اللغويون يبحثون كم كلمة في اللغة العربية؟

بين الحين والآخر أتوقف أمام صفحة في القاموس وأتخيل كم من كلماتٍ تقبع بين سطورها — هذا التخيل يقودني إلى إجابة مبسطة لكنها واقعية.

إذًا، إذا كنت تريد رقماً سريعاً: لا توجد إجابة نهائية. كمياً، يمكن الحديث عن عشرات الآلاف من الجذور الفعّالة التي تولّد مئات الآلاف من المداخل المعجمية المحتملة، وما يتجاوز ذلك بكثير عندما نعدّ كل الصيغ والاشتقاقات واللهجات — فيُصبح المجموع بالملايين. الطريقة التي تختارها للعدّ (جذر، لمّة، شكل صرفي، أو معجم شامل مع لهجات) هي التي تحدد الرقم الذي ستحصل عليه.

أحب أن أبقيها هكذا: اللغة بحر واسع، والعدّ يعتمد على أي مستوى من هذا البحر تنوي قياسه.

كنت أحاول أن أشرح لصديق لماذا لا يمكن حصر كلمات اللغة العربية بعدد محدد، وفجأة تحوّل الشرح إلى درس صغير عن كيف نعدّ الكلمات فعلاً.

الاختلاف الأساسي هو في ماذا نعني بـ'كلمة' — هل نقصد الشكل الظاهري (token) كما يظهر في نص، أم الشكل الأساسي (lemma) الذي يجمع الصيغ المختلفة، أم الجذر الذي تنتج عنه كلمات كثيرة؟ إذا اعتبرنا كل شكل نحوي أو صرفي قيمة منفصلة، فالحساب يطير بعيداً: نصوص عربية كبيرة تحتوي على ملايين من الأشكال المفردة. أما إذا احتسبنا لِمَعات أو مدخلات معجمية مستقلة فالأمر يصبح أكثر قابلية للتقدير، لكن يبقى واسعاً.

كثير من الباحثين يتعامَلون بثلاثة أطر تقريبية: جذور اللغة الثلاثية والرّباعية (والتي تُقدَّر عادة بعشرات الآلاف)، ثم جذور ومداخل المعاجم (قد تصل إلى مئات الآلاف إذا ضُمّنت الألفاظ القديمة والفُصحى واللهجية)، وأخيراً أشكال الكلمات المنسوبة إلى الصرف والنحت والاشتقاق التي قد تجعل عدد الأشكال المحتملة في مجموعة نصوص ضخمة يصل إلى ملايين. لذلك عندما يسأل اللغويون "كم كلمة؟" الإجابة العملية تكون وصفية: من عشرات الآلاف (جذور/مداخل أساسية) إلى مئات الآلاف من اللممات الممكنة، وإلى ملايين من الأشكال عند احتساب كل الانعطافات والنّسخ.

أحب أن أختم بمثلٍ بسيط: اللغة العربية تشبه شجرة جذرها واحد لكن أغصانها تتفرع بلا توقف — لذا العدّ الدقيق ممكن حسب تعريفك، لكنه غالباً سيتركك مندهشاً من حجم الثروة اللغوية بدل إعطائك رقماً وحيداً نهائياً.

من زاوية العمل الميداني والكمبيوتري، السؤال عن عدد كلمات العربية يتحوّل إلى تحدٍ منهجي أكثر من كونه سؤالاً قابلًا للجَواب مباشرة.

أولاً، علينا تحديد مستوى العداد: هل نعدّ المفردات القاموسية (lemmas) أم كل الأشكال الصرفية في الاستخدام؟ المعالجة الحاسوبية تواجه صعوبات إضافية مثل التشابكات مع الضمائر واللصقات (الـ clitics) والهمزة والفرق في الكتابة بين النصوص القديمة والحديثة. لذلك بعض المشروعات تعلن عن معاجم إلكترونية تحوي مثلاً عشرات آلاف المداخل، بينما تُخرج تحليلّات النّصوص أعداداً أكبر بكثير من الأشكال.

ثانياً، اللهجات تزيد التعقيد: إذا ضممتها إلى الحساب، فأنت تضاعف المرآة المعجمية لأن كل لهجة تتضمّن حزمة مفردات تتقاطع جزئياً مع الفصحى وتختلف جزئياً. عملياً أعمل مع أرقام تقديرية: جذور فعّالة بالآلاف، مداخل معجمية بالآلاف إلى مئات الآلاف، وأشكال صرفية في مجموعات نصية كبيرة بالملايين. الخلاصة العملية أن الباحثين يختارون مقياس العد حسب هدفهم البحثي، وليس هناك رقم واحد مناسب لكل الأسئلة.