Skip to content
بازگشت به نتایج جست‌وجو

گویش‌سنجی

معرفی‌شده توسط
Jean Seguy
سال
1973
نوع
Empirical process pipeline
خانواده
Quantitative Sociolinguistics

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

گویش‌سنجی یک روش کمی برای اندازه‌گیری فاصله‌های زبانی بین گویش‌ها یا زبان‌ها با استفاده از معیارهای عینی است که بر داده‌های آوایی، واژگانی یا فونتیکی اعمال می‌شود. گویش‌سنجی که توسط ژان سگی در سال ۱۹۷۳ پایه‌گذاری شد، فهرست‌های واژگان، تلفظ‌ها یا رونویسی‌های فونتیکی را در گونه‌های گفتاری مقایسه می‌کند تا نمرات شباهت را محاسبه کند. ماتریس‌های فاصله و دندروگرام‌های حاصل، الگوهای خویشاوندی گویشی و خوشه‌بندی جغرافیایی یا اجتماعی را آشکار می‌سازند. این روش مکمل گویش‌شناسی سنتی است و به زبان‌شناسی تاریخی و جامعه‌شناسی زبان کمک می‌کند.

شهود پشت روش

تصور کنید گویش‌ها را کلمه به کلمه مقایسه می‌کنید: آیا آنها یکسان هستند یا متفاوت؟ اگر متفاوتند، چقدر؟ گویش‌سنجی این فرآیند را با اختصاص یک فاصله عددی بین گونه‌ها نظام‌مند می‌کند. دو گویش با کلمات یکسان ممکن است فاصله ۰ داشته باشند؛ هر تفاوت (فونتیکی، واژگانی یا آوایی) به نمره فاصله کمک می‌کند. تجمیع فاصله‌ها در صدها کلمه، یک فاصله جفتی-گویشی واحد تولید می‌کند. ترسیم همه جفت‌ها روی نقشه یا درخت نشان می‌دهد که کدام گویش‌ها با هم خوشه‌بندی می‌شوند و نشان‌دهنده نزدیکی جغرافیایی یا تاریخ مشترک است.

تاریخ

ژان سگی در دهه ۱۹۷۰ گویش‌سنجی را برای تحلیل کمی گویش‌های رومی توسعه داد. هانس گوبل این روش را در دهه‌های ۱۹۸۰-۱۹۹۰ گسترش داد و آن را به مجموعه‌داده‌های بزرگتر اعمال کرد و تکنیک‌های بصری (نقشه‌های جغرافیایی) را توسعه داد. جان نربون و همکارانش گویش‌سنجی را با معیارهای فاصله صریح و الگوریتم‌های خوشه‌بندی در دهه‌های ۱۹۹۰-۲۰۰۰ مدرن کردند و آن را برای روش‌های محاسباتی قابل دسترس ساختند. امروزه، گویش‌سنجی در جامعه‌شناسی زبان و گویش‌شناسی محاسباتی استاندارد است.

چه زمانی استفاده شود

از گویش‌سنجی برای اندازه‌گیری عینی شباهت گویشی در زمانی که داده‌های موازی از چندین گونه دارید، برای آزمون فرضیه‌ها در مورد روابط زبانی، یا برای بصری‌سازی الگوهای تغییرات استفاده کنید. این روش مکمل گویش‌شناسی کیفی سنتی است و می‌تواند مقادیر زیادی از داده‌ها را به طور کارآمد پردازش کند. این روش فرض می‌کند که فهرست‌های واژگان قابل مقایسه هستند و با داده‌های دارای جزئیات فونتیکی بیشترین شفافیت را دارد.

محدودیت‌ها و ملاحظات

  • فرض می‌کند که فهرست‌های واژگان واقعاً قابل مقایسه هستند؛ شناسایی هم‌ریشه‌ها خود نیازمند قضاوت زبانی است و می‌تواند خطا ایجاد کند.
  • معیارهای فاصله (مانند فاصله Levenshtein) همه تفاوت‌ها را به طور یکسان در نظر می‌گیرند؛ آنها تفاوت‌های مهم فونتیکی را در مقابل تفاوت‌های بی‌اهمیت وزن‌دهی نمی‌کنند.
  • نتایج به انتخاب معیار و ترکیب فهرست واژگان حساس هستند؛ فهرست‌های مختلف می‌توانند به نتایج متفاوتی منجر شوند.
  • نمی‌تواند بین نوآوری مشترک و حفظ ویژگی‌های اجدادی تمایز قائل شود، که بینش‌ها را در مورد روابط تاریخی بدون شواهد مستقل محدود می‌کند.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • معیارهای عینی و قابل اندازه‌گیری برای شباهت گویشی ارائه می‌دهد و ذهنیت را در مقایسه‌ها کاهش می‌دهد.
  • قابلیت مقیاس‌پذیری خوبی برای مجموعه‌داده‌های بزرگ (صدها گونه، هزاران کلمه) دارد و امکان شناسایی الگوهای گسترده را فراهم می‌کند.
  • خروجی‌های بصری (دندروگرام‌ها، نقشه‌ها) تولید می‌کند که خوشه‌بندی و روابط را به وضوح نشان می‌دهند.
  • از آزمون فرضیه و مقایسه در سطوح زبانی مختلف (فونتیکی، آوایی، واژگانی) پشتیبانی می‌کند.

کاربردها

  • اندازه‌گیری فاصله‌های زبانی بین گویش‌های انگلیسی اسکاتلندی برای شناسایی خوشه‌بندی جغرافیایی و توصیف تغییرات منطقه‌ای.
  • مقایسه رونویسی‌های فونتیکی از گویش‌های رومی برای ارزیابی قابلیت فهم و خویشاوندی، که به تصمیم‌گیری‌های سیاست زبانی کمک می‌کند.
  • تحلیل گویش‌های یونانی مدرن برای درک روابط بین گونه‌های جزیره‌ای و گویش‌های قاره‌ای، که از استنتاج‌های تاریخی پشتیبانی می‌کند.
  • اعمال گویش‌سنجی بر زبان‌های در معرض خطر برای مستندسازی تغییرات در جوامع گفتاری و ایجاد یک خط مبنا برای تنوع فونتیکی/واژگانی.
  • استفاده از گویش‌سنجی واژگانی برای ردیابی روابط تاریخی بین گونه‌های زبان آلمانی و آزمون فرضیه‌ها در مورد نوآوری‌های مشترک.

چگونه کار می‌کند

چگونه کار می‌کند

1

فهرست‌های واژگان موازی یا رونویسی‌های فونتیکی را از چندین گونه گویشی یا زبان جمع‌آوری کنید و از استخراج سازگار (کلمات یکسان، بافت فونتیکی یکسان) اطمینان حاصل کنید.

2

کلمات متناظر را در گونه‌ها هم‌تراز کنید (تطبیق هم‌ریشه) و یک ماتریس داده با گونه‌ها به عنوان سطرها و کلمات به عنوان ستون‌ها ایجاد کنید.

3

فاصله‌های زبانی جفتی بین گونه‌ها را با استفاده از معیارهایی مانند فاصله Levenshtein (برای فونتیک) یا درصد-تفاوت ساده (برای اقلام واژگانی) محاسبه کنید.

4

یک ماتریس فاصله بسازید و الگوریتم‌های خوشه‌بندی (UPGMA، neighbor-joining) را برای تولید دندروگرام‌هایی که روابط سلسله‌مراتبی بین گونه‌ها را نشان می‌دهند، اعمال کنید.

5

الگوهای حاصل را برای شناسایی خوشه‌های منطقه‌ای/اجتماعی، آزمون فرضیه‌ها در مورد خویشاوندی زبانی، و ترسیم تغییرات جغرافیایی یا اجتماعی تحلیل کنید.

دام‌های رایج

  • فرض اینکه فاصله‌های کوچکتر همیشه نشان‌دهنده رابطه ژنتیکی نزدیک‌تر است. وام‌گیری گسترده یا همگرایی (اثرات منطقه‌ای) می‌تواند فاصله‌ها را بین گونه‌های غیرمرتبط کاهش دهد.
  • برخورد با دندروگرام‌ها به عنوان درختان تکاملی بدون شواهد تاریخی یا مقایسه‌ای اضافی. خوشه‌بندی مبتنی بر فاصله یک ابزار توصیفی است، نه یک اثبات فیلوژنتیکی.
  • استفاده از معیارهای فاصله نامناسب. فاصله Levenshtein برای داده‌های فونتیکی کار می‌کند؛ درصد-تفاوت برای شمارش‌های واژگانی مناسب است. معیارهایی را انتخاب کنید که با نوع داده شما همسو باشند.
  • تفسیر بیش از حد تفاوت‌های جزئی در مقادیر فاصله. تغییرات کوچک در معیارها یا داده‌ها می‌تواند دندروگرام‌ها را تغییر دهد. محدوده‌های خطا را گزارش دهید و تحلیل‌های حساسیت را اجرا کنید.

پرسش‌های متداول

فاصله Levenshtein چیست و چه زمانی باید از آن استفاده کنم؟

فاصله Levenshtein (فاصله ویرایش) حداقل تعداد ویرایش‌های تک‌کاراکتری (درج، حذف، جایگزینی) مورد نیاز برای تبدیل یک رشته به رشته دیگر را شمارش می‌کند. این معیار برای رونویسی‌های فونتیکی که می‌خواهید شباهت فونتیکی را اندازه‌گیری کنید (مثلاً [pɔt] به [pot] = ۱ ویرایش، تغییر کیفیت واکه) ایده‌آل است. برای داده‌های واژگانی (کلمات مختلف برای یک مفهوم)، درصد-تفاوت ساده اغلب مناسب‌تر است.

چگونه هم‌ریشه‌ها را در گویش‌ها برای گویش‌سنجی شناسایی کنم؟

با کلمات مرتبط از نظر ریشه‌شناسی (کلماتی که می‌دانیم منشأ مشترک دارند) شروع کنید. برای هم‌ریشه‌هایی که در مورد آنها مطمئن نیستید، از شباهت فونتیکی به علاوه هم‌ارزی معنایی استفاده کنید: معنی یکسان و شکل صوتی مشابه. از مواد مرجع (فرهنگ‌های ریشه‌شناسی) برای تأیید قضاوت‌ها استفاده کنید. در مراحل اولیه تحلیل، بهتر است هم‌ریشه‌های مرزی را نیز شامل شوید؛ تحلیل‌های حساسیت نشان می‌دهند که آیا نتایج نسبت به انتساب‌های جایگزین هم‌ریشه قوی هستند یا خیر.

آیا گویش‌سنجی می‌تواند گویش را از زبان متمایز کند؟

به تنهایی خیر. قابلیت فهم متقابل، عوامل اجتماعی و سابقه تاریخی به اندازه فاصله زبانی اهمیت دارند. برخی گویش‌های متقابلاً قابل فهم فاصله‌های زیادی دارند؛ برخی گونه‌های غیرقابل فهم فاصله‌های کمی دارند. گویش‌سنجی یک قطعه از شواهد را فراهم می‌کند؛ آن را با بررسی‌های جامعه‌شناختی زبان، دانش تاریخی و نگرش‌های گویشوران ترکیب کنید تا تمایز قائل شوید.

اندازه فهرست واژگان مناسب برای گویش‌سنجی چقدر است؟

حداقل ۱۰۰-۲۰۰ کلمه برای تحلیل پایه معمول است. فهرست‌های بزرگتر (۵۰۰-۱۰۰۰+) تخمین‌های پایدارتری ارائه می‌دهند و الگوها را در سطوح دقیق‌تر آشکار می‌کنند. با این حال، حتی فهرست‌های کوچک (۵۰ کلمه) نیز می‌توانند گروه‌بندی‌های اصلی گویشی را در صورت انتخاب دقیق آشکار کنند. مهم‌تر از اندازه، نمایندگی است: کلمات رایج، چندین بخش از گفتار و بافت‌های فونتیکی متنوع را شامل شود.

روش‌های مرتبط

منابع

  1. Seguy, J. (1973). La dialectométrie dans l'étude de l'espace linguistique. Revue de Linguistique Romane, 37, 1-24.

    باز کردن مرجع انتشار
    کپی شد.
  2. Nerbonne, J., & Heeringa, W. (2009). Measuring dialect differences. In P. Auer & J. E. Schmidt (Eds.), Language and Space: An International Handbook of Linguistic Variation. Berlin: De Gruyter.

    باز کردن مرجع انتشار
    کپی شد.
  3. Heeringa, W. (2004). Measuring Dialect Pronunciation Differences Using Levenshtein Distance. Groningen: University of Groningen.

    باز کردن مرجع انتشار
    کپی شد.