كيف تحسب أدوات عد الكلمات فعليًا (ولماذا يختلف الرقم بين التطبيقات)

الصق نصًا واحدًا مطابقًا في Microsoft Word وGoogle Docs وأداة ثالثة لعد الكلمات، ومن الممكن تمامًا أن تحصل على ثلاثة مجاميع مختلفة قليلًا — ليس لأن أيًّا منها أخطأ، بل لأن مفهوم "الكلمة" أقل دقة مما يبدو عليه للوهلة الأولى. فأداة عد الكلمات مضطرة إلى اتخاذ سلسلة من القرارات الصغيرة والمحددة بشأن حالات حدّية تتجاوزها نظرة عابرة على أي فقرة دون انتباه: هل الكلمة المركبة بشرطة تُحسب كلمة واحدة أم كلمتين، وهل تُفصَّل الصياغة المختصرة إلى جزأين، وهل يُحسب رقم منفرد مثل كلمة مكونة من حروف، و— بالنسبة للغات التي لا تستخدم مسافات بين الكلمات إطلاقًا — ما الذي يُحدد أصلًا حدود الكلمة الواحدة. وتتخذ الأدوات المختلفة هذه القرارات بطرق مختلفة، والمجموع الظاهر هو ببساطة حصيلة قرارات صغيرة كثيرة قابلة للدفاع عنها، لا عددًا صحيحًا موضوعيًا واحدًا.

الكلمة المركبة بشرطة، مثل "well-known" في الإنجليزية، يمكن أن تُحسب منطقيًا كلمة واحدة أو كلمتين، ولكلتا القراءتين حجة يمكن الدفاع عنها: فهي تعمل كوحدة دلالية واحدة، لكنها في الوقت نفسه مبنية بوضوح من كلمتين منفصلتين متصلتين ببعضهما. ويحسب كل من Word وGoogle Docs الكلمة المركبة بشرطة كلمة واحدة، وهذا سبب أن اتباع اصطلاحهما هو الخيار الافتراضي الصحيح لأي حاجة تتطلب مطابقة توقعات محرر أو ناشر لعدد الكلمات، مثل واجب دراسي له حد أقصى معلن لعدد الكلمات. وتثير الصياغات المختصرة، مثل "don't" في الإنجليزية، السؤال نفسه بشكل مختلف — فهي مبنية بوضوح من كلمتين مُضغطَتين معًا، لكنها تعمل ككلمة واحدة — ويعود معالجا النصوص الرئيسيان نفسهما إلى حسابها كلمة واحدة لا كلمتين، وهو مرة أخرى الاصطلاح الجدير بالاتباع إذا كان لا بد أن يتفق العدد مع ما يبلغه أستاذ أو محرر أو أداة حد الكلمات.

ويثير رقم منفرد، أو علامة ترقيم وحيدة محاطة بمسافات، أو رموز غريبة أخرى، نسخًا أصغر من السؤال نفسه، وتحلها الأدوات المختلفة بطرق مختلفة قليلًا — وهذا هو التفسير الحقيقي وغير اللافت وراء معظم الفروق الصغيرة التي يلاحظها الناس بين أداة عد كلمات وأخرى. ولا يغيّر أي من هذه القرارات الدقيقة المجموع كثيرًا بمفرده، لكن بضع مئات من الكلمات من نثر عادي تحتوي عادة على ما يكفي من الشرطات والصياغات المختصرة والرموز الغريبة بحيث تتراكم الفروق إلى اختلاف ملحوظ، وإن كان صغيرًا عادة، في الرقم النهائي.

تعمل أداة عد كلمات مبنية على مجرد تقسيم النص عند كل مسافة بشكل جيد بما يكفي للغة الإنجليزية ومعظم اللغات الأوروبية، لأن هذه اللغات تفصل الكلمات تقليديًا بمسافات. لكنها تفشل فشلًا تامًا مع الصينية واليابانية والتايلندية، إذ لا تُدرج أي منها مسافات بين الكلمات إطلاقًا — فقد تكون فقرة كاملة من نص صيني سلسلة واحدة متصلة من الأحرف دون أي مسافة في أي مكان منها، وتُبلغ أداة تعتمد على التقسيم عند المسافات عن تلك الفقرة بأكملها كأنها "كلمة" واحدة بالضبط، بصرف النظر عن عدد الكلمات الحقيقية التي تحتويها فعليًا. ويتطلب عد الكلمات بشكل صحيح في تلك اللغات تجزئة نصية لغوية حقيقية — تحليل الأحرف نفسها لاستنتاج أين تنتهي كلمة على الأرجح وأين تبدأ التالية، باستخدام نوع منطق التجزئة نفسه الذي تطبقه المتصفحات الحديثة داخليًا لتحديد النص وفصل الأسطر — بدلًا من نهج التقسيم عند المسافات التافه الذي يعمل بشكل جيد بما يكفي للغات المفصولة بمسافات وينهار تمامًا مع اللغات التي ليست كذلك.

لا يُعد أي من الاصطلاحات المتنافسة الخاصة بالشرطات أو الصياغات المختصرة أو رموز الحالات الحدّية أصح موضوعيًا من غيره — فهي إجابات مختلفة، قابلة للدفاع عنها بالقدر نفسه، عن سؤال غامض فعلًا. وما يهم فعليًا في الممارسة العملية هو الاصطلاح الذي يجب أن يتفق معه العدد: فالطالب الذي يقدّم واجبًا له متطلب معلن لعدد الكلمات يحتاج إلى أداة تحسب بالطريقة نفسها التي يحسب بها معالج النصوص الخاص به، لأن هذا شبه مؤكد ما سيُتحقق منه فعليًا؛ والكاتب الذي يقدّم عملًا لمنشور له أسلوبه الخاص يحتاج إلى مطابقة أيًّا كان الاصطلاح الذي تستخدمه أدوات ذلك المنشور. ومطابقة الاصطلاح المشترك بين Word وGoogle Docs — حيث تُحسب الكلمة المركبة بشرطة والصياغة المختصرة كل منهما كلمة واحدة — هي أقرب شيء إلى خيار افتراضي آمن وعالمي، وذلك تحديدًا لأن هاتين الأداتين تغطيان معًا الغالبية الساحقة من الحالات التي يحتاج فيها عدد الكلمات إلى مطابقة شيء خارجي ومحدد.