واژه های دستوری به مثابه نشانگرهای گویش فردی: رویکردی پیکره ای به شناسایی هویت نویسنده در زبان فارسی (مقاله علمی وزارت علوم)

چکیده

شناسایی هویت نویسنده یکی از حوزه های تحقیقاتی مهم در حیطه زبان شناسی حقوقی است که موضوع پژوهش های زبان شناختی و رایانشیِ گسترده در زبان های مختلف بوده است. با این حال شواهد محدودی از پژوهش های صورت گرفته با موضوع شناسایی نویسنده در زبان فارسی وجود دارد. در این پژوهش امکان شناسایی نویسنده یک متن با تکیه بر مفهوم گویش فردی و با استفاده از واژه های دستوری زبان فارسی بررسی شده است. واژه های دستوری از آن جهت که به طور ناخودآگاه در تولید زبان به کار گرفته می شوند، مستقل از موضوع متن به کار می روند و بسامد بالایی در متون کوتاه دارند، می توانند نشانگرهای مؤثری برای کدگذاری گویش فردی و ممیز سبک نویسندگان باشند. در این پژوهش، ابتدا پیکر ه هایی متنی از نوشته های پنج محقق و نویسنده معاصر جمع آوری و سپس با استفاده از نرم افزار خطایاب وفا، استانداردسازی شدند. با استفاده از بسته سبک سنجی stylo نرم افزار آماری R ، واژه های پربسامد دستوری با توالی های یک تا سه نگاشتی از متون استخراج شدند و سپس قابلیت تفکیک متون بر اساس این واژه ها و با استفاده از تحلیل مؤلفه های اصلی و همچنین تحلیل خوشه ای بر اساس مقیاس فاصله ای دلتا بررسی شد. نتایج نشان داد که واژه های دستوری در زبان فارسی قابلیت تفکیک متون متعلق به یک نویسنده را دارند و عملکرد واژه های تک نگاشتی بهتر از دونگاشتی و سه نگاشتی ها در متون کم حجم است. همچنین نتایج پژوهش نشان داد که حجم کمینه متن برای شناسایی موفقیت آمیز نویسنده در متون فارسی حدود 4000 واژه بر اساس 20 واژه دستوری پربسامد است .