فولکلور یا فرهنگ عامه، آینه‌ی تمام‌نمای هویت، باورها و تاریخ یک ملت است. این میراث گران‌بها که شامل سنت‌های شفاهی، داستان‌ها، ضرب‌المثل‌ها، آداب و رسوم و فرهنگ مادی می‌شود، روح یک جامعه را در خود محبوس کرده است. فولکلور بنگالی، با غنای شگفت‌انگیز و عمق تاریخی خود، یکی از ارزشمندترین گنجینه‌های فرهنگی در شبه‌قاره هند به شمار می‌رود. با این حال، در عصر دیجیتال و با گذر زمان، این میراث در معرض خطر فراموشی و تحریف قرار گرفته است.

مقاله «مطالعه و تحلیل سیستماتیک فولکلور بنگالی با سیستم‌های پردازش زبان طبیعی» که توسط تیمی از پژوهشگران برجسته به رشته تحریر درآمده، تلاشی پیشگامانه برای پیوند میان سنت‌های کهن و فناوری‌های نوین است. اهمیت این پژوهش در آن است که برای نخستین بار، از ابزارهای هوش مصنوعی (AI) و پردازش زبان طبیعی (NLP) به صورت متمرکز برای حفظ، تحلیل و درک عمیق‌تر فولکلور بنگالی بهره می‌برد. این مقاله نه تنها راهی برای بایگانی دیجیتال این فرهنگ غنی ارائه می‌دهد، بلکه افق‌های جدیدی را برای تحلیل‌های ساختاری، معنایی و فرهنگی آن می‌گشاید و به عنوان یک پل میان علوم انسانی و علوم کامپیوتر عمل می‌کند.

این مقاله حاصل همکاری گروهی از محققان به نام‌های مستعین بیله، مد مین‌الدین، مصطفی‌جور رحمان آخوند، مد نسیم عدنان، سید مد غالب، رضوان‌الرحاد و ام نورالزمان خان است. تخصص این پژوهشگران در حوزه‌های هوش مصنوعی، یادگیری ماشین و پردازش زبان طبیعی، به‌ویژه با تمرکز بر زبان بنگالی، بنیان علمی قدرتمندی برای این پروژه فراهم آورده است.

زمینه این تحقیق در تقاطع دو حوزه مهم قرار دارد: نیاز روزافزون به دیجیتالی‌سازی و حفظ میراث فرهنگی، و پیشرفت‌های چشمگیر در زمینه NLP برای زبان‌های کم‌منبع (Low-Resource Languages). در حالی که ابزارهای NLP برای زبان انگلیسی بسیار توسعه‌یافته هستند، زبان‌هایی مانند بنگالی هنوز در ابتدای راه قرار دارند. پژوهش‌های پیشین عمدتاً بر جنبه‌های عمومی زبان بنگالی (مانند ترجمه ماشینی یا تحلیل احساسات) متمرکز بوده‌اند. اما این مقاله با انتخاب موضوع تخصصی «فولکلور»، چالشی جدید و ارزشمند را مطرح می‌کند و خود را به عنوان نخستین گام اساسی در این حوزه معرفی می‌نماید.

مقاله با تعریف فولکلور به عنوان شاخه‌ای استوار از ادبیات عامه و نماد هویت هر ملت آغاز می‌شود. فولکلور نه تنها شامل سنت‌های شفاهی مانند ضرب‌المثل‌ها، لطیفه‌ها و داستان‌هاست، بلکه فرهنگ مادی، باورهای سنتی و آداب و رسوم را نیز در بر می‌گیرد. نویسندگان با تأکید بر غنای بی‌نظیر فولکلور بنگالی، به این واقعیت اشاره می‌کنند که این گنجینه در گذر زمان با خطر زوال و فراموشی روبروست.

هدف اصلی این تحقیق، قابل فهم‌تر کردن این میراث غنی برای همگان از طریق روش‌های محاسباتی پیشرفته است. اگرچه مطالعاتی در زمینه کاربرد NLP بر زبان بنگالی انجام شده، اما مدل پیشنهادی این مقاله به طور خاص برای فولکلور بنگالی طراحی شده است. در واقع، این پژوهش به عنوان اولین قدم در مسیر استفاده از پردازش زبان طبیعی برای مطالعه و تحلیل نظام‌مند فولکلور بنگال عمل می‌کند و یک چارچوب اولیه برای کارهای آینده در این حوزه ارائه می‌دهد.

اگرچه مقاله بیشتر به معرفی طرح و اهمیت آن می‌پردازد، اما می‌توان روش‌شناسی پیشنهادی آن را بر اساس اصول استاندارد پروژه‌های NLP بازسازی کرد. این فرآیند به احتمال زیاد شامل مراحل زیر است:

• گردآوری داده‌ها (Corpus Creation): اولین و حیاتی‌ترین گام، ساخت یک پیکره متنی جامع از فولکلور بنگالی است. این کار شامل جمع‌آوری داده از منابع مختلفی مانند کتاب‌های قدیمی، نسخ خطی، وب‌سایت‌های فرهنگی، آرشیوهای صوتی و پیاده‌سازی داستان‌های شفاهی است. این مجموعه داده‌ها شامل ضرب‌المثل‌ها، داستان‌های کوتاه، اشعار محلی و باورهای عامیانه خواهد بود.
• پیش‌پردازش متن (Text Preprocessing): متون گردآوری‌شده به دلیل تنوع منابع و قدمت، نیازمند پاک‌سازی و استانداردسازی هستند. این مرحله شامل فرآیندهایی مانند:
  • توکنیزاسیون (Tokenization): شکستن متون به واحدهای کوچک‌تر مانند کلمات و جملات.
  • نرمال‌سازی (Normalization): یکسان‌سازی املای کلمات و حذف کاراکترهای اضافی.
  • ریشه‌یابی و بن‌واژه‌سازی (Stemming & Lemmatization): بازگرداندن کلمات به ریشه یا شکل اصلی خود برای تحلیل بهتر.
• طراحی مدل (Model Design): نویسندگان به یک «مدل پیشنهادی» اشاره می‌کنند. این مدل می‌تواند شامل تکنیک‌های مختلفی باشد:
  • مدل‌سازی موضوعی (Topic Modeling): استفاده از الگوریتم‌هایی مانند LDA برای کشف موضوعات و مضامین پنهان در داستان‌ها و ضرب‌المثل‌ها (مانند اخلاق، طبیعت، عدالت اجتماعی).
  • طبقه‌بندی متون (Text Classification): آموزش یک مدل برای دسته‌بندی خودکار قطعات فولکلور به ژانرهای مختلف (مثلاً لطیفه، مَثَل، داستان اساطیری).
  • بازشناسی موجودیت‌های نام‌دار (Named Entity Recognition – NER): شناسایی و استخراج اسامی شخصیت‌ها، مکان‌ها، و اشیاء فرهنگی خاص در متون.
• تحلیل و بصری‌سازی: در نهایت، نتایج حاصل از مدل‌های NLP برای شناسایی الگوهای فرهنگی، زبانی و معنایی در فولکلور بنگالی تحلیل و به صورت گرافیکی نمایش داده می‌شود.

از آنجایی که این مقاله یک کار بنیادین و سیستماتیک است، یافته‌های آن بیشتر بر ایجاد زیرساخت و اثبات امکان‌پذیری ایده متمرکز است تا نتایج تحلیلی نهایی. یافته‌های کلیدی مورد انتظار عبارتند از:

• ایجاد اولین پیکره دیجیتال فولکلور بنگالی: مهم‌ترین دستاورد عملی این تحقیق، ساخت یک مجموعه داده ساختاریافته و قابل استفاده توسط ماشین است که خود به تنهایی یک منبع ارزشمند برای تحقیقات آینده محسوب می‌شود.
• اثبات کارایی NLP: این مطالعه نشان می‌دهد که تکنیک‌های پردازش زبان طبیعی می‌توانند با موفقیت برای تحلیل متون پیچیده، کهن و سرشار از استعاره مانند فولکلور به کار گرفته شوند.
• شناسایی الگوهای موضوعی: با استفاده از مدل‌سازی موضوعی، محققان می‌توانند مضامین تکرارشونده مانند اهمیت خانواده، تقابل خیر و شر، حکمت روستایی و ارتباط با طبیعت را که در تار و پود فرهنگ بنگالی تنیده شده است، به صورت کمی شناسایی کنند.
• کشف ویژگی‌های زبانی منحصربه‌فرد: تحلیل محاسباتی می‌تواند به کشف ساختارهای دستوری، واژگان آرکائیک و گویش‌های منطقه‌ای که در فولکلور حفظ شده‌اند اما در زبان بنگالی مدرن کمتر به کار می‌روند، کمک کند.

این پژوهش پیشگامانه پیامدها و کاربردهای گسترده‌ای در حوزه‌های مختلف دارد:

• حفظ میراث فرهنگی: اصلی‌ترین دستاورد، ایجاد یک آرشیو دیجیتال و پایدار از فولکلور بنگالی است که آن را از خطر نابودی نجات می‌دهد و برای نسل‌های آینده قابل دسترس می‌سازد.
• ابزارهای آموزشی: نتایج این تحقیق می‌تواند برای ساخت پلتفرم‌های آموزشی تعاملی، وب‌سایت‌ها و اپلیکیشن‌هایی به کار رود که به دانش‌آموزان و علاقه‌مندان امکان جستجو، یادگیری و تحلیل فرهنگ عامه را به شیوه‌ای جذاب می‌دهند.
• پژوهش‌های علوم انسانی و اجتماعی: این پروژه ابزاری قدرتمند در اختیار زبان‌شناسان، مردم‌شناسان و جامعه‌شناسان قرار می‌دهد تا با رویکردی داده‌محور به مطالعه فرهنگ، تاریخ و تحولات اجتماعی بنگال بپردازند.
• توسعه هوش مصنوعی برای زبان بنگالی: مجموعه داده‌ها و مدل‌های توسعه‌یافته در این پروژه، منابع ارزشمندی برای بهبود عملکرد کلی سیستم‌های NLP برای زبان بنگالی خواهند بود و به پیشرفت این حوزه کمک می‌کنند.
• الهام‌بخش صنایع خلاق: دسترسی آسان و ساختاریافته به این گنجینه داستانی می‌تواند منبع الهام‌بخشی برای نویسندگان، فیلم‌سازان، هنرمندان و طراحان بازی باشد.

مقاله «مطالعه و تحلیل سیستماتیک فولکلور بنگالی با سیستم‌های پردازش زبان طبیعی» یک اثر بنیادی و بسیار ارزشمند است که با موفقیت پلی میان گذشته و آینده، و بین علوم انسانی و فناوری ایجاد می‌کند. این تحقیق نه تنها اهمیت حیاتی حفظ میراث فرهنگی را یادآور می‌شود، بلکه نشان می‌دهد که چگونه می‌توان از ابزارهای پیشرفته هوش مصنوعی برای درک عمیق‌تر هویت و خرد جمعی یک ملت بهره برد.

این پژوهش به عنوان اولین گام در یک مسیر طولانی، راه را برای تحقیقات آتی هموار می‌سازد. کارهای آینده می‌تواند شامل توسعه مدل‌های زبانی بزرگ مبتنی بر این داده‌ها، تحلیل‌های تطبیقی با فولکلور سایر فرهنگ‌ها، و ایجاد ابزارهای کاربردی برای عموم مردم باشد. در نهایت، این مقاله ثابت می‌کند که فناوری، اگر با هدفمندی و احترام به فرهنگ به کار گرفته شود، می‌تواند به قدرتمندترین نگهبان سنت‌ها و داستان‌های بشری تبدیل گردد.