لطالما واجه الباحثون في تعليم اللغات حاجة ملحة إلى تزويد كلمات قوائم التكرار العالي بمعلومات دلالية تصف معانيها وسياقات استعمالها، غير أن القيود التقنية حالت دون تحقيق هذا الهدف على نطاق واسع، إذ كان التحليل الدلالي اليدوي للمدونات اللغوية الضخمة عملًا شاقًا يستغرق زمنًا طويلًا، وجاءت نماذج اللغة الكبيرة لتفتح بابًا جديدًا أمام هذه المهمة، وتوظف هذه الدراسة نموذج بيرت، أحد أبرز نماذج اللغة المعتمدة على التعلم العميق، في الترميز الدلالي التلقائي لمدونات ضخمة وحساب التكرارات الدلالية للكلمات الرئيسة في قائمة الخدمة العامة الشهيرة في تعليم الإنجليزية، سعيًا إلى تحديد المعاني عالية التكرار لهذه الكلمات والتحقق من جدوى المقاربة وقابليتها للتعميم على قوائم مفردات أخرى، وتتصل قائمة الخدمة العامة بآلاف الكلمات الأكثر شيوعًا في الإنجليزية، ويعتمد عليها مصممو المناهج والمعلمون منذ عقود في ترتيب ما يقدم للمتعلمين، غير أنها في صورتها التقليدية تخبرنا عن الكلمات لا عن معانيها الأهم، إذ تتعدد معاني الكلمة الواحدة ويتفاوت شيوعها تفاوتًا كبيرًا
أولًا: أهداف الدراسة ومنهجيتها
طرحت الدراسة ثلاثة أسئلة رئيسة، أولها ما إذا كان بوسع نموذج بيرت ترميز المدونات الكبيرة دلاليًا تلقائيًا وحساب تكرارات المعاني بدقة، وثانيها ما المعاني عالية التكرار لكلمات قائمة الخدمة العامة، وثالثها ما إذا كانت هذه المقاربة قابلة للتحقق والتثبت، وللإجابة عن هذه الأسئلة طُبّق إطار عمل قائم على نموذج بيرت لترميز 1891 كلمة رئيسة من القائمة تتفرع عنها 10925 معنى، وذلك داخل المدونة الوطنية البريطانية البالغ حجمها مئة مليون كلمة، ومُثّل كل معنى بمتجه مكوّن من 1024 بُعدًا يعبر عن بصمته الدلالية في سياقات استعماله، ومن خلال هذا التحليل حُددت 3695 من المعاني عالية التكرار لكلمات القائمة، واختبرت الدراسة دقة النموذج في إزالة الغموض الدلالي وتغطية المعاني المختارة عبر مدونات مختلفة للتحقق من متانة المقاربة، ويستند تمثيل المعنى بمتجه عددي إلى فكرة أن نماذج اللغة تتعلم من سياقات الورود توزيعات تعكس الاستعمال الحقيقي، فيقترب المتجه من المعاني المتشابهة سياقيًا ويبتعد عن غيرها، وبهذا أمكن حصر المعاني عالية التكرار آليًا بدل الاعتماد على حدس الخبراء وحده
ثانيًا: أبرز النتائج
خلصت الدراسة إلى ثلاث نتائج رئيسة، أولها أن نموذج بيرت أظهر دقة عالية في الترميز الدلالي، إذ بلغت دقته 92 في المئة عند إزالة غموض معاني كلمات قائمة الخدمة العامة، وثانيها أن عددًا صغيرًا نسبيًا من المعاني عالية التكرار يستأثر بحصة كبيرة من تغطية المدونة، فهذه المعاني التي تمثل 33.8 في المئة من مجموع المعاني تغطي نحو 60 في المئة من مجمل مرات ورود كلمات القائمة في المدونة الوطنية البريطانية، وثالثها أن المعاني عالية التكرار المختارة بهذه الطريقة يمكن التحقق منها عبر اتساق تغطيتها بين مدونات مختلفة، فما يظهر متكررًا في مدونة يثبت حضوره في غيرها، وتدل هذه النتائج مجتمعة على أن الترميز الدلالي بمساعدة نماذج اللغة الكبيرة مقاربة ناضجة وقابلة للاعتماد في بناء موارد لغوية دقيقة، وتعيد هذه النتيجة رسم أولويات تعليم المفردات، فبدل توزيع الجهد بالتساوي على معاني الكلمة جميعها يمكن تركيزه على المعاني الأعلى تكرارًا التي تقابل المتعلم في معظم النصوص، كما تؤكد إمكان بناء موارد دلالية مماثلة لقوائم ترددية أخرى بالمنهجية ذاتها
ثالثًا: دلالات الدراسة وتطبيقاتها
تقدم هذه الدراسة طريقة رائدة في الترميز الدلالي للمدونات الكبيرة يمكن تطبيقها بسهولة لحساب التكرارات الدلالية لقوائم كلمات أخرى، بما يخدم واضعي المناهج الدراسية ومؤلفي كتب تعليم اللغات ومصممي الاختبارات في اختيار المفردات والمعاني الأجدر بالتدريس أولًا، فبدل الاكتفاء بتكرار الكلمة مجردة يصبح بالإمكان تعليم المعنى الأكثر شيوعًا لكل كلمة في سياقاته الحقيقية، كما تفيد النتائج باحثي اللسانيات الحاسوبية في بناء معاجم دلالية ومدونات مرمزة على نطاق واسع بجهد أقل ودقة موثقة، وتفتح الباب أمام تحديث قوائم المفردات الكلاسيكية ببيانات دلالية حديثة مستمدة من مدونات ضخمة تعكس الاستعمال الفعلي للغة
وخلاصة القول إن توظيف نموذج بيرت في الترميز الدلالي للمدونات يحوّل مهمة كانت شبه مستحيلة يدويًا إلى عملية تلقائية دقيقة، ويمنح قوائم المفردات عالية التكرار بعدًا دلاليًا طال انتظاره في تعليم اللغات وبحثها، ويفتح أمام الباحثين والمعلمين طريقًا عمليًا لبناء مواد تعليمية ومعاجم تعكس الاستعمال الحي للغة كما هو في المدونات الضخمة
