حرکات چشم ما در حین خواندن، پنجره‌ای به سوی فرآیندهای پیچیده شناختی مغز است. هر توقف (تثبیت) و هر پرش (ساکاد) چشم، اطلاعات ارزشمندی درباره نحوه پردازش کلمات، ساختارهای دستوری و درک معنا در اختیار ما قرار می‌دهد. مقاله «پیکره کپنهاگ از ثبت‌های ردیابی چشم در خوانش طبیعی متون دانمارکی» (The Copenhagen Corpus of Eye Tracking Recordings from Natural Reading of Danish Texts) به معرفی و ارائه یک منبع داده بنیادی در این حوزه می‌پردازد. این مقاله، اولین پیکره (Corpus) ردیابی چشم در حین خواندن متون را برای زبان دانمارکی معرفی می‌کند که با نام اختصاری CopCo شناخته می‌شود.

اهمیت این پژوهش در آن است که تا پیش از این، ابزارهای مطالعاتی مشابه برای زبان دانمارکی وجود نداشت. ایجاد چنین پیکره‌ای، راه را برای تحقیقات گسترده در زمینه پردازش زبان طبیعی (NLP)، روان‌شناسی زبان، علوم شناختی و آموزش هموار می‌سازد. محققان اکنون می‌توانند با تحلیل داده‌های واقعی از خوانندگان دانمارکی، مدل‌های محاسباتی دقیق‌تری برای درک زبان بسازند، مشکلات خواندن مانند نارساخوانی را بهتر مطالعه کنند و به درک عمیق‌تری از تعامل میان زبان و شناخت دست یابند.

این مقاله حاصل همکاری سه پژوهشگر برجسته، نورا هولنشتاین (Nora Hollenstein)، ماریا بارت (Maria Barrett) و مارینا بیورنسدوتیر (Marina Björnsdóttir) است. این محققان در مرز میان علوم کامپیوتر، زبان‌شناسی محاسباتی و علوم شناختی فعالیت می‌کنند. تخصص آن‌ها در جمع‌آوری و تحلیل داده‌های شناختی مرتبط با زبان، مانند سیگنال‌های مغزی (EEG) و حرکات چشم، به آن‌ها اجازه داده است تا زیرساختی علمی و قابل اتکا برای جامعه تحقیقاتی زبان دانمارکی فراهم آورند. این پژوهش نمونه‌ای درخشان از تحقیقات میان‌رشته‌ای است که چگونه فناوری می‌تواند به درک ما از پیچیده‌ترین توانایی انسان، یعنی زبان، کمک کند.

مقاله، CopCo را به عنوان نخستین پیکره ردیابی چشم برای خوانش طبیعی متون دانمارکی معرفی می‌کند. این پیکره در نسخه اولیه خود شامل داده‌های ثبت‌شده از ۲۲ شرکت‌کننده است که متونی متشکل از ۱,۸۳۲ جمله و ۳۴,۸۹۷ واژه (توکن) را مطالعه کرده‌اند. این متون از مجموعه‌ای از دست‌نوشته‌های سخنرانی استخراج شده‌اند تا خوانشی طبیعی و روان را شبیه‌سازی کنند.

یکی از اهداف اصلی نویسندگان، اطمینان از کیفیت بالای داده‌ها بوده است. آن‌ها با ارزیابی دقیق داده‌های ثبت‌شده، نشان می‌دهند که ویژگی‌های استخراج‌شده از حرکات چشم (مانند مدت زمان تثبیت‌ها و طول پرش‌ها) با نتایج تحقیقات مشابه در زبان‌های دیگر مانند انگلیسی و آلمانی کاملاً مطابقت دارد. این امر اعتبار پیکره را به عنوان یک منبع علمی معتبر تأیید می‌کند. نویسندگان همچنین اعلام کرده‌اند که این پیکره به طور مداوم با افزودن شرکت‌کنندگان بیشتر و متونی از ژانرهای دیگر (مانند اخبار و ادبیات) گسترش خواهد یافت. مجموعه داده‌های این پیکره به صورت عمومی در دسترس قرار گرفته تا محققان سراسر جهان بتوانند از آن بهره‌برداری کنند.

فرآیند ایجاد پیکره CopCo با دقت و رعایت استانداردهای علمی بالا انجام شده است. مراحل کلیدی این فرآیند عبارتند از:

• انتخاب متون: متون مورد استفاده از پیکره “DanPASS” که شامل دست‌نوشته‌های سخنرانی‌های نیمه‌رسمی است، انتخاب شدند. این انتخاب هوشمندانه بود، زیرا این متون ساختاری طبیعی و نزدیک به زبان گفتاری دارند و خواندن آن‌ها برای شرکت‌کنندگان روان‌تر است.
• شرکت‌کنندگان: در فاز اول، ۲۲ فرد بومی دانمارکی زبان با دید طبیعی یا اصلاح‌شده در این تحقیق شرکت کردند. اطلاعات دموگرافیک آن‌ها نیز برای تحلیل‌های آتی جمع‌آوری شد.
• تجهیزات و فرآیند ثبت داده: از یک دستگاه ردیاب چشم پیشرفته (EyeLink 1000 Plus) با نرخ نمونه‌برداری ۱۰۰۰ هرتز استفاده شد. این دقت بالا امکان ثبت کوچک‌ترین حرکات چشم را فراهم می‌کند. پیش از شروع هر جلسه، دستگاه برای هر شرکت‌کننده به دقت کالیبره می‌شد تا از صحت داده‌ها اطمینان حاصل شود. شرکت‌کنندگان در محیطی آرام و کنترل‌شده، جملات را بر روی صفحه نمایشگر می‌خواندند و به سؤالات درک مطلب پاسخ می‌دادند تا اطمینان حاصل شود که خواندن با دقت انجام می‌شود.
• پردازش اولیه داده‌ها: داده‌های خام ثبت‌شده شامل موقعیت نگاه چشم در هر میلی‌ثانیه بود. این داده‌ها با استفاده از الگوریتم‌های استاندارد، به رویدادهای معنادارتری مانند تثبیت‌ها (Fixations)، پرش‌ها (Saccades) و برگشت‌های چشم (Regressions) تبدیل شدند. هر یک از این رویدادها به کلمه‌ای که شرکت‌کننده در حال نگاه کردن به آن بود، مرتبط شد. این فرآیند، پایه و اساس تحلیل‌های زبانی و شناختی را تشکیل می‌دهد.

بخش مهمی از مقاله به ارزیابی کیفیت و اعتبارسنجی داده‌های جمع‌آوری‌شده اختصاص دارد. نویسندگان با تحلیل آماری ویژگی‌های اصلی حرکات چشم، نشان دادند که داده‌های CopCo با الگوهای شناخته‌شده جهانی در زمینه خواندن مطابقت دارد. این یافته‌ها نه تنها کیفیت پیکره را تأیید می‌کند، بلکه نشان‌دهنده جهان‌شمول بودن برخی فرآیندهای شناختی در حین خواندن است.

برخی از این یافته‌های کلیدی عبارتند از:

• مدت زمان تثبیت (Fixation Duration): میانگین مدت زمانی که چشم روی یک کلمه متوقف می‌شود، با آنچه در مطالعات زبان انگلیسی مشاهده شده، سازگار است (معمولاً بین ۲۰۰ تا ۲۵۰ میلی‌ثانیه). این زمان برای کلمات پیچیده‌تر و کم‌کاربردتر افزایش می‌یابد که این خود یک شاخص مهم پردازش شناختی است.
• اثر فرکانس کلمه (Word Frequency Effect): کلماتی که در زبان دانمارکی رایج‌تر هستند، سریع‌تر خوانده می‌شوند و مدت تثبیت کوتاه‌تری دارند. این پدیده یکی از قوی‌ترین و پایدارترین یافته‌ها در روان‌شناسی زبان است و حضور آن در داده‌های CopCo، اعتبار آن را دوچندان می‌کند.
• احتمال نادیده گرفتن کلمه (Skipping Probability): کلمات کوتاه و قابل پیش‌بینی (مانند حروف اضافه) بیشتر از کلمات بلند و محتوایی نادیده گرفته می‌شوند (چشم از روی آن‌ها می‌پرد). این الگو نیز کاملاً با نظریه‌های موجود در مورد خواندن همخوانی دارد.
• برگشت‌های چشم (Regressions): حدود ۱۰ تا ۱۵ درصد از حرکات چشم به صورت بازگشتی (از راست به چپ) هستند. این برگشت‌ها معمولاً زمانی رخ می‌دهند که خواننده با ابهام یا پیچیدگی در متن مواجه می‌شود و نیاز به بازخوانی دارد. این معیار نیز در محدوده مورد انتظار قرار داشت.

این نتایج نشان می‌دهد که پیکره CopCo یک بازنمایی قابل اعتماد از فرآیند خواندن طبیعی در زبان دانمارکی است و می‌تواند به عنوان یک معیار طلایی (Gold Standard) برای تحقیقات آینده مورد استفاده قرار گیرد.

ایجاد CopCo دستاوردی مهم با کاربردهای گسترده است. این پیکره نه تنها یک منبع داده، بلکه یک زیرساخت تحقیقاتی برای جامعه علمی محسوب می‌شود. برخی از کاربردهای بالقوه آن عبارتند از:

• پردازش زبان طبیعی (NLP): مدل‌های زبانی مدرن مانند BERT و GPT می‌توانند با استفاده از این داده‌ها “آگاه‌تر” شوند. با گنجاندن اطلاعات شناختی (مانند دشواری پردازش یک کلمه برای انسان)، می‌توان عملکرد این مدل‌ها را در وظایفی مانند خلاصه‌سازی متن، ترجمه ماشینی و تحلیل احساسات بهبود بخشید.
• روان‌شناسی زبان و علوم شناختی: محققان می‌توانند از این داده‌ها برای آزمودن نظریه‌های مربوط به نحوه پردازش ساختارهای دستوری پیچیده، حل ابهامات معنایی و تأثیر بافت بر درک مطلب در زبان دانمارکی استفاده کنند.
• آموزش و آسیب‌شناسی: با مقایسه الگوهای خواندن افراد عادی با افراد مبتلا به نارساخوانی (Dyslexia)، می‌توان ابزارهای تشخیصی دقیق‌تری ایجاد کرد. همچنین، می‌توان مواد آموزشی بهینه‌تری طراحی کرد که با فرآیندهای طبیعی خواندن سازگارتر باشند.
• توسعه فناوری‌های کمکی: این داده‌ها می‌توانند در طراحی سیستم‌های هوشمندی که سرعت نمایش متن را بر اساس سختی آن برای کاربر تنظیم می‌کنند (Gaze-Contingent Displays) مفید باشند.

مقاله «پیکره کپنهاگ» یک گام اساسی در جهت پر کردن شکاف منابع تحقیقاتی برای زبان دانمارکی برمی‌دارد. با ارائه CopCo، نویسندگان یک منبع داده غنی، باکیفیت و در دسترس عموم را فراهم کرده‌اند که می‌تواند به عنوان کاتالیزوری برای موج جدیدی از تحقیقات در حوزه زبان و شناخت عمل کند. این پژوهش نه تنها اهمیت داده‌های تجربی در علوم انسانی دیجیتال را برجسته می‌کند، بلکه نشان می‌دهد که چگونه همکاری‌های میان‌رشته‌ای می‌تواند به خلق ابزارهای قدرتمندی برای درک عمیق‌تر ذهن انسان منجر شود. با برنامه‌هایی برای گسترش مداوم این پیکره، آینده تحقیقات زبان دانمارکی روشن‌تر از همیشه به نظر می‌رسد.