പേപ്പറുകൾ
നിങ്ങൾ അളക്കാൻ ഉപയോഗിച്ച ഡാറ്റാ ശേഖരവും അളവുകോലിന്റെ ഭാഗമാണ്
"ഏത് ഗദ്യം" എന്നതിന് ഉത്തരമില്ലാതെ "സാധാരണ ഗദ്യത്തിൽ തെറ്റായ മുന്നറിയിപ്പുകൾ ഇല്ല" എന്ന് പറയുന്നതിൽ അർത്ഥമില്ല. അളവുകൾ എടുക്കാൻ ഉപയോഗിച്ച ഡാറ്റാ ശേഖരം കോഡ് പോലെ തന്നെ അളവുകോലിന്റെയും ഭാഗമാണ്. ഇത്തരം കാര്യങ്ങൾ സാധാരണയായി പഠിക്കുന്നതുപോലെ തന്നെയാണ് ഞങ്ങളും ഇത് പഠിച്ചത്: രണ്ട് ശേഖരങ്ങൾ ഒരേസമയം നഷ്ടപ്പെട്ടുകൊണ്ട്.
എന്താണ് സംഭവിച്ചത്
പ്രവർത്തനത്തിന്റെ ആദ്യ ഘട്ടത്തിൽ, മാറ്റങ്ങൾ വരുത്തുമ്പോഴുള്ള പിഴവുകൾ അളന്നിരുന്നത് ഗദ്യഭാഗങ്ങളുടെ ഒരു ശേഖരവുമായി താരതമ്യം ചെയ്തും, ഞങ്ങളുടെ പരിശോധനാ മാനദണ്ഡങ്ങളുടെ അടിസ്ഥാനം നിശ്ചയിച്ചിരുന്നത് നിയമങ്ങളുടെ മാതൃകാ ഉദാഹരണങ്ങളുടെ ഒരു കൂട്ടം ഉപയോഗിച്ചുമായിരുന്നു. ഈ രണ്ട് ശേഖരങ്ങളും ഫയലുകളായി സൂക്ഷിച്ചിരുന്നില്ല. റിപ്പോർട്ടുകളിലെ കണക്കുകൾ മാത്രമാണ് ബാക്കിയുണ്ടായിരുന്നത്.
പുതിയ മാറ്റങ്ങളെ പഴയ പൂജ്യം പിഴവുകളുമായി താരതമ്യം ചെയ്യേണ്ടതുണ്ടായിരുന്നു, എന്നാൽ ആ പഴയ പൂജ്യങ്ങളുടെ അടിസ്ഥാനമായിരുന്ന ശേഖരം നഷ്ടപ്പെട്ടിരുന്നു. മറ്റൊരു ശേഖരവുമായി താരതമ്യം ചെയ്യുന്നത് ശരിയല്ലാത്തതിനാൽ - അതാണ് മൂന്നാമത്തെ ലേഖനത്തിന്റെ വിഷയം - പഴയ കണക്കുകൾ താരതമ്യം ചെയ്യാൻ കഴിയില്ലെന്ന് പ്രഖ്യാപിച്ച് ചരിത്രം ഉപേക്ഷിക്കുക, അല്ലെങ്കിൽ ആ ശേഖരങ്ങൾ കൃത്യമായി പുനർനിർമ്മിക്കുക എന്നീ രണ്ട് വഴികളാണ് മുന്നിലുണ്ടായിരുന്നത്.
എന്താണ് ഫലം കണ്ടത്
ഓർത്തെടുക്കലല്ല, പുനർനിർമ്മാണം. ഗദ്യശേഖരം തയ്യാറാക്കുന്നത് കൃത്യമായ വ്യവസ്ഥകളോടെയാണ് (deterministic): ഒരു കോൺഫിഗറേഷൻ ഫയൽ സ്രോതസ്സുകളുടെ പട്ടിക നൽകുന്നു, ഒരു സ്ക്രിപ്റ്റ് നിശ്ചിത നിയമങ്ങൾക്കനുസരിച്ച് അവയെ ചെറിയ ഭാഗങ്ങളായി മുറിക്കുന്നു. പട്ടികയിലുണ്ടായിരുന്ന എല്ലാ സ്രോതസ്സുകളും അപ്പോൾ ലഭ്യമായിരുന്നില്ല. അന്ന് ലഭ്യമായിരുന്ന സ്രോതസ്സുകളുടെ ഒരു ഉപവിഭാഗത്തിൽ നിന്നായിരിക്കാം പഴയ ശേഖരം ഉണ്ടാക്കിയത് എന്നതായിരുന്നു ഞങ്ങളുടെ നിഗമനം. ആ ഉപവിഭാഗത്തിൽ സ്ക്രിപ്റ്റ് പ്രവർത്തിപ്പിച്ചപ്പോൾ കൃത്യം 7,773 ഗദ്യഭാഗങ്ങൾ ലഭിച്ചു - പഴയ റിപ്പോർട്ടുകളിൽ ഉണ്ടായിരുന്ന അതേ എണ്ണം. കൃത്യമായ എണ്ണം ഒത്തുവന്നു എന്നതുതന്നെയാണ് ആ ശേഖരത്തിന്റെ ഘടന ശരിയാണെന്നതിന്റെ തെളിവ്. അതോടെ പഴയ പൂജ്യങ്ങൾ വീണ്ടും താരതമ്യം ചെയ്യാവുന്നവയായി.
ശേഖരം വിപുലീകരിക്കുക, ഒരിക്കലും പഴയത് മാറ്റി പുതിയത് വെക്കരുത്. ലഭ്യമല്ലാതിരുന്ന സ്രോതസ്സുകൾ കൂടി ശേഖരിച്ചതോടെ ഗദ്യഭാഗങ്ങളുടെ എണ്ണം 34,470 ആയി ഉയർന്നു. ഇപ്പോൾ ഓരോ മാറ്റത്തിനും രണ്ട് കണക്കുകൾ വീതം രേഖപ്പെടുത്തുന്നു: പഴയ രേഖകളുമായുള്ള താരതമ്യത്തിന് ചരിത്രപരമായ ഉപവിഭാഗത്തിലെ കണക്കും, നിലവിലെ അടിസ്ഥാന മാനദണ്ഡമായി മുഴുവൻ ശേഖരത്തിലെ കണക്കും. ആദ്യത്തേതിന് പകരം രണ്ടാമത്തേത് മാത്രമാക്കിയിരുന്നെങ്കിൽ ഞങ്ങളുടെ മുൻകാല പ്രവർത്തനങ്ങളുടെ ചരിത്രം വായിച്ചെടുക്കാനുള്ള കഴിവ് ഇല്ലാതാകുമായിരുന്നു.
പുനർനിർമ്മിച്ച അടിസ്ഥാന മാനദണ്ഡം കൂടുതൽ കർശനമാക്കി, അയവുള്ളതാക്കിയില്ല. ഏതാനും ഡസൻ നിയമങ്ങൾ മാത്രം ഉൾക്കൊള്ളുന്ന നഷ്ടപ്പെട്ട മാതൃകാ ഉദാഹരണങ്ങൾക്ക് പകരം, റൂൾ മാപ്പ് നിർമ്മിക്കാൻ ഉപയോഗിച്ച അതേ സ്രോതസ്സിൽ നിന്ന് 162 നിയമങ്ങൾ ഉൾക്കൊള്ളുന്ന 493 ഉദാഹരണങ്ങൾ ഞങ്ങൾ സമാഹരിച്ചു. പുതിയ ശേഖരത്തിലെ അടിസ്ഥാന ഫലം, നേരത്തെ അറിയാമായിരുന്ന ഒരൊറ്റ പിഴവ് (red case) ഉൾപ്പെടെ, പഴയ ഫലവുമായി പൂർണ്ണമായും ഒത്തുവന്നു. വ്യാപ്തി വർദ്ധിപ്പിച്ചത് മുൻകാല കണക്കുകളെ ബാധിച്ചില്ല എന്നത്, ആ വിപുലീകരണം ശരിയായ രീതിയിലാണ് നടന്നത് എന്നതിന്റെ ഏക തെളിവാണ്.
അസംസ്കൃത വിവരങ്ങൾ റെപ്പോസിറ്ററിയിൽ സൂക്ഷിക്കേണ്ടതില്ല. സ്രോതസ്സുകൾ വലുതാണ്, അവ ആവശ്യമുള്ളപ്പോൾ വീണ്ടും എടുക്കാവുന്നതുമാണ്. കോൺഫിഗറേഷൻ, ശേഖരം തയ്യാറാക്കുന്ന സ്ക്രിപ്റ്റ്, തിരിച്ചറിയാനുള്ള കൃത്യമായ എണ്ണം (fingerprint numbers) എന്നിവയാണ് വേർഷൻ കൺട്രോളിൽ സൂക്ഷിക്കുന്നത്. ആർക്കും ഇതേ ശേഖരം വീണ്ടും നിർമ്മിക്കാൻ ഇത് ധാരാളമാണ്.
ഇതിൽ നിന്ന് രൂപപ്പെട്ട നിയമങ്ങൾ
- ഓരോ അളവെടുപ്പിലും ഉപയോഗിച്ച ശേഖരത്തിന്റെ പേരും അതിന്റെ വലുപ്പവും എല്ലാ തവണയും രേഖപ്പെടുത്തണം.
- ഒരു ശേഖരത്തിലേക്ക് പുതിയവ കൂട്ടിച്ചേർക്കുകയല്ലാതെ അത് പൂർണ്ണമായി മാറ്റരുത്: പഴയ ഘടന പുനർനിർമ്മിക്കാൻ കഴിയുന്നതായി തുടരുന്നു, പുതിയ കൂട്ടിച്ചേർക്കൽ ആദ്യത്തെ കണക്കിനെ മായ്ച്ചുകളയാതെ രണ്ടാമതൊരു കണക്ക് നൽകുന്നു.
- നിശ്ചിത രീതിയിൽ പ്രവർത്തിക്കുന്ന ഒരു അസംബ്ലർ, ഒരു കോൺഫിഗറേഷൻ, ഒത്തുനോക്കാനുള്ള കൃത്യമായ എണ്ണം എന്നിവയാണ് പുനർനിർമ്മാണത്തിന് വേണ്ട ഏറ്റവും കുറഞ്ഞ ഘടകങ്ങൾ. ഇവ പൂർണ്ണമാണെങ്കിൽ ശേഖരം ഒരു ഫയലായി സൂക്ഷിക്കുന്നത് നിർബന്ധമില്ല.
ഇനിയും പരിഹരിക്കപ്പെടാത്തവ
പരീക്ഷണശേഖരത്തിലെ പഠിതാക്കളുടെ ഭാഗം ഈ രീതിയിൽ പുനർനിർമ്മിക്കാൻ കഴിയില്ല. പഠിതാക്കളുടെ എഴുത്തുകൾ വേർഷൻ കൺട്രോളിലേക്ക് പകർത്താറില്ല; അവിടെ ശേഖരമായി ഉപയോഗിക്കുന്നത് സ്റ്റോറേജിലെ ഇടങ്ങളിലേക്കുള്ള റെഫറൻസുകളുടെ ഒരു കൂട്ടമാണ്. കൃത്യമായ എണ്ണത്തേക്കാൾ (fingerprint) എളുപ്പത്തിൽ നഷ്ടപ്പെടാൻ സാധ്യതയുള്ളവയാണ് റെഫറൻസുകൾ. സ്ഥാനം മാറിപ്പോയ ഒരു റെഫറൻസിനെ, തുടക്കം മുതലേ തെറ്റായിരുന്ന ഒരു റെഫറൻസിൽ നിന്ന് വേർതിരിച്ചറിയാൻ കഴിയില്ല.
പ്രസിദ്ധീകരിച്ച ഗദ്യഭാഗങ്ങളിലെ അളവുകൾ പോലെ തന്നെ പഠിതാക്കളുടെ എഴുത്തുകളിലെ അളവുകളും എങ്ങനെ പുനർനിർമ്മിക്കാൻ കഴിയുന്നതാക്കാം എന്നത് ഇപ്പോഴും ഉത്തരമില്ലാത്ത ചോദ്യമാണ്. ഞങ്ങളുടെ തന്നെ റീകോൾ (recall) കണക്കുകളെ എത്രത്തോളം വിശ്വസിക്കാം എന്നതിനെ നിലവിൽ പരിമിതപ്പെടുത്തുന്നതും ഇതുതന്നെയാണ്.
എല്ലാ ലേഖനങ്ങളും
- ഞങ്ങളുടെ വ്യാകരണ നിയമങ്ങൾ ഞങ്ങൾ തന്നെ അളന്നുനോക്കുന്നത് എന്തുകൊണ്ട്?
- തകരാറ് മിക്കവാറും അളക്കാനുള്ള ഉപകരണത്തിൽ തന്നെയാണ്
- സത്യസന്ധമായ ഒരു ഛേദം (denominator)
- ഭാഷയുടെ പുറംരൂപം കൊണ്ട് തിരിച്ചറിയാൻ കഴിയുന്നതും കഴിയാത്തതും
- അളക്കുന്നതിന് മുമ്പ് സംഖ്യ പറയുക
- വിധികർത്താക്കളും കാവൽക്കാരും, പിന്നെ നമുക്കിപ്പോഴും അളക്കാനാവാത്ത കാര്യങ്ങളും
ഓരോ നിയമത്തിനും സൗജന്യ പരിശീലനം
ഈ സൈറ്റിലെ ഓരോ വ്യാകരണ നിയമത്തിനൊപ്പവും അത് പരിശീലിക്കാനുള്ള സംവിധാനമുണ്ട്. ഇത് സൗജന്യമാണ്, സൈൻ-അപ്പ് ചെയ്യേണ്ടതില്ല.