زیباییشناسی محاسباتی شعر فارسی
پرسش پژوهش: آیا میتوان با یک ارزیابی محاسباتی، بیتهای پُرتراکم هر شاعر را برای خوانش نزدیک اولویتبندی کرد؟
ارزیابی هشت بُعد متنی در ۶۷۶٬۷۴۸ بیت یا واحد دوسطری و ارائهٔ ده انتخاب دارای بالاترین امتیاز محاسباتی برای هر یک از ۶۷ شاعر یا پدیدآورنده.
این مدل میتواند بیتهای پُرتراکم را برای خوانش نزدیک اولویتبندی کند، اما امتیاز آن داوری انسانی یا حقیقت قطعی دربارهٔ زیبایی و ارزش ادبی نیست.
مرز ادعا: هشت شاخص با GPT-5.6-sol ارزیابی شدهاند و امتیازدهی انسانی انجام نشده است؛ رتبهها فقط خروجی همین مدل، پیکره، وزنها و قواعد انتخاباند.
چه چیزی محاسبه شد؟
- میانگین نمرهٔ کل ۶۷۰ انتخاب درونشاعر ۸۰.۵۸ است؛ این مقدار میانگین گزیدههاست، نه میانگین کل پیکره.
- بالاترین نمرهٔ محاسباتی در همین خروجی منتشرشده ۹۴.۶ و متعلق به یک بیت از صائب تبریزی است؛ این مقایسه فقط خروجی مدل در گزیدهٔ حاضر است و رتبهٔ ادبی شاعر یا بیت محسوب نمیشود.
- هر ۶۷ شاعر یا پدیدآورنده دقیقاً ده انتخاب دارد؛ رتبهٔ ۱ تا ۱۰ فقط درون همان شاعر تعریف میشود.
- هشت شاخص با GPT-5.6-sol ارزیابی شدهاند و ارزیابی انسانی نیست؛ نمرهٔ کل از ترکیب وزندار خروجیهای مدل به دست آمده است.
جستوجو، مقایسه و پیوند قابل اشتراک
ترتیب پیشفرض بر پایهٔ سدهٔ منتسب و نام شاعر است. مرتبسازی امتیازی صرفاً برای کاوش خروجی مدل است و جدول رتبهبندی ارزش ادبی شاعران نیست.
۶۷ نتیجه نمایش داده میشود.
در حال بهروزرسانی نمای پژوهش زیباییشناسی محاسباتی…
جدول ایستا همچنان در دسترس است؛ دوباره تلاش کنید یا دادهها را مستقیم دریافت کنید.
برای این ترکیب فیلتر نتیجهای پیدا نشد. فیلترها را پاک کنید یا نام دیگری بنویسید.
| شاعر | سده | امتیاز شاخص | بیشترین امتیاز نهایی | شاخص غالب |
|---|---|---|---|---|
| رودکی | ۳ | ۷۶٫۷۵ | ۹۱٫۹۱ | فشردگی معنا |
| فردوسی | ۴ | ۸۶٫۶۱ | ۹۱٫۷ | نمادپردازی |
| کسایی | ۴ | ۶۷٫۴۷ | ۶۹٫۸۸ | نمادپردازی |
| ابوسعید ابوالخیر | ۵ | ۸۲٫۹۱ | ۸۹٫۰۶ | فشردگی معنا |
| اسدی توسی | ۵ | ۸۴٫۰۲ | ۸۶٫۰۹ | زبان مجازی |
| باباطاهر | ۵ | ۸۰٫۹۶ | ۸۶٫۳۱ | فشردگی معنا |
| فخرالدین اسعد گرگانی | ۵ | ۸۷٫۱ | ۹۲٫۱۵ | فشردگی معنا |
| فرخی سیستانی | ۵ | ۷۹٫۰۶ | ۸۳٫۹۲ | نمادپردازی |
| مسعود سعد سلمان | ۵ | ۷۴٫۷۶ | ۷۷٫۹۴ | نمادپردازی |
| منوچهری | ۵ | ۷۸٫۷۸ | ۹۱٫۰۸ | تازگی بیان |
| ناصرخسرو | ۵ | ۷۸٫۱۴ | ۸۶٫۶۹ | نمادپردازی |
| هجویری | ۵ | ۳۵٫۵۳ | ۴۴٫۳ | تازگی بیان |
| انوری | ۶ | ۸۴٫۳۱ | ۸۶٫۶۲ | فشردگی معنا |
| باباافضل کاشانی | ۶ | ۷۸٫۸۴ | ۸۴٫۳ | نمادپردازی |
| خاقانی | ۶ | ۸۶٫۰۹ | ۸۸٫۴۱ | زبان مجازی |
| خیام | ۶ | ۷۵٫۶۴ | ۷۷٫۳۴ | نمادپردازی |
| سنایی | ۶ | ۸۹٫۲۲ | ۹۲٫۳۸ | نمادپردازی |
| عبدالواسع جبلی | ۶ | ۷۰٫۲۶ | ۷۵٫۵۶ | تازگی بیان |
| عطار | ۶ | ۹۱٫۴۳ | ۹۲٫۶۴ | نمادپردازی |
| مهستی گنجوی | ۶ | ۷۹٫۵۹ | ۸۴٫۶۱ | نمادپردازی |
| نصرالله منشی | ۶ | ۶۱٫۹۴ | ۶۹٫۰۴ | نمادپردازی |
| نظامی | ۶ | ۸۸٫۰۳ | ۹۰٫۷۶ | زبان مجازی |
| خواجوی کرمانی | ۷ | ۸۶٫۶۲ | ۹۰٫۹۵ | نمادپردازی |
| سعدی | ۷ | ۸۳٫۱۳ | ۸۵٫۲۴ | فشردگی معنا |
| سیف فرغانی | ۷ | ۸۱٫۹۱ | ۸۹٫۳۴ | نمادپردازی |
| عراقی | ۷ | ۸۵٫۷۴ | ۹۱٫۳۲ | فشردگی معنا |
| مولوی | ۷ | ۸۹٫۷۵ | ۹۲٫۱۶ | نمادپردازی |
| امیرخسرو دهلوی | ۸ | ۸۶٫۵۴ | ۸۹٫۲۲ | نمادپردازی |
| اوحدی | ۸ | ۸۶٫۹۵ | ۹۱٫۰۴ | نمادپردازی |
| حافظ | ۸ | ۸۱٫۶۱ | ۸۵٫۲۹ | نمادپردازی |
| سلمان ساوجی | ۸ | ۸۶٫۲۶ | ۹۰٫۲۶ | نمادپردازی |
| شاه نعمتالله ولی | ۸ | ۸۶٫۸۸ | ۸۸٫۱۷ | ساختار |
| شیخ محمود شبستری | ۸ | ۷۵٫۶۲ | ۸۰٫۷۴ | نمادپردازی |
| عبید زاکانی | ۸ | ۸۳٫۶۲ | ۸۹٫۳۸ | نمادپردازی |
| جامی | ۹ | ۸۳٫۵۶ | ۸۷٫۵۲ | نمادپردازی |
| هلالی جغتایی | ۹ | ۸۳٫۹۹ | ۸۹٫۵ | فشردگی معنا |
| رضیالدین آرتیمانی | ۱۰ | ۸۳٫۰۷ | ۸۶٫۶۲ | نمادپردازی |
| شیخ بهایی | ۱۰ | ۷۹٫۴ | ۸۸٫۷۶ | موسیقی |
| عرفی | ۱۰ | ۸۴٫۳۲ | ۸۸٫۷۲ | نمادپردازی |
| محتشم کاشانی | ۱۰ | ۸۳٫۱۶ | ۸۴٫۷۷ | فشردگی معنا |
| وحشی | ۱۰ | ۸۶٫۴۸ | ۸۹٫۱۱ | نمادپردازی |
| بیدل دهلوی | ۱۱ | ۸۴٫۹۱ | ۸۹٫۱۶ | موسیقی |
| صائب تبریزی | ۱۱ | ۹۲٫۴۵ | ۹۴٫۶ | نمادپردازی |
| فیض کاشانی | ۱۱ | ۸۵٫۲۴ | ۸۸٫۶۵ | نمادپردازی |
| هاتف اصفهانی | ۱۲ | ۸۲٫۱۴ | ۸۸٫۷۲ | نمادپردازی |
| فروغی بسطامی | ۱۳ | ۸۳٫۶۷ | ۸۹٫۸۹ | فشردگی معنا |
| قاآنی | ۱۳ | ۸۴٫۷۳ | ۸۸٫۴۵ | فشردگی معنا |
| ملا هادی سبزواری | ۱۳ | ۷۸٫۶۴ | ۸۲٫۳۸ | فشردگی معنا |
| احمد شاملو | ۱۴ | ۷۳٫۶۱ | ۸۳٫۲۷ | نمادپردازی |
| اقبال لاهوری | ۱۴ | ۸۷٫۴۴ | ۹۱٫۰۴ | نمادپردازی |
| بهرام سالکی | ۱۴ | ۷۷٫۲۲ | ۸۴٫۱۵ | فشردگی معنا |
| پروین اعتصامی | ۱۴ | ۸۰٫۴۸ | ۸۱٫۹۸ | زبان مجازی |
| خلیلالله خلیلی | ۱۴ | ۷۴٫۸۴ | ۸۱٫۳۷ | موسیقی |
| رهی معیری | ۱۴ | ۸۶٫۰۹ | ۹۱٫۷۶ | نمادپردازی |
| سهراب سپهری | ۱۴ | ۷۱ | ۷۹٫۸۳ | نمادپردازی |
| سیمین بهبهانی | ۱۴ | ۸۲٫۲۹ | ۸۹٫۸۵ | فشردگی معنا |
| شاطرعباس صبوحی | ۱۴ | ۷۶٫۰۶ | ۸۸٫۳۳ | نمادپردازی |
| شهریار | ۱۴ | ۸۱٫۷۷ | ۸۴٫۸ | نمادپردازی |
| شیون فومنی | ۱۴ | ۷۵٫۷۷ | ۸۳٫۰۹ | فشردگی معنا |
| فروغ فرخزاد | ۱۴ | ۸۱٫۵۹ | ۹۲٫۰۳ | نمادپردازی |
| کامبیز صدیقی کسمایی | ۱۴ | ۶۶٫۴۱ | ۸۱٫۴۴ | فشردگی معنا |
| محمدحسن بارق شفیعی | ۱۴ | ۷۵٫۱۸ | ۸۵٫۰۳ | فشردگی معنا |
| ملکالشعرای بهار | ۱۴ | ۸۲٫۳۹ | ۸۴٫۹ | فشردگی معنا |
| مهدی اخوان ثالث | ۱۴ | ۷۷٫۲۹ | ۸۰٫۴۳ | فشردگی معنا |
| نیما یوشیج (آوای آزاد) | ۱۴ | ۷۶٫۲ | ۹۰٫۳۳ | زبان مجازی |
| ا لیار (جبار محمدی) | ۱۵ | ۸۶٫۸۹ | ۹۴٫۳۵ | فشردگی معنا |
| عبدالقهار عاصی | ۱۵ | ۷۸٫۶۵ | ۸۲٫۶۳ | تصویرسازی |
این نتیجه چگونه ساخته شد؟
GPT-5.6-sol هشت شاخص صفر تا صد را ارزیابی کرده است. نمرهٔ کل با وزنهای مستند ساخته شده و سپس برای هر شاعر ده واحد سالم دارای بالاترین نمره با کنترل تکرار و تنوع منبع انتخاب شدهاند. ارزیابی انسانی یا برچسبگذاری انسانی انجام نشده است. انتساب مدل بر پایهٔ اعلام مالک پروژه ثبت شده و سابقهٔ اجرای دستاول در دسترس نیست.
چه چیزی را نباید نتیجه گرفت؟
امتیازها تعریف جهانشمول زیبایی یا رتبهٔ ارزش ادبی نیستند. خط مبنای داوری انسانی برای سنجش توافق یا اختلاف مدل در دسترس نیست. نمرهها به مدل، صورتبندی rubric، وزنها و قواعد انتخاب حساساند؛ جزئیات اجرای دستاول برای تحلیل این حساسیتها در دسترس نیست. واحدها بیرون از بافت کامل شعر ارزیابی شدهاند و در شعر نو دو سطر الزاماً بیت کلاسیک نیست. موسیقی و عروض فقط از نشانههای متنی تقریبی ارزیابی شدهاند و تحلیل کامل وزنی نیستند. سنجش زبان مجازی و انتخاب ده رکورد به قواعد تشخیص، حذف تکرار و تنوع منبع حساس است. تازگی بیان فقط نسبت به الگوهای همین پیکره معنا دارد و ادعایی دربارهٔ کل سنت شعر فارسی نیست. عدمتوازن اندازه و پوشش آثار شاعران میتواند بر فضای مقایسه و انتخابها اثر بگذارد. سابقهٔ اجرای دستاول مدل، نسخهٔ rubric و شناسهٔ run در اختیار پروژه نیست.
تعریف عملیاتی هشت شاخص
| شاخص | تعریف عملیاتی | وزن در امتیاز نهایی |
|---|---|---|
| نمادپردازی | شدت حضور نمادها و ظرفیت ارجاع فراتر از معنای مستقیم واژهها در همان واحد دوسطری | ۱۸٪ |
| تصویرسازی | وضوح و تراکم تصویرهای حسی و صحنهپردازی قابل تصور در همان واحد دوسطری | ۱۴٪ |
| زبان مجازی | شدت کاربرد تشبیه، استعاره، مجاز و دیگر جابهجاییهای معنایی در همان واحد دوسطری | ۱۴٪ |
| موسیقی | هماهنگی آوایی، تکرار واجی و ریتم قابل تشخیص از متن؛ نه تحلیل کامل عروض | ۱۴٪ |
| فشردگی معنا | میزان فشردگی لایههای معنا و نسبت معنای استنباطی به طول همان واحد دوسطری | ۱۲٪ |
| عمق عاطفی | شدت و چندلایگی عاطفهای که متن همان واحد دوسطری القا میکند | ۱۲٪ |
| ساختار | انسجام نحوی و معنایی و کیفیت پیوند دو سطر در همان واحد ارزیابی | ۸٪ |
| تازگی بیان | غیرکلیشهایبودن ترکیب و بیان نسبت به الگوهای دیدهشده در همین پیکره | ۸٪ |
این شاهد چه خوانشی را پیشنهاد میکند؟
این مدل میتواند بیتهای پُرتراکم را برای خوانش نزدیک اولویتبندی کند، اما امتیاز آن داوری انسانی یا حقیقت قطعی دربارهٔ زیبایی و ارزش ادبی نیست.
هشت شاخص با GPT-5.6-sol ارزیابی شدهاند و امتیازدهی انسانی انجام نشده است؛ رتبهها فقط خروجی همین مدل، پیکره، وزنها و قواعد انتخاباند.
از کدام مسیر وارد این پژوهش شوید؟
داده، روش و موجودیتهای مرتبط
خوانش درست نتیجه
آیا نمودارها رتبه ادبی شاعران را نشان میدهند؟
خیر. اندازه خانهها، تعداد متنها یا مرکزیت شبکه فقط ویژگی پیکره و روش محاسباتی را نشان میدهد و نباید به ارزش یا اهمیت ادبی تعبیر شود.
آیا پیوند متنی، تأثیر مستقیم را ثابت میکند؟
خیر. یالها قرابت محاسباتی جهتدارند؛ یعنی شباهت عبارتی، واژگانی یا موضوعی میان شاعر متأخر و شاعر پیشین دیده شده است. اثبات تأثیر تاریخی به شواهد نسخهشناختی و تاریخ ادبی نیاز دارد.
آیا شعر نامتعارف حتماً انتساب نادرست دارد؟
خیر. کوتاهی یا بلندی متن، تفاوت ژانر، نشانهگذاری، آلودگی داده و مرحله متفاوت زندگی شاعر میتواند متن را از مرکز سبک او دور کند. خروجی مدل فقط فهرست اولویت بازبینی است.
چگونه میتوان به نتایج استناد کرد؟
در هر صفحه پژوهشی یک بلوک استناد آماده، تاریخ بهروزرسانی و پیوند پایدار وجود دارد. فایل CITATION.cff نیز برای GitHub و ابزارهای مدیریت استناد در پروژه قرار گرفته است.
چگونه به این صفحه استناد کنیم؟
کریمی، حسین. (۲۰۲۶). «زیباییشناسی محاسباتی شعر فارسی». از شعر تا داده: اطلس تعاملی تحلیل دادههای شعر فارسی. https://frompoetrytodata.vercel.app/research/computational-aesthetics/
برای استفاده از داده چگونه استناد کنیم؟
کریمی، حسین. (۲۰۲۶). «زیباییشناسی محاسباتی شعر فارسی [مجموعهداده]». از شعر تا داده: اطلس تعاملی تحلیل دادههای شعر فارسی. https://frompoetrytodata.vercel.app/downloads/computational-aesthetics.json