كيف يطبق الباحثون تحليل المقدار الثلاثي على نصوص المسلسلات؟

تخيل أنني أجلس أمام نص حلقة طويلة وأحاول وضع عدسة تكبير رقميّة على كل سطر لأرى «كم له وزن عاطفي؟» هذا تقريبًا ما يفعله الباحثون عند تطبيق تحليل المقدار الثلاثي على نصوص المسلسلات: يقسمون التعبيرات الحوارية إلى ثلاث فئات رئيسية - إيجابي، محايد، سلبي - ثم يقيسون شدة كل حالة ليتحوّل التصنيف البسيط إلى مقدار قابل للقياس والتحليل.

أبدأ عملي عادةً بتجميع كوربوس نصي من الحلقات (نصوص الحوارات، أو الترجمة، أو السيناريو). المرحلة التالية هي وضع دليل ترميزي واضح: ما الذي نعدّه إيجابياً؟ ماذا عن السخرية؟ كيف نعالج التعابير المختصرة أو الحوار المتقطع؟ بعد ذلك يُطلب من مجموعة من المعلّقين البشريين وسم الجمل بثلاثة قيم — عادةً -1 (سلبي)، 0 (محايد)، +1 (إيجابي) — أو أحيانًا بمقياس أوسع مثل -3 إلى +3 لالتقاط الشدة. هذا الوسم اليدوي يُستخدم كـ'حقيقة مرجعية' لتدريب نماذج إحصائية أو تعلم عميق، مثل نماذج متجهات الكلمات أو نماذج تحويلية حديثة.

التقنيات المتبعة تتنوع؛ هناك من يعتمد على قواميس المشاعر (lexicons) لتحديد المشاعر وسعتها، وهناك من يُفضّل نهج التعلم الآلي مع ميزات نحوية ودلالية، وإن اخترت أنا أسلوباً مختلطاً: قواميس للمقاييس الأولية ونماذج مثل BERT للتعامل مع السياق والسخرية. ثم يأتي حساب "المقدار" الفعلي: جمع أو معدّل لدرجات الجمل داخل المشهد أو الحلقة أو المسلسل كله، وتحليل التوزيع عبر الشخصيات والأقواس الدرامية. النتائج تظهر أن بعض الشخصيات قد تكون كثيفة سلبياً في بداية الموسم ثم تتحول لمقادير إيجابية، أو أن مواقف معينة (مثل مواجهة أو موت شخصية) تنتج ذروة مقدار سلبية أو إيجابية.

لا أنسى التحديات: السخرية والتهكم، الاختلافات بين اللهجات، النص المقتطع عن نبرة الصوت والموسيقى التي تغير المعنى، وأخطاء الترجمة في النسخ الفرعية. لتحسين الدقة، يدمج الباحثون مؤشرات صوتية/بصرية (نبرة الصوت، موسيقى خلفية، تعبيرات الوجه) مع التحليل النصي؛ هكذا تحصل على صورة أكثر صدقاً للمقدار العاطفي في السرد. في النهاية، هذا النوع من التحليل يفتح نافذة رائعة لفهم كيفية توظيف النص لإثارة المشاعر وبناء تعاطف الجمهور — وهو ما يعجبني شخصياً عندما أُعيد مشاهدة حلقات من 'Breaking Bad' أو 'Game of Thrones' مع بيانات عددية تقصّ الحكاية من زاوية غير مألوفة.

أميل أحيانًا لاستخدام نهج عملي ومباشر أكثر: عندما أتقصّى نص مسلسل لأطبق تحليل المقدار الثلاثي أبدأ بتقسيم النص إلى جمل/مقاطع ثم أُعيّن كل قطعة إحدى القيم الثلاث — إيجابي، محايد، سلبي. أستخدم وسماً بشرياً صغيراً أولاً لتأمين مجموعة تدريب جيدة، ثم أدرّب نموذج تعلّم آلي ليتوسع على كامل النص. بعد ذلك أطبّق وزن الشدة، إما باعتبار وجود كلمات قوية (مثل 'أحببت' مقابل 'أكره') أو بالاستعانة بمقاييس رقمية تتدرج.

هذا الأسلوب سريع ويوفّر نتائج قابلة للمقارنة عبر حلقات ومواسم: يمكنني مثلاً قياس متوسط المقدار لكل شخصية عبر الموسم لرصد تطوراتها، أو مقارنة مقدار الحوارات في مشاهد الصراع مقابل المشاهد الهادئة. التحدي الأكبر الذي أواجهه هو السخرية والحوارات المختلطة—وهنا أُعيد بعض العينات للتوسيم اليدوي لتحسين النموذج. بالنهاية، الطريقة تمنحني خريطة عاطفية للعمل الدرامي، وتساعدني على رؤية أين يركز المسلسل طاقته العاطفية وكيف يتبدّل تأثيره على المشاهد.