الشعر الجاهليّ بين الشروح التراثيّة والتحليل الآليّ: دراسة لغويّة باستخدام تقنيّات التعلّم العميق

الملخص

تسعى هذه الدراسة إلى تقديم مقاربة لغويّة بين التحليل البشريّ والتحليل الآليّ للنصوص الشعريّة الجاهليّة، من خلال توظيف تقنيّات التعلّم العميق في معالجة اللغة العربيّة. وقد تمّ اعتماد نماذج لغويّة متقدّمة لتحليل أبيات مختارة من شعر امرئ القيس، بهدف اختبار مدى قدرتها على التعامل مع الخصائص اللغويّة والفنّيّة لهذا النمط من النصوص.

ويتمثل الجانب الآليّ من التحليل في استخدام أدوات حاسوبيّة لمعالجة المستويات الصرفيّة والنحويّة والدلاليّة، وتصنيف الأغراض الشعريّة، واستكشاف بعض الظواهر البلاغيّة. في المقابل، يعتمد التحليل البشريّ على الشروح التراثيّة التي توفّر قراءات تأويليّة معمّقة، وتكشف عن الأبعاد الرمزيّة والثقافيّة للنصوص، مستندةً إلى معرفة لغويّة وسياقيّة لا تزال تتجاوز قدرات النماذج الآليّة المعاصرة.

أظهرت النتائج أن النماذج الآلية قادرة على التعامل مع البنية اللغويّة الشكليّة للنصوص، وتحديد الأغراض الشعريّة العامّة، لكنّها تواجه صعوبة في إدراك المجاز المركّب، والرموز الثقافيّة، والدلالات السياقيّة التي تتطلب خلفيّة معرفيّة أدقّ.

وتخلص الدراسة إلى أن الجمع بين التحليل البشريّ والآليّ يُسهم في إثراء فهم النصوص التراثيّة، ويُبرز أهمّيّة تطوير نماذج لغويّة أكثر تخصّصًا في معالجة الأدب العربيّ القديم. كما تؤكد على ضرورة توسيع قاعدة البيانات التدريبيّة لتشمل نصوصًا تراثيّة مشروحة، بما يتيح للذكاء الاصطناعيّ أداءً أكثر دقّة في تحليل النصوص ذات الطابع الثقافيّ والتاريخيّ.

This study aims to present a linguistic comparison between human and machine analysis of pre-Islamic poetic texts, by employing deep learning techniques in Arabic language processing. Advanced language models were used to analyze selected verses from the poetry of Imru’ al-Qays, in order to assess their ability to handle the linguistic and artistic features of this literary genre.

The machine-based analysis involves computational tools that process morphological, syntactic, and semantic levels, classify poetic themes, and attempt to identify rhetorical phenomena. In contrast, human analysis relies on classical commentaries that offer interpretive readings and reveal the symbolic and cultural dimensions of the texts, drawing on linguistic and contextual knowledge that still surpasses the capabilities of current AI models.

The findings indicate that deep learning models are effective in handling the formal linguistic structure of the texts and identifying general poetic themes. However, they struggle to grasp complex metaphors, cultural references, and contextual meanings that require deeper background knowledge.

The study concludes that integrating human and machine analysis enriches the understanding of heritage texts and highlights the need to develop more specialized language models for processing classical Arabic literature. It also emphasizes the importance of expanding training datasets to include annotated heritage texts, enabling artificial intelligence to achieve greater accuracy and depth in analyzing culturally and historically rich material.