نُشر في الأصل على Vectors of Mind.
أُدخلت الدراسات المعجمية في علم النفس والتحليل الدلالي الكامن في علوم الحاسوب بفارق نصف قرن لحل مشكلات مختلفة، ومع ذلك فهما متكافئان رياضيًا. وليس هذا مجرد استعارة تعمل عند مستوى معين من التجريد*؛* فالخمسة الكبار هي أبعاد متجهات الكلمات.
لكن لنبدأ ببعض الخلفية. تقول الفرضية المعجمية إن بنية الشخصية ستُسجَّل في اللغة، إذ يتعين على المتحدثين وصف أبرز سمات من حولهم. وتكمن روعة هذه الفكرة في أنه، بدلًا من أن يقترح شخص واحد نموذجًا للشخصية، تسجل اللغة ما يتفق ملايين الناس ضمنيًا على فائدته. وتتمثل مهمة اختصاصي القياس النفسي ببساطة في تحديد هذه البنية. وقد أُنجز ذلك عادةً بدعوة طلاب علم النفس إلى تقييم أنفسهم على قوائم من الصفات وإجراء تحليل عاملي لمصفوفة الارتباط. ففي عام 1933، أجرى إل إل ثورستون مسحًا شمل 60 صفة لدى 1300 شخص. وفي عمله الرائد The Vectors of Mind، أفاد بأن «خمسة عوامل كافية» لتفسير البيانات. وفي العقود اللاحقة، أفضت مثل هذه الدراسات، على نحو أو آخر، إلى خمسة مكونات رئيسية: المقبولية، والانبساط، ويقظة الضمير، والعصابية، والانفتاح/الذكاء. (للاطلاع على معالجة ممتازة للموضوع، انظر Lexical Foundations of the Big Five.)
قُدِّم التحليل الدلالي الكامن بوصفه تقنيةً لاسترجاع المعلومات في عام 1988. ويمكن تمثيل الكلمات في صورة متجهات، كما يمكن تمثيل الوثائق أو الجمل بمتوسط متجهات كلماتها. فإذا أردت البحث في قاعدة بيانات كبيرة (مثل ويكيبيديا)، فلن توصلك الكلمات المفتاحية لكل صفحة إلا إلى حد معين. وتتمثل إحدى طرق تجاوز ذلك في تمثيل كل من الوثائق (مقالات الويكي) والاستعلامات (عبارات البحث) بمتوسط متجهات كلماتها. ويمكن الآن العثور على الوثائق ذات الصلة باستخدام جداء نقطي بسيط. (في هذا المنشور، أتعامل مع التحليل الدلالي الكامن ومتجهات الكلمات بوصفهما مترادفين. وثمة طرق أخرى لتحويل اللغة إلى متجهات، وبصورة أكثر تحديدًا، لصنع متجهات الكلمات، لكن تلك الطرق تتجاوز نطاق هذا المنشور في الوقت الراهن.)
وعلى الرغم من اختلاف استخداماتهما وتاريخهما، فإن الخطوات واحدة:
- جمع مصفوفة عدد الكلمات × الوثائق
- تحويل لاخطي
- تفكيك المصفوفة
- تدوير (اختياري)
والنتيجة مجموعة من متجهات الكلمات التي تصف كل كلمة بإيجاز. ويمكن استخدام هذه المتجهات في مجموعة واسعة من المهام اللاحقة، بدءًا من تحليل المشاعر ووصولًا إلى التنبؤ بالنرجسية انطلاقًا من مقالات الطلاب. وفي حالة صفات الشخصية، حُلِّلت أبعاد متجهات الكلمات وسُمّيت ونوقشت على مدى عقود. وفيما يلي مناقشة للاختلافات في كل خطوة.
مصفوفة العدّ. ينطوي التحليل الدلالي الكامن عادةً على عدد كبير من الوثائق المتنوعة (مثل ملايين المراجعات لمنتجات أمازون). وتُحوَّل هذه الوثائق إلى مصفوفة كلمات × وثائق، وذلك بعدّ عدد مرات ظهور كل كلمة في كل وثيقة. أما في علم النفس، فالوثيقة هي الكلمات التي يوافق الشخص على أنها تصفه. وينطبق ذلك أيضًا على مقاييس ليكرت. فإذا قال شخص إن كلمة ما تصفه بدرجة 5/7، فما عليك إلا تكرار الكلمة خمس مرات في الوثيقة.
التحويل اللاخطي. غالبًا ما تُجرى للبيانات في الدراسات المعجمية عملية الـ ipsatize (حساب درجة z على محور الأشخاص)، ثم يُجرى ارتباط بيرسون. وقد استخدم ثورستون ارتباطًا رباعيًّا عتيقًا في دراسته. أما في التحليل الدلالي الكامن، فالتحويل الأكثر شيوعًا هو TF-IDF، يتبعه لوغاريتم. ويضمن ذلك ألا تهيمن المصطلحات الشائعة على المصفوفة. وغالبًا ما يفضي التحويل إلى مصفوفة ألفة كلمات × كلمات (مثل مصفوفة الارتباط). وهذه الخطوة مهمة جدًا من الناحية العملية، لكنها ليست نظرية إلى هذا الحد. والتحويل الذي ينبغي اختياره هو التحويل الذي يمنحك نتيجة معقولة في النهاية.
تفكيك المصفوفة. توجد طرائق كثيرة لتحليل المصفوفات. فبعضها، مثل تحليل المكونات الرئيسية، يتطلب مصفوفة مربعة. وبعضها الآخر متين في مواجهة البيانات المفقودة. وفيما يتعلق ببيانات الشخصية، لا يُحدث الاختيار فرقًا كبيرًا؛ فالنتائج متشابهة جدًا. وتتطلب متجهات الكلمات العامة نحو 300 بُعد لتمثيل معنى الكلمة، وقسم الكلام، ودرجة عاميتها، وغير ذلك الكثير مما يمنح اللغة نسيجها. وبما أن الاستبيانات مصممة للإبقاء على قدر كبير من ذلك ثابتًا، فلا يلزم سوى نحو 5 أبعاد. وقد برّر ثورستون اختياره الخمسة بالنظر إلى خطأ إعادة البناء، الذي أورده في صورة مدرّج تكراري. وبرّر علماء النفس اللاحقون اختيار 5 بالاستناد إلى خطأ إعادة البناء (المقاس بالقيم الذاتية)، فضلًا عن مراعاة قابلية التفسير وإمكانية إعادة الإنتاج.
التدوير. هل سبق أن سمعت بالاستخراج المفرط للمكونات؟ إنها ليست قصة سيخبرك بها علماء النفس. يحدث ذلك عندما يستخرج الباحث عددًا كبيرًا جدًا من المكونات الرئيسية، ثم يدوّر التباين من المكونات الرئيسية المبكرة الصحيحة إلى المكونات الرئيسية اللاحقة الهامشية. وهذا ما حدث مع الخمسة الكبار، صدّق أو لا تصدّق! فما يُسمى الآن بالمقبولية كان في السابق عاملًا أكثر متانة وإرضاءً من الناحية النظرية، هو عامل «التنشئة الاجتماعية»، وقد وُزِّع على المكونات الرئيسية 3–5 لإنتاج يقظة الضمير والعصابية والانفتاح. ويمكن تبرير التدوير لإنتاج عوامل قابلة للتفسير. لكن إذا وجدت نفسك تدوّر العوامل ثم تجادل حول العدد الصحيح منها، فتوقّف وراجع نفسك!
الثلاثة الكبار من متجهات الكلمات
بدأتُ دراسة الدكتوراه بالتنبؤ بسمات الخمسة الكبار انطلاقًا من حالات فيسبوك. وبعد أن قرأت كيف صُنعت نقانق الشخصية، أدركت أن المشروع يستخدم متجهات الكلمات (المستخرجة من حالات فيسبوك) للتنبؤ بتقريبات مشوشة لمواقع الأفراد في فضاء الخمسة الكبار، الذي عُرِّف أصلًا بواسطة متجهات الكلمات. وبدا لي أن من الأجدى اختصار الطريق وتعلّم شيء أساسي عن الشخصية من متجهات الكلمات. (كما أن مجموعة البيانات التي كنت أستخدمها أصبحت سامة بعد Cambridge Analytica.) أما بقية دراسة الدكتوراه فتمثلت في العمل على تقييد متجهات الكلمات من أجل إعادة إنتاج الخمسة الكبار. وقد انطوى ذلك على استخدام المحوِّلات بدلًا من التحليل الدلالي الكامن (المزيد عن ذلك في منشورات قادمة). ويَرِد أدناه الارتباط الناتج بين العوامل المستخرجة من متجهات الكلمات (DeBERTa) والعوامل المستخرجة من الاستبيانات. وكما ترى، هناك توافق وثيق جدًا فيما يتعلق بالعوامل الثلاثة الأولى. وحيثما تتباعد النتائج، ليس واضحًا أي الطريقتين مخطئة. فربما تكون الاستبيانات صحيحة، وستتجه جميع الارتباطات إلى 1 عندما نصل إلى GPT-5. وربما تكون الاستبيانات منحازة ومشوشة فحسب، وقد استُخرج عدد كبير جدًا من المكونات الرئيسية. وربما كانت تقيس أشياء مختلفة، ونحتاج إلى تنقيح تفسيرنا لكلتا الطريقتين. وعلى أي حال، ليس واضحًا لي أن الاستبيانات ينبغي أن تُعد المعيار الذهبي بين الطريقتين. فالفرضية المعجمية تتعلق ببنية اللغة، بعد كل شيء، وعلم النفس هو المجال الوحيد الذي يستخدم الاستبيانات لتحليل اللغة الطبيعية.
الخلاصة
كان ثورستون رائدًا في استخدام طرائق الإحصاء والجبر الخطي لاستقصاء الفرضية المعجمية في ثلاثينيات القرن العشرين. ومن المدهش أنه طوّر طريقة لتمثيل الكلمات، ثم أُعيد اكتشافها لاحقًا لاسترجاع المعلومات، وهي الطريقة التي تشغّل عصر المعلومات اليوم. وقد أجبرت القيود الحاسوبية ثورستون على تسطيح المشهد الغني للغة وتحويله إلى استجابات استبيانية. وخلال الأعوام الثلاثين الماضية، شهدت معالجة اللغة الطبيعية ثورات متعددة. فإذا كان ثورستون قد اخترع تلسكوبًا يمكننا من خلاله رؤية بنية اللغة، فلدينا الآن تلسكوب هابل. وما زالت رؤًى كثيرة في انتظارنا!