Đọc xa là cách dùng máy tính để "đọc" một lượng văn bản lớn đến mức không người nào đọc hết được, rồi tìm quy luật: từ nào xuất hiện nhiều, câu dài ngắn ra sao, nhân vật nào liên hệ với ai, phong cách thay đổi thế nào qua các thời kỳ. Nó không thay thế việc đọc kỹ từng trang, mà đặt ra những câu hỏi mới để người đọc quay lại văn bản tìm câu trả lời.
Thuật ngữ "đọc xa" được nhà nghiên cứu văn học Franco Moretti phổ biến từ đầu những năm 2000, đối lập với lối "đọc gần" quen thuộc. Bài này giới thiệu ý tưởng đó cho người yêu văn, sinh viên ngành văn muốn thử, kèm một dự án nhỏ làm được tại nhà với tác phẩm đã hết bản quyền, và những cái bẫy riêng khi áp dụng cho tiếng Việt.
Đọc gần và đọc xa
Phần lớn chúng ta học văn theo lối đọc gần: một bài thơ, một đoạn trích được mổ xẻ từng chữ, từng hình ảnh. Lối đọc này rất sâu nhưng có giới hạn: một người cả đời chỉ đọc kỹ được vài trăm, cùng lắm vài nghìn tác phẩm. Những gì ta biết về "văn học một thời kỳ" thực ra là những gì ta biết về một số ít tác phẩm nổi tiếng nhất của thời kỳ đó, còn hàng nghìn cuốn khác bị lãng quên trên kệ.
Moretti đặt câu hỏi: nếu muốn hiểu văn học như một hệ thống, ta có thể nhìn từ xa, xem xét hàng nghìn tác phẩm cùng lúc dưới dạng dữ liệu không? Ví dụ, thay vì đọc kỹ mười tiểu thuyết, ta đếm độ dài nhan đề của vài nghìn tiểu thuyết qua từng thập kỷ, hay vẽ bản đồ nơi các nhân vật sinh sống. Những biểu đồ như vậy không thay được cảm thụ, nhưng cho thấy những xu hướng mà đọc gần không thể thấy.
Đọc xa thuộc một lĩnh vực rộng hơn gọi là nhân văn số, nơi các phương pháp của khoa học máy tính được dùng để nghiên cứu văn học, lịch sử, ngôn ngữ. Trước đây làm việc này đòi hỏi biết lập trình. Nay AI có thể viết giúp những đoạn mã đơn giản, nên người không chuyên cũng thử được những phép đếm cơ bản, miễn là hiểu mình đang đếm cái gì.
Máy tính đếm được gì trong văn chương
Dưới đây là những loại phân tích phổ biến của đọc xa. Mỗi loại trả lời một kiểu câu hỏi khác nhau, và đều cần người hiểu văn diễn giải kết quả.
- Tần suất từ. Đếm xem những từ nào xuất hiện nhiều nhất trong một tác phẩm hay một tác giả. Kết quả thô thường bị lấn át bởi những từ chức năng như "và", "của", "thì", nên phải lọc hoặc so sánh tương đối.
- Từ đặc trưng. So một tác giả với một nhóm đối chứng để tìm những từ người đó dùng nhiều bất thường. Đây là cách nhìn ra "kho từ" riêng của một nhà thơ.
- Độ dài câu, nhịp văn. Đo độ dài trung bình của câu, tỷ lệ câu ngắn và câu dài, để so nhịp văn giữa các tác giả hoặc giữa các giai đoạn sáng tác của một người.
- Mạng lưới nhân vật. Đánh dấu nhân vật nào xuất hiện cùng cảnh với nhân vật nào, rồi vẽ thành sơ đồ. Một cuốn tiểu thuyết dài nhiều tuyến hiện ra như một mạng lưới có trung tâm và rìa.
- Đề tài theo thời gian. Theo dõi một nhóm từ, ví dụ những từ về làng quê hay đô thị, xuất hiện nhiều ít ra sao qua các thập kỷ trong một kho văn bản lớn.
- Sắc thái cảm xúc. Dùng công cụ ước lượng câu văn mang sắc thái vui hay buồn để vẽ đường cong cảm xúc của một câu chuyện. Đây là loại phân tích dễ sai nhất với văn chương, vì sự mỉa mai, ẩn ý làm máy hiểu ngược.
Điểm chung: máy tính rất giỏi đếm, nhưng việc chọn đếm cái gì và hiểu con số nói lên điều gì vẫn là việc của người đọc. Một con số không có câu hỏi văn học đằng sau thì chỉ là con số.
Đo phong cách để tìm tác giả
Một ứng dụng nổi tiếng của phân tích văn bản bằng máy là xác định tác giả, còn gọi là phong cách học định lượng. Ý tưởng là mỗi người viết có thói quen vô thức khi dùng những từ nhỏ, như từ nối, giới từ, đại từ, và thói quen đó khó giả mạo hơn cách dùng từ ngữ hoa mỹ. Năm 1964, hai nhà thống kê Mosteller và Wallace đã dùng tần suất những từ nhỏ như vậy để đưa ra kết luận về tác giả của một số bài trong tập văn kiện chính trị nổi tiếng của nước Mỹ thời lập quốc, mà trước đó người ta tranh cãi. Nghiên cứu này thường được coi là một cột mốc của lĩnh vực.
Một ví dụ gần hơn: năm 2013, khi một cuốn tiểu thuyết trinh thám ra mắt dưới bút danh lạ, phân tích phong cách đã góp phần củng cố nghi vấn rằng tác giả thật là J. K. Rowling, và sau đó chính bà xác nhận. Trường hợp này cho thấy phương pháp có sức mạnh thật, nhưng cũng cần nhớ rằng phân tích chỉ củng cố một nghi vấn đã có, kết luận cuối cùng vẫn đến từ xác nhận của người trong cuộc.
Với văn học Việt Nam, những câu hỏi về tác giả của một số tác phẩm khuyết danh hay những bài thơ có tranh chấp về người viết là nơi phương pháp này có thể đóng góp. Nhưng nó đòi hỏi văn bản chuẩn, đủ dài, và người làm hiểu rõ giới hạn thống kê. Một kết quả "máy cho rằng bài này của tác giả A" trên mạng xã hội, không kèm phương pháp, không nên được coi là bằng chứng.
Một dự án nhỏ làm tại nhà
Bạn có thể thử đọc xa ở quy mô nhỏ với vài chục bài thơ của các tác giả đã hết thời hạn bảo hộ, ví dụ thơ Nguyễn Khuyến, Trần Tế Xương hay Tản Đà. Dự án dưới đây so kho từ của hai nhà thơ.
- Chọn hai tác giả và lấy văn bản từ nguồn có uy tín như tuyển tập của nhà xuất bản chính thống. Gõ hoặc chép vào hai tệp văn bản riêng, mỗi bài cách nhau một dòng trống, ghi rõ bạn dùng bản nào.
- Làm sạch văn bản: bỏ số trang, chú thích, nhan đề nếu bạn chỉ muốn đếm thân bài. Thống nhất cách đặt dấu thanh, vì cùng một chữ có thể được gõ theo hai kiểu mã khác nhau và máy sẽ coi là hai chữ.
- Nhờ AI viết một đoạn mã ngắn đếm tần suất các tiếng và các cặp tiếng đi liền nhau, hoặc dùng bảng tính nếu bạn quen. Câu lệnh mẫu: "Viết giúp chương trình đơn giản đọc một tệp văn bản tiếng Việt, đếm số lần xuất hiện của mỗi tiếng và mỗi cặp hai tiếng liền nhau, xuất ra danh sách xếp theo số lần."
- Chạy trên cả hai tệp, đặt hai danh sách cạnh nhau. Bỏ qua những tiếng chức năng ai cũng dùng, chú ý những tiếng, cặp tiếng chỉ xuất hiện nhiều ở một bên.
- Quay lại đọc gần: với mỗi tiếng đặc trưng, tìm những câu thơ chứa nó và đọc lại. Tự hỏi: kho từ này nói gì về thế giới của nhà thơ?
- Ghi chép kết luận kèm nghi ngờ: kho văn bản nhỏ, bản chọn của tuyển tập có thể thiên lệch, nên những gì bạn thấy là gợi ý chứ chưa phải kết luận.
Phần thú vị nhất thường nằm ở bước năm. Con số đưa bạn đến những câu thơ mình từng đọc lướt, và đôi khi bạn đọc lại chúng với con mắt khác hẳn.
Những cái bẫy riêng của tiếng Việt
Tiếng không phải là từ. Tiếng Việt viết cách nhau theo âm tiết, nhưng nhiều từ có hai, ba tiếng. Đếm theo khoảng trắng sẽ tách "đất nước" thành "đất" và "nước", làm sai lệch thống kê. Có công cụ tách từ tiếng Việt, nhưng với thơ, nhất là thơ cổ, chúng hay tách sai.
Dấu thanh và bảng mã. Văn bản lấy từ nhiều nguồn có thể dùng kiểu mã khác nhau cho cùng một chữ có dấu, hoặc đặt dấu thanh ở vị trí khác nhau. Không chuẩn hoá trước khi đếm thì kết quả sai từ gốc.
Văn bản phiên âm không phải văn bản gốc. Với thơ Nôm, bản bạn đếm là bản phiên âm của người đời sau. Khác biệt giữa các bản phiên âm có thể lớn hơn khác biệt giữa hai tác giả mà bạn đang so.
Kho văn bản nhỏ và thiên lệch. Tác phẩm được số hoá và dễ tìm thường là tác phẩm nổi tiếng, được tuyển chọn. Kết luận rút ra từ đó chỉ đúng cho phần được chọn, không đúng cho cả một thời kỳ.
AI tự tin diễn giải con số. Nếu bạn đưa bảng số cho chatbot và hỏi "điều này nói lên gì", nó sẽ đưa ra lời diễn giải nghe rất hợp lý dù dữ liệu không đủ để kết luận. Hãy tự diễn giải trước, rồi mới hỏi máy để tìm cách hiểu khác.
Câu hỏi hợp và không hợp với đọc xa
Trước khi bắt đầu, hãy tự hỏi câu hỏi của mình có phù hợp với phương pháp này không. Bảng dưới gợi ý cách phân biệt.
| Câu hỏi | Hợp với đọc xa? | Lý do |
|---|---|---|
| Nhà thơ này dùng những từ nào nhiều bất thường so với cùng thời? | Hợp | Đếm và so sánh được, kết quả gợi hướng đọc |
| Nhịp câu văn của một nhà văn thay đổi thế nào qua các tập truyện? | Hợp | Đo được độ dài câu theo thời gian |
| Nhân vật nào là trung tâm của một tiểu thuyết nhiều tuyến? | Hợp một phần | Mạng lưới cho gợi ý, nhưng trung tâm về ý nghĩa có thể khác trung tâm về số lần xuất hiện |
| Bài thơ này có hay không? | Không hợp | Giá trị thẩm mỹ không đếm được |
| Tác giả muốn nói gì qua hình ảnh này? | Không hợp | Cần đọc gần và hiểu bối cảnh |
| Bài thơ khuyết danh này có phải của tác giả A? | Hợp nếu đủ dữ liệu | Cần văn bản chuẩn, đủ dài và người làm hiểu giới hạn thống kê |
Nhìn chung, đọc xa giỏi trả lời câu hỏi "cái gì" và "bao nhiêu", còn câu hỏi "vì sao" và "có ý nghĩa gì" vẫn cần người đọc. Hai lối đọc bổ sung cho nhau, không lối nào thay được lối nào.
Câu hỏi thường gặp
Đọc xa là gì?
Đọc xa là cách dùng máy tính phân tích một lượng lớn văn bản văn học cùng lúc, như đếm từ, đo độ dài câu, vẽ mạng lưới nhân vật, để tìm quy luật mà đọc từng tác phẩm không thấy được. Thuật ngữ được Franco Moretti phổ biến, đối lập với lối đọc gần quen thuộc.
Không biết lập trình có làm đọc xa được không?
Ở mức cơ bản thì được. Bạn có thể nhờ AI viết đoạn mã đếm từ đơn giản hoặc dùng bảng tính. Điều quan trọng hơn là hiểu mình đang đếm gì, làm sạch văn bản cẩn thận và diễn giải kết quả có chừng mực.
Phân tích phong cách có xác định chắc chắn được tác giả không?
Không chắc chắn tuyệt đối. Phương pháp cho ra mức độ giống nhau về thói quen dùng từ và có thể củng cố một nghi vấn, nhưng cần văn bản chuẩn, đủ dài, và kết luận nên kết hợp với bằng chứng văn bản học, lịch sử.
Vì sao đếm từ tiếng Việt dễ sai?
Vì tiếng Việt viết cách theo âm tiết trong khi nhiều từ có hai ba tiếng, văn bản có thể dùng các kiểu mã dấu khác nhau, và với thơ cổ thì bản đếm thường là bản phiên âm của người đời sau với nhiều dị biệt.
Nên chọn văn bản nào để thử đọc xa?
Nên chọn tác phẩm đã hết thời hạn bảo hộ quyền tác giả, lấy từ tuyển tập của nhà xuất bản có uy tín, ghi rõ bản dùng. Bắt đầu với vài chục bài thơ hoặc vài truyện ngắn để dễ kiểm tra bằng mắt trước khi mở rộng.
Đọc xa có thay được việc đọc kỹ tác phẩm không?
Không. Đọc xa cho thấy xu hướng và đặt câu hỏi, còn việc hiểu ý nghĩa, cảm nhận cái hay vẫn cần đọc gần. Cách làm tốt là để con số dẫn bạn quay lại những đoạn văn cụ thể rồi đọc chúng thật kỹ.