عارض رسومات جوجل للكتب

أداة Google Books Ngram Viewer هي محرك بحث إلكتروني يرسم بيانيًا ترددات أي مجموعة من عبارات البحث باستخدام عدد سنوي من عبارات n -gram الموجودة في المصادر المطبوعة المنشورة بين عامي 1500 و2022 ^{[ 1 ] [ 2 ] [ 3 ] [ 4 ]} في مجموعات نصوص Google باللغات الإنجليزية والصينية (المبسطة) والفرنسية والألمانية والعبرية والإيطالية والروسية والإسبانية. ^{[ 1 ] [ 2 ] [ 5 ]} كما توجد أيضًا بعض مجموعات النصوص الإنجليزية المتخصصة، مثل الإنجليزية الأمريكية والإنجليزية البريطانية والروايات الإنجليزية. ^{[ 6 ]}

يُمكن للبرنامج البحث عن كلمة أو عبارة. ^{[ 5 ]} تُطابق النماذج اللغوية (n -grams) مع النص الموجود في المجموعة المختارة، وإذا وُجدت في 40 كتابًا أو أكثر، تُعرض على شكل رسم بياني. ^{[ 6 ]} يدعم البرنامج البحث عن أجزاء الكلام والرموز البديلة . ^{[ 6 ]} يُستخدم البرنامج بشكل روتيني في البحوث. ^{[ 7 ] [ 8 ]}

تم تطوير أداة Ngram Viewer بواسطة مهندسي البرمجيات في جوجل، ويل بروكمان وجون أوروانت ^{[ 9 ]} ، بالتعاون مع الباحثين جان بابتيست ميشيل وإيريز ليبرمان أيدن من جامعة هارفارد . أُطلقت الخدمة في 16 ديسمبر 2010. ^{[ 2 ] [ 10 ]} قبل إطلاقها، كان من الصعب تحديد معدل التغير اللغوي كميًا لعدم وجود قاعدة بيانات مصممة لهذا الغرض، كما ذكر ستيفن بينكر ^{[ 11 ]} ، اللغوي المعروف وأحد المؤلفين المشاركين في ورقة بحثية نُشرت في مجلة Science في اليوم نفسه. ^{[ 1 ]} طُوّرت أداة Google Books Ngram Viewer على أمل فتح آفاق جديدة للبحث الكمي في مجال العلوم الإنسانية، واحتوت قاعدة البيانات على 500 مليار كلمة من 5.2 مليون كتاب متاحة للجمهور منذ البداية. ^{[ 2 ] [ 3 ] [ 10 ]}

كان الجمهور المستهدف في الأصل من الأكاديميين، لكن برنامج Google Books Ngram Viewer مكّن أي شخص يمتلك جهاز كمبيوتر من رؤية رسم بياني يُمثل التغير التاريخي في استخدام الكلمات والعبارات بسهولة. وصرح ليبرمان ردًا على صحيفة نيويورك تايمز أن المطورين سعوا إلى تزويد حتى الأطفال بالقدرة على استعراض الاتجاهات الثقافية عبر التاريخ. ^{[ 10 ]} وفي ورقة بحثية نُشرت في مجلة ساينس ، أطلق ليبرمان وزملاؤه على أسلوب تحليل البيانات الضخمة في النصوص الرقمية اسم " علم الثقافة ". ^{[ 1 ] [ 10 ]}

تُستخدم الفواصل لفصل مصطلحات البحث التي يُدخلها المستخدم، حيث يتم البحث عن كل مصطلح مفصول بفاصلة في قاعدة البيانات كوحدة ( على سبيل المثال، "مدرسة الحضانة" هي وحدة ثنائية). ^{[ 6 ]} ثم يعرض برنامج Ngram Viewer مخططًا خطيًا . ونظرًا لمحدودية حجم قاعدة بيانات Ngram، يتم فهرسة النتائج التي تم العثور عليها في 40 كتابًا على الأقل فقط. ^{[ 6 ]}

تعرضت مجموعات بيانات برنامج Ngram Viewer لانتقادات بسبب اعتمادها على تقنية التعرف الضوئي على الحروف (OCR) غير الدقيقة، واحتوائها على أعداد كبيرة من النصوص المؤرخة والمصنفة بشكل خاطئ. ^{[ 12 ]} ونظرًا لهذه الأخطاء، ولأنها غير مضبوطة من حيث التحيز ^{[ 13 ]} (مثل تزايد كمية الأدبيات العلمية، مما يؤدي إلى ظهور مصطلحات أخرى وكأنها تتراجع شعبيتها)، يجب توخي الحذر عند استخدام هذه المجموعات لدراسة اللغة أو اختبار النظريات. ^{[ 14 ]} علاوة على ذلك، قد لا تعكس مجموعات البيانات التغيرات اللغوية أو الثقافية العامة، ولا يمكنها إلا أن تشير إلى هذا التأثير بشكل غير مباشر، لأنها لا تتضمن أي بيانات وصفية مثل تاريخ النشر، أو اسم المؤلف، أو طول النص، أو نوعه، وذلك لتجنب أي انتهاكات محتملة لحقوق النشر . ^{[ 15 ]}

Systemic errors like the confusion of s and f in pre-19th century texts (due to the use of ſ, the long s, which is similar in appearance to f) can cause systemic bias.^[14] Although the Google Books team claims that the results are reliable from 1800 onwards, poor OCR and insufficient data mean that frequencies given for languages such as Chinese may only be accurate from 1970 onward, with earlier parts of the corpus showing no results at all for common terms, and data for some years containing more than 50% noise.^[16][17]

Guidelines for doing research with data from Google Ngram have been proposed that try to address some of the issues discussed above.^[18]

• Google Trends
• Lexical analysis

• لين، يوري؛ وآخرون  . (يوليو 2012). "التعليقات النحوية لمجموعة بيانات جوجل بوكس ​​إنغرام" (ملف PDF) . وقائع الاجتماع السنوي الخمسين . أوراق العرض التوضيحي. 2. جيجو، جمهورية كوريا: جمعية اللغويات الحاسوبية: 169-174 . 2390499. ورقة بيضاء تعرض إصدار 2012 من مجموعة بيانات جوجل بوكس ​​إنغرام.

• الموقع الرسمي