شبکه‌های اجتماعی| چرا در پیام‌ها واژه‌های کشیده‌ای مثل «سلاااام» را به کار می‌بریم؟

اعتمادآنلاین| مژده اصغرزاده- چندی است که شیوه نگارش در شبکه‌های اجتماعی شکل تازه‌ای به خود گرفته است. ما در بعضی از موارد واژه‌هایی مثل «سلاااااام» یا «هاهاها» در پیام‌ها مشاهده می‌کنیم. این واژه‌ها را واژه‌های کشیده یا طولانی (stretchable or lengthened) می‌نامند. محققان دانشگاه ورمانت دریافتند که این موارد جالب در توییتر و شبکه‌های اجتماعی دیگر مورد استفاده قرار گرفته و به همین دلیل درباره الگوهای جذاب این واژگان تحقیق کردند.

اعتمادآنلاین به نقل از «wired» گزارش می‌دهد، کشیدگی در واژگان پدیده‌ای زبانی است که قدرت حضور واژه را پررنگ‌تر می‌کند و طیف گسترده‌ای از احساسات را برمی‌انگیزد. واژه‌هایی مثل گل (Goooaaal) که گزارشگران فوتبال آن را با کشش ادا می‌کنند یا واژه‌های بالاخرهههه (Finallyyyy) و عااااالی (aweeesome) در پیام‌های متنی توییتر قابل رؤیت است. محققان در مقاله‌ای که در ژورنال PLOS One منتشر شد، با بررسی صد میلیارد توییت طول و میزان این کشیدگی‌ها را بررسی کردند. آنها تفاوت‌هایی را در واژه‌هایی از قبیل هاها و هاهاهااااا پیدا کرده‌اند.

پیتر شریدن دادز (Peter Sheridan Dodds)، محقق ریاضی کاربردی دانشگاه ورمانت و یکی از نویسندگان مقاله، می‌گوید: «این کشیدگی می‌تواند در واژه‌های مختلف صورت بگیرد؛ مثلاً واژه رفیق (Dude) با رفیییییق (Duuuude) متفاوت است. شاید این واژگان بیانگر بروز هیجان یا لذت باشد.» مثال دیگری که ذکر شده این است که در بعضی از پیام‌ها می‌بینیم افراد برای تشکر از واژه‌های «مرررسی یا ممنوووون» (Thaaanks) استفاده می‌کنند.

ما با استفاده از واژگان کشیده می‌توانیم غم، عصبانیت، هیجان و دیگر احساسات خود را نشان دهیم. این کشش‌ها باعث ایجاد جاذبه در پیام می‌شود و پیام بیشتر مورد توجه قرار می‌گیرد. دنفورث (Danforth)، یکی دیگر از نویسندگان مقاله، توضیح می‌دهد که شما با این کار کلمات موجود در فرهنگ لغت را به پدیده‌ای دیداری و عینی تبدیل می‌کنید. قطعاً وجود 20 حرف «الف» یا «ر» در یک کلمه توجه مخاطب را به خود جلب می‌کند.

دادز، دنفورث و تایلر گری (Tyler Grey)، نویسنده اصلی مقاله و زبان‌شناس رایانشی دانشگاه ورمانت، به طور تصادفی 10 درصد از تمام توییت‌های ارسال‌شده را که طی سال‌های 2008 تا 2016 جمع‌آوری شده بود و تعدادشان حدود 100 میلیارد بود انتخاب کردند (توییتر برای دستیابی به توییت‌ها با محققان همکاری کرد). گری برنامه‌ای نوشت که کلمات کشیده با حروف تکراری را جست‌وجو می‌کرد.

آنها در صدد بودند تا دریابند که چه حروفی با چه بسامدی تکرار شده‌اند. دادز می‌گوید: «ما برای مثال واژه Gooooaaaaal را در نظر می‌گیریم. برنامه ابتدا حرف G سپس O و پس از آن تعداد A و L را می‌شمرد. در الگوی این برنامه حتی اگر حرف اول فقط یکی باشد، به سراغ حروف بعدی می‌رود و در صورت تکرار حروف، آن را واژه کشیده تشخیص می‌دهد. می‌توان گفت الگوی کلمه Gooooaaaaal اگر یک G و یک L داشته باشد به صورت g[o][a]l و اگر همه حروف تکرار شوند، به صورت [g][o][a][l] درخواهد آمد.

محققان اصطلاح «تعادل» (Balance) را نیز برای این کلمات انتخاب کردند. اگر در واژه‌ای مثل Goooaaal تعداد حروف یکسان نباشند، تعادل برقرار نیست؛ اما واژه‌هایی مثل Hahahahaha تعادل دارند زیرا بسامد H و A در این کلمه یکسان است. واژه Haaa نیز تعادل ندارد.

محققان توانستند میانگین تعداد تکرار حروف را در نمودار فوق مشاهده کنند. با وجود املاهای متفاوتی که از واژه goal وجود داشت مشاهده شد که حرف g در اغلب توییت‌ها یک یا 2 بار تکرار شده است (تصور کنید که گزارشگر فوتبال گل را با تکرار حرف g تلفظ کند. با این کار حتماً اخراج خواهد شد). در این نمودار می‌بینید که تعداد حروف در محور عمودی و تکرار حروف خاص در محور افقی قرار دارد. با حرکت از بالا به پایین نمودار مشاهده می‌کنید که کلمه کشیده‌تر می‌شود؛ اما اگر به g نگاه کنید، می‌بینید که فرکانس آن به هیچ وجه تغییری نمی‌کند و در مقابل حروف o و a و L با کشش کلمه بیشتر تکرار می‌شوند. دلیل این امر این است که g یک همخوان است و هنگام تلفظ آن نمی‌توانید مثل اووو یا یییی آن را کشیده بیان کنید؛ بنابراین در واژه goal تنها واکه‌ها هستند که کشیده می‌شوند. اگر ما بخواهیم کلماتی مثل goal را با 80 یا 140 حرف نیز بنویسیم، تعادل o،a و L یکسان خواهد بود. گزارشگران نیز واژه goal را با g ضعیف و بقیه حروف را قوی ادا می‌کنند.

حال واژه ha را در نظر بگیرید. Ha واژه‌ای خسته‌کننده و خالی از احساس است که می‌توان با تکرار حروف آن را به میلیون‌ها شکل مختلف بیان کرد و در نمودار آن را درخت خنده نامید. H در بالای نمودار جایی است که توییت‌هایی با ha شروع می‌شود. در قسمت راست تکرار h و در قسمت چپ ادامه ha نشان داده شده است. این نمودار نشان می‌دهد که ساخت hah بعد از ha رایج‌تر از haa پس از ha است. واژه hahahaha دارای تعادل و واژه‌های haaha یا hahhah بیشتر شبیه اشتباه تایپی است.

از آنجا که کلمات کشیده را می‌توان با معنایی فراتر از خود کلمه جایابی کرد، درک آنها برای هوش مصنوعی که متن را تجزیه و تحلیل می‌کند بسیار مهم است. شاید تشخیص این کلمات کشیده برای هوش مصنوعی دشوار باشد و در برخی از موارد این واژگان را نادیده بگیرد. ما نمی‌خواهیم کلمات را برجسته یا ایتالیک کنیم تا هوش مصنوعی آنها را به حساب آورد. چنین قالب‌بندی‌هایی نمی‌تواند احساسات درون این واژگان را بشناسد. سم برادی (Sam Brody) که در سال 2011 پژوهشی درباره کلمات کشیده موجود در توییتر انجام داد می‌گوید: «ما باید به جایی برسیم که هوش مصنوعی بتواند گفت‌وگوهای روزانه مردم را درک کند.»