در دنیای پرشتاب و پویای امروز، پردازش زبان طبیعی (NLP) به عنوان یکی از ارکان اصلی هوش مصنوعی، نقشی انکارناپذیر در جنبه‌های مختلف زندگی ما ایفا می‌کند. از ترجمه ماشینی و تحلیل احساسات در شبکه‌های اجتماعی گرفته تا پاسخگویی به سوالات در موتورهای جستجو و توسعه چت‌بات‌های هوشمند، NLP به طور فزاینده‌ای در حال تغییر شکل تعامل ما با فناوری است. با این حال، این پیشرفت چشمگیر، خطرات و چالش‌هایی را نیز به همراه دارد.

مقاله “هویت ما در استنادات ماست: پل‌های تأثیر میان پردازش زبان طبیعی و دیگر رشته‌های علمی” به بررسی میزان تعامل و تبادل دانش بین NLP و سایر رشته‌های علمی می‌پردازد. این مقاله با تحلیل دقیق داده‌های استنادی، تصویری روشن از وضعیت فعلی این تعامل و روند تغییرات آن در طول زمان ارائه می‌دهد و زنگ خطری را برای متخصصان NLP به صدا درمی‌آورد تا نسبت به ارتباط خود با سایر حوزه‌های علمی تجدید نظر کنند.

این مقاله توسط تیمی از محققان برجسته در زمینه‌های پردازش زبان طبیعی، علم اطلاعات و کتابداری دیجیتال به رشته تحریر درآمده است:

• Jan Philip Wahle
• Terry Ruas
• Mohamed Abdalla
• Bela Gipp
• Saif M. Mohammad

زمینه تحقیقاتی این افراد، تلفیقی از مهندسی کامپیوتر، زبان‌شناسی، علم اطلاعات و تحلیل داده است. این ترکیب تخصصی به آن‌ها امکان داده است تا با دیدگاهی جامع و چندوجهی به بررسی موضوع تعامل NLP با سایر رشته‌ها بپردازند.

چکیده مقاله به این صورت است: پردازش زبان طبیعی (NLP) در آستانه تأثیرگذاری چشمگیر بر جهان است. با این حال، پیشرفت‌های قابل توجه با خطرات قابل توجهی همراه است. پرداختن به آنها نیازمند تعامل گسترده با حوزه‌های مختلف مطالعاتی است. با این وجود، کارهای تجربی اندکی وضعیت این تعامل (گذشته یا حال) را بررسی می‌کنند. در این مقاله، ما میزان تأثیر بین 23 حوزه مطالعاتی و NLP (بر یکدیگر) را کمی‌سازی می‌کنیم. ما حدود 77 هزار مقاله NLP، حدود 3.1 میلیون استناد از مقالات NLP به سایر مقالات و حدود 1.8 میلیون استناد از سایر مقالات به مقالات NLP را تجزیه و تحلیل کردیم. ما نشان می‌دهیم که بر خلاف اکثر رشته‌ها، تعامل بین رشته‌ای NLP، که توسط شاخص پیشنهادی ما برای تنوع استناد حوزه (CFDI) اندازه‌گیری می‌شود، از 0.58 در سال 1980 به 0.31 در سال 2022 کاهش یافته است (پایین‌ترین حد خود). علاوه بر این، متوجه می‌شویم که NLP بیشتر درون‌گرا شده است – استناد بیشتر به مقالات NLP و داشتن مقالات کمتری که به عنوان پل بین رشته‌ها عمل می‌کنند. استنادات NLP تحت سلطه علوم کامپیوتر است؛ کمتر از 8% استنادات NLP به زبان‌شناسی، و کمتر از 3% به ریاضیات و روانشناسی است. این یافته‌ها بر نیاز فوری NLP به تفکر در مورد تعامل خود با حوزه‌های مختلف تأکید می‌کند.

به طور خلاصه، مقاله به بررسی میزان ارتباط و تبادل دانش بین NLP و سایر رشته‌های علمی می‌پردازد. نویسندگان با تحلیل حجم عظیمی از داده‌های استنادی، نشان می‌دهند که تعامل NLP با سایر حوزه‌ها در طول زمان کاهش یافته و NLP به سمت انزوای بیشتر پیش رفته است. این یافته‌ها هشداری است برای متخصصان NLP تا نسبت به این روند آگاه شده و برای تقویت ارتباط خود با سایر رشته‌ها تلاش کنند.

محققان برای انجام این پژوهش، از یک روش‌شناسی کمی و مبتنی بر تحلیل داده‌های استنادی استفاده کرده‌اند. مراحل اصلی این روش‌شناسی عبارتند از:

• جمع‌آوری داده‌ها: جمع‌آوری داده‌های استنادی شامل حدود 77 هزار مقاله در حوزه NLP، 3.1 میلیون استناد از مقالات NLP به سایر مقالات و 1.8 میلیون استناد از سایر مقالات به مقالات NLP. این داده‌ها از پایگاه‌های اطلاعاتی معتبر علمی جمع‌آوری شده‌اند.
• طبقه‌بندی مقالات: طبقه‌بندی مقالات به 23 حوزه علمی مختلف بر اساس موضوع و محتوای آن‌ها.
• محاسبه شاخص تنوع استناد حوزه (CFDI): این شاخص برای سنجش میزان تنوع استنادهای NLP به سایر حوزه‌ها طراحی شده است. مقدار بالاتر CFDI نشان‌دهنده تعامل گسترده‌تر با سایر رشته‌ها است.
• تحلیل روند تغییرات CFDI در طول زمان: بررسی تغییرات شاخص CFDI از سال 1980 تا 2022 برای تعیین روند تعامل NLP با سایر حوزه‌ها.
• شناسایی مقالات پل: شناسایی مقالاتی که بیشترین استناد را از حوزه‌های مختلف علمی دریافت کرده‌اند. این مقالات به عنوان پل‌هایی بین NLP و سایر رشته‌ها عمل می‌کنند.

این روش‌شناسی دقیق و سیستماتیک، امکان ارائه یک تحلیل کمی و قابل اتکا از وضعیت تعامل NLP با سایر رشته‌ها را فراهم کرده است.

نتایج این پژوهش، یافته‌های مهمی را در مورد وضعیت تعامل NLP با سایر رشته‌ها آشکار می‌سازد:

• کاهش تعامل بین‌رشته‌ای: بر خلاف اکثر رشته‌های علمی، تعامل بین‌رشته‌ای NLP در طول زمان کاهش یافته است. شاخص CFDI از 0.58 در سال 1980 به 0.31 در سال 2022 رسیده است که نشان‌دهنده کاهش چشمگیر در تنوع استنادها به سایر حوزه‌ها است.
• انزوای بیشتر NLP: NLP به طور فزاینده‌ای به سمت انزوا پیش رفته و بیشتر به مقالات داخلی خود استناد می‌کند. این امر می‌تواند منجر به محدود شدن دیدگاه‌ها و عدم بهره‌گیری از دانش و تجربیات سایر حوزه‌ها شود.
• سلطه علوم کامپیوتر: استنادات NLP عمدتاً به مقالات علوم کامپیوتر محدود می‌شود. سهم استنادات به رشته‌های زبان‌شناسی، ریاضیات و روانشناسی بسیار اندک است (کمتر از 8% به زبان‌شناسی و کمتر از 3% به ریاضیات و روانشناسی).
• کاهش تعداد مقالات پل: تعداد مقالاتی که به عنوان پل بین NLP و سایر رشته‌ها عمل می‌کنند، در طول زمان کاهش یافته است. این امر می‌تواند نشان‌دهنده کاهش تبادل دانش و ایده‌ها بین NLP و سایر حوزه‌ها باشد.

برای مثال، در گذشته، مقالات مربوط به تحلیل گفتار ممکن بود به طور گسترده‌ای به تحقیقات زبان‌شناسی استناد کنند، اما امروزه شاهد استنادهای کمتری به این حوزه و تمرکز بیشتر بر روش‌های محاسباتی هستیم.

این پژوهش، دستاوردهای مهمی برای متخصصان NLP و سایر حوزه‌های علمی به همراه دارد:

• آگاهی‌بخشی: این مقاله، آگاهی متخصصان NLP را نسبت به روند کاهش تعامل با سایر رشته‌ها افزایش می‌دهد.
• شناسایی نقاط ضعف: یافته‌های این پژوهش، نقاط ضعف در ارتباط NLP با سایر حوزه‌ها را شناسایی می‌کند و به متخصصان امکان می‌دهد تا برای رفع این نقاط ضعف تلاش کنند.
• ترغیب به همکاری بین‌رشته‌ای: این مقاله، متخصصان NLP را به همکاری بیشتر با سایر رشته‌ها ترغیب می‌کند. همکاری بین‌رشته‌ای می‌تواند منجر به نوآوری‌های بیشتر و حل مسائل پیچیده شود.
• بهبود سیاست‌گذاری: نتایج این پژوهش می‌تواند در سیاست‌گذاری‌های مربوط به تحقیقات NLP مورد استفاده قرار گیرد. سیاست‌گذاران می‌توانند از این یافته‌ها برای تشویق به همکاری بین‌رشته‌ای و حمایت از تحقیقاتی که به تعامل NLP با سایر حوزه‌ها می‌پردازند، استفاده کنند.

به عنوان مثال، با آگاهی از کمبود استناد به تحقیقات روانشناسی، محققان NLP می‌توانند تلاش کنند تا در توسعه سیستم‌های تحلیل احساسات، از یافته‌های روانشناسی در مورد احساسات و هیجانات انسانی استفاده کنند.

مقاله “هویت ما در استنادات ماست: پل‌های تأثیر میان پردازش زبان طبیعی و دیگر رشته‌های علمی” با ارائه یک تحلیل دقیق و مبتنی بر داده، نشان می‌دهد که تعامل NLP با سایر رشته‌های علمی در حال کاهش است و NLP به سمت انزوای بیشتر پیش می‌رود. این یافته‌ها هشداری است برای متخصصان NLP تا نسبت به این روند آگاه شده و برای تقویت ارتباط خود با سایر حوزه‌ها تلاش کنند. همکاری بین‌رشته‌ای، کلید حل چالش‌های پیچیده و دستیابی به نوآوری‌های بیشتر در NLP است. با توجه به نقش روزافزون NLP در زندگی ما، تقویت ارتباط این حوزه با سایر رشته‌های علمی، از اهمیت بسزایی برخوردار است.