fa از لوح گِلی تا شبکۀ عصبی: چارچوب چندلایۀ مدل‌های یادگیری ماشین و پردازش زبان طبیعی در خوانش و تحلیل متون باستانی باستان سنجی Archaeometry مروری Review <p dir="rtl" style="text-align: justify;">این مقاله به بررسی تحول روش‌های مطالعۀ متون باستانی در چارچوب علوم انسانی دیجیتال می‌پردازد و نشان می‌دهد که آن را باید به‌مثابه دگرگونی‌ بنیادین در ماهیت داده و دانش در نظر گرفت. این مقاله با تکیه بر تمایز میان &laquo;داده&raquo; و &laquo;کپتا&raquo;، استدلال می‌کند که داده‌های باستانی محصول فرایندهای انتخاب، استانداردسازی و بازنمایی هستند. این مقاله، سه فاز روش‌شناختی متمایز و پیوسته را شناسایی می‌کند: فاز فیلولوژیک، فاز پیکره‌های دیجیتال، و فاز یادگیری ماشین و هوش مصنوعی. این پژوهش با رویکردی مروری و انتقادی، مطالعات منتخب دربارۀ کارکرد روش‌های محاسباتی و یادگیری ماشین در تحلیل متون باستانی را بررسی و از نظر وظایف، روش‌ها، محدودیت‌ها و اعتبار تاریخی ارزیابی می‌کند. در سطح تحلیلی، مقاله یک چارچوب مفهومیِ چندلایه از تصویر تا مدل انتزاعی ارائه می‌دهد و وظایف بینایی ماشین و پردازش زبان طبیعی را با روش‌های آماری، مدل‌های یادگیری عمیق و چندوجهی در سطوح مختلف سازمان‌دهی می‌کند. این چارچوب با هدف پیوند دادن مراحل تبدیل شیء مادی به داده محاسباتی، بازشناسی نشانه، مدل‌سازی توالی، تحلیل ساختاری و ارزیابی تاریخی خروجی‌ها تحلیل شده‌است. همچنین، نقش مدل‌های آماری، شبکه‌ای و معماری‌های عمیق در استخراج الگوهای پنهان و یکپارچه‌سازی داده‌های ناهمگن بررسی می‌شود. یافته‌ها نشان می‌دهند که این رویکردها امکان تحلیل در مقیاس، کشف الگوها و افزایش بازتولیدپذیری را فراهم می‌کنند، اما خروجی آن‌ها ماهیتی احتمالاتی دارد و در غیاب &laquo;حقیقت مبنای&raquo; قطعی، نمی‌توان به‌مثابه تفسیر نهایی قلمداد کرد. از این‌رو، تمایز میان پردازش محاسباتی و تفسیر انسانی اهمیت روش‌شناختی می‌یابد. مقاله در نهایت، نشان می‌دهد که آیندۀ این حوزه در توسعۀ سامانه‌های انسان-در-حلقه نهفته است؛ جایی‌که مدل‌های محاسباتی درکنار ارزیابی انسانی به نتایج بهتری ختم می‌گردد.</p> <p style="text-align: justify;">This article examines the methodological shift in ancient-text studies within the digital humanities, with particular attention to cuneiform evidence. Rather than treating computational methods as replacements for traditional philology, it considers how digitization, transcription, normalization, annotation, and representation reshape the evidence itself. Using the distinction between &ldquo;Data&rdquo; and &ldquo;Capta,&rdquo; the study adopts a critical narrative and task-oriented review of selected scholarship and assesses computational approaches in relation to analytical tasks, data limitations, evaluation procedures, and historical interpretation. The article distinguishes three connected methodological regimes: philological analysis, digital corpora, and machine learning and artificial intelligence. It then proposes a five-layer framework linking image, sign, sequence, structure, and conceptual model. The framework is intended as a methodological synthesis rather than a new algorithm and organizes computer vision, natural language processing, statistical and network analysis, and multimodal methods according to the evidence handled at each stage. Because ancient textual corpora are often fragmentary, sparse, imbalanced, and uncertain, computational outputs should be treated as probabilistic rather than definitive. Errors introduced during image processing, sign recognition, transcription, or structural analysis may affect later linguistic and historical interpretations. Evaluation should therefore combine task-specific metrics, component-level and end-to-end testing, error analysis, and expert assessment. Historical interpretation ultimately depends on transparent provenance, philological judgment, archaeological context, and continued human involvement throughout the analytical workflow..</p> یادگیری ماشین, پردازش زبان طبیعی, متون باستانی, تحلیل محاسباتی, علوم انسانی دیجیتال Machine Learning, Natural Language Processing, Ancient Texts, Computational Analysis, Digital Humanities 0 0 http://jra-tabriziau.ir/browse.php?a_code=A-10-889-1&slc_lang=fa&sid=1 Saeed Baghizadeh سعید باقی زاده saeed.baghizadeh@stud.uni-heidelberg.de 100319475328460010359 100319475328460010359 Yes Institute of Prehistory, Protohistory and Near Eastern Archaeology, Heidelberg University, Heidelberg, Germany مؤسسه باستان‌شناسی پیش از تاریخ و آغاز تاریخ و خاور نزدیک، دانشگاه هایدلبرگ، هایدلبرگ، آلمان Rouhollah Yousefi Zoshk روح الله یوسفی زشک Rouhollah.yousefi@iauvaramin.ac.ir 100319475328460010360 100319475328460010360 No Department of Archaeology, Faculty of Literature and Humanities, Islamic Azad University, Varamin-Pishva Branch, Varamin, Iran گروه باستان‌شناسی، دانشکدۀ ادبیات و علوم انسانی، دانشگاه آزاد اسلامی واحد ورامین-پیشوا، ورامین، ایران