نگاهی به رده‌شناسی تکیه ءکلمه بر پایهء فراگیری و پردازش زبان

تکیۀ کلمه را می‌توان از دید الگوریتم‌های پردازش و فراگیری زبان بررسی کرد، الگوریتم‌هایی که زبان را به‌عنوان توالی پیوسته‌ای از سیگنال صوتی تحلیل می‌کنند، نه براساس مجموعه‌ای از کلمات و تکواژهای ازپیش‌ برچسب‌خورده. این دیدگاه، با در نظر گرفتن ویژگی‌ها و محدودیت‌های شناختی نوزادان، ابعاد جدیدی را از پیچیدگی مواجهه با پدیده‌های زبانی آشکار می‌سازد. در این مقاله، تکیۀ کلمه را براساس الگوریتم‌های واقع‌گرایانۀ فراگیری نوزادان از گفتار پیوسته بررسی کرده و به چالش‌هایی می‌پردازیم که در رویکردهای سنتی، که تکیه را براساس صورت‌های واژگانی و برچسب‌های صرفی و نحوی توصیف می‌کنند، مطرح نمی‌شوند. ابتدا به معرفی مدل شناختی پپرکمپ و دوپو برای فراگیری و پردازش تکیه و تمایزات واجی پرداخته و مفروضات آن را در زمینۀ رده‌شناسی تکیه مرور می‌کنیم. سپس، تفاوت‌های مشاهده‌پذیری و دسترسی الگوریتم‌های یادگیری تکیه را در زبان‌های مختلف با تکیه‌های پیش‌بینی‌پذیر از لحاظ واجی بررسی می‌کنیم. در این ‌راستا، تفاوت مهم میان پیش‌بینی‌پذیر بودن تکیه از لحاظ واجی و صرفی بحث خواهد شد. در ادامه، چالش‌های خاص زبان فارسی را مورد توجه قرار داده و سوالات مهمی را برمی‌شماریم که تکیۀ این زبان برای الگوریتم‌های فراگیری تکیه مطرح می‌سازد. در نهایت، پیشنهادهایی برای پژوهش‌های آتی ارائه می‌دهیم، پیشنهادهایی که بر همکاری میان‌رشته‌ای، جمع‌آوری داده‌های واقع‌گرایانۀ مقیاس‌گسترده، و استفاده از مدل‌های یادگیری ماشین خودنظارتی تاکید دارند.

a typology of word stress based on language acquisition and processing

word stress can be examined through the lens of language processing and acquisition algorithms—algorithms that analyze language as a continuous sequence of auditory signals rather than a set of predefined words and labels. this perspective, which considers infants’ cognitive characteristics and limitations, reveals new layers of complexity in the way linguistic phenomena are encountered and processed. in this paper, we investigate word stress based on patterns of infant language acquisition from continuous speech, addressing challenges that traditional approaches often overlook, where stress is described with clear-cut lexical boundaries and morphosyntactic labels. we review a cognitive model of stress acquisition developed by peperkamp and dupoux, emphasizing its core assumptions and typological predictions. we then explore cross-linguistic differences in stress pattern observability and the accessibility of stress-learning algorithms in languages with phonologically predictable stress patterns, examining distinctions between phonological and morphological predictability. next, we turn to persian, focusing on the unique challenges it presents for stress acquisition algorithms and the key questions it raises. finally, we propose directions for future research on persian stress, advocating for interdisciplinary collaboration, large-scale collection of naturalistic data, and the application of self-supervised machine learning models.