن كان هذا خطأً هائلاً، فإن تطبيق القانون النموذجي على النصوص التاريخية يُعيق بالصعوبات، والمشكلة الأكثر شيوعاً هي "() أخطاء في الأوكسترو
ويجب على الباحثين أيضاً أن يتنافسوا مع اللغة الفوضوية - تَبَيْلُ الاختلافات، والكلمات العتيقة، والمعاني المتغيرة، مثلاً، أن كلمة " غاي " كانت مختلفة جداً في القرن السابع عشر عما كانت عليه اليوم.() ويجب تكييف مضاهاتها من خلال قاعدة بيانات البرمجيات التاريخية، وهي مهمة تتطلب جمعاً.
إن البيانات التدريبية للعديد من نماذج حركة التحرير مستمدة من النصوص الحديثة، لذا فإن الخوارزميات قد تضفي طابعاً خاطئاً أو تسيئاً على الوثائق التاريخية التي تستخدم اللغة المحملة على أساس عنصري أو أدواراً جنسانية أو تمييزاً جماعياً، نموذج مدرّب على الجرائد القرن العشرين قد يُصنف على نطاق تحريري مؤلف من نوع الجنس في القرن التاسع عشر.
(ب) ثمة تحيز آخر بسيط ينشأ عن اختلال التوازن ، ويهيمن على السجل التاريخي النصوص التي تنتجها النخبة - الحكومات، والأفراد الغنيون، والكتاب الذكور، وإذا ما تم تدريب نموذج الموضوع على الخطابات البرلمانية فقط، فإنه قد يفوت تجارب النساء والفلاحين أو الشعوب المستعمرة تماماً.
الاعتبارات الأخلاقية في التاريخ الإغريقي
وهناك أبعاد أخلاقية أيضاً، وكثيراً ما تتضمن النصوص التاريخية الرقمية معلومات شخصية عن الأفراد الذين قد لا يتوقعون الخصوصية، ويمكن للحركة أن تعيد تحديد البيانات التي لا يُعرف عنها أو تكشف التفاصيل عن مراسلات خاصة، ويجب على الباحثين تطبيق مبادئ حماية البيانات والنظر فيما إذا كان تحليلهم يمكن أن يضر بالمجتمعات المحلية الهالكة، فعلى سبيل المثال، يمكن أن تكشف قواعد البيانات الجينية التي تُبنى من سجلات التعداد في القرن التاسع عشر عن غير قصد عن العلاقات الوراثية أو الطلاقات التي لا تُقدِّر().
وعلاوة على ذلك، يمكن للخوارزميات نفسها أن تديم التحيزات التاريخية إذا لم تختبر بعناية، فعلى سبيل المثال، قد لا يعترف نظام الاعتراف بالكيانات المسمّى بالأنثى إذا كانت بيانات التدريب غير كافية لتمثل المرأة، وفي دراسة أجريت في عام 2018، لم يعترف نظام وحدات الخفض المعتمد على الاستخدام الواسع بنصف المؤلفات في مجموعة من الروايات القرن التاسع عشر، وهو نظام يُحدّد خطأً تاريخياً هو جين أوستن، بل ويُسجلّ في سجلّه في سجلّه في مارْن.
والشفافية أساسية، إذ يتيح نشر الرموز والبيانات والمنهجية للباحثين الآخرين إعادة إنتاج النتائج وفحصها، كما أن ] Digital Humanities Quarterly يوفر محفلا لهذه المناقشات، مع العديد من المواد التي تستكشف الاستخدام الأخلاقي للميل في البحوث التاريخية.
الخطوات العملية لتنفيذ القانون النموذجي للتحكيم في المشاريع التاريخية
Forling historians considering adopting ML, a practical work flow begins with data clean[FLT:] Text should be OCR-corrected using tools like Tesseract with language models fine-tuned for historical fonts.
(ب) إذاً، اختيار إطار مناسب لشبكة ML. (المجموعات الصغيرة والمتوسطة (حتى 000 100 وثيقة)، مكتبات بيتون مثل [(FLT:0] أو تعمل بشكل جيد.
"النموذج الغامض" "يُنتج عن "الكتاب المقدس" "مُخططات مُتماسكة" "يُضمّنُ منابر "أو" للكتاب المقدّس"
اختيار الأدوات الصحيحة للعصابات التاريخية
لا توجد جميع أدوات الـ "إم إل" متساوية مع العمل التاريخي، كما أنّ الكلمات المُدربة مسبقاً (مثل "ورد2فيك" أو "غلوف" تستند إلى القطيع الحديث ولا يمكن أن تلتقط الأعراف التاريخية، وينبغي للباحثين أن ينظروا في تدريبهم على مجموعات النصوص التاريخية، مثل COHA (Corpus of Historical American English)
وبالمثل، يمكن تعديل نماذج اللغات الكبيرة مثل GPT على النصوص التاريخية، ولكنها كثيراً ما " تُحسّن " ، ولكن تفسيرات غير صحيحة من الناحية الوقائعية.() وقد خلصت دراسة أجريت في عام 2023 إلى أن " GPT-4 " ، عندما طُلب منها تلخيص نواتج القرن الثامن عشر بشأن قانون المصابيح، قد تكون نماذج افتراضية ومناقشات خيالية غير مكتملة.
المستقبل: تحليل الوقت الحقيقي والتكامل المتعدد الوسائط
(الحدود التالية تتضمن تحليلات آنية للنصوص الحديثة الرقمنة) حيث أن المحفوظات تضيف باستمرار مواد، يمكن أن تصنف خطوط الأنابيب المتعددة الألوان تلقائياً وتلخص وتربط نصوصاً جديدة بالصور الحالية، وتخلق صورة دينامية عن الأحداث التاريخية، وتظهر محفوظات غير موزعة ، على سبيل المثال، عمليات حفظ على شبكة الإنترنت في الوقت الحقيقي،
(أ) ترجمة: ترجمة:
وبالإضافة إلى ذلك، فإن القانون النموذجي المتعدد الوسائط الذي يجمع بين النصوص والصور (الصور والصور المكتوبة بخط اليد) سيفتح مصادر يصعب تحليلها تلقائياً، مثل الكتب الخردة أو الهامشية، ويسمح إطار Visual NLP الذي وضعته بحوث المعهد الدولي للكتاب باستخلاص نصوص من وثائق مكتوبة، ويطابقها في ذلك الإطار.
التعاون بين التعلم في مجال الآلات والمنح الدراسية التقليدية
أما المستقبل الأكثر واعدة فهو عدم استبدال التاريخين بالخرافيين بل تعميق التعاون، ويمكن للتعلم الماكين أن يعالج مسألة رفع البيانات، بينما يجلب المؤرخون المعارف المتعلقة بالمجالات من أجل طرح أسئلة أفضل وتفسير النتائج.
ويمكننا أن نتوقع أن نرى أفرقة متعددة التخصصات تعالج مسائل تاريخية كبيرة، مثل تطور الديمقراطية على المدى الطويل، وتأثير المناخ على المجتمعات السابقة، أو انتشار الحركات الدينية، وقد بدأت وحدة البحوث المناخية في جامعة أنجليا الشرقية، ولكنها بدأت في العمل مع مؤرخين على تطبيق نظام التعليم المتعدد الأبعاد على البيانات الجوية من القرنين الثامن عشر والعاشر.
الاستنتاج: عصر جديد من الاكتشاف التاريخي
فالتعليم الماكني ليس رصاصة سحرية، ولكنه عدسة قوية تكشف عن هياكل وأنماط غير مرئية للعين المجردة، وقد أدى رقمنة النصوص التاريخية إلى تكوين كنز في البيانات، ويوفر القانون النموذجي أدوات لاستكشافها على نحو مسؤول، إذ إن الجمع بين أسئلة الكتابة الحسابية وبين التفسير الإنساني، يمكن للباحثين أن يفهموا الماضي بعمق أكبر من ذي قبل، والسبب الرئيسي هو أن يظلوا على علم بالوسائل الآلى.
وللمزيد من القراءة بشأن التنفيذ العملي لهذه الأساليب، فإن منصة Directus تقدم حلولاً غير واضحة لدائرة إدارة المعلومات والتي يمكن أن تكون بمثابة العمود الفقري لمشاريع التاريخ الرقمي، وتدمج خطوط الأنابيب المتعددة اللغات مع إدارة البيانات الفوقية، ومع تطور التكنولوجيا، فإن الحدود بين عالم التاريخ وعالم البيانات ستستمر في التضليل، مما يتيح إمكانية التوصل إلى تفاهمات في المجالات المختلفة.