പേപ്പറുകൾ
ഭാഷയുടെ പുറംരൂപം കൊണ്ട് തിരിച്ചറിയാൻ കഴിയുന്നതും കഴിയാത്തതും
ഞങ്ങളുടെ മിക്ക ഓട്ടോമാറ്റിക് പരിശോധനകളും ഭാഷയുടെ പുറംരൂപത്തെയാണ് (surface form) ആശ്രയിക്കുന്നത്: ഒരു ശൈലിയുടെ ഘടന, വാക്കുകളുടെ ക്രമം, ക്രിയയുടെ രൂപം എന്നിവയാണവ. ഇത് ചെലവ് കുറഞ്ഞതും വേഗതയേറിയതും വിശദീകരിക്കാൻ എളുപ്പമുള്ളതുമാണ് - ഇത്തരം ഒരു പരിശോധന തെറ്റ് ചൂണ്ടിക്കാണിക്കുമ്പോൾ, അതിന്റെ കാരണം ആ വ്യക്തിയോട് ഒറ്റ വാചകത്തിൽ പറയാൻ കഴിയും. എന്നാൽ ഇതിന് വ്യക്തമായ ഒരു പരിധിയുണ്ട്. ആ പരിധിയെക്കുറിച്ച് തർക്കിക്കുന്നതിനു പകരം അത് കൃത്യമായി അളക്കാൻ പഠിച്ചു എന്നതാണ് കഴിഞ്ഞ മാസങ്ങളിലെ പ്രധാന നേട്ടം.
പുറംരൂപം പരാജയപ്പെടുന്നിടം
ഒരു തെറ്റിന്റെ ഘടന പലപ്പോഴും ഭാഷയിലെ ശരിയായ ഒരു ഘടന തന്നെയായിരിക്കും. പഠിതാക്കൾ വരുത്തുന്ന ഒരു യഥാർത്ഥ തെറ്റ് നോക്കാം: പെർഫെക്റ്റ് രൂപം വരേണ്ടിടത്ത് ഒരു മോഡൽ ക്രിയയ്ക്ക് ശേഷം ക്രിയയുടെ മൂലരൂപം ഉപയോഗിക്കുന്നു. ഉദാഹരണത്തിന്, "could have passed" എന്നതിന് പകരം "he could pass the exam last year" എന്ന് എഴുതുന്നത്. ഈ ഘടനയെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു പരിശോധന ഈ തെറ്റ് കൃത്യമായി കണ്ടെത്തും. എന്നാൽ സാധാരണ പ്രസിദ്ധീകരിക്കപ്പെടുന്ന ലേഖനങ്ങളിലെ നൂറുകണക്കിന് ശരിയായ വാചകങ്ങളെയും ഇത് തെറ്റായി കാണിക്കും, കാരണം ഇതേ ഘടന ഇംഗ്ലീഷിൽ എല്ലായിടത്തും ഉണ്ട്. പുറംരൂപം കൊണ്ട് മാത്രം ഈ തെറ്റ് തിരുത്താനാവില്ല. ഇതിന്റെ നഷ്ടം കണക്കാക്കുകയും അത് രേഖപ്പെടുത്തുകയും ചെയ്ത ശേഷം ഞങ്ങൾ ആ പരിശോധന ഒഴിവാക്കി.
വാചകത്തിന്റെ അവസാനം വരെ കാത്തിരിക്കുന്നത് യഥാർത്ഥ തെറ്റുകളെ ഒഴിവാക്കും. വാചകത്തിന്റെ അവസാനത്തിൽ മാത്രമേ പരിശോധന നടക്കാവൂ എന്ന് നിശ്ചയിച്ചാൽ, സാധാരണ എഴുത്തിലെ തെറ്റുകൾ അത് കണ്ടെത്താതെയാകും, കാരണം യഥാർത്ഥ എഴുത്തിൽ തെറ്റിന് ശേഷവും വാക്കുകൾ തുടരും. ആ നിബന്ധന ഒഴിവാക്കിയാലോ, ഞങ്ങളുടെ തന്നെ ശരിയായ വാചകങ്ങളിൽ അത് തെറ്റ് കാണിക്കാൻ തുടങ്ങും. കാരണം ഇംഗ്ലീഷിൽ ഒരേ വാക്ക് ഒരിടത്ത് നാമമായും മറ്റൊരിടത്ത് ക്രിയയായും വരാം. ഉദാഹരണത്തിന് "told us help is coming" എന്ന വാചകത്തിൽ "help" ഒരു നാമമാണ്, എന്നാൽ ഞങ്ങളുടെ സംവിധാനം അതിനെ ക്രിയയായാണ് കാണുന്നത്.
കൈകൊണ്ട് തയ്യാറാക്കിയ പദപ്പട്ടികയിൽ ഇല്ലാത്ത വാക്കുകളെക്കുറിച്ച് അതിന് ഒന്നും പറയാനാവില്ല. രണ്ട് പരിശോധനകൾ യഥാർത്ഥ തെറ്റുകൾ കണ്ടെത്തുന്നതിൽ പരാജയപ്പെട്ടു. കൈകൊണ്ട് ഉണ്ടാക്കിയ പട്ടികയിൽ ആ ക്രിയകൾ ഇല്ലായിരുന്നു എന്നതു മാത്രമായിരുന്നു കാരണം. ഒരു നിയമത്തിന്റെ പ്രധാന ഉദാഹരണങ്ങൾ മാത്രം ഉൾപ്പെടുത്തി തയ്യാറാക്കുന്ന പട്ടികയ്ക്ക് യഥാർത്ഥ എഴുത്തിലെ പദസമ്പത്തിനെ ഉൾക്കൊള്ളാൻ കഴിയില്ല.
അടുത്തടുത്ത് നിൽക്കുന്ന വാക്കുകൾ വാക്യഘടനയല്ല. ഞങ്ങളുടെ പരിശോധനകൾ തൊട്ടടുത്ത് നിൽക്കുന്ന വാക്കുകളെയാണ് താരതമ്യം ചെയ്യുന്നത്. ഉപവാക്യങ്ങളുടെ അതിരുകളോ, ആശ്രിത ഉപവാക്യത്തിലെ കർത്താവിനെയോ, സ്ഥാനം മാറിപ്പോയ കർമ്മത്തെയോ അവയ്ക്ക് കാണാൻ കഴിയില്ല. ഒരു പാറ്റേണിന്റെ രണ്ട് ഭാഗങ്ങൾക്കിടയിലുള്ള അകലം കൂട്ടിയപ്പോൾ, അതേ വാചകത്തിനുള്ളിലെ മറ്റൊരു വാചകത്തിന്റെ ഭാഗമായ ഉപവാക്യം അതിൽ വന്നുപെട്ടു.
എന്താണ് ഫലം കണ്ടത്
നിബന്ധനകൾ ഒഴിവാക്കുന്നതിന് പകരം പുതിയൊരെണ്ണം ചേർക്കുക. മുകളിൽ പറഞ്ഞ പ്രശ്നത്തിൽ, പരിശോധനയിൽ ഇളവ് വരുത്തുകയല്ല ചെയ്തത്, പകരം ക്രിയയ്ക്ക് ശേഷം ഒരു പ്രത്യേക തരം വാക്ക് തന്നെ വരണമെന്ന് നിബന്ധന വെച്ചു: അതായത് ഒരു സകർമ്മക ക്രിയയ്ക്ക് ശേഷം വരുന്നതും എന്നാൽ അതേ സ്ഥാനത്ത് ഒരു നാമത്തിന് ശേഷം വരാത്തതുമായ ഒരു വാക്ക്. ഇതോടെ യഥാർത്ഥ തെറ്റുകൾ കണ്ടെത്താൻ തുടങ്ങി, ശരിയായ വാചകങ്ങളിൽ തെറ്റ് കാണിക്കാതിരിക്കാനുള്ള മാനദണ്ഡങ്ങൾ പാലിക്കപ്പെട്ടു. മാത്രമല്ല, സാധാരണ ഗദ്യത്തിന്റെ ഞങ്ങളുടെ ശേഖരത്തിൽ നടത്തിയ പരിശോധനയിൽ, നേരിട്ടുള്ള സംഭാഷണം ഉദ്ധരിച്ച ഒരിടത്ത് മാത്രമാണ് ഇത് തെറ്റായ മുന്നറിയിപ്പ് നൽകിയത്.
മുഴുവനായി തിരുത്തുന്നതിന് മുമ്പ് ഓരോ ഭാഗവും അളക്കുക. ഒരു പരിശോധനയിൽ മാറ്റം വരുത്തുന്നതിന് മുമ്പ്, അതിന്റെ ഭാഗികമായ രൂപങ്ങൾ പ്രവർത്തിപ്പിച്ച് ഏത് ഭാഗമാണ് തെറ്റുകൾ വിട്ടുകളയുന്നതെന്ന് ഞങ്ങൾ നോക്കും: "ആദ്യ ഭാഗം ഏഴിൽ ആറെണ്ണവും തിരിച്ചറിയുന്നു, പദപ്പട്ടിക പരിശോധിക്കുന്ന ഭാഗം ഒന്നുപോലും തിരിച്ചറിയുന്നില്ല". എന്തെങ്കിലും മാറ്റം വരുത്തുന്നതിന് മുമ്പ് തന്നെ യഥാർത്ഥ പ്രശ്നം കണക്കുകളിലൂടെ വ്യക്തമാകും. അതിനാൽ, ആദ്യം തോന്നുന്ന ഊഹത്തിന് പിന്നാലെ പോകാതെ കൃത്യമായ പ്രശ്നത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ കഴിയുന്നു. ആ പ്രത്യേക സന്ദർഭത്തിൽ ഞങ്ങളുടെ ഊഹം തെറ്റും കണക്കുകൾ ശരിയുമായിരുന്നു.
നഷ്ടം വ്യക്തമാക്കിക്കൊണ്ടുള്ള പിന്മാറ്റവും ഒരു ഫലമാണ്. പുറംരൂപം കൊണ്ട് മാത്രം ഒരു തെറ്റ് ഉറപ്പിക്കാൻ കഴിയാത്തപ്പോൾ പരിശോധന നിശബ്ദമായിരിക്കും. അതിനുള്ള കാരണവും മറ്റ് വഴികൾ സ്വീകരിച്ചാലുള്ള നഷ്ടവും അവിടെ രേഖപ്പെടുത്തും. ഒരു പഠിതാവ് എഴുതുന്ന പത്തിൽ ഒരു ശരിയായ വാചകത്തെ തെറ്റെന്ന് കാണിക്കുന്നതിനേക്കാൾ സത്യസന്ധമായ രീതി ഇതാണ്. ഇപ്പോൾ ഞങ്ങൾ ആദ്യം എടുക്കുന്ന തീരുമാനവും ഇതുതന്നെയാണ്.
ഇനിയും പരിഹരിക്കാനുള്ളവ
ചെയ്യാൻ ബാക്കിയുള്ള കാര്യങ്ങൾ എന്തൊക്കെയാണെന്ന് കൃത്യമായി അറിയാം: തൊട്ടടുത്തുള്ള വാക്കുകളേക്കാൾ ഉപരി വാക്യഘടന (syntax) കൊണ്ട് മാത്രം തെറ്റുകൾ നിർവചിക്കപ്പെടുന്ന ഡസൻ കണക്കിന് സന്ദർഭങ്ങളുണ്ട്. ചില നിയമങ്ങളുടെ കാര്യത്തിൽ, പുറംരൂപം വെച്ച് എത്രത്തോളം തെറ്റുകൾ കണ്ടെത്താനാകും എന്ന് തത്വത്തിൽ പോലും അളക്കാൻ കഴിയില്ല. കാരണം ഒരേ പുറംരൂപത്തിന് രണ്ട് വ്യത്യസ്ത ആന്തരിക ഘടനകൾ ഉണ്ടാകാം.
നിലവിലുള്ള സംവിധാനത്തിനൊപ്പം ഒരു സിന്റാക്റ്റിക് പാർസർ (syntactic parser) കൂടി ചേർക്കുക എന്നതാണ് ഇതിനുള്ള പോംവഴി. എന്നാൽ അത് പുതിയൊരു ആശ്രിതത്വവും, അത് പരിശോധിക്കാൻ പുതിയൊരു കൂട്ടം ഉപകരണങ്ങളും ആവശ്യപ്പെടുന്നു. കാരണം ഒരു പാർസറിന് തെറ്റുപറ്റാൻ അതിന്റേതായ വഴികളുണ്ടാകും, ആ തെറ്റുകളുടെ പട്ടിക ഇനിയും തയ്യാറാക്കപ്പെട്ടിട്ടില്ല.
എല്ലാ ലേഖനങ്ങളും
- ഞങ്ങളുടെ വ്യാകരണ നിയമങ്ങൾ ഞങ്ങൾ തന്നെ അളന്നുനോക്കുന്നത് എന്തുകൊണ്ട്?
- തകരാറ് മിക്കവാറും അളക്കാനുള്ള ഉപകരണത്തിൽ തന്നെയാണ്
- സത്യസന്ധമായ ഒരു ഛേദം (denominator)
- അളക്കുന്നതിന് മുമ്പ് സംഖ്യ പറയുക
- നിങ്ങൾ അളക്കാൻ ഉപയോഗിച്ച ഡാറ്റാ ശേഖരവും അളവുകോലിന്റെ ഭാഗമാണ്
- വിധികർത്താക്കളും കാവൽക്കാരും, പിന്നെ നമുക്കിപ്പോഴും അളക്കാനാവാത്ത കാര്യങ്ങളും
ഓരോ നിയമത്തിനും സൗജന്യ പരിശീലനം
ഈ സൈറ്റിലെ ഓരോ വ്യാകരണ നിയമത്തിനൊപ്പവും അത് പരിശീലിക്കാനുള്ള സംവിധാനമുണ്ട്. ഇത് സൗജന്യമാണ്, സൈൻ-അപ്പ് ചെയ്യേണ്ടതില്ല.