د.علاء عبدالخالق حسين المندلاوي
بحث علمي لموقع مؤسسة العراقة للثقافة والتنمية
بتاريخ8/ 10/ 2026
ملخص البحث:
يهدف هذا البحث إلى استكشاف إمكانية توظيف تقنيات الذكاء الاصطناعي، وتحديدًا التعلم الآلي ومعالجة اللغات الطبيعية، في رصد وتحليل ظاهرة التناص في الشعر العربي الحديث، ويسعى البحث إلى تجاوز المنهجيات النقدية التقليدية التي تعتمد بنحوٍ كبير على التحليل البشري وتحدياته المرتبطة بحجم البيانات وتعقيد العلاقات النصية، لِتقديم مقاربةٍ حاسوبيةٍ تُمكن من تحليل التناص على نطاقٍ واسعٍ وبدقةٍ أعلى. تركز الدراسة على فهم آليات التناص المختلفة، سواءً كانت ظاهرةً أو خفيةً، وتقديم إطار عملٍ يجمع بين الفهم النظري للظاهرة والإمكانيات التقنية للذكاء الاصطناعي.
تُتبع الباحث منهجيةٌ هجينةٌ تُزاوج بين المقاربة النوعية في فهم التناص من منظور النقد الأدبي والمقاربة الكمية في تطبيق الأدوات الحاسوبية. تنطلق المنهجية من إرساء أساس نظري متين لمفهوم التناص، مُستعرضَةً أبرز المدارس النقدية التي تناولته، ثم تنتقل إلى استعراض المبادئ الأساسية للتعلم الآلي ومعالجة اللغات الطبيعية، مع التركيز على التقنيات الأكثر صلة بتحليل النصوص الشعرية. تُعد هذه المنهجية متعددة التخصصات ضروريةً لِمعالجة طبيعة التناص المعقدة، وخصائص اللغة الشعرية العربية.
تتضمن إجراءات البحث مراحلَ متعددةً تبدأ بِجمع وتجهيز البيانات الشعرية العربية. تُشمل هذه المرحلة رقمنة النصوص الشعرية الحديثة والنصوص المرجعية القديمة، وتُطبق عليها عمليات تنظيف وتطبيع لغوي دقيقة (مثل التجزئة، والتجريد اللغوي، وإزالة الكلمات الوقفية). ثم يُبنى نموذج حاسوبي يعتمد على التعلم العميق، وتحديدًا نماذج المحولات، لِتمثيل النصوص في نحوٍ تضمين سياقي تُمكن من قياس التشابه الدلالي بينها. تُستعمل خوارزميات رصد التشابه النصي، والتعرف على الكيانات المسماة، وتحليل العلاقات الدلالية لِكشف أنواع التناص المختلفة. تُدرب النماذج على مجموعة بيانات مُسماة بِدقةٍ من قبل خبراء أدبيين، وتُقيم بِمعاييرَ صارمةٍ مثل الدقة، والاستدعاء، والدقة (Precision)، و F1-score، لِضمان فعاليتها. تُعالج التحديات الخاصة بالشعر العربي، مثل المجاز والغموض، من خلال الاستفادة من النماذج اللغوية الكبيرة المدربة على سياقات غنية.
تُشير نتائج البحث إلى قدرة النموذج الحاسوبي على رصد التناص بِفعاليةٍ عاليةٍ، ليس فقط على مستوى التشابه اللفظي، بل على مستوى التشابه الدلالي والأسلوبي العميق. من المتوقع أن يكشف النموذج عن أنماطٍ تناصيه مهيمنةٍ مع القرآن الكريم، والشعر العربي القديم، والأساطير العالمية، مما يُؤكد على الأبعاد الثقافية والمعرفية لِلتناص في الشعر الحديث. تُبرز النتائج التكامل بين التحليل الآلي والتحليل النقدي البشري؛ حيث تُقدم الآلة السرعة، الشمولية، والحيادية في اكتشاف الأنماط الخفية، بينما يُسهم الناقد البشري في التأويل العميق وفهم القصدية والدلالات المجازية. هذا يُعزز دور التقنيات الحاسوبية كـ “مساعد للناقد” لِتوسيع آفاق البحث الأدبي.
بناءً على هذه النتائج، يقدم الباحث عدة توصيات ومقترحات.
تطوير نماذج أكثر تعقيدًا قادرة على دمج التحليل الصوتي والإيقاعي للشعر، واستكشاف استعمال النماذج التوليدية لِفهم أعمق لآليات التناص
تطبيق هذه التقنيات على أنواعٍ أدبيةٍ أخرى كالرواية والمسرح، ودمج نتائج التحليل الآلي مع المناهج النقدية الأخرى كالدراسات الأسلوبية والنقد الثقافي.
أهمية الاستثمار في بناء مجموعات بياناتٍ عربيةٍ مُسماةٍ أكبر وأكثر تنوعًا.
التعاون متعدد التخصصات بين الباحثين في الأدب وعلوم الحاسوب لِتعزيز هذا المجال البحثي الواعد، ولِتطوير أدوات تفاعلية تُقدم تفسيراتٍ لقرارات النموذج، مما يُسهم في إثراء الدراسات الأدبية وتطويرها في العصر الرقمي.
الكلمات المفتاحية: التناص، الشعر العربي الحديث، التعلم الآلي، معالجة اللغات الطبيعية، التحليل الرقمي للأدب، النقد الحاسوبي، الذكاء الاصطناعي.
Intertextuality Analysis in Modern Arabic Poetry Using Machine Learning Algorithms
Abstract:
This research aims to explore the potential of employing Artificial Intelligence (AI) techniques, specifically Machine Learning (ML) and Natural Language Processing (NLP), to detect and analyze the phenomenon of intertextuality in modern Arabic poetry. The study seeks to transcend traditional critical methodologies—which rely heavily on human analysis and face challenges related to data volume and the complexity of textual relationships—by providing a computational approach that enables large-scale intertextuality analysis with higher precision. The study focuses on understanding various intertextual mechanisms, whether overt or covert, and providing a framework that integrates a theoretical understanding of the phenomenon with the technical capabilities of AI.
The study follows a hybrid methodology that merges a qualitative approach (understanding intertextuality from a literary criticism perspective) with a quantitative approach (applying computational tools). The methodology begins by establishing a solid theoretical foundation for the concept of intertextuality, reviewing the most prominent critical schools. It then transitions to reviewing the fundamental principles of Machine Learning and NLP, focusing on techniques most relevant to poetic text analysis. This multidisciplinary methodology is essential for addressing the complex nature of intertextuality and the unique characteristics of Arabic poetic language.
The research procedures involve multiple stages, starting with the collection and preprocessing of Arabic poetic data. This phase includes the digitization of modern poetic texts and ancient reference texts, followed by rigorous linguistic cleaning and normalization (such as tokenization, lemmatization, and stop-word removal). Subsequently, a computational model based on Deep Learning, specifically Transformer models, is developed to represent texts as contextual embeddings, allowing for the measurement of semantic similarity. Algorithms for text similarity detection, Named Entity Recognition (NER), and semantic relationship analysis are utilized to uncover various types of intertextuality. The models are trained on a dataset meticulously labeled by literary experts and evaluated using rigorous metrics such as Accuracy, Recall, Precision, and F1-score to ensure effectiveness. Challenges specific to Arabic poetry, such as metaphor and ambiguity, are addressed by leveraging Large Language Models (LLMs) trained on rich contexts.
The research results indicate the computational model’s high efficiency in detecting intertextuality, not only at the level of verbal similarity but also at the level of deep semantic and stylistic resemblance. The model is expected to reveal dominant intertextual patterns involving the Holy Qur’an, ancient Arabic poetry, and global mythologies, highlighting the cultural and cognitive dimensions of intertextuality in modern poetry. The findings underscore the integration between automated analysis and human critical analysis; while the machine offers speed, comprehensiveness, and neutrality in discovering hidden patterns, the human critic contributes deep interpretation and an understanding of intentionality and metaphorical connotations. This enhances the role of computational technologies as a “critic’s assistant” to expand the horizons of literary research.
Based on these results, the researchers offer several recommendations and proposals for future research. It is recommended to develop more sophisticated models capable of integrating phonetic and rhythmic analysis of poetry and to explore the use of Generative AI models for a deeper understanding of intertextual mechanisms. Furthermore, it is suggested to apply these techniques to other literary genres, such as novels and drama, and to integrate automated analysis results with other critical approaches like stylistics and cultural criticism. The research emphasizes the importance of investing in building larger and more diverse annotated Arabic datasets and the necessity of multidisciplinary cooperation between literature and computer science researchers to advance this promising field and develop interactive tools that provide “explainable AI” for model decisions, thereby enriching and evolving literary studies in the digital age.
Keywords: Intertextuality, Modern Arabic Poetry, Machine Learning, Natural Language Processing (NLP), Digital Humanities, Computational Criticism, Artificial Intelligence.
تحليل التناص في الشعر العربي الحديث باستعمال خوارزميات التعلم الآلي
