تحلیلی بر عملکرد مدل های زبانی بزرگ در تبدیل خودکار گفتاری نویسی به نوشتار معیار براساس دستور خط مصوب فارسی

رشد ارتباطات دیجیتال، مانند شبکه های اجتماعی و پیام رسان ها، موجب گسترش شکل های متنوعی از نوشتار در زبان فارسی، ازجمله گفتاری نویسی و شکسته نویسی، شده است. تبدیل این گونه های نوشتاری به نوشتار معیار، به ویژه براساس دستور خط مصوب فرهنگستان زبان و ادب فارسی، نیازمند بهره گیری از ابزارهای پیشرفته پردازش زبان طبیعی است. در پژوهش حاضر، عملکرد پنج مدل زبانی بزرگ شامل ChatGPT، Gemini، Perplexity، Claudeو DeepSeek در تبدیل خودکار گفتاری نویسی فارسی به نوشتار معیار براساس دستور خط مصوب ارزیابی شده است. داده های پژوهش از اصلاح و ترکیب دو پیکره حاصل از فضای مجازی حاصل شده و به صورت تصادفی یک زیرپیکره شامل ۱۰۲۵ جمله که حاوی ۱۱۹۳۹ واژه است تهیه شده است. تحلیل خروجی مدل ها بر مبنای برچسب های طلایی معیار و با تمرکز بر تغییرات مثبت (مانند درج نیم فاصله، کسره اضافه، همزه و اصلاح شکسته نویسی) و تغییرات منفی (مانند حذف واژه بست، جایگزینی واژه و تغییر سبک و جابه جایی واژه ها) انجام شده است. نتایج نشان می دهد مدل Claude با بیشترین تطابق با برچسب طلایی (۵۱/۳۹٪) در سطح واژه و جمله عملکرد بهتر و Perplexity ضعیف ترین عملکرد را از این منظر داشته است. این پژوهش نشان می دهد که مدل های زبانی بزرگ، علی رغم توانایی بالا، همچنان با چالش هایی در معیارسازی نوشتار فارسی، به ویژه در رعایت دقیق دستور خط، مواجه است.

کلیدواژه ها:

گفتاری نویسی ، شکسته نویسی ، نوشتار معیار ، مدل های زبانی بزرگ ، دستور خط فارسی