Kir­jai­li­ja on mah­dol­lis­ta tun­nis­taa jopa vain kym­me­nes­tä hä­nen kir­joit­ta­mas­taan sa­nas­ta. Tä­hän tu­lok­seen pää­tyi­vät Puo­lan tie­de­a­ka­te­mi­an fyy­si­kot. Tut­ki­muk­sen tu­lok­set jul­kais­tiin In­for­ma­ti­on Scien­ces -leh­des­sä.

Tut­ki­jat ra­ken­si­vat kir­jal­li­sen teks­tin tie­to­ko­ne­a­na­lyy­siä var­ten ko­ko­naan uu­den työ­ka­lun, jos­sa hyö­dyn­ne­tään ku­val­lis­ta esi­tys­muo­toa. He muo­dos­ti­vat tut­kit­ta­vas­ta teks­tis­tä verk­ko­e­si­tyk­sen, jos­sa ver­kon sol­mu­koh­ti­na oli­vat teks­tin sa­nat ja vä­li­mer­kit. Jos kak­si sa­naa esiin­tyi teks­tis­sä pe­räk­käin, ne yh­dis­tet­tiin toi­siin­sa kaa­rel­la. Ma­te­ri­aa­li ana­ly­soi­tiin sen jäl­keen ti­las­tol­li­sia me­ne­tel­miä käyt­tä­en.

Fyy­si­kot ana­ly­soi­vat kai­ken kaik­ki­aan 96 eng­lan­nin- ja puo­lan­kie­lis­tä te­os­ta 16 kir­jai­li­jal­ta. Ana­ly­soi­ta­vien kir­jai­li­joi­den jou­kos­sa oli­vat esi­mer­kik­si Jane Aus­ten, Char­les Dic­kens, Ge­or­ge Or­well ja no­be­lis­ti Wła­dys­ław Rey­mont.

Eng­lan­nin­kie­li­sen te­ok­sen kir­joit­ta­ja on­nis­tut­tiin mää­rit­tä­mään oi­kein 10−12 sa­tun­nai­ses­ti va­li­tun sa­nan pe­rus­teel­la yh­dek­säs­sä ta­pauk­ses­sa kym­me­nes­tä. Puo­lan­kie­lis­ten te­os­ten koh­dal­la tun­nis­ta­mi­nen ta­pah­tui vie­lä no­pe­am­min: oi­ke­aan osu­mi­seen tar­vit­tiin vain vii­des­tä kuu­teen sa­naa. Syy on to­den­nä­köi­ses­ti se, et­tä puo­lan ja mui­den slaa­vi­lais­ten kie­lien sa­na­jär­jes­tys on jous­ta­vam­pi ja sal­lii näin enem­män tyy­lil­lis­tä vaih­te­lua. Tut­ki­muk­ses­sa ha­vait­tiin myös, et­tä vä­li­mer­kit ovat tyy­lin tun­nis­ta­mi­ses­sa yh­tä tär­kei­tä kuin sa­nat.

Tu­le­vai­suu­des­sa me­ne­tel­mäs­tä toi­vo­taan apua his­to­ri­al­lis­ten teks­ti­kat­kel­mien kir­joit­ta­jan sel­vit­tä­mi­seen ja vää­ren­nös­ten pal­jas­ta­mi­seen.

Jut­tu on jul­kais­tu GEO-leh­des­sä 3/2020.

Lue myös:

Iki­van­han kä­si­kir­joi­tuk­sen sa­lai­suus pal­jas­tui

Kym­me­nen ky­sy­mys­tä pro­pa­gan­das­ta