إن التاريخ يتجمع منذ قرون من خلال المحفوظات، ويقرأ رسالة مكتوبة، ويصفحها في الصفحة، ويجمع بين سرد الخبرة البشرية، بينما يتمخض هذا النهج اليدوي عن أفكار قيمة، ويكشف المجلد المطبوع من الوثائق التاريخية الرقمية عن مواضيع متاحة الآن، والصحف، والملفات، والسجلات الحكومية، وهي أساليب جديدة.

ما هي اللغويات الحاسوبية؟

فاللغات الحاسوبية لا تتعلق فقط بكتابة البرامجيات لعد الكلمات، بل تشمل تصميم نماذج رسمية للغة يمكن للآلات تنفيذها، وتغطي كل شيء من التليفونات والمورفولوجيا إلى النسيج، والسيمانيات، والبراغمات، وتشمل المهام الأساسية التوسيم الجزئي، وهيكل الجملة المميز، وحواس الكلمات المتضاربة، والتداول.

وفي سياق النصوص التاريخية، تصبح اللغات الحاسوبية نوعا من آلة الزمن، وتتطور اللغات: التوحيد الهجائي، وتظهر كلمات جديدة، وتصبح قديمة منتشرة، وتتحول إلى لغة مراعية، ويكافح نموذج حاسوبي مُدرب على اللغة الانكليزية الحديثة بكتيب من القرن السابع عشر، وبالتالي يجب على الباحثين تكييف هذه الأدوات مع مجموعة الجسد التاريخية، ويحولون إلى نماذج مرئية متخصصة، وتنوع اللغات.

تحليل النصوص التاريخية مع التكنولوجيا

وضع النصوص وحساب المعلومات

وكل تحليل حسابي يبدأ بتحويل الوثائق المادية أو المسحية إلى نصوص قابلة للقراءة الآلية، فالإدراك بالمعاملات الضوئية هو التكنولوجيا الأساسية لهذه المهمة، إذ أن نظم تجهيز الوثائق الأولية غير دقيقة بشكل ملحوظ مع وجود عواطف تاريخية، وحبر مزورة، ومخططات غير متكافئة للصفحات، مثل نماذج تجهيز النصوص المتطورة، وصيغة التصحيح المصممة حالياً حسب نوع " Tesseract " ، و " ABY، محسنة " .

بمجرد رقمنة النص يدخل خطاً للتجهيز المسبق: التكسير (النقل إلى الكلمات أو إلى الكسور)، التطبيع (توحيد التهجئة، التعامل مع الشخصيات المتغيرة مثل طول العمر)، والعلامة (العلامات الهيكلية المضاف إليها الفقرات، وكسر الصفحات، أو المهمشة) وهذه المجموعة النظيف هي الأساس لجميع التحليلات اللاحقة.

Corpus Construction and Annotation

:: إن الإحضار التاريخي هو أكثر من مجرد إلقاء نص، ويعالج بعناية توازن عوامل مثل الفترة الزمنية، والولادة، واللهجة، والصلاحية، ومشاريع مثل Corpus of Historical American English (COHA)، و

التقنيات الحاسوبية الرئيسية للنص التاريخي

تحليل الترددات وإخراج الكلمات الرئيسية

ويحسب تحليل التواتر في أبسطه مدى ظهور الكلمات أو العبارات في مجموعة من المحاكم، ويمكن أن يكشف ذلك عن المواضيع المهيمنة أو التحولات المفاجئة، مثلاً، زيادة حادة في الكلمات مثل " الحرب " و " اللحوم " و " النيابي " في القرن السابع عشر، قد يضاهيها مع الحرب المدنية الإنكليزية.

النمذجة

والنموذج المسموع هو أسلوب غير مشرف للتعلم الآلي يكتشف مواضيع متأخرة عبر مجموعة من الوثائق، أما أكثر المواد شيوعا، والمواقع الأثرية الثرائية، فتعالج كل وثيقة على أنها مزيج من المواضيع، وكل موضوع على حدة، على أنه عبارة توزيع، وبالنسبة لروايات فيكتوريا، فإن وضع النماذج الموضوعية قد يُجمع فيها كلمات مثل " الغاردين " ، " ميدان " و " متتبع " .

تحليل الاستشعار

ويتجاوز تحليل الحساسية ترددات الكلمات لقياس النبرة العاطفية للنصوص - الودائية أو السلبية أو المحايدة، وقد تعتمد الأساليب المبكرة على مفارقات المشاعر )أقلمة الكلمات التي سبقت تصميمها( ولكن النهج الحديثة تستخدم نماذج للتعلم العميق مدربة على مجموعات البيانات المسمومة، ولكن تطبيق تحليل المشاعر على الصحف التاريخية يمكن أن يرسم الرأي العام أثناء أحداث مثل الثورة الأمريكية أو حركة الرعب التي تلغى " .

الكيان المسمى: الاعتراف

ويُحدد ويصنف الإسم المناسب للأشخاص والأماكن والمنظمات والتواريخ وما إلى ذلك في النص، ويواجه نظام السجلات الوطنية التاريخي تحدياً خاصاً لأنه يمكن كتابة الكيانات في تهجئة مبدئية (مثلاً، " Shakspere " ضد " Shakespeare " )، أو يشير إلى مؤسسات غير مرئية تُدرَّب على قواعد بيانات بصرية.

المقاييس والسندات

ويطبق نظام " ستيتلوميتري " تحليل إحصائي على كتابة نماذج مثل طول مدة العقوبة، وتوزيع تواتر الكلمات، واستخدام كلمة الوظيفة (مثل " و " و " من " )) - لتحديد المؤلفين أو التحقق من ذلك، والمبدأ هو أن لكل كاتب اختبارات فرعية غير واعية للطباعة، وفي البحوث التاريخية، استخدمت مادة " ألكسندر " في حل بعض المناقشات المتعلقة بالكتاب المتطورة، مثل "

ليكسي للكشف عن التغيير والتحول السيماني

فالكلمات تتغير مع مرور الوقت، فالنهج الحسابية مثل كلمة " غمضة " ، التي تجسد كلمة " غمائية " ، التي تجسدت في عام ١٩٠٠، قد تكون مصممة على أساس الحرف " بين قرن وآخر " ، وهي تُتيح للباحثين تقدير قيمة الحرف الاصطناعي، على سبيل المثال، فإن كلمة " غاي " في عام ١٩٠٠ تشير إلى السعادة، ولكن في إطار مؤامرة كانت تستخدم نماذج مدروسة مثل المثلية " .

دراسات الحالة والتطبيقات العالمية الحقيقية

تتبع لغة الديمقراطية

وقد استخدم الباحثون في مؤسسات مثل مركز الإنسانية الرقمية ، تحليل للموضوعات والمشاعر لدراسة لغة الكتيبات السياسية الأمريكية من 1750 إلى 1800، ووجدوا تحولاً هائلاً من الكلام المستعمر إلى الخطاب الثوري الثوري، حيث تم تحديد كلمات مثل " العقائد " و " الحقوق " و " التعبئة " التي تنتقل من الاستخدام العام إلى " .

إعادة بناء هيئة التدريس

وكثيرا ما تنجو النصوص التقليدية من عدم اليقين، وقد استخدم الشاولاتة الذين يدرسون الأعمال المنسوبة إلى بلاتو تحليلات نمطية للتمييز بين حواراته المبكرة والمتوسطة والأخيرة استنادا إلى التغييرات التي طرأت على استخدامه للجسيمات والعقوبات اليونانية، وقد طُبقت أساليب مماثلة على الكتاب المقدس، وخطوط البحر الميت، والمزمن في القرون الوسطى، وفي كل حالة، تقدم اللغات الحاسوبية أدلة تكمل النقد التقليدي.

رسم خرائط للعاطفة التاريخية

تحليل الحساسية بشأن مجموعة من رسائل القرن التاسع عشر من المهاجرين إلى الغرب الأمريكي تكشف عن نمط: الرسائل المبكرة متفائلة، مع درجات عالية من المشاعر الإيجابية، ولكن بعد الشتاء القاسي الأول، تتصاعد المهارة، وهذه البيانات العاطفية الطويلة تساعد مؤرخين على فهم ما حدث، ولكن كيف كان الأمر معقداً بشكل غير مباشر.

التحديات في اللغات التاريخية المحوسبة

ورغم وعدها، فإن تطبيق اللغويات الحاسوبية على النصوص التاريخية أمر محفوف بالصعوبات.

OCR Errors and Noisy Data

وكثيراً ما ينتج مكتب المراجعة التاريخية نصاً مُلهماً: " يُصبح " مُحكماً " (يُعرف بسوء التقدير) و " قديم " يصبح " مُحبوباً " ، ويمكن دمج خطوط النص أو تقسيمها بشكل تعسفي، وهذه الأخطاء تُنشر من خلال تحليلات المجرى المائي، وتُعدّل الترددات المُشوّهة، ونماذ نماذج مُوحّة، ويمكن أن يُحدّدَ من هذا التصوّدَة، ويُّدَةُ التصوّدَةُ التصوّرَةُ تصحيحُ التصوّرَةُ التصوّرَةُ التصوّرَةُ التصوّرَة، ويُ، ويُ استخدام نماذجُ استخدامُ التصوّرَةُ التصوّبُ التصوّرَةُ التصوّرَةُ التصوّرَةُ التصوّرَةُ التصوّرَةُ التصوّرَةُ التصوّرَةُ التصوّرَةُ

تغيير في أسعار الصرف واللغة

والتهجئة الموحدة ظاهرة حديثة، فقبل القرن التاسع عشر، كانت التضاريس الانكليزية شديدة التغير: " قد يبدو " شكسبير " " أو " شغسبيري " أو " شكسبرد " أو " سحق " يتطلب رسم خرائط لهذه البدائل إلى شكل كانوني، وهي عملية تتطلب قدرا كبيرا من النسيج، ومرونا من الضبط.

Data Scarcity and Domain Adaptation

وفي حين أن المحفوظات الرقمية ضخمة، فإنها غالبا ما تكون غير متوازنة، فبعض اللهجات أو الفترات الزمنية أو أنواع النصوص ممثلة تمثيلا زائدا، بينما تكون محفوظات أخرى (مثل رسائل النساء الخاصة، ولغات الشعوب الأصلية) شحيحة، ولا تنقل نماذج التعلم الآلات التي يتم تدريبها على البيانات الحديثة الوفيرة إلى مجالات تاريخية متفرقة، ولا يتطلب بناء نماذج محددة النطاقات معالجة دقيقة، وهي باهظة التكلفة ومناسبة للوقت.

التعسف والتفسير

إن معنى أي نص هو جزئيا نتاج لسياقه، فالطرق الحاسوبية يمكن أن تحدد الأنماط، ولكن تفسير هذه الأنماط يتطلب معرفة تاريخية عميقة، وقد تعزى الزيادة المفاجئة في الإشارات إلى " علم الأحياء " إلى تفشي فعلي، ولكن يمكن أن تعكس أيضا تغييرا في المصطلحات الطبية أو تنظيما جديدا يتطلب الإبلاغ عن الأمراض، ويجب دائما التحقق من النتائج الكمية بالمقارنة مع المصادر التاريخية التقليدية.

توجيهات المستقبل: نموذجا اللغات الرئيسية والكبيرة

(أ) إن الانفجار الأخير لنموذج لغة كبيرة (LLMs) مثل GPT-4، وLlama، وBRT قد فتح إمكانيات جديدة لتحليل النصوص التاريخية، خلافاً للنماذج السابقة التي تقتصر على عد الكلمات، يمكن للآليات المحلية أن تؤدي مهاماً مثل ترجمة ترجمة موحَّدة ] من اللغة الأرخية إلى اللغة الإنكليزية الحديثة

غير أن الألغام البرية المضادة للأفراد تأتي بمخاطرها الخاصة، ويمكنها أن تهلوس الحقائق، وأن تعكس التحيزات الحديثة، وقد لا تستوعب بأمانة السياق التاريخي، ويجب على الباحثين أن يستخدموها بحذر، وأن يتأكدوا من النواتج التي تُستخدم ضد المصادر الأصلية، ومن المرجح أن تهيمن على العقد القادم نهج هجينة تجمع بين المعارف التاريخية الرمزية (مثلاً، الجزيت، وقواعد البيانات البيغرافية) والنماذج العصبية.

الأدوات والموارد للباحثين

وبغية بدء تلك الراغبة في إجراء تحليلها التاريخي المحوسب، تتاح عدة أدوات مفتوحة وتجارية:

  • Voyant Tools:] A web-based text analysis platform that requires no programming. It offers frequency lists, word clouds, and simple topic modeling.
  • Python Libraries:] NLTK, spaCy, and scikit-learn provide robust functions for to tokenization, NER, and classification. Historical models (e.g., for 19th-century English) are available via Hugging Face.
  • TEI (Text Encoding Initiative): ] A standard for marking up historical documents in XML, enabling structured analysis across projects.
  • Stanford CoreNLP:] Offers pre-trained pipelines for several languages, with options to retrain on historical data.
  • Historical OCR Platforms:] Transkribus and OCR4all specialize in historical scans, providing custom model training for specific fonts and scripts.

خاتمة

فاللغات الحاسوبية التي ترسمها ليست بديلاً للقراءة الدقيقة والنقدية للنصوص التاريخية؛ بل هي زيادة قوية، إذ إن من خلال إتاحة تحليل الضم الهائل للمجموعات، وتحديد الأنماط الفرعية، واختبار الافتراضات على نطاق واسع، يتيح للتاريخ طرح أسئلة لم تكن في السابق قابلة للاجراءات، ولا يزال المجال يستوعب التحديات في نوعية البيانات، والتكيف مع النطاقات، والتفسير العالي في جدول أعمال البحوث.